Los equipos de finanzas llevan tiempo probando si las herramientas y plataformas de IA pueden ofrecer una visión completa del gasto de empresa. Pero si les preguntas sobre si esa inversión está valiendo la pena, la respuesta no es muy halagüeña. Según una nueva investigación de Pleo*, el 61 % de los responsables de finanzas admiten haber invertido en proyectos de IA en los que el ROI realmente no está claro.
Esa brecha entre inversión y valor obtenido no tiene por qué significar el fracaso de la IA. Si revisamos la situación más de cerca, nos daremos cuenta en seguida de que, en general, el problema real son los datos con los que se le pide que trabaje, no la IA en sí.
La mayoría de equipos de finanzas almacenan sus datos de gasto en múltiples lugares al mismo tiempo. Los gastos están en una plataforma, las facturas en otra y las aprobaciones normalmente ocurren por e-mail o Slack. Y además, cada herramienta estructura la misma información ligeramente diferente. Por ejemplo, una usa las categorías de la misma manera que otra usa las etiquetas. O las conversiones de divisas ocurren en puntos diferentes. O incluso los nombres de los proveedores pueden variar dependiendo en la forma en la que se añaden los datos.
Esta falta de coherencia fuerza a los equipos de finanzas a tener que unificar múltiples informes, carpetas y hojas de cálculo solo para tener una visión lo suficientemente precisa de su gasto. Ese tipo de trabajo manual es el quese supone que la IA tenía que gestionarpara que los equipos pudieran enfocarse en los resultados en vez de solucionar un rompecabezas.
"Tenemos múltiples entidades. Si preparabas la exportación de las transacciones de una de ellas y, por error, las añadías en la carpeta equivocada, todo podía acabar yendo muy mal. Y luego tenías que volver a hacerlo todo de nuevo". - Shafier Saboerali, Financial Controller en SILICON
La IA necesita unos datos coherentes, estructurados y fiables para poder ofrecer respuestas serias y tomar las acciones indicadas. Cuando los modelos de datos del gasto no se alinean entre herramientas, la IA no puede hacerse una idea completa. O bien identifica una brecha o trata de solucionarla con una improvisación que parece "segura" pero no es precisa. Si le preguntas por el gasto total en un proveedor, puede que no considere las facturas que están almacenadas en un sistema independiente y aún así no identifique que falta algo.
Esa incoherencia también se refleja en cuestiones más banales, no solo en asuntos críticos. Si le preguntas a la IA si una compra cumple con la política, necesita contar con una política, una categoría del gasto y un historial de aprobación que coincidan entre ellos. Si la categoría registrada en la herramienta de gastos no coincide con el nombre en la política de gasto o el cambio de divisas ocurre con un tipo de cambio diferente en cada sistema, la IA no puede diferenciar entre un fallo o un error de etiquetado. O bien lo corrige e identifica el gasto correcto o bien ignora el problema porque las cifras eran bastante similares.
Una vez que el equipo de finanzas se da cuenta de que la IA está interpretando algo mal, dejan de confiar (y con razón) en ella para todo lo demás, incluyendo las cuestiones que sí estaba respondiendo correctamente. Reconstruir esa confianza implica mucho más esfuerzo que la tarea original y, en muchos casos, supone volver a los procesos manuales que la IA debería estar sustituyendo.
Según la investigación de Pleo*, el 68 % de los responsables de finanzas están de acuerdo en que la falta de experiencia, formación y confianza en la IA suponen un gran retraso en sus equipos. Las respuestas incoherentes y poco fiables son en parte culpables de ello. Es difícil confiar si las respuestas varían dependiendo del sistema que revisa.
Las plataformas y herramientas de IA solo valen la pena una vez que recurren a una visión conectada y única del gasto en la que los gastos, presupuestos y aprobaciones comparten espacio y en la que cada cifra está justificada.
Si se configuran de forma estratégica, los asistentes de IA como Claude, ChatGPT y Microsoft Copilot pueden conectarse con esa única fuente de información fiable sobre tu gasto. Esto hace que una pregunta por chat se convierta en una auténtica respuesta que no requiere de comprobaciones en hojas de cálculo. Y además, ese mismo sistema centralizado puede convertir una tarea repetitiva (como buscar recibos o arreglar categorías de gasto) en un único proceso gestionado por las herramientas que ya utilizas.
Esa es la gran diferencia entre una inversión en IA que sale a cuenta y unas herramientas desconectadas que no te ofrecen lo que prometían.
*Esta investigación forma parte del próximo informe de Pleo, cuyo lanzamiento está programado para septiembre de 2026. La encuesta fue llevada a cabo por Sapio Research en abril y julio de 2026 entre responsables de la toma de decisiones financieras y profesionales de finanzas en empresas de entre 51 y 1.000 empleados en Alemania, Dinamarca, España, Países Bajos y Reino Unido.