Solo el 5% de los proyectos de IA en finanzas logra impacto medible

La inteligencia artificial en finanzas ha dejado de ser una promesa para convertirse en una realidad tangible en las empresas líderes a nivel global. Según una encuesta reciente de McKinsey, el 44% de los directores financieros (CFOs) ya utiliza IA generativa en más de cinco casos de uso en 2025, una cifra que contrasta con el 7% registrado el año anterior.

Este crecimiento acelerado en la adopción de tecnologías como la IA generativa y los sistemas agentivos está transformando la manera en que los equipos financieros abordan la planificación, el control y la optimización de recursos, generando beneficios concretos en eficiencia y resultados.

El panorama general muestra que la inversión en herramientas de IA dentro de las funciones financieras sigue en aumento. De acuerdo con McKinsey, el 65% de los encuestados planea incrementar su inversión en IA generativa durante 2025, frente a solo una cuarta parte que lo hacía dos años atrás.

Sin embargo, solo una pequeña fracción de los proyectos piloto logra un impacto significativo en los resultados financieros: apenas el 5% de las iniciativas de IA han producido efectos medibles en la cuenta de resultados. Las principales causas de este bajo rendimiento se relacionan con la falta de integración de la IA en los procesos centrales, la incapacidad de adaptación ante nuevos datos y la persistencia de enfoques aislados.

A pesar de estos desafíos, McKinsey destaca que algunas organizaciones han conseguido superar las barreras y obtener ventajas competitivas mediante la aplicación estratégica de la IA en áreas clave. En el ámbito de la planificación estratégica y el control, los equipos financieros han incorporado herramientas de análisis predictivo e IA generativa para agilizar el acceso a datos, la elaboración de informes y la simulación de escenarios.

Un ejemplo concreto es el de una empresa global de bienes de consumo, donde un asistente de IA generativa permite a los profesionales de finanzas analizar desviaciones presupuestarias y entregar información relevante a los líderes de distintas divisiones y mercados. Esta solución ha reducido en un 30% el tiempo dedicado a tareas manuales de análisis.

En el sector de la biotecnología, una compañía internacional ha implementado un agente de soporte a la toma de decisiones basado en IA generativa y sistemas agentivos, lo que ha permitido reducir a la mitad el tiempo necesario para decidir la asignación de recursos.

El equipo financiero puede ahora generar escenarios complejos utilizando lenguaje natural durante las sesiones de planificación mensual, integrando datos de diversas fuentes como sistemas de gestión de clientes, información financiera y análisis de marketing. El sistema no solo alerta sobre desviaciones presupuestarias o caídas en el retorno de inversión, sino que también identifica las causas raíz y sugiere acciones concretas, como la reasignación de presupuestos para maximizar el crecimiento.

En el sector financiero, una gran institución norteamericana ha recurrido a la IA generativa para automatizar la redacción de borradores de informes sobre modelos internos de riesgo y actualizaciones regulatorias. Esta herramienta también facilita la creación de modelos de riesgo específicos para cada mercado, combinando datos internos y fuentes públicas, lo que ha simplificado procesos tradicionalmente complejos y demandantes de tiempo. Según McKinsey, en las organizaciones que han adoptado estas tecnologías de manera robusta, los profesionales de finanzas dedican entre un 20% y un 30% menos de su tiempo al procesamiento de datos, lo que les permite enfocarse en actividades de mayor valor estratégico.

La gestión del capital de trabajo y la automatización de procesos representan otro frente de innovación. McKinsey describe el caso de una empresa biotecnológica global que ha implementado un sistema agentivo de IA para verificar el cumplimiento de los términos contractuales en facturas y contratos a lo largo del año.

Este sistema detecta desviaciones como descuentos por pronto pago no aplicados, precios escalonados o reembolsos por volumen, extendiendo la cobertura a toda la base de gastos de la compañía y reduciendo la necesidad de monitoreo manual. Gracias a esta solución, la empresa identificó fugas contractuales equivalentes al 4% del gasto total, lo que representa una oportunidad relevante de recuperación de valor y mejora de márgenes.

En cuanto a la optimización de costos y el análisis de gastos, la IA ha demostrado su capacidad para analizar facturas y órdenes de compra complejas, clasificando los costos en categorías detalladas y facilitando la detección de anomalías y áreas de desperdicio.

Un ejemplo destacado por McKinsey es el de una institución financiera europea que, tras recopilar datos de miles de proveedores y estructurarlos en una taxonomía de costos con cerca de 400 subcategorías, logró identificar ineficiencias ocultas en áreas como energía, viajes y gestión de instalaciones. La aplicación de modelos de lenguaje y análisis avanzados permitió reducir los costos en aproximadamente un 10% sobre una base de gasto de varios miles de millones de euros.

Otra empresa europea del sector de empaques utilizó IA generativa para clasificar a más de 10.000 proveedores, mejorando la visibilidad sobre categorías de gasto indirecto y detectando patrones y solapamientos previamente inadvertidos. Esta mayor claridad permitió descubrir oportunidades de ahorro, optimizar estrategias de compras y ampliar la diversidad de proveedores en áreas poco atendidas.

No obstante, la adopción de la inteligencia artificial en finanzas enfrenta obstáculos recurrentes. McKinsey identifica cinco errores comunes que pueden frenar el avance: esperar a contar con datos perfectos antes de actuar, intentar transformar toda la función financiera de una sola vez, iniciar proyectos piloto sin una hoja de ruta clara, descuidar la gestión del cambio y automatizar procesos fragmentados sin antes simplificarlos y estandarizarlos.

Para superar estos desafíos, la consultora recomienda una visión estratégica alineada con las prioridades del negocio, una transformación progresiva por dominios y un enfoque práctico en la ejecución.

A medida que la inteligencia artificial se consolida en las áreas financieras, la diferencia entre proyectos que se diluyen y aquellos que generan valor duradero se vuelve cada vez más evidente.

Las empresas que logran resultados son aquellas que vinculan la IA a necesidades concretas del negocio, optimizan procesos clave y liberan recursos para actividades de mayor valor, mostrando que el verdadero potencial de la IA en finanzas se alcanza solo con una ejecución disciplinada y orientada a los objetivos estratégicos.