Para implementar IA hay que empezar por lo básico

En el último año tuve decenas de conversaciones con empresas de rubros y tamaños distintos sobre qué hacer con inteligencia artificial. Casi todas arrancan parecido: la pregunta es por dónde empezar el proyecto grande, cuál plataforma conviene, qué se puede construir.

Y casi todas, cuando bajamos de esa altura y miramos qué duele efectivamente todos los días, terminan en el mismo lugar. No en un modelo entrenado a medida ni en un asistente que atienda a los clientes. Terminan en dos tareas que alguien está haciendo a mano en este momento: cargar las facturas de los proveedores y procesar los remitos.

Me pasó tantas veces que dejé de considerarlo una coincidencia. Es el caso de uso número uno, y está a una distancia mucho menor de la que la mayoría supone.

El caso número uno se repite en casi todas las conversaciones

La escena es siempre parecida. Las facturas llegan por mail, por WhatsApp, en papel y en PDF, cada proveedor con su diseño. Alguien las abre una por una y transcribe los mismos campos de siempre: CUIT, punto de venta, número, fecha, neto, IVA, percepciones. Después controla que coincidan con la orden de compra. Después verifica que el comprobante sea válido en ARCA. Después lo carga en el ERP.

Los remitos corren una suerte parecida. Son un papel que viaja con la mercadería, lo firma quien recibe y después va a una carpeta. Semanas más tarde, cuando llega la factura, alguien busca ese papel para confirmar que lo facturado es lo que efectivamente entró.

Hoy se puede automatizar al 95% con un sistema que lee el comprobante en el formato en que llegue, extrae los campos, los cruza contra la orden de compra, valida contra ARCA y carga todo en el sistema de gestión. Lo que queda para las personas son las excepciones: el comprobante que no coincide, el proveedor nuevo, la diferencia de precio que hay que revisar. Es exactamente lo que hace Vantig, que automatiza la carga de facturas de compra en el ERP, y es, con diferencia, el pedido más frecuente que recibimos.

La tecnología dejó de ser el obstáculo hace rato. Lo que queda por resolver es de prioridad, no de capacidad técnica.

Lo que hace que este caso sea tan buen punto de partida es que el resultado se mide sin necesidad de interpretarlo. Antes de empezar se puede contar cuántos comprobantes entran por mes, cuántas horas consume cargarlos y cuántos días tarda el cierre. Un mes después esos mismos tres números están ahí para comparar, y nadie tiene que ponerse de acuerdo sobre si el proyecto salió bien.

Y del otro lado está la persona. Alguien que dedicaba la mayor parte de su jornada a transcribir datos de un PDF a un formulario pasa a revisar un puñado de casos que efectivamente requieren decidir algo. Es el mismo trabajo administrativo, pero con la parte que aporta criterio separada de la que no. Cuesta encontrar a alguien que extrañe la versión anterior de esa tarea.

Qué hace que algo sea un quick win

Conviene ponerle nombre a lo que tienen en común estos casos, porque sirve para reconocer los próximos.

Un quick win de automatización cumple tres condiciones al mismo tiempo, y las tres importan.

⏱️ Se resuelve con relativamente poco esfuerzo. No requiere rediseñar cómo trabaja la empresa ni un proyecto de integración de seis meses. Se apoya en procesos que ya existen y en datos que ya se generan.

🎯 El resultado se puede medir sin discusión. Cuántos comprobantes entraron solos, cuántas horas dejó de consumir la carga manual, cuántos días tarda ahora el cierre. Si el beneficio hay que explicarlo con un powerpoint, no es un quick win: es una apuesta.

😌 Libera a una persona de una tarea tediosa. Este punto se subestima y es el que más rinde en el mediano plazo. Nadie mejora tipeando CUITs; el que lo hace todos los días no está desarrollando ninguna habilidad y lo sabe. Devolverle esas horas a alguien para que haga algo que requiera criterio tiene un efecto sobre el equipo que no aparece en la planilla de ahorro.

Sirve mirar el contraejemplo para que el criterio quede claro. Decidir a qué proveedor pagarle primero cuando no alcanza para todos es un proceso importante y frecuente, pero no tiene reglas explícitas: depende de la relación con cada uno, de quién aguanta una semana más y de qué compra viene después. Automatizar esa decisión sería un proyecto difícil, discutible y probablemente malo. Automatizar la carga de las facturas que alimentan esa decisión es otra cosa completamente distinta.

Muchas conversaciones sobre inteligencia artificial empiezan por el segundo tipo de tarea, que es el que más entusiasma y el que peor sale. Es el mismo criterio que conviene aplicar para decidir qué automatizar primero en cualquier área de la empresa.

Los cinco frentes contables que ya se pueden automatizar

Facturas y remitos son los que más se repiten, pero no están solos. Hay otros tres procesos administrativos que cumplen las mismas condiciones y que suelen estar igual de a mano. Con esos dos, son cinco los frentes que conviene mirar primero.

Viáticos

Los viáticos son chicos en monto y caros en tiempo, que es la combinación que hace que nadie los priorice.

Pensá en la cadena completa de una rendición. El empleado junta tickets de combustible, peajes, almuerzos y remises durante dos semanas. Después arma una planilla y adjunta las fotos. Su jefe la revisa y la aprueba. Administración la controla contra la política de gastos. Alguien más la carga en el sistema y la imputa a la cuenta que corresponde. Finalmente se paga.

