La gestión de las facturas es una parte fundamental y crítica en el área de operaciones de negocio. Pero es un martirio. Cada proveedor tiene su forma de hacer las cosas, cada factura su nomenclatura -lo que en una empresa es ‘a pagar en un máximo de 15 días’, en otro es ‘la factura vence en dos semanas’. E incluso si las facturas fueran siempre del mismo proveedor, los responsables de compras cambian, los formatos varían, y las erratas acaban colándose. Y, por supuesto, las facturas son únicamente la punta del iceberg. Cada día, en cada compañía, en todos los niveles de gestión y de las operaciones, los empleados necesitan extraer detalles de contratos, ventas, formularios tributarios, encuestas, y otros documentos.
¿Las buenas noticias? La inteligencia artificial permite realizar tareas complejas de manera mucho más eficiente. Las soluciones que proporciona esta tecnología son integrables, escalables y sencillas de utilizar. Utilizándolas, las empresas pueden procesar documentos mucho más rápido, simplificar procedimientos y cometer menos errores –y retractaciones. Un estudio reciente de PwC reveló que incluso las técnicas de IA más sencillas pueden reducir a las empresas de un 30% a un 40% del tiempo que suelen dedicar a estas tareas.
La extracción automatizada de información con Inteligencia Artificial puede sonar poco vistosa, pero tiene un enorme potencial para reducir errores y costes
A estas alturas, todos nos hemos visto seducidos por la aplicación revolucionaria de la IA en distintos ámbitos: en el algoritmo de recomendaciones de Netflix, en los chatbots inteligentes que nos resuelven dudas a la hora de comprar online, en los modelos de precios dinámicos en hoteles, o en la creación de rutas inteligentes para empresas de delivery. En estos casos, la IA está en el mismo motor de creación de valor de la empresa. Pero de lo que hablamos aquí es de usos decididamente menos vistosos de la IA, y probablemente, más pedestres: su objetivo es reducir costes y optimizar las operaciones, no transformar o crear industrias nuevas.
Pero esta Inteligencia Artificial, a primera vista, tan aburrida, es, en realidad, de lo más emocionante, porque aborda problemas contra los que luchan absolutamente todas las compañías, y porque las ganancias de productividad que genera (y por lo tanto los márgenes y las valoraciones) son reales.
Pero, a pesar de este enorme potencial, nuestras predicciones para esta tecnología revelaron que solo el 28% de los directivos ha priorizado el uso de la IA y el machine learning para la extracción de información, un porcentaje significativamente menor que el de otras aplicaciones como los chatbots u otras soluciones para salvaguardar, por ejemplo, la seguridad en los lugares de trabajo en un contexto como el actual.
Solo el 28% de los directivos ha priorizado el uso de la IA y el machine learning para la extracción de información automatizada
Es posible que algunos ejecutivos se vean sobrepasados por el tiempo y los recursos necesarios para desarrollar, escalar e integrar algunas de estas tecnologías. Habrá quien tenga dudas de si confiar o no en la IA, o que sea escéptico sobre su utilidad. Puede que otros minusvaloren el valor de la extracción automatizada de información por ser una función de back office. Sea como sea, están perdiendo una oportunidad para mejorar sus procesos y el retorno sobre la inversión.
El problema del papeleo
Cualquier empresa que audite libros de contabilidad de clientes sabrá que hay que dedicar un enorme número de horas cada año a recopilar pruebas y verificar que los saldos y las transacciones asociadas a los estados financieros del cliente son correctos –lo que se conoce como “pruebas de detalle”. Durante casi tres décadas se han utilizado hojas de cálculo como herramienta principal para completar esta tarea.
Hoy en día, las evidencias para estas auditorías suelen aparecer en forma de PDF -facturas, extractos de cuentas, recibos- y pueden llegar a sumar miles de páginas. La información contenida en estos documentos debe introducirse manualmente en la hoja de cálculo. Para una empresa mediana que procesa 100.000 páginas de documentos al año a razón de tres minutos por página, se necesitarían aproximadamente 5.000 horas – persona para completar la tarea; a 50 dólares por hora, eso supone 250.000 dólares.
