Automatizar la conciliación bancaria con IA en finanzas

El patrón es casi siempre el mismo. A final de mes, alguien de administración o finanzas descarga el extracto bancario, abre el listado de asientos del ERP o del programa contable, y empieza a cruzar línea a línea. Los movimientos con referencia clara cuadran rápido. Los problemas llegan después: apuntes bancarios sin referencia identificable, comisiones que no aparecen en contabilidad, cobros parciales de facturas que el sistema no sabe contra qué cruzar, y desfases de fecha entre el movimiento real y el asiento.

Cada excepción requiere investigación manual: buscar el asiento correspondiente, consultar al comercial o al cliente, ajustar fechas, crear apuntes manuales de diferencia. En una empresa con actividad media, eso representa 8, 12 o 20 horas al mes dedicadas a un proceso que no aporta valor, solo confirma que los datos son correctos.

El coste real no es únicamente el tiempo. Es que ese proceso ocurre una vez al mes, lo que significa que los descuadres se detectan tarde. Una comisión incorrecta, un cobro mal aplicado o un pago duplicado pueden llevar semanas sin detectarse, tiempo en el que la tesorería se proyecta sobre datos erróneos y las decisiones de pago se toman con una imagen distorsionada de la caja real.

El coste de conciliar a mano rara vez aparece medido en ningún sitio. Se asume como parte del cierre mensual y nadie lo cuestiona. Estas son las cinco señales que indican que ya merece atención:

El cierre mensual no puede cerrarse hasta que alguien termina de conciliar

Si la conciliación es el último paso antes de poder cerrar el mes y esa tarea bloquea al resto del equipo, el proceso ya está afectando al tiempo de reporting. Cada día de retraso en el cierre es un día menos para analizar los datos y tomar decisiones con información completa.

Hay partidas en contabilidad que llevan semanas sin cuadrar

Si en el listado de pendientes hay apuntes de hace dos o tres semanas que siguen sin identificarse, la conciliación no está siendo efectiva. Esas partidas antiguas son el primer síntoma de que el proceso manual no da abasto con el volumen o la variabilidad de los movimientos.

Las comisiones bancarias generan descuadres recurrentes

Las comisiones son el caso más habitual de descuadre en pymes: pequeños importes que el banco carga sin referencia clara, que no tienen asiento previo en contabilidad o que se registran en fecha distinta al extracto. Individualmente son pequeñas, pero sumadas al año representan decenas de apuntes manuales y horas de investigación que se repiten cada mes.

Los cobros parciales o con referencia incorrecta se gestionan caso a caso

Cuando un cliente paga una factura con una cantidad ligeramente distinta, o transfiere con un concepto que no coincide con la referencia de la factura, la conciliación manual exige investigar cada caso. En empresas con muchos clientes activos, esos casos se multiplican y acaban acumulándose en una lista de pendientes que nadie quiere heredar.

La persona que concilia es la única que sabe cómo resolver las excepciones

Si el criterio para gestionar los descuadres depende del conocimiento tácito de una sola persona, hay un riesgo operativo claro. Cuando esa persona no está, los descuadres se quedan sin resolver o se resuelven de forma inconsistente, generando errores contables que aparecen meses después en el momento más inconveniente.

Hay tres enfoques posibles, con resultados y costes muy distintos:

Mejorar el proceso manual con macros o fórmulas avanzadas

Organizar el cruce con fórmulas de Excel, tablas dinámicas o macros que automaticen parte del matching. Reduce el tiempo en los casos simples pero no resuelve las excepciones, que son precisamente las que más horas consumen. Es un punto de partida válido si el volumen es bajo y los movimientos son predecibles, pero no escala con el crecimiento de la empresa.

Usar el módulo de conciliación del ERP

Algunos ERPs incluyen funcionalidad de conciliación bancaria. Requiere que el extracto esté en un formato específico, que los asientos tengan referencias estandarizadas y que la importación sea manual de todas formas. Funciona bien cuando el proceso contable es muy ordenado; en la práctica de muchas pymes, las excepciones siguen siendo manuales porque el ERP no tiene lógica para resolverlas.

Automatización por capas con reglas e IA

Es el enfoque con mejor retorno en pymes de 10 a 90 personas. El sistema recibe el extracto bancario, el mismo CSV o Excel que ya se descarga, lo cruza con los asientos contables usando reglas de matching configurables, y aplica IA para los casos que las reglas no resuelven. Los descuadres que el sistema no puede resolver con confianza se derivan a revisión con el contexto ya preparado. A diferencia de las reglas puras, un sistema con componente de IA mejora su tasa de matching con el tiempo: aprende los patrones específicos de la empresa, qué comisiones son habituales, cómo suelen pagar los clientes recurrentes y qué desfases de fecha son normales en cada proveedor.

Este artículo se centra en la conciliación de movimientos bancarios contra contabilidad. Si el cuello de botella principal está en el seguimiento de cobros pendientes, el recurso más específico es automatizar el seguimiento de cobros. Si el problema es el cierre mensual en su conjunto, el punto de partida es automatizar el cierre mensual.

Un flujo automatizado de conciliación tiene cuatro fases. La primera es siempre la más rápida de implementar; las siguientes dependen de la complejidad y el volumen de excepciones del caso concreto.