Son cinco personas tocando un gasto de un monto que, muchas veces, es menor al costo de esa cadena. El problema de los viáticos nunca fue el viático: es la cantidad de manos por las que pasa.

Automatizarlo es sacarle manos a la cadena. El ticket se fotografía cuando se genera, el sistema extrae monto, fecha y CUIT, lo clasifica según la política de la empresa y arma la rendición solo. Queda un paso humano, que es el único que siempre tuvo sentido: la aprobación.

Conciliaciones bancarias

Es el trabajo que nadie ve. Nadie felicita a quien concilia, y sin embargo, cuando no está hecho, no se sabe cuánta plata hay realmente.

La tarea es comparar el extracto del banco contra los registros propios, línea por línea. La mayoría de las líneas coincide sin drama. El trabajo real está en el resto: la cobranza que entró sin identificar al cliente, la transferencia sin concepto, la comisión que nadie registró, el cheque que todavía no se depositó.

Un sistema puede importar el extracto, conciliar automáticamente todo lo que matchea por monto, fecha y referencia, y dejar una lista corta de lo que no cierra. Esa lista corta es el trabajo que vale la pena que haga una persona. Lo otro es comparar números iguales, una tarea en la que nadie mejora con la práctica.

Preparación de impuestos

Todos los meses se repite la misma secuencia: armar el libro de IVA, cruzar las percepciones y retenciones sufridas contra lo registrado, revisar que no falte ningún comprobante, generar los archivos y presentar.

La parte que consume el tiempo no es la decisión fiscal, es la preparación de los insumos. Juntar, cruzar, detectar lo que falta y perseguir al que lo tiene. Cuando el mes se cierra tarde, casi nunca es porque el contador tardó en decidir algo: es porque los datos llegaron incompletos y hubo que reconstruirlos.

Acá conviene ser preciso con el alcance, porque es donde más se exagera. La automatización no reemplaza el criterio profesional del contador, ordena los insumos sobre los que ese criterio se aplica. Un contador decidiendo sobre datos completos y a tiempo toma mejores decisiones que el mismo contador decidiendo sobre lo que se alcanzó a juntar el último día.

Los tres, junto con facturas y remitos, son el terreno habitual de la automatización de operaciones: procesos administrativos de alto volumen, con reglas explícitas y un resultado que se puede verificar contra una fuente externa.

Lo que gana la empresa que empieza por acá

El primer efecto es el obvio y el más fácil de defender: horas que vuelven al equipo, cierres que dejan de estirarse, errores de tipeo que desaparecen porque nadie está tipeando.

El segundo es menos evidente y termina siendo más importante.

Los proyectos grandes de inteligencia artificial rara vez fracasan por falta de modelo. Fracasan porque, al momento de alimentarlos, los datos de la empresa están incompletos, duplicados o cargados con criterios distintos según quién los tipeó ese día. Y esos datos salen, justamente, de los procesos de los que venimos hablando.

Empezar por lo básico no compite con la mega automatización: es la condición para que la mega automatización tenga con qué trabajar. Una empresa que resolvió la carga de comprobantes llega a cualquier proyecto posterior con información estructurada, verificada contra fuentes externas y cargada con un criterio único. Una que no lo resolvió llega con planillas.

Es el mismo orden que ya vimos en otro contexto: primero las personas y el proceso, después la tecnología. Cuando se invierte ese orden, la herramienta llega a una organización que todavía no sabe qué quiere que haga.

Y hay una ventaja política que conviene no despreciar. Un proyecto chico que funciona y que se puede medir construye el permiso para el siguiente. El primer proyecto de automatización no está para demostrar ambición, está para ganarse el derecho a la próxima apuesta.

Por qué igual se posterga

Si esto es tan claro, la pregunta honesta es por qué sigue sin hacerse. Hay tres motivos, y se combinan.

🥱 No parece ambicioso. Nadie presenta en un directorio que automatizó la carga de facturas. Suena a mantenimiento, no a transformación. Y las organizaciones premian los proyectos que se cuentan bien, aunque los que se cuentan mal a veces devuelvan más.

🤷 No tiene dueño. Administración lo sufre pero no decide sobre tecnología. Sistemas decide pero no lo sufre, así que rara vez lo prioriza. Dirección ni siquiera lo ve, porque nunca llegó a una presentación. Un proceso que es de todos y de nadie no se mejora solo.

🪙 El costo está repartido en porciones chicas. Dos horas de una persona acá, tres de otra allá, un día más de cierre al mes. Sumado es un número grande, pero nunca aparece como una línea en un informe: aparece como cansancio, como horas extra en el cierre y como errores que después hay que corregir.

Ninguno de los tres motivos es técnico. Por eso la solución tampoco lo es. Alguien tiene que mirar el proceso que todos los meses consume más horas de las que nadie contó, decidir que ese vale la pena, y hacerlo antes de que esté lista la plataforma que lo iba a resolver todo.

La mega automatización probablemente llegue, y cuando llegue va a hacer cosas que hoy no imaginamos. Pero va a llegar a una empresa que ya tiene sus datos en orden o a una que todavía los está tipeando a mano. Esa diferencia no la define la plataforma que se elija: la definen los meses que pasan mientras se la elige.