En 2020, los CFO necesitaban nuevas herramientas. Ahora, las herramientas están transformando el rol.
El puesto se estaba volviendo más estratégico, pero el software seguía estancado. Los CFO eran mitad analistas de datos y mitad arquitectos: unían a mano exportaciones de una constelación de soluciones puntuales y archivos de Excel que orbitaban en torno a ERPs con treinta años de antigüedad. El cuello de botella eran los datos. Vivían en demasiados lugares, costaba domarlos y las herramientas que iban por encima eran frágiles y limitadas.
Hoy la IA está eliminando esas restricciones. Ensamblar los datos es más fácil y el software ha empezado a hacer gran parte del trabajo por sí solo. Y cuando eso cambia, también cambian tanto la forma de trabajar como quién lo hace. Es decir, cambia la función financiera en sí misma, junto con el equipo y el arquetipo de la persona que lo lidera.
De contador a banquero, y de banquero a constructor
Esto se nota al ver a quién han contratado las empresas para el puesto a lo largo del tiempo:
Las dimensiones de un gran CFO han resistido sorprendentemente bien el paso de las eras. Los mejores CFO no se limitan a entregar números o presentaciones para el consejo. También usan los datos para fundamentar su visión sobre el rumbo que debería tomar el negocio. Lo que el puesto les exige es lo que sigue cambiando según cuál sea la habilidad escasa del momento.
El arquetipo de cada época ha seguido este cambio. Cuando el trabajo consistía en limpiar los libros, establecer controles y reportar resultados, las empresas fichaban CFO de las Big 4 de auditoría. Cuando el trabajo pasó a ser levantar capital y cerrar acuerdos, empezaron a contratar desde la banca de inversión. Cuando el foco se puso en la planificación, las métricas y el acompañamiento al negocio (business partnering), las habilidades de planificación (“FP&A”) ganaron peso, aunque las empresas siguieran contratando perfiles con experiencia en banca o private equity.
La habilidad escasa de hoy es algo nuevo: diseñar el sistema operativo sobre el que funciona la empresa. Esto incluye los datos, flujos de trabajo, agentes, habilidades y controles que convierten el contexto en inteligencia y decisiones. Se nota en el auge del “ingeniero financiero” dentro de los equipos de finanzas y en que cada vez más CFO asumen ese rol ellos mismos.
Los líderes financieros que trabajan así describen su función de otra manera respecto a sus predecesores. Sarah Friar, CFO de OpenAI, plantea las finanzas como una función en tiempo real. Finanzas avanza hacia un cierre contable en el día cero y una previsión que se actualiza de forma continua, un salto enorme frente al ritmo tradicional del cierre mensual. Ya sea para asignar capacidad de cómputo o capital, los mejores líderes financieros suenan hoy menos a marcadores del tanteador y más a constructores.
Más datos, mejores herramientas, equipos más reducidos
El cambio en el arquetipo del CFO y en la organización financiera en general lo impulsa el rápido avance de las herramientas nativas de IA. Un acceso a los datos más fácil y rápido desbloqueó mejores herramientas, lo que cambió cómo se hace el trabajo y quién lo hace y, a su vez, cómo se estructuran y operan los equipos financieros.
1. Los datos dejaron de ser el cuello de botella. La queja central de nuestro artículo de 2020 era que la materia prima del CFO —los datos— estaba desactualizada, fragmentada y era un dolor de cabeza consolidarla. Los equipos financieros gastaban casi toda su energía en la base de la pirámide uniendo insumos: sacando exportaciones, conciliando hojas de cálculo y persiguiendo la explicación de una desviación enterrada en un hilo de correos o, peor aún, en mensajes directos y canales de Slack. La IA acelera y simplifica extraer, ingerir e interpretar datos dispersos en distintos sistemas y formatos. Los equipos pueden dedicar menos tiempo a conseguir información y más a actuar sobre ella.
2. El stack financiero pasa a formar parte del equipo financiero. En 2020 mapeamos el stack financiero capa por capa y argumentamos que venía una ola de herramientas modernas para cada una. Con la IA ayudando a resolver el problema de los datos, esa ola llegó. La nueva generación se implementa en días, no en trimestres; automatiza la propia recolección de datos en lugar de esperar a que alguien la alimente, y entrega insights en tiempo real en lugar de a fin de mes. Cada área de aquel mapa de mercado tiene hoy un competidor nativo de IA, desde el ERP hasta impuestos y compras.
Algunos ejemplos de nuestro portafolio:
- El ERP de Rillet reduce la implementación de meses a días o semanas, importa datos automáticamente y convierte un cierre mensual en uno diario.