Ahora bien, ¿qué pasaría si la misma empresa pudiera desplegar inteligencia aumentada para realizar estas tareas? Este es el término para las aplicaciones basadas en sistemas adaptativos impulsados por el aprendizaje automático, en los que los algoritmos aprenden de la experiencia humana, pero son las personas quienes toman la decisión final. La herramienta de IA puede ‘leer’ el texto de cada una de las facturas y utilizar la búsqueda de datos relacionales para identificar rápidamente la documentación de apoyo que la organización había etiquetado previamente como importante, un poderoso atajo cuando se trata de gestionar millones de facturas. Aunque estas pueden ser únicas según el proveedor, las técnicas de IA pueden identificar campos importantes, como el coste unitario y la cantidad, y calcular los saldos del libro mayor automáticamente. Implementando una solución de este tipo y asumiendo la estimación del 40% anterior, la empresa del ejemplo podría ahorrar 2.000 horas por cada 100.000 páginas procesadas.
Otro problema para muchas compañías es la necesidad de interpretar y responder a las notificaciones o avisos fiscales emitidos por los gobiernos. En EE.UU., el gobierno federal tiene más de 100 tipos de notificaciones, y los estados tienen miles más. Como parte de una iniciativa interna para fomentar un esfuerzo de automatización dirigido por los empleados, PwC utilizó la inteligencia aumentada para leer y responder a estas cartas. La herramienta ‘leyó’ distintos formularios, y extrajo y comprendió los términos y frases que requerían acciones concretas, tales como fechas de vencimiento, códigos de notificación, cantidades adeudadas, sanciones, etc. A continuación, utilizó técnicas de procesamiento de lenguaje natural para crear respuestas automáticamente. En combinación con otras herramientas de extracción de información, así como con soluciones de cumplimiento, la planificación de escenarios e información fiscal a nivel internacional, PwC redujo el tiempo necesario para ejecutar estas tareas en más de 5 millones de horas -un ahorro del 16%.
Los datos digitales, como los obtenidos en encuestas, también se enfrentan a los problemas del análisis manual. Cuando una empresa realiza una encuesta a sus empleados, por ejemplo, alguien tiene que contabilizar y analizar los resultados. Esta tarea es también un campo minado para las inexactitudes. Las relaciones entre las variables pueden ser espurias y, sin embargo, proclamarse significativas y transformadoras, lo que lleva a conclusiones erróneas que alimentan estrategias defectuosas y poco fiables. Un ejemplo clásico: las ventas de helados suelen tener una correlación positiva con la delincuencia. Por supuesto, las ventas de helados no son la causa de la delincuencia (o viceversa); simplemente, ambas aumentan cuando hace calor en verano.
Pero la comparación de grupos, la clasificación de los encuestados en categorías y la comprobación de diferencias significativas pueden automatizarse. Además, en el caso de las respuestas “libres”, las técnicas de procesamiento del lenguaje natural pueden identificar temas importantes o destacados en las respuestas de los encuestados, resumir los puntos principales y generar informes automatizados, reduciendo la necesidad de leer manualmente cientos o miles de respuestas a decenas de preguntas.
Las empresas deberían considerar la posibilidad de formar a empleados en los fundamentos de las tecnologías de IA
Como vemos, la extracción de información impulsada por la IA puede hacer frente a muchas de las ineficiencias y problemas endémicos de los escenarios anteriores. Sin embargo, a diferencia de la robótica que se utiliza en un proceso de fabricación, por ejemplo, esta tarea no es una actividad rutinaria. Requiere de una serie de técnicas complejas, que implican componentes dinámicos que deben adaptarse a condiciones siempre cambiantes. Veamos algunas de ellas:
- OCR, o reconocimiento óptico de caracteres. El OCR es la capacidad de leer los caracteres impresos en una página -incluso los escritos a mano-. En la actualidad, nos encontramos con esta tecnología a menudo con el ingreso automático de tarjetas o cheques a través de nuestro teléfono. El OCR es una tecnología más antigua, pero sigue siendo esencial como primer paso del proceso que recoge los datos relevantes de los documentos en cuestión. La evolución de OCR es ICR (Intelligent Character Recognition) en donde el procesamiento se realiza mediante técnicas de IA, fundamentalmente deep learning.
- Algoritmos de aprendizaje automático. Convertir esos datos en acción requiere sofisticados algoritmos de aprendizaje automático que puedan reconocer y clasificar patrones. Estos pueden calibrarse con los datos existentes para afinar sus parámetros, y luego funcionar con nuevos datos. Por ejemplo, pueden calibrarse para reconocer patrones que son indicadores sofisticados, pero sutiles, de fraude monetario, como información mal escrita en una solicitud de préstamo o un número excesivo de transferencias o depósitos en efectivo.
