Coreografía: escenarios y sensibilidad con IA
La coreografía de usar IA para armar escenarios y probar sensibilidad en finanzas: la máquina acelera el modelo, pero la premisa es tuya y todo número que ella escupe es sospechoso hasta que audites la cuenta.
Abres la IA para decidir si lanzas la expansión ahora o esperas el próximo trimestre, y en minutos tienes tres escenarios de resultado listos para la reunión de mañana. Los números cuadran, el gráfico es bonito, todo parece listo para convertirse en decisión. El problema aparece cuando miras de cerca: el crecimiento del 8 por ciento mensual incrustado en los tres escenarios no vino de ningún dato tuyo, y la línea de "costo de adquisición" que cayó sola entre un escenario y otro nadie la verificó. La IA arma el árbol entero en un solo pedido; la premisa que sostiene cada rama sigue siendo tuya, y es ella la que decide si la reunión parte de un número real o de una adivinanza bien vestida.
Un gestor le pidió a la IA una proyección de flujo de caja para los próximos doce meses, con escenario optimista, base y pesimista. La IA devolvió un modelo completo en segundos. En el escenario pesimista, asumió que la morosidad subía a 3 por ciento y que la tasa de interés se mantenía estable. Bonito. Solo que la empresa ya estaba con 7 por ciento de morosidad en el mes corriente, y la IA había inventado el número de 3 por ciento porque "parecía razonable". El escenario pesimista era, en realidad, optimista disfrazado.
Vas a abrir dos vacantes y le pides a la IA que proyecte el costo y el plazo de contratación en tres escenarios. Devuelve una planilla cuidada: tiempo hasta cubrir la vacante, costo por contratación, tasa de aceptación de oferta. En el escenario base, asumió que 1 de cada 4 candidatos finalistas acepta la oferta. Ok, pero tu historial real es 1 de cada 8, porque tu rango salarial está por debajo del mercado. La premisa de aceptación salió de la cabeza de la IA, no de tu embudo de reclutamiento. El escenario base ya nació optimista, y el plazo de contratación que le prometiste al gerente está equivocado a la mitad.
Necesitas decidir si adelantas el lanzamiento de una feature o esperas el próximo trimestre, y le pides a la IA tres escenarios de impacto: adopción, retención e ingresos incrementales. Arma todo rápido, con una curva de adopción bonita. En el escenario optimista, incrustó una adopción del 40 por ciento de los usuarios en las primeras cuatro semanas. ¿De dónde salió ese 40 por ciento? La IA no miró tu base, no tiene los números de tu última feature parecida que adoptó un 9 por ciento. Adivinó un número que "parecía razonable" para un producto cualquiera. Toda la priorización del roadmap puede estar apoyada en esa adivinanza.
Estás cerrando el forecast del trimestre y le pides a la IA que proyecte el pipeline en tres escenarios de cierre. En segundos llega una tabla limpia: valor ponderado por etapa, tasa de conversión, ingresos esperados. En el escenario base, aplicó 30 por ciento de conversión de propuesta a cerrado. Solo que la conversión real de tu equipo, medida en el HubSpot, es 18 por ciento. La IA inventó el 30 por ciento porque es un promedio de mercado, no el tuyo. Ibas a llevar ese forecast al director comercial como si fuera tu embudo, cuando en realidad era el embudo de nadie.
Vas a decidir si internalizas un proceso de despacho o mantienes al operador logístico, y le pides a la IA tres escenarios de costo y SLA. Devuelve un modelo completo: costo por pedido, plazo de entrega, tasa de avería. En el escenario pesimista, asumió 2 por ciento de avería en el transporte. Bonito, solo que tu operación actual corre en 6 por ciento de avería y nadie alimentó ese dato. La IA rellenó con un número que "parecía razonable" para una operación saludable, no para la tuya. El escenario que debía mostrarte el peor caso está maquillando exactamente el problema que tienes hoy.