- Concourse despliega agentes para la planificación y previsión financiera, integrando datos de pipeline en tiempo real para construir escenarios dinámicos.
- Lio usa un modelo multiagente para compras, donde sus agentes hacen la diligencia de proveedores, negocian contratos, supervisan aprobaciones internas y monitorizan el cumplimiento.
- Stuut gestiona el ciclo completo de cuentas por cobrar, desde el primer contacto hasta el seguimiento, el cobro y la resolución de disputas, automatizando la aplicación de pagos.
- Sphere transforma el complejo cumplimiento de impuestos indirectos en un proceso automatizado de principio a fin.
- Petual automatiza las pruebas SOX y los flujos de auditoría interna corporativa.
Todos estos son flujos de trabajo que antes requerían equipos dedicados o proveedores externos.
La generación anterior de software ayudaba a los profesionales financieros a gestionar el trabajo. Esta generación hace el trabajo por sí misma. El mejor software financiero nativo de IA ahora hace finanzas.
3. El auge del ingeniero financiero. Al diluirse el problema de los datos, ha surgido algo que no anticipamos en 2020. Los equipos financieros más avanzados no solo usan herramientas de IA, sino que construyen sus propias automatizaciones, dashboards y otras herramientas internas. Muchas de estas personas nunca habían programado, desconfiaban de la IA y no tenían acceso a recursos de ingeniería. En los últimos 9-12 meses, se han vuelto adictos a la IA.
El equipo financiero de Anthropic ha creado y mantiene una biblioteca con más de 70 habilidades de IA específicas para finanzas que tratan como código de producción. Una de ellas genera una revisión financiera mensual completa al 90-95 %, comprimiendo horas de trabajo humano en unos treinta minutos. En OpenAI, el equipo de Friar crea GPT personalizados para relaciones con inversores y compras, además de dashboards en vivo que reemplazan los informes estáticos para el consejo.
Un CFO de una empresa en fase de crecimiento de nuestro portafolio pidió a su equipo que creara agentes y en dos semanas ya tenían 50. No todos eran útiles, pero le dieron a todo el mundo la oportunidad de vivir ese momento mágico en el que un agente realmente produce trabajo de verdad. Otro comentó que sus equipos de finanzas y contabilidad se están convirtiendo en product managers, trabajando codo a codo con ingenieros para crear sus propias herramientas.
Igual que hemos visto surgir al ingeniero de GTM, al ingeniero de growth o al ingeniero de talento, muchas empresas empiezan a tener un “ingeniero financiero”. Como ocurre con otros roles que combinan conocimiento del dominio y capacidad de construcción, suele ser alguien de finanzas, frecuentemente con formación técnica, que domina Codex o Claude Code y lidera la creación de herramientas para el equipo. A menudo conectan sistemas y resuelven cuellos de botella en los flujos de trabajo. Por ejemplo, puede significar construir una herramienta que cruce los ingresos por cliente con los costos de inferencia del modelo, el uso de la nube y los costos de soporte, y que luego marque las cuentas donde los márgenes se deterioran o donde el consumo ha dejado un contrato sin rentabilidad.
Históricamente, esto exigía pedir favores poco probables a los equipos de ingeniería core o intentar incorporar ingenieros al equipo financiero. Hoy muchos CFO dedican más tiempo a construir con IA o a usar herramientas nativas de IA, y menos a reuniones. “Estos nuevos productos son divertidos de usar” es un comentario que escuchamos a menudo.
La disciplina operativa detrás del ingeniero financiero es simple: si haces algo dos veces, escribe un flujo de trabajo; si escribes el flujo de trabajo dos veces, crea un agente.
4. El equipo financiero se achica y gana apalancamiento. La mayoría de los equipos financieros siguen organizados a la antigua: una capa de controlador, una capa de FP&A, una capa de operaciones y el CFO. Todo esto está diseñado para un ritmo mensual y para que una sola persona sea dueña de cada tarea. Esa estructura tenía sentido cuando cada capa existía para mover y conciliar datos.
La vieja regla de que finanzas representa ~5 % de la plantilla también está cambiando. Los equipos más ajustados que vemos apuntan al 2 % y priorizan la densidad de talento por encima del número de cabezas. La nueva contratación para finanzas sabe conectar varios sistemas con una llamada a una API, escribir SQL y prototipar una automatización. La fluidez con la IA se está volviendo un requisito básico. “Explícame tu modelo” se está convirtiendo en “explícame tu secuencia de prompts”.
