Para el director financiero moderno, la parte más difícil del trabajo a menudo no son las matemáticas, sino contar la historia. Una vez que se cierran los libros y se calculan las variaciones, los equipos de finanzas pasan días, a veces semanas, copiando y pegando gráficos manualmente en diapositivas de PowerPoint para explicar por qué cambiaron los números.
Hoy, una empresa israelí de tecnología financiera de 11 años Rieles de datos anunció un conjunto de nuevas herramientas de inteligencia artificial generativa diseñadas para automatizar la “última milla” de los informes financieros, permitiendo efectivamente a los líderes financieros “hacer vibrar el código” hasta llegar al tablero.
Lanzado hoy para acompañar la ronda de financiación Serie C de 70 millones de dólares recientemente anunciada por la compañía. La nueva estrategia, planificación y presentación de informes de la empresa a los agentes financieros de IA. prometen responder preguntas financieras complejas con activos completamente formateados, no solo texto.
Un profesional de las finanzas podría preguntarse ahora: “¿Qué está impulsando los cambios en nuestra rentabilidad este año?” o “¿Por qué el marketing se excedió del presupuesto el mes pasado?” y el sistema generará instantáneamente diapositivas de PowerPoint, informes en PDF o archivos de Excel listos para el tablero que contengan la respuesta.
El despliegue de estos agentes marca un cambio fundamental en la forma en que la “Oficina del CFO” interactúa con los datos.
Más allá del chatbot
La promesa de los nuevos agentes es resolver el problema de la fragmentación que afecta a los departamentos financieros. A diferencia de un líder de ventas que vive en Salesforce o un CIO que confía en ServiceNow, el CFO no tiene un único “sistema de verdad”. Los datos se distribuyen entre ERP, HRIS, CRM y portales bancarios.
Una barrera importante para la adopción de la IA en las finanzas ha sido la seguridad. Los directores financieros dudan con razón a la hora de introducir datos de pérdidas y ganancias en los modelos públicos.
Datarails resolvió esto aprovechando el servicio Azure OpenAI de Microsoft. “Usamos OpenAI en Azure para garantizar la privacidad y seguridad de nuestros clientes, no les gusta compartir sus datos en [an] open LLM”, señaló Gurfinkel. Esto permite que la plataforma utilice modelos de última generación mientras mantiene los datos dentro de un perímetro empresarial seguro.
Los nuevos agentes de Datarails se ubican sobre una capa de datos unificada que conecta estos sistemas dispares. Debido a que la IA se basa en los datos internos unificados de una empresa, evita las alucinaciones comunes en los LLM genéricos y, al mismo tiempo, proporciona el nivel de privacidad necesario para los datos financieros confidenciales.
“Si el director financiero quiere aprovechar la IA a nivel del director financiero o en los datos de la organización, necesita consolidar los datos”, explicó el director ejecutivo y cofundador de Datarails, Didi Gurfinkel, en una entrevista con VentureBeat.
Al resolver primero este problema de consolidación, Datarails ahora puede ofrecer agentes que comprendan el contexto empresarial.
“Ahora el director financiero puede utilizar nuestros agentes para ejecutar análisis, obtener información, crear informes… porque ahora los datos están listos”, dijo Gurfinkel.
‘Codificación de vibraciones’ para las finanzas
El lanzamiento aprovecha una tendencia más amplia en el desarrollo de software donde las indicaciones del lenguaje natural reemplazan la codificación compleja o la configuración manual, un concepto que los círculos tecnológicos llaman “codificación por vibración”. Gurfinkel cree que éste es el futuro de la ingeniería financiera.
“Muy pronto, el director financiero y el propio equipo financiero podrán desarrollar aplicaciones”, predijo Gurfinkel. “Los LLM se vuelven tan fuertes que con un solo mensaje pueden reemplazar series completas de productos”.
Describió un flujo de trabajo en el que un usuario podía simplemente preguntar: “Este fue mi presupuesto y la cantidad real del año pasado. Ahora créame el presupuesto para el próximo año”.
Los nuevos agentes están diseñados para manejar exactamente este tipo de escenarios complejos y multivariables. Por ejemplo, un usuario podría preguntar: “¿Qué sucede si los ingresos crecen más lentamente el próximo trimestre?”. y recibir a cambio un análisis del escenario.
Debido a que el resultado se puede entregar como un archivo Excel, los equipos de finanzas pueden verificar fórmulas y suposiciones mientras mantienen el registro de auditoría del que a menudo carecen las herramientas genéricas de IA.