Necesitas dimensionar el riesgo de una exposición regulatoria y le pides a la IA tres escenarios de impacto financiero de una eventual sanción de la LGPD. Arma la estructura al instante: probabilidad de sanción, monto de la multa, costo de remediación. En el escenario base, asumió una probabilidad de sanción del 10 por ciento. ¿De dónde salió eso? La IA no conoce tu historial con el regulador, no vio las tres notificaciones que ya recibiste este año. Puso un número que parece moderado para un caso genérico. En compliance, ese escenario no es un ejercicio: va al acta del comité de riesgo y se convierte en decisión de provisionar o no. Premisa inventada, decisión contaminada.
Vas a decidir entre migrar a una nueva infraestructura ahora o dentro de un semestre, y le pides a la IA tres escenarios de costo y disponibilidad. Escupe un modelo bien hecho: costo de nube, horas de ingeniería, downtime esperado. En el escenario optimista, asumió un SLA de 99,99 por ciento en la migración y un costo de nube que baja 30 por ciento. ¿De dónde viene ese 30 por ciento? La IA no tiene tus contratos, no sabe tu volumen de tráfico real, no vio tu último deploy que tumbó el sistema por dos horas. Estimó con números de un caso ideal. La decisión de arquitectura está apoyada en un downtime de fantasía.
Vas a decidir si rehaces el flujo de checkout ahora o sigues iterando el actual, y le pides a la IA tres escenarios de impacto en la conversión. Devuelve una planilla elegante: tasa de finalización, abandono por etapa, ganancia de ingresos. En el escenario optimista, asumió que el nuevo flujo reduce el abandono de 60 a 20 por ciento. ¿De dónde salió ese 20 por ciento? La IA no corrió pruebas con tus usuarios, no vio tu última investigación de usabilidad, no conoce la fricción real de tu recorrido. Tomó un número que "parece razonable" para un checkout bonito cualquiera. Toda la decisión de rediseño está apoyada en una ganancia que nadie midió.
Estás decidiendo si entras a un nuevo mercado ahora o esperas dos años, y le pides a la IA tres escenarios de market sizing y penetración. Arma una hoja de cálculo elegante: TAM, SAM, SOM, curva de adopción. En el escenario base, asumió una tasa de conversión del 12 por ciento en los primeros dos años. ¿De dónde salió ese 12 por ciento? La IA no tiene tus datos de conversión en mercados parecidos, no vio tu último lanzamiento que convirtió el 4 por ciento. Tomó un número que "parece razonable" para un mercado genérico cualquiera. La decisión de entrada entera, sobre la que el directorio va a dar el veredicto final, está apoyada en una tasa que nadie de tu negocio validó.
Ok, piensa conmigo un segundo. Armar un escenario financiero siempre fue la parte tediosa: abrir la planilla, duplicar las pestañas, cambiar una celda aquí, rehacer la fórmula allá, y al final tenías un solo escenario porque no dio tiempo para los otros dos. La IA cambia ese juego de verdad. Arma la estructura, genera las variaciones y hasta escribe la explicación mientras tomas el café. El problema es que la velocidad engaña. Te entrega diez escenarios en el tiempo de uno, pero si la premisa está torcida o si inventa un número en el camino, no aceleraste nada. Solo te equivocaste más rápido, con un gráfico bonito encima.
La idea central de esta lección. La IA es la mejor armadora de escenarios que hayas tenido, pero no es dueña de nada. En escenarios financieros, la regla es doble e innegociable: la premisa es TUYA, escrita y defendible, porque es lectura del mundo, no cuenta; y todo número que la IA escupe es sospechoso hasta que audites la cuenta. La máquina explora; tú decides qué significa el escenario y firmas debajo.
01La coreografía: quién hace qué
Un escenario no es adivinación, es un baile con pasos definidos. Y en ese baile tú y la IA tienen roles diferentes que no pueden mezclarse. Cuando se mezclan, el escenario se derrumba.
La IA es buena en tres cosas, y solo en esas tres. Estructura el modelo: arma el esqueleto de la planilla, organiza las líneas de ingresos, costo, margen, flujo de caja. Genera las variaciones: a partir de una premisa que le das, calcula el optimista, el base y el pesimista sin que tú duplicues ninguna pestaña. Y escribe la explicación: transforma la tabla seca en un párrafo que el socio entiende. Eso es trabajo bruto de modelado, y la máquina hace en minutos lo que te tomaba la tarde.
