Si trabajas en finanzas y sientes que la inteligencia artificial avanza más rápido que tu capacidad de aplicarla, este recorrido por el framework de IA para finanzas corporativas que usa Platzi te muestra cómo descubrir, construir y evolucionar con herramientas como ChatGPT, n8n y agentes, sin ser desarrollador.
El planteamiento parte de una idea simple: la IA no es un software más, es una nueva forma de trabajar. Y como toda nueva forma de trabajar, exige condiciones humanas antes que técnicas.
¿Por qué la IA se compara con la llegada de los spreadsheets?
Para entender la magnitud del cambio, conviene mirar atrás. En 1978 apareció VisiCalc, el primer spreadsheet del mundo, que vendió 700.000 copias en seis años [2:30]. Después llegó Lotus 1-2-3, con 53 millones de dólares en su primer año, y en 1985 nació Excel, que tardó siete años en superar a Lotus en cuota de mercado.
Hoy el mercado de hojas de cálculo mueve 12.000 millones de dólares al año y más de 2.000 millones de personas las usan [4:45]. La IA está repitiendo esa curva, pero comprimida: en cinco años ya casi 1.500 millones de personas la utilizan, un punto al que a los spreadsheets les tomó casi 40 años llegar.
¿Qué es un LLM en finanzas? Es un modelo de lenguaje que procesa texto, documentos y datos para automatizar tareas como conciliaciones, análisis de estados financieros o clasificación de facturas, siempre que recibas un buen input.
¿Qué actitudes necesitas antes de tocar una herramienta de IA?
Antes del framework, hay una forma de ser que conviene cultivar. Y aquí viene lo interesante: ninguna es técnica.
- Te tiene que gustar escribir y leer, porque los prompts cada vez son más largos y precisos.
- Curiosidad activa: pregúntale al LLM lo que crees que no puede hacer.
- Iterar sin frustrarte. Casi nadie obtiene el resultado correcto al primer intento.
- Recordar que lo que es verdad hoy, mañana puede no serlo: si algo no funcionó, vuelve a probarlo en un mes.
- Rodearte de personas igual de curiosas, porque somos el promedio de quienes tenemos cerca.
El curso de prompt engineering de Platzi es un buen punto de arranque si sientes que aún no estás ahí [13:20].
¿Cómo funciona el framework descubrir, construir y evolucionar?
El framework tiene tres pasos que no conviene saltarse.
Descubrir: documenta antes de automatizar
Descubrir significa entender el estado actual de tus procesos. En Platzi, el equipo de finanzas documentó cada etapa del cierre contable: cuánto se demora, quién lo hace, qué necesita. De ahí salieron los procesos pequeños susceptibles de automatización [22:00].
Los LLM han evolucionado tan rápido que hace un año podían hacer tareas humanas de dos minutos, y hoy ya resuelven tareas de hasta 20 minutos con modelos como o3 de OpenAI. Si un proceso te toma dos horas, divídelo en piezas más pequeñas que sí encajen con el estado del arte actual.
Construir: bótate al agua
De nada sirve descubrir si no construyes. La pirámide de adopción va desde lo más básico hasta lo más sofisticado:
- Usar ChatGPT como chat.
- Crear GPTs personalizados para tareas repetitivas.
- Integrar APIs con llaves y créditos.
- Usar modelos de razonamiento como o3, Sonnet de Claude o Gemini 2.5 Pro.
- Construir workflows y automatizaciones con n8n o Vercel.
- Desplegar multiagentes autónomos.
- Crear productos nativos de IA.
Un detalle clave: un workflow prioriza consistencia y automatiza procesos, mientras que un agente automatiza razonamiento y tiene capacidad de decisión. No siempre necesitas un agente; muchas veces un if o un one-shot prompt basta.
¿Qué es RAG? Retrieval-Augmented Generation es una técnica donde la IA busca dentro de los documentos que le diste antes de responder, lo que reduce alucinaciones porque la respuesta se basa solo en tu información.
Evolucionar: del ahorro de tiempo al cambio de modelo de negocio
La evolución tiene tres niveles. Primero ganas productividad: una tarea de tres horas pasa a 10 minutos. Después tomas mejores decisiones de negocio porque liberas tiempo para analizar normativas, asignar recursos o detectar oportunidades. Y al final transformas el modelo de negocio completo.
El ROI real aparece en los niveles dos y tres. Si solo automatizas y no mejoras el revenue o el margen, no hiciste nada.
¿Cómo se aplica esto en contabilidad, automatización y producto?
Tres casos prácticos muestran la pirámide en acción.
Caso ChatGPT en contabilidad
El equipo de impuestos y contabilidad de Platzi usa ChatGPT 4.0 con proyectos específicos para clasificar movimientos bancarios, conciliar cuentas, analizar estados financieros públicos como los de Alpina y procesar facturas en PDF para generar CSVs listos para cargar al ERP [55:00]. La clave está en prompts específicos: dar la dirección exacta, no decir "llega al sitio del árbol".
En versión paga, la información compartida no se usa para entrenar los modelos, lo que reduce el riesgo de filtración de datos corporativos.
Caso n8n para cuentas por pagar
Un flujo de n8n procesa facturas en PDF cargadas a una carpeta de Drive, las envía a un agente con un prompt estructurado, devuelve un JSON con campos como subtotal, NIT, IVA y retenciones, y aterriza la información en Google Sheets. Todo en 29 segundos [1:25:00].
Buenas prácticas para construir flujos sólidos:
- Conoce el proceso antes de automatizarlo.
- Empieza simple y escala.
- Usa formato JSON para mover datos entre nodos.
- Aplica el principio human in loop: la IA propone, el humano decide.
- Mide costos, no solo eficiencia, para evitar lo que le pasó a Klarna con sus agentes.
Caso Platzi Learn como producto nativo de IA
Platzi Learn genera cursos personalizados completos con clases, syllabus, voz clonada del profesor e imágenes, en aproximadamente 20 minutos. Internamente usa 12 modelos distintos orquestados, y en una prueba con una empresa procesó 10,02 millones de tokens en un solo run, una cantidad que ningún chat tradicional puede manejar.
¿Qué nivel de adopción tienen las empresas en Latinoamérica?
Los cuatro niveles de adopción de IA en empresas de la región son:
- Exploratorio: cuentas gratuitas y uso individual. Aquí está el 25% de las empresas.
- Aplicación básica: prompt engineering y casos puntuales. El 40%.
- Aplicación estratégica: automatizaciones tipo n8n. Poco más del 20%.
- Transformación: cambio de modelo de negocio. Menos del 10%.
¿Cuál es la diferencia entre un workflow y un agente? Un workflow ejecuta pasos definidos por ti y prioriza consistencia. Un agente tiene autonomía para decidir, razonar y actuar dentro de su entorno.
¿Tú en qué nivel estás hoy y qué proceso vas a documentar primero para empezar a subir? Cuéntalo en los comentarios.
