La IA en la financiación de la cadena de suministro – Siete años después

PUBLICADO POR PRIMERA VEZ EN 2019. ACTUALIZADO Y REPUBLICADO EN MAYO DEL 2026.

En 2019, en el SCF Forum Europe, Laurent Tabouelle, COO de CODIX, fue la voz discrepante en una mesa redonda sobre la IA en la financiación de la cadena de suministro. Mientras que el resto de ponentes presentaban la IA como el motor que lo cambiaría todo, Laurent defendió lo contrario. La IA no era una solución mágica para todo. La mayor parte de lo que en aquel momento se denominaba IA en el ámbito de la financiación de la cadena de suministro (SCF) se caracterizaba mejor como “toma de decisiones aumentada”, y no como IA pura. Y el camino hacia soluciones de SCF verdaderamente basadas en la IA sería lento, y la fiabilidad real solo surgiría una vez que los humanos hubieran pasado años alimentando a los sistemas con los datos adecuados.

Siete años después, el mercado le ha dado la razón.

Los errores que cometió el sector en 2019

En la mesa redonda del SCF Forum de 2019 no se llegó a un acuerdo sobre si la IA estaría a la altura de las expectativas creadas. Los optimistas la describieron como un facilitador que permitiría alcanzar nuevas eficiencias, acelerar la incorporación de clientes y redefinir la toma de decisiones de crédito. El público se mostró escéptico y planteó preocupaciones reales sobre la precisión, la calidad de los datos y el tiempo que llevaría desarrollar plataformas totalmente basadas en la IA. Los proveedores, en medio de todo esto, se sumaron al entusiasmo, porque eso es lo que hacen los proveedores cuando surge una nueva tecnología y el comprador tiene dudas.

La idea estaba clara en aquel momento: una herramienta de aprendizaje automático puede ayudar a una entidad crediticia a decidir si un cliente es un buen o mal pagador, pero solo después de que una persona haya dedicado un tiempo considerable a definir qué se entiende realmente por “bueno” y “malo”. La inteligencia radica en los datos de aprendizaje, y se tarda años en recopilarlos adecuadamente. La mayor parte de lo que se comercializaba como IA en el ámbito del SCF era, en sus propias palabras, una toma de decisiones mejorada con el embalaje adecuado.

Qué ha cambiado desde 2019

Entre 2019 y 2026 se han producido tres cambios en el ámbito de la inteligencia artificial aplicada a la financiación comercial.

En primer lugar, los datos de aprendizaje han alcanzado el nivel necesario. Las entidades de crédito que llevan diez años o más gestionando plataformas integradas en los ámbitos del factoring, los préstamos basados en activos (ABL), la gestión de cuentas por cobrar y la financiación de la cadena de suministro (SCF) disponen ahora de un historial bien registrado lo suficientemente amplio como para que el aprendizaje automático resulte realmente útil. La asignación de pagos, la priorización del recobro de deudas, la detección de anomalías y la clasificación de documentos: todas estas funciones son ahora fiables porque los datos subyacentes cuentan por fin con la amplitud necesaria. Las instituciones que cuentan desde hace tiempo con entornos de datos unificados suelen obtener mejores resultados en materia de IA, ya que disponen de historiales operativos más completos y depurados.

En segundo lugar, la IA generativa ha cambiado el ámbito operativo. La redacción, la elaboración de resúmenes, la gestión de documentos y el análisis de contratos: todo ello se ha visto transformado por los grandes modelos de lenguaje que aún no existían en 2019. Este es el ámbito en el que las mejoras en la productividad son reales e inmediatas, y en el que la mayoría de las entidades de crédito están concentrando su inversión en IA en 2026.

En tercer lugar, la cuestión de la disciplina se ha vuelto más complicada, no más sencilla. Los nuevos operadores están posicionando ahora plataformas completas como “IA-nativas”, con la inteligencia artificial integrada en cada capa del proceso de concesión de préstamos. El marketing es más intenso que nunca. Pero la pregunta subyacente que planteó Laurent en 2019 sigue siendo la que realmente importa: ¿qué parte de todo esto es inteligencia genuina y qué parte es una toma de decisiones mejorada envuelta en un envoltorio más complejo?

Qué no ha cambiado

El debate no ha avanzado tanto como lo ha hecho la tecnología.

En los foros del sector de 2026 sigue habiendo división de opiniones sobre las mismas cuestiones: dónde encaja la IA, dónde no, qué se considera “aumentado” frente a “autónomo”, y cuánta confianza se debe depositar en modelos entrenados con datos que la entidad de crédito no puede inspeccionar por completo. Las críticas del público en el SCF Forum Europe de 2019 se parecen mucho a las de los comités de crédito en cualquier conferencia sobre financiación comercial de 2026.

El motivo es de carácter estructural. La IA en las finanzas comerciales no es simplemente un problema tecnológico. Es un problema de datos y de coordinación. Las entidades de crédito que utilizan sistemas fragmentados no pueden proporcionar a la IA los datos unificados que necesita para ser fiable, por mucho que lo anuncien en sus campañas de marketing. Las entidades que utilizan plataformas convergentes disponen de los datos, pero siguen necesitando el criterio necesario para decidir en qué ámbitos debe intervenir la IA y en cuáles sigue prevaleciendo el factor humano.

Una lección más amplia para el sector

La evolución de la IA en la financiación de la cadena de suministro durante los últimos siete años sugiere que el sector podría estar entrando en una fase de adopción más pragmática. Las expectativas iniciales se centraban en la disrupción y la sustitución. La experiencia más reciente apunta hacia la potenciación, la eficiencia operativa y la mejora gradual.

En lugar de eliminar la toma de decisiones humana, la inteligencia artificial en las finanzas comerciales se está utilizando cada vez más para apoyar a analistas, suscriptores, equipos de operaciones y gestores de relaciones, reduciendo la carga de trabajo manual y mejorando el acceso a la información. En este sentido, las estrategias de IA más sostenibles podrían ser aquellas que se centren menos en la novedad tecnológica y más en la calidad de los datos, la integración de procesos y la disciplina institucional.

La lección general para el mercado es que es poco probable que la adopción de la IA en el sector financiero se defina por un único avance decisivo. Por el contrario, la ventaja competitiva podría depender cada vez más de inversiones a largo plazo en arquitectura de datos, gobernanza y coherencia operativa, unos cimientos que son mucho más difíciles de construir que las propias interfaces de IA.

Mirando hacia el futuro

A medida que continúan los debates en el sector de la financiación comercial en 2026, la discusión ya no se centra tanto en si la inteligencia artificial es importante, sino más bien en cómo debe aplicarse de forma responsable y eficaz.

Los últimos siete años han puesto de manifiesto tanto el potencial como las limitaciones de la IA en la financiación de la cadena de suministro. Es probable que la siguiente fase no venga determinada por las afirmaciones más contundentes, sino por aquellas organizaciones capaces de combinar la capacidad tecnológica con datos de alta calidad, una gobernanza sólida y expectativas realistas sobre los ámbitos en los que la inteligencia artificial puede aportar un valor real.

Autores:

Este artículo retoma y amplía el análisis original publicado en 2019 por Laurent Tabouelle, COO del Grupo CODIX. La versión actual incluye observaciones actualizadas sobre el sector y un análisis contextual a cargo de Daniel Bielsa, Director de CODIX España y Latinoamérica.