Lo que sigue siendo tuyo, y se encarece justamente porque la parte fácil desapareció, es la premisa. ¿Qué crecimiento es razonable para tu mercado en este momento? ¿La tasa va a subir o mantenerse estable? ¿El costo de adquisición sigue el historial o hay motivo para cambiar? Eso no es cuenta, es lectura del mundo. Eres tú mirando tu sector, tus clientes, el escenario macro, y haciendo una apuesta informada. La IA no tiene tu contexto y, cuando no lo tiene, inventa uno que "parece razonable". Guarda esa palabra, porque es el origen de casi todo desastre de esta lección.
02El árbol de escenarios: optimista, base, pesimista
Un escenario no es un número, son tres caminos a partir del mismo punto de hoy. Piensa en una carretera que se divide. El punto de partida es tu realidad actual, conocida y auditada. De ahí salen tres ramas.
El escenario base es tu apuesta más honesta: lo que probablemente va a pasar si no ocurre nada extraordinario. El optimista es la rama de arriba: las cosas van bien, el crecimiento llega, el costo se comporta. El pesimista es la rama de abajo: la venta se desacelera, el costo sube, algo se traba. La gracia de armar los tres no es predecir el futuro, es dibujar la franja dentro de la cual el futuro probablemente va a caer. Si hasta tu escenario pesimista te deja de pie, decides con tranquilidad. Si el base ya te aprieta, decides con cuidado.
La IA arma ese árbol entero en un solo pedido. Pero fíjate dónde vive el peligro: cada rama depende de una premisa que necesitas haber dado a propósito. Si dejas que la IA "elija" el crecimiento del optimista y la morosidad del pesimista, va a rellenar con números que parecen plausibles y no son los tuyos. El árbol queda lindo y miente en las tres ramas al mismo tiempo.
03Sensibilidad: qué variable mueve el resultado
Aquí vive la pregunta que separa a quien juega con planillas de quien decide con método. Todo escenario tiene varias variables: crecimiento, tasa de interés, costo de adquisición, plazo de cobro, morosidad. Pero no pesan igual. Algunas las mueves mucho y el resultado casi no se mueve. Otras las mueves dos puntitos y el resultado se da vuelta por completo. Análisis de sensibilidad es descubrir cuáles son esas segundas.
La coreografía es simple y la IA acelera muchísimo esta parte. Fijas todo en el escenario base y preguntas: "¿y si la tasa sube 2 puntos, manteniendo el resto igual? ¿Y si el costo de adquisición sube 20 por ciento? ¿Y si el plazo de cobro se estira 15 días?". Una a la vez. La IA recalcula el resultado en cada caso y ves, en blanco y negro, qué variable es la palanca y cuál es el detalle. La palanca es donde necesitas una premisa firme y un plan B. El detalle puedes estimarlo grueso sin perder el sueño.
¿Por qué esto importa tanto? Porque el foco es un recurso escaso. Si la tasa de interés es la variable que decide tu flujo de caja, es en ella donde gastas tu energía de lectura del mundo, es de ella que necesitas tener un número defendible. Discutir tres horas sobre una variable que mueve el resultado en 1 por ciento es un desperdicio. La sensibilidad te dice dónde mirar. Pero atención al mismo peligro de siempre: cuando la IA recalcula cada caso, puede invertir un signo, sumar mal o citar una cuenta que no hizo. El recálculo es de ella; la verificación es tuya.
04El peligro central: la IA inventa números con cara de certeza
Ahora el punto que le da nombre al riesgo, y que necesitas llevarte grabado. La IA no se equivoca como una calculadora rota, que se traba y avisa. Se equivoca con confianza. Escupe un número redondo, bien formateado, dentro de una frase segura, y ese número simplemente no salió de ninguna cuenta. Citó un total que no sumó. Cambió un signo y el gasto se volvió ingreso. Asumió una morosidad de 3 por ciento porque "parecía razonable", mientras la tuya estaba en 7. Todo esto con la misma cara de certeza del número que estaba correcto al lado.
