La irrupción de la inteligencia artificial en los departamentos financieros de las compañías españolas ha superado la fase de la curiosidad teórica para instalarse en una realidad operativa compleja y, en muchos casos, estancada. No se trata de una falta de voluntad inversora o de un desconocimiento de la herramienta.
El problema reside en una brecha estructural: la capacidad de experimentar con algoritmos ha avanzado a una velocidad muy superior a la capacidad de las organizaciones para integrar estas soluciones en sus flujos de trabajo críticos de manera segura y escalable. Esta desconexión sitúa a la mitad de los equipos financieros en un nivel de madurez intermedio, un terreno donde la tecnología genera expectativas que la infraestructura actual no siempre puede cumplir.
El reciente informe CFO AI Readiness Report«, elaborado por Payhawk en colaboración con IResearch, arroja luz sobre esta parálisis técnica tras encuestar a más de 1.500 directivos. Los datos revelan que el 50% de las organizaciones se encuentra atrapado en un grado de desarrollo medio. Es un punto de inflexión peligroso. En este estrato, las empresas ya han superado los pilotos iniciales, pero carecen de los marcos de gobernanza y la calidad de datos necesaria para que la IA deje de ser un accesorio y pase a ser el motor de la toma de decisiones. Para un director financiero, este escenario implica un riesgo de ejecución latente: existe suficiente IA para alterar los procesos, pero no la suficiente estructura para garantizar que el resultado sea auditable y recurrente.
La adopción de la IA en finanzas no está siguiendo una línea de progresión uniforme, sino que dibuja un mapa de velocidades muy distantes. Mientras un tercio de las compañías asegura haber escalado sus iniciativas, el análisis pormenorizado detecta que incluso en este grupo de élite las bases son frágiles. Algunas organizaciones progresan con una agresividad inversora que no va acompañada de controles de riesgos, lo que crea una ilusión de madurez que podría quebrarse ante la primera auditoría severa o un cambio regulatorio imprevisto. El contraste es evidente frente a los sectores más tradicionales, como la logística o la energía, donde la preparación es todavía incipiente y la resistencia al cambio tecnológico se ve agravada por la rigidez de los sistemas heredados.
La brecha sectorial y el peso de la estructura
La madurez tecnológica parece estar vinculada a la naturaleza intrínseca del negocio. Las empresas del sector tecnológico lideran la tabla con un 70% de sus departamentos financieros en niveles avanzados de implementación. No obstante, el tamaño de la organización no es siempre un predictor de éxito. Si bien las grandes corporaciones multi-entidad tienen una mayor propensión a la estandarización y a la creación de centros de servicios compartidos —factores que facilitan la adopción de la IA—, también se enfrentan a una fragmentación de datos que las empresas más pequeñas y ágiles no padecen. La complejidad operativa actúa aquí como un arma de doble filo: obliga a innovar para sobrevivir al volumen de datos, pero dificulta que esa innovación sea coherente en todas las filiales.
Resulta llamativo cómo las compañías no tecnológicas de gran volumen están incorporando herramientas de inteligencia artificial en la periferia de sus departamentos, pero encuentran barreras casi insalvables para llevarlas al núcleo de sus operaciones. Esta dificultad no responde a una limitación de los modelos de lenguaje o de procesamiento de datos, sino a la falta de consistencia en la gobernanza. Sin un hilo conductor que asegure que un dato extraído por una IA en una región es procesado bajo los mismos estándares en otra, el escalado se vuelve una quimera técnica.
El imperativo del control frente a la experimentación libre
A diferencia del marketing o de la atención al cliente, donde el margen de error permite una experimentación más flexible, el área de finanzas opera bajo un régimen de tolerancia cero. Aquí, la IA debe nacer con un ADN de cumplimiento normativo. La visibilidad del gasto, la trazabilidad de las facturas y la automatización de las aprobaciones no son solo objetivos de eficiencia; son imperativos legales. El principal factor limitante identificado en el sector no es la potencia del cálculo, sino la capacidad de convertir ese cálculo en algo defendible ante un regulador.
Laura Gámiz, directora de Payhawk España, señala que la verdadera diferencia radica en operar la tecnología de forma sostenible. Según su análisis, el obstáculo real no es la experimentación, sino la gestión de la tecnología dentro de los controles financieros sin que se pierda la rendición de cuentas. En este sentido, la tecnología debe intervenir precisamente donde las aprobaciones se transforman en gasto real, un punto crítico donde las excepciones y los registros de auditoría suelen fallar si no existe una supervisión humana y técnica integrada.
Datos, jerarquías y la gestión del cambio
La transición hacia una IA en finanzas plenamente madura exige una reevaluación de la jerarquía del dato. Muchas empresas han descubierto, tras inversiones millonarias, que sus algoritmos son tan buenos como la calidad de los recibos y facturas que procesan. Una base de datos mal estructurada invalida cualquier intento de automatización predictiva. Por ello, las organizaciones que están logrando desmarcarse del pelotón intermedio son aquellas que han priorizado la limpieza y centralización de la información antes de adquirir el software más avanzado del mercado.
El factor humano también emerge como una variable determinante. Un CFO no solo debe ser un gestor de capital, sino un estratega tecnológico capaz de gestionar el escepticismo de equipos acostumbrados a procesos manuales que, aunque ineficientes, son percibidos como seguros. La transición hacia modelos automatizados requiere un cambio de cultura que valore la supervisión del algoritmo por encima de la ejecución de la tarea. La resistencia no suele ser al cambio en sí, sino a la opacidad que a veces rodea a las decisiones tomadas por una máquina.
Hacia un modelo de IA defendible
El panorama actual sugiere que el mercado se encamina hacia una fase de consolidación donde la prioridad será la «IA defendible». Esto implica que cada proceso automatizado debe dejar una huella clara que permita reconstruir el camino de una decisión financiera. Las empresas que no logren salir de ese 50% de madurez media probablemente sea porque intentan aplicar IA de forma aislada, como un parche para problemas de eficiencia puntuales, en lugar de rediseñar su arquitectura financiera desde los cimientos.
El despliegue de estas herramientas está redefiniendo la ventaja competitiva en el mercado español. Aquellas corporaciones que logren integrar la IA en sus flujos de pago y gestión de gastos no solo reducirán costes operativos, sino que obtendrán una visibilidad en tiempo real que les permitirá pivotar ante crisis de liquidez o cambios en la demanda con una agilidad inalcanzable para quienes siguen anclados en procesos semi-manuales. Sin embargo, el camino hacia la madurez total sigue sembrado de incógnitas sobre la interoperabilidad de sistemas y la evolución de una normativa europea que promete ser estricta con el uso de algoritmos en procesos de decisión corporativa.
La pregunta que queda en el aire para los responsables de negocio no es cuándo llegará la inteligencia artificial a sus mesas, sino si su estructura actual podrá soportar el peso de una automatización que no admite fisuras en la cadena de mando ni en el control del dato. El paso del nivel medio al avanzado no es una cuestión de presupuesto, sino de arquitectura organizativa.