Los expertos senior de cada dominio son quienes más partido le sacan a la IA. En Anthropic, el usuario más intensivo del equipo financiero es el responsable de impuestos. Como lo expresó uno de nuestros CFO en fase de crecimiento, es tentador asumir que los más junior serán los que más la adopten, pero les falta la experiencia y el contexto para saber qué significa “excelente” o qué deberían construir.
5. La planificación se vuelve continua. Los ingresos basados en uso (por ejemplo, tokens, minutos, llamadas a API) siempre han sido complejos de pronosticar. Además, los procesos y herramientas estándar que funcionan con cadencia mensual no son lo bastante rápidos, sobre todo ahora que los agentes se han convertido en actores de la cuenta de resultados. Muchos líderes financieros apuestan por la previsión continua, que ofrece una visión en vivo usando modelos estadísticos, evidencia a nivel de cuenta y criterio financiero. FP&A evoluciona del presupuesto anual a decisiones operativas continuas. Ahora puedes correr escenarios complejos en vivo durante la reunión.
6. Los controles pasan a ser una funcionalidad crítica del producto. Con el software asumiendo más trabajo en finanzas, resulta imprescindible contar con una cadena auditable y confiable que vincule cada cifra con su origen. Finanzas necesita saber de dónde salió cada número, cómo se calculó y dónde y qué agentes intervinieron. Si un agente está redactando un asiento contable, por ejemplo, debe conservar los papeles de trabajo y la evidencia de respaldo, y seguir las reglas de aprobación antes de registrarlo. La IA puede seguir usándose para conciliar registros y señalar y explicar desviaciones y excepciones, pero finanzas define las reglas y da el visto bueno. Tener controles permite ir más rápido. El equipo puede concentrarse en el trabajo estratégico sin tener que reconstruir y revisar cada paso a mano.
7. Finanzas recibe un mandato más amplio. Con datos en tiempo real y la capacidad de simular escenarios rápidamente, finanzas participa en muchas más decisiones estratégicas. Para muchas empresas de IA, el cómputo es uno de los mayores gastos operativos y una de las decisiones de asignación de capital con más impacto. Ahora los equipos financieros pueden consolidar una visión actualizada de los datos de uso, los costos de infraestructura y los ingresos por cliente, y las herramientas de IA pueden ayudar a determinar cómo afectaría a los márgenes una nueva funcionalidad o un aumento en el uso por parte de los clientes. Eso le da a finanzas una base más sólida para opinar sobre precios, lanzamientos de productos y compromisos de gasto.
Las empresas también toman muchas más decisiones en las que el CFO es un árbitro clave. Por ejemplo, cómo reparten los equipos el trabajo entre personas y software es una pregunta fundamental en todas las organizaciones y es una decisión financiera. Con datos más granulares sobre los trade-offs entre tiempo invertido, uso de tokens, aprovechamiento del software y más, finanzas puede evaluar esas compensaciones. Construir versus comprar forma parte de este conjunto de decisiones. Construir puede significar hoy un gran proyecto de ingeniería o simplemente un equipo no técnico haciendo vibecoding de una herramienta pequeña. Comprar puede implicar pagar por uso o por trabajo terminado, de modo que los costos varían según la adopción. Ahora, con la IA, finanzas puede modelar estos escenarios más complejos de forma más rápida y precisa.
El rol, reescrito
El trabajo del CFO ya había cambiado antes. Lo que ahora se siente distinto es cuánto de la función financiera y de la propia organización se está rediseñando. Históricamente, el CFO armaba equipos financieros alrededor de capas de personas necesarias para recopilar, conciliar y revisar datos dispersos en decenas de herramientas, todo configurado para rastrear y gestionar el trabajo. Ahora el CFO, con un equipo más pequeño y mayor apalancamiento, puede construir y usar las herramientas que hacen el trabajo. Las decisiones que se tomaban cada semana o cada mes ahora pueden tomarse de forma continua.
El CFO se está convirtiendo en el constructor y arquitecto del sistema operativo de la empresa. Eso implica definir qué hace mejor el equipo y qué hace mejor el software. El CFO nativo de IA tiene que pensar primero en automatización y saber cómo construir, entrenar y dotar de recursos a un equipo financiero moderno. También necesita nuevos marcos para decidir qué construir, qué comprar y cómo calcular el ROI de esas decisiones. La ventaja es que dedica más tiempo al negocio en sí y a ser un socio estratégico del CEO. El trabajo sigue siendo finanzas, pero ahora una parte mucho mayor consiste en diseñar cómo se hacen las finanzas.
cc: @IvanoMakSF David Borecky
¡Gracias a @astrange y a @BKRoberts por su ayuda con este artículo!
