Los datos más recientes del estudio global CFO Insights de SAP Concur, la división de SAP especializada en la gestión de viajes corporativos y gastos de empleados, muestran que las organizaciones siguen enfrentándose a importantes problemas relacionados con la calidad del dato y con la dependencia de procesos manuales. Estos retos afectan directamente al control del gasto corporativo, especialmente en áreas tan sensibles como los viajes de empresa, donde la precisión de las previsiones, el control interno y la agilidad son fundamentales para evitar desviaciones presupuestarias.

João Carvalho, director SAP Finance & Spend Management, Sur de Europa, señala que “nuestra investigación demuestra que el verdadero reto ya no es acceder a la tecnología, sino contar con datos fiables sobre los que construir. Las organizaciones que consigan consolidar una base de datos sólida estarán en mejor posición para optimizar sus inversiones y mejorar el control del gasto, especialmente en áreas complejas como son los viajes de empresa.”

El informe confirma esta situación: el 100% de los CEOs y líderes financieros encuestados asegura que tiene que revisar y corregir los datos antes de poder utilizarlos en la toma de decisiones. Las razones principales son que los datos no están definidos de la misma forma en toda la organización (62%), que los equipos no cuentan con la cultura ni con las habilidades necesarias para trabajar con datos (49%) y que no existe una responsabilidad claramente asignada en lo que respecta a su calidad (40%).

Estas debilidades afectan tanto a los procesos de transformación como a la gestión de los presupuestos y, en particular, al control del gasto en viajes, donde intervienen múltiples herramientas y fuentes de información. Esta fragmentación obliga a los equipos a revisar y corregir datos de forma continua para minimizar errores.

Dependencia de procesos manuales en finanzas

A estos problemas se suma una gran dependencia de procesos manuales. Más de la mitad de los líderes financieros (51%) afirma que combina tareas manuales con otras herramientas para hacer previsiones; un 33% las usa en parte del proceso y un 12% depende de ellas de forma considerable. Solo un 4% ha conseguido eliminarlas por completo. Esta dependencia está motivada por dificultades de integración de datos (55%), la necesidad de flexibilidad o de modelos personalizados (49%), las limitaciones de los sistemas que emplean para prever costes y gastos (45%), así como por restricciones de recursos o presupuesto (41%) y procesos heredados que siguen vigentes (41%).

Como consecuencia, un promedio del 59% de líderes financieros y CEOs señala que los errores derivados del trabajo manual les obligan a corregir datos antes de utilizarlos en análisis o decisiones, lo que ralentiza la eficiencia y afecta también al control del gasto en viajes.

Dudas sobre la fiabilidad de las previsiones

La falta de alineación interna también se refleja en la percepción de la fiabilidad de las previsiones. Cuatro de cada diez líderes financieros consideran que las previsiones inexactas son uno de los tres principales desafíos internos. Además, existen diferencias entre los perfiles de liderazgo: el 39% de los responsables financieros cree que las previsiones de costes de su organización son fiables, frente al 31% de CEOs y directores generales. Esta diferencia se explica por la mayor cercanía del área financiera al proceso de elaboración de previsiones y por la distinta exposición a los errores o ajustes de última hora, especialmente en partidas con alta variabilidad como los viajes de empresa.

La calidad del dato frena el retorno de la IA

El estudio también muestra contradicciones en relación con la adopción de IA. Un 53% de los encuestados afirma que unas bases de datos sólidas aumentan los retornos de sus inversiones en IA. Sin embargo, al preguntarles qué factores reducen esos retornos, ese mismo porcentaje señala la mala calidad del dato y los problemas de integración. Para los líderes de TI, la calidad del dato es uno de los mayores obstáculos para avanzar en la adopción de IA, lo que ralentiza el desarrollo de casos de uso para los viajes corporativos, la previsión de gastos o el análisis de patrones de consumo.

A pesar de estos retos, la IA está ganando peso como una herramienta que complementa —y no sustituye— el juicio humano en finanzas. Solo un 3% de los líderes financieros afirma no utilizarla en tareas de análisis o elaboración de previsiones. Entre los casos de uso más comunes se encuentran la previsión de ingresos (51%), el análisis de riesgos (45%), la previsión de demanda (43%), la planificación de escenarios (41%), las actualizaciones en tiempo real (38%), la previsión de gastos (37%) y las previsiones de capital de trabajo (37%).

Estas capacidades ayudan a los equipos financieros a anticipar necesidades, validar hipótesis y gestionar categorías de gasto complejas como los viajes de empresa, donde la volatilidad de precios y la necesidad de eficiencia hacen especialmente valioso el apoyo de la IA.

La gobernanza del dato, un reto pendiente

El estudio también pone de manifiesto que la gobernanza del dato sigue siendo un reto. El 71% de los líderes de TI considera que esta responsabilidad debe ser compartida con finanzas, pero el 67% afirma que, cuando surgen errores, la responsabilidad recae solo en el departamento financiero. Ningún encuestado indica que TI asuma la responsabilidad en exclusiva. Además, desde TI se identifican carencias de habilidades dentro de finanzas en ámbitos clave como IA y machine learning (56%), alfabetización y analítica de datos (50%) y gobernanza y calidad del dato (45%), competencias necesarias para aprovechar plenamente herramientas avanzadas y garantizar que los datos utilizados —incluidos los relacionados con viajes— estén en condiciones óptimas para la toma de decisiones.