- Procesamiento de lenguaje natural. Los avances en este campo han sido impresionantes en los últimos años, y la extracción de información con IA puede aprovecharlos para identificar el verdadero “significado” de un documento, mediante la identificación de palabras contextuales, partes de la oración, etc. La IA en sí no entiende lo que dice el texto, pero los algoritmos son capaces de generar resúmenes; identificar temáticas; juzgar el sentimiento (positivo o negativo); identificar términos, disposiciones o cláusulas clave; o aunar grupos de documentos que requieran acciones similares.
Combinando estas técnicas de IA, es posible leer y resumir extensos documentos de forma rápida y sencilla, y generar respuestas rápidas y adecuadas.
El elemento humano
Las herramientas de IA tienden a ser muy precisas, pero cuando cometen errores, estos pueden ser absurdos y muy extraños. Mantener la supervisión humana durante la aplicación de estas técnicas de IA es crucial para garantizar la calidad, tanto en el entrenamiento del modelo como en la corrección final del resultado. El éxito de la aplicación requiere, por tanto, de algo más que la adquisición de las herramientas. Las empresas también tendrán que tomar medidas como estas:
- Crea una nueva plataforma (o reconfigura una ya existente) que combine la gestión de datos, las herramientas de automatización y las aplicaciones de IA, pero que también mantenga a las personas en el bucle. Esta plataforma podría ser un portal corporativo en el que se podrían almacenar e intercambiar datos, cargar y descargar aplicaciones, y fomentar la colaboración y el desarrollo conjunto a través de una interfaz de comunicación. Debería ser accesible a todos los miembros de la organización y receptiva a las innovaciones y aplicaciones dirigidas por los empleados. Por supuesto, esta democratización debe realizarse de forma responsable; los directivos deben estar atentos a los posibles riesgos y ser conscientes de la necesidad de dar formación y de la gobernanza corporativa.
- Desarrolla un programa de formación para toda la empresa centrado en la comprensión y la concienciación digital y analítica. Todo el mundo tendrá que estar capacitado, desde el director general hasta la última incorporación más joven, en todas las funciones. Y las empresas deberían considerar la posibilidad de formar a muchos de estos empleados en los fundamentos de las tecnologías de IA que hay detrás de las herramientas. Con una mejor comprensión de las capacidades, los riesgos, las limitaciones y los supuestos de la IA, los empleados entenderán mejor cómo utilizarlas de forma responsable y eficaz.
- Presta especial atención al impacto en los mandos intermedios, que verán eliminada una parte importante de las tareas diarias. Esta es una realidad de la automatización: crea eficiencias al asumir tareas que actualmente son realizadas por humanos. El mensaje importante que hay que transmitir es que, al hacerlo, la IA les liberará para que se centren en los problemas más difíciles de resolver y para que trabajen en cuestiones que exigen el criterio o la creatividad de las personas.
- Ofrece incentivos para que aquellos que se encuentran en el nivel táctico utilicen estas herramientas y la nueva plataforma, más allá de simplemente citar hechos relacionados con el potencial retorno de la inversión. Estos incentivos dependen de la cultura corporativa, pero podrían incluir KPI para las revisiones de rendimiento, bonificaciones en tiempo real, participación en un sorteo de un gran premio, etc.
- Promueve el cambio cultural, designando a ‘defensores’ que comuniquen de forma coherente las ventajas de la implantación de la IA. El mensaje de que el uso de estas herramientas es estratégico y bueno, no sólo para los clientes de la organización, sino también para la salud y el crecimiento de la empresa, acelerará la adopción y hará que los cambios técnicos y culturales se mantengan.
La extracción de información puede parecer una aplicación de la IA algo pedestre. Pero, como vemos, un examen más detallado revela lo contrario. Con soluciones automatizadas o aumentadas, las empresas tienen el potencial de dinamizar procesos que tradicionalmente han sido lentos y propensos a errores, identificar oportunidades para incrementar la velocidad y la eficiencia, y desbloquear nuevos conocimientos que contribuyan al crecimiento a largo plazo. Lo aburrido nunca había sido tan emocionante.