Fase 1: Ingesta del extracto bancario

El sistema recibe el extracto bancario, ya sea por descarga manual en CSV, por conexión directa con el banco si dispone de API, o por importación desde el propio ERP. No es necesario cambiar el método de descarga actual para empezar: el mismo fichero que hoy gestiona administración es el punto de partida.

Fase 2: Matching automático por reglas

El sistema cruza cada movimiento bancario contra los asientos contables usando reglas configurables: importe exacto, referencia, rango de fechas, proveedor o cliente. Los movimientos que cuadran con alta confianza se marcan como conciliados automáticamente. Esta fase resuelve entre el 70% y el 85% de los movimientos en la mayoría de empresas desde los primeros ciclos.

Fase 3: Matching asistido con IA para excepciones

Los movimientos que las reglas no resuelven se pasan a una capa de IA que aplica matching probabilístico: cobros parciales, referencias incorrectas, comisiones sin asiento, desfases de fecha entre movimiento y asiento. El sistema propone la conciliación con un nivel de confianza y el responsable valida o corrige. Cada corrección mejora el modelo para casos similares futuros, lo que hace que la tasa de matching mejore progresivamente a lo largo de los primeros meses de uso.

Fase 4: Revisión y cierre

Los descuadres que ni las reglas ni la IA resuelven con confianza se presentan en una cola de revisión con el contexto ya preparado: importe, fecha, movimiento bancario y asiento candidato más probable. La persona responsable no investiga desde cero, valida o descarta propuestas. El tiempo de revisión en empresas con 300-500 movimientos mensuales suele quedar en menos de 90 minutos al mes.

La automatización de la conciliación es técnicamente directa, pero hay cuatro errores que se repiten y que pueden hacer que el sistema no reduzca realmente el trabajo manual.

Asumir que las reglas van a resolver todos los casos desde el inicio

Las reglas cubren bien los movimientos predecibles, pero las excepciones, que representan el 15-30% en la mayoría de empresas, requieren lógica adicional. Diseñar la automatización solo con reglas y encontrarse con que un tercio de los movimientos sigue siendo manual es una de las causas más habituales de frustración con estas implementaciones. Un sistema que incluye IA para los casos que las reglas no resuelven tiene un punto de partida más realista y mejora con el tiempo.

No tratar las comisiones bancarias como categoría separada

Las comisiones son el tipo de movimiento que más descuadres genera en pymes: llegan sin referencia clara, en fechas no siempre predecibles, y raramente tienen un asiento contable previo. Si no se definen reglas específicas para identificarlas y procesarlas de forma diferenciada, generando un asiento automático cuando se detectan, acaban en la cola de revisión manual una a una, que es exactamente lo que se quería evitar.

Ignorar el desfase de fechas entre movimiento bancario y asiento contable

Un pago procesado el 31 de diciembre puede aparecer en el extracto bancario el 2 de enero. Un asiento contable registrado con fecha de factura, no de cobro. Si el sistema de matching no tiene un rango de tolerancia de fechas configurable, va a fallar en todos estos casos aunque el importe y la referencia sean correctos. La tolerancia de fechas es uno de los parámetros más importantes de configurar antes de arrancar, y debe ajustarse según los patrones reales de la empresa.

Esperar una tasa de matching perfecta desde el día uno

Ningún sistema de conciliación automatizada alcanza el 90-95% de matching en las primeras semanas. Los primeros ciclos sirven para identificar los patrones específicos de la empresa: cómo pagan los clientes recurrentes, qué comisiones son habituales, qué desfases de fecha son normales. Un sistema con componente de IA necesita esos primeros ciclos para calibrarse. El objetivo del primer mes no es eliminar la revisión manual, es reducirla y estructurarla. La mejora progresiva es parte del funcionamiento esperado, no un síntoma de que algo falla.

Una empresa de servicios conciliaba sus cuentas bancarias a mano una vez al mes, justo antes del cierre. El proceso: descargar el extracto del banco en Excel, abrirlo junto al listado de asientos del programa contable, y cruzar movimiento a movimiento. Los que cuadraban se marcaban manualmente. Los que no, comisiones sin asiento, cobros con referencia incorrecta, pagos con desfase de fecha, se apuntaban en una lista para investigar después.

El proceso ocupaba entre 10 y 15 horas mensuales repartidas entre dos personas. Los descuadres se resolvían, pero siempre con retraso: algunos apuntes tardaban dos o tres semanas en aclararse porque había que consultar con el comercial o con el cliente, y mientras tanto la posición de tesorería se calculaba con datos incompletos.

Se implementó un flujo de conciliación automatizada en dos capas. La primera, matching por reglas sobre el mismo fichero CSV que ya descargaba el equipo: importe exacto, referencia y rango de fechas de cinco días. Resolvía automáticamente el 75% de los movimientos desde la primera semana. La segunda capa, matching con IA para cobros parciales, comisiones y desfases, empezó con una tasa de acierto del 60% y fue mejorando a medida que el sistema aprendía los patrones de los clientes y proveedores habituales.

Tres meses después de la implementación, la revisión manual había quedado en menos de 90 minutos al mes. Los descuadres se detectaban durante el mes, no al cierre, lo que permitió identificar dos errores de cobro antes de que afectaran al cálculo de tesorería. El proceso dejó de depender de que las dos personas que lo gestionaban estuvieran disponibles a la vez al final de cada mes.