Com automatitzar la conciliació bancària

El patró és gairebé sempre el mateix. A final de mes, algú d'administració o finances descarrega l'extracte bancari, obre el llistat d'assentaments de l'ERP o del programa comptable, i comença a creuar línia per línia. Els moviments amb referència clara quadren ràpid. Els problemes arriben després: apunts bancaris sense referència identificable, comissions que no apareixen a comptabilitat, cobraments parcials de factures que el sistema no sap contra qui creuar, i desfasaments de data entre el moviment real i l'assentament.

Cada excepció requereix investigació manual: buscar l'assentament corresponent, consultar amb el comercial o el client, ajustar dates, crear apunts manuals de diferència. En una empresa amb activitat mitjana, això representa 8, 12 o 20 hores al mes dedicades a un procés que no aporta valor, només confirma que les dades són correctes.

El cost real no és únicament el temps. És que aquest procés ocorre un cop al mes, de manera que els desquadraments es detecten tard. Una comissió incorrecta, un cobrament mal aplicat o un pagament duplicat poden portar setmanes sense detectar-se, temps en el qual la tresoreria es projecta sobre dades errònies i les decisions de pagament es prenen amb una imatge distorsionada de la caixa real.

El cost de conciliar a mà rarament apareix mesurat en cap lloc. S'assumeix com a part del tancament mensual i ningú no ho qüestiona. Aquestes són les cinc senyals que indiquen que ja mereix atenció:

El tancament mensual no es pot tancar fins que algú acaba de conciliar

Si la conciliació és el darrer pas abans de poder tancar el mes i aquesta tasca bloqueja la resta de l'equip, el procés ja afecta el temps de reporting. Cada dia de retard en el tancament és un dia menys per analitzar les dades i prendre decisions amb informació completa.

Hi ha partides a comptabilitat que fa setmanes que no quadren

Si al llistat de pendents hi ha apunts de fa dues o tres setmanes que segueixen sense identificar-se, la conciliació no és efectiva. Aquestes partides antigues són el primer símptoma que el procés manual no dóna a l'abast amb el volum o la variabilitat dels moviments.

Les comissions bancàries generen desquadraments recurrents

Les comissions són el cas més habitual de desquadrament en pimes: petits imports que el banc carrega sense referència clara, que no tenen assentament previ a comptabilitat o que es registren en data diferent a l'extracte. Individualment són petits, però sumats a l'any representen desenes d'apunts manuals i hores d'investigació que es repeteixen cada mes.

Els cobraments parcials o amb referència incorrecta es gestionen cas a cas

Quan un client paga una factura amb una quantitat lleugerament diferent, o transfereix amb un concepte que no coincideix amb la referència de la factura, la conciliació manual exigeix investigar cada cas. En empreses amb molts clients actius, aquests casos es multipliquen i acaben acumulant-se en una llista de pendents que ningú vol heretar.

La persona que concilia és l'única que sap com resoldre les excepcions

Si el criteri per gestionar els desquadraments depèn del coneixement tàcit d'una sola persona, hi ha un risc operatiu clar. Quan aquesta persona no hi és, els desquadraments es queden sense resoldre o es resolen de forma inconsistent, generant errors comptables que apareixen mesos després en el moment més inconvenient.

Hi ha tres enfocaments possibles, amb resultats i costos molt diferents:

Millorar el procés manual amb macros o fórmules avançades

Organitzar el creuament amb fórmules d'Excel, taules dinàmiques o macros que automatitzin part del matching. Redueix el temps en els casos simples però no resol les excepcions, que són precisament les que consumeixen més hores. És un punt de partida vàlid si el volum és baix i els moviments són previsibles, però no escala amb el creixement de l'empresa.

Usar el mòdul de conciliació de l'ERP

Alguns ERPs inclouen funcionalitat de conciliació bancària. Requereix que l'extracte estigui en un format específic, que els assentaments tinguin referències estandarditzades i que la importació sigui manual de totes formes. Funciona bé quan el procés comptable és molt ordenat; a la pràctica de moltes pimes, les excepcions segueixen sent manuals perquè l'ERP no té lògica per resoldre-les.

Automatització per capes amb regles i IA

És l'enfocament amb millor retorn en pimes de 10 a 90 persones. El sistema rep l'extracte bancari, el mateix CSV o Excel que ja es descarrega, el creua amb els assentaments comptables usant regles de matching configurables, i aplica IA per als casos que les regles no resolen. Els desquadraments que el sistema no pot resoldre amb confiança es deriven a revisió amb el context ja preparat. A diferència de les regles pures, un sistema amb component d'IA millora la seva taxa de matching amb el temps: aprèn els patrons específics de l'empresa, quines comissions són habituals, com solen pagar els clients recurrents i quins desfasaments de data són normals en cada proveïdor.

Si busques implementar aquest enfocament a la teva empresa, podem revisar el teu volum de moviments i estimar la taxa de matching des dels primers cicles.

Aquest article se centra en la conciliació de moviments bancaris contra comptabilitat. Si el coll d'ampolla principal és al seguiment de cobraments pendents, el recurs més específic és automatitzar el seguiment de cobraments. Si el problema és el tancament mensual en el seu conjunt, el punt de partida és automatitzar el tancament mensual.

Un flux automatitzat de conciliació té quatre fases. La primera és sempre la més ràpida d'implementar; les següents depenen de la complexitat i el volum d'excepcions del cas concret.