Aquí es donde el marco financiero se vuelve innegociable. En un texto de marketing, un número equivocado es un desliz. En un escenario financiero, un número equivocado se vuelve decisión equivocada: contratas cuando debías esperar, o esperas cuando debías contratar. El escenario no es adorno, alimenta una elección real, con dinero real. Por eso la regla es dura y simple: todo número que la IA escupe es sospechoso hasta que audites la cuenta. No "confío porque pareció correcto". Abres, rehaces la suma con lápiz y papel o en una celda tuya, verificas el signo, chequeas si la premisa que usó es la que le diste. Si no cuadra, el escenario entero está contaminado.
Esto conecta directo con la lección 4.4, de gobernanza de la ejecución. Ahí el principio era "lo hizo Claude" no es excusa: salió con tu nombre, tú firmas. En un escenario, es lo mismo elevado al cuadrado, porque el escenario se vuelve decisión. Y conecta también con el mapa de los Tres Movimientos: antes de actuar sobre un escenario, pregunta cuál es la reversibilidad de la decisión. Contratar a dos vendedores basado en un escenario y descubrir que el número era inventado es caro de deshacer. Cuanto menos reversible la decisión, más cara se vuelve tu auditoría, y más firme necesita ser tu premisa. La IA te deja explorar diez escenarios en el tiempo de uno. Maravilloso. Pero un número equivocado en uno de esos diez, tomado en serio, vale por los diez juntos con el signo cambiado.
Hazlo ahora
Toma una decisión financiera real que está en tu mesa (tu tarea real sirve bien): contratar, invertir, cambiar el precio, adelantar un pago. Vamos a correr la coreografía completa en cuatro pasos.
- PREMISA TUYA: antes de abrir la IA, escribe a mano las tres premisas centrales (ej.: crecimiento mensual, tasa, costo de adquisición) y, junto a cada una, UNA frase defendible de por qué ese número es razonable para TU mundo. Si no puedes defenderlo, la premisa todavía no es tuya.
- ÁRBOL: pídele a la IA que arme el modelo con optimista, base y pesimista usando EXACTAMENTE tus premisas (no dejes que elija ningún número). Manda explícito: "usa estos números, no inventes otros".
- SENSIBILIDAD: fija el base y pregunta, una a la vez: "¿y si la tasa sube 2 puntos? ¿Y si el costo sube 20 por ciento? ¿Y si el plazo se estira 15 días?". Anota qué variable mueve más el resultado. Esa es tu palanca.
- AUDITORÍA: elige los 3 números más importantes del escenario y rehaz la cuenta tú mismo, con lápiz y papel o en una celda. Verifica el signo. Verifica si la premisa usada fue la que diste. Solo después de esto el escenario tiene permiso de volverse decisión.
Si te trabaste en el paso 1, genial: la parte cara del trabajo era exactamente esa, y ahora lo sabes.
Practica
1. En la coreografía de armar escenarios con IA, ¿qué sigue siendo TUYO y se encarece justamente porque la parte bruta desapareció?
2. Fijaste el escenario base y probaste: tasa +2 puntos da vuelta el resultado por completo, mientras costo de adquisición +20 por ciento casi no lo mueve. ¿Qué te dice este análisis de sensibilidad?
3. La IA devolvió un escenario pesimista precioso, pero asumió una morosidad de 3 por ciento cuando la tuya ya está en 7 por ciento. ¿Cuál es la regla correcta para manejar esto?
¿Listo? El mensaje cierra simple. La IA es la mejor armadora de escenarios que hayas tenido: te deja explorar diez futuros en el tiempo que antes daba para mirar uno. Pero armadora no es dueña. La premisa es lectura del mundo y sigue siendo tuya, escrita y defendible. Y todo número que la máquina escupe es sospechoso hasta que rehagas la cuenta, porque en finanzas un número equivocado no es un desliz, es una decisión equivocada con dinero real. Usa la velocidad para explorar más. Usa tu cabeza para elegir la premisa y auditar el resultado. Es ese dúo el que transforma a la IA de riesgo suelto en palanca de decisión. </content>
Para la pizarra
Sobre la premisaes lectura de mundo, no cuenta. Cuando la IA no tiene tu contexto, inventa uno que parece razonable.
Sobre la sensibilidadmuestra dónde mirar. La variable que da vuelta el resultado merece la premisa más defendible.
Sobre el riesgoen finanzas el escenario se vuelve decisión. Un número inventado se vuelve una elección equivocada.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.