Fase 1: Ingesta de l'extracte bancari

El sistema rep l'extracte bancari, ja sigui per descàrrega manual en CSV, per connexió directa amb el banc si disposa d'API, o per importació des del propi ERP. No cal canviar el mètode de descàrrega actual per començar: el mateix fitxer que avui gestiona administració és el punt de partida.

Fase 2: Matching automàtic per regles

El sistema creua cada moviment bancari contra els assentaments comptables usant regles configurables: import exacte, referència, rang de dates, proveïdor o client. Els moviments que quadren amb alta confiança es marquen com a conciliats automàticament. Aquesta fase resol entre el 70% i el 85% dels moviments a la majoria d'empreses des dels primers cicles.

Fase 3: Matching assistit amb IA per a excepcions

Els moviments que les regles no resolen es passen a una capa d'IA que aplica matching probabilístic: cobraments parcials, referències incorrectes, comissions sense assentament, desfasaments de data entre moviment i assentament. El sistema proposa la conciliació amb un nivell de confiança i el responsable valida o corregeix. Cada correcció millora el model per a casos similars futurs, de manera que la taxa de matching millora progressivament al llarg dels primers mesos d'ús.

Fase 4: Revisió i tancament

Els desquadraments que ni les regles ni la IA resolen amb confiança es presenten en una cua de revisió amb el context ja preparat: import, data, moviment bancari i assentament candidat més probable. La persona responsable no investiga des de zero, valida o descarta propostes. El temps de revisió en empreses amb 300-500 moviments mensuals sol quedar en menys de 90 minuts al mes.

L'automatització de la conciliació és tècnicament directa, però hi ha quatre errors que es repeteixen i que poden fer que el sistema no redueixi realment el treball manual.

Assumir que les regles resoldran tots els casos des de l'inici

Les regles cobreixen bé els moviments previsibles, però les excepcions — que representen el 15-30% a la majoria d'empreses — requereixen lògica addicional. Dissenyar l'automatització només amb regles i trobar-se que un terç dels moviments segueix sent manual és una de les causes més habituals de frustració amb aquestes implementacions. Un sistema que inclou IA per als casos que les regles no resolen té un punt de partida més realista i millora amb el temps.

No tractar les comissions bancàries com a categoria separada

Les comissions són el tipus de moviment que més desquadraments genera en pimes: arriben sense referència clara, en dates no sempre previsibles, i rarament tenen un assentament comptable previ. Si no es defineixen regles específiques per identificar-les i processar-les de forma diferenciada, generant un assentament automàtic quan es detecten, acaben a la cua de revisió manual una a una, que és exactament el que es volia evitar.

Ignorar el desfasament de dates entre moviment bancari i assentament comptable

Un pagament processat el 31 de desembre pot aparèixer a l'extracte bancari el 2 de gener. Un assentament comptable registrat amb data de factura, no de cobrament. Si el sistema de matching no té un rang de tolerància de dates configurable, fallarà en tots aquests casos tot i que l'import i la referència siguin correctes. La tolerància de dates és un dels paràmetres més importants de configurar abans d'arrancar, i s'ha d'ajustar segons els patrons reals de l'empresa.

Esperar una taxa de matching perfecta des del primer dia

Cap sistema de conciliació automatitzada assoleix el 90-95% de matching en les primeres setmanes. Els primers cicles serveixen per identificar els patrons específics de l'empresa: com paguen els clients recurrents, quines comissions són habituals, quins desfasaments de data són normals. Un sistema amb component d'IA necessita aquests primers cicles per calibrar-se. L'objectiu del primer mes no és eliminar la revisió manual, és reduir-la i estructurar-la. La millora progressiva és part del funcionament esperat, no un símptoma que alguna cosa falla.

Una empresa de serveis conciliava els seus comptes bancaris a mà un cop al mes, just abans del tancament. El procés: descarregar l'extracte del banc en Excel, obrir-lo junt al llistat d'assentaments del programa comptable, i creuar moviment a moviment. Els que quadraven es marcaven manualment. Els que no — comissions sense assentament, cobraments amb referència incorrecta, pagaments amb desfasament de data — s'apuntaven en una llista per investigar després.

El procés ocupava entre 10 i 15 hores mensuals repartides entre dues persones. Els desquadraments es resolien, però sempre amb retard: alguns apunts tardaven dues o tres setmanes a aclarir-se perquè s'havia de consultar amb el comercial o amb el client, i mentre tant la posició de tresoreria es calculava amb dades incompletes.

Es va implementar un flux de conciliació automatitzada en dues capes. La primera, matching per regles sobre el mateix fitxer CSV que ja descarregava l'equip: import exacte, referència i rang de dates de cinc dies. Resolia automàticament el 75% dels moviments des de la primera setmana. La segona capa, matching amb IA per a cobraments parcials, comissions i desfasaments, va començar amb una taxa d'encert del 60% i va anar millorant a mesura que el sistema aprenia els patrons dels clients i proveïdors habituals.

Tres mesos després de la implementació, la revisió manual havia quedat en menys de 90 minuts al mes. Els desquadraments es detectaven durant el mes, no al tancament, cosa que va permetre identificar dos errors de cobrament abans que afectessin el càlcul de tresoreria. El procés va deixar de dependre que les dues persones que el gestionaven estiguessin disponibles a la vegada a final de cada mes.