Facilidad de adopción: la ‘anti-implementación’
Para la mayoría de los equipos de ingeniería, la llegada de una nueva plataforma de finanzas empresariales indica un dolor de cabeza inminente: meses de migraciones de datos, rediseños de esquemas y la inevitable fricción de obligar a los usuarios no técnicos a abandonar sus flujos de trabajo preferidos. Datarails solucionó esta fricción creando lo que se puede describir mejor como una “anti-implementación”.
En lugar de requerir “eliminar y reemplazar” los sistemas heredados, la plataforma abarca las realidades confusas de la pila financiera moderna. La arquitectura está diseñada para desacoplar el almacenamiento de datos de la capa de presentación, tratando efectivamente los archivos Excel existentes de la organización como una interfaz frontal, mientras que Datarails actúa como la base de datos backend.
“No reemplazamos nada”, explicó Gurfinkel. “La implementación puede ser muy rápida, desde unas pocas horas hasta unos pocos días”.
Desde una perspectiva técnica, esto significa que el requisito de “ingeniería” se ha eliminado casi por completo. No hay canalizaciones ETL que construir ni scripts Python que mantener. El sistema viene precableado con más de 200 conectores nativos, que se conectan directamente a ERP como NetSuite y Sage, CRM como Salesforce y varios portales bancarios y HRIS.
El trabajo pesado se reemplaza con un proceso de mapeo “sin código”. Un analista financiero, no un desarrollador, asigna los campos del Libro mayor a sus modelos de Excel en un flujo de trabajo de autoservicio. Para módulos como Cierre de fin de mes, la empresa promete explícitamente que “no se requiere soporte de TI”, una frase que probablemente suponga un alivio para los CTO con exceso de trabajo. Incluso las configuraciones complejas, como el nuevo módulo de gestión de efectivo, que requiere integraciones bancarias, suelen volverse totalmente operativas en dos o tres semanas.
El resultado es un sistema en el que la “deuda técnica” normalmente asociada con la transformación financiera se vuelve obsoleta. El equipo de finanzas obtiene su “única fuente de verdad” sin siquiera pedirle a ingeniería que proporcione una base de datos.
Del control de versiones al control de visión: un giro que dio sus frutos
Datarails no siempre fue el “FinanceOS” de la era de la IA. Fundada en 2015 por Gurfinkel junto con los cofundadores Eyal Cohen (COO) y Oded Har-Tal (CTO), la startup con sede en Tel Aviv pasó sus primeros años abordando un problema de secador de pelo: el control de versiones para Excel. La premisa inicial era sincronizar y administrar hojas de cálculo entre empresas, pero la adopción fue lenta mientras el equipo luchaba por encontrar el producto adecuado para el mercado.
El avance llegó en 2020 con un giro estratégico. El equipo se dio cuenta de que los profesionales financieros no querían reemplazar Excel con un nuevo panel; querían solucionar las limitaciones de Excel, específicamente la consolidación manual y la fragmentación de datos. Al cambiar el enfoque hacia los equipos financieros de pequeñas y medianas empresas y adoptar una filosofía de automatización “nativa de Excel”, la empresa encontró su paso.
Esta alineación condujo a una rápida expansión, impulsada por una Serie A de $55 millones en junio de 2021 liderada por Zeev Ventures, seguida rápidamente por una Serie B de $50 millones en marzo de 2022 liderada por Qumra Capital. Aunque la empresa enfrentó vientos en contra durante la crisis tecnológica (que resultó en una reducción de la fuerza laboral del 18% para fines de 2022), desde entonces se ha recuperado agresivamente. Para 2025, Datarails casi habrá duplicado su fuerza laboral a más de 400 empleados en todo el mundo, impulsado por una estrategia de expansión de múltiples productos que ahora incluye soluciones de gestión de efectivo y cierre de fin de mes.
Impulsando la expansión
Las nuevas capacidades de IA están respaldadas por una inyección Serie C de 70 millones de dólares de One Peak, junto con los inversores existentes Vertex Growth, Vintage Investment Partners y otros. La financiación se produce después de un año de crecimiento de ingresos del 70% para Datarails, impulsado en gran medida por la expansión de su conjunto de productos.
Más del 50% del crecimiento de la empresa en 2025 provino de soluciones lanzadas en los últimos 12 meses, incluido Datarails Month-End Close (una herramienta para automatizar las conciliaciones y la gestión del flujo de trabajo) y Datarails Cash Management (para el seguimiento de la liquidez en tiempo real).
Estos productos sirven como “plomería” que hace que los nuevos agentes de IA sean efectivos. Al automatizar el cierre de fin de mes y unificar los datos de efectivo, Datarails garantiza que cuando un director financiero le haga una pregunta a la IA, las cifras subyacentes sean precisas y estén actualizadas.
Para Gurfinkel, el objetivo es hacer que la oficina financiera sea “nativa de IA” sin obligar a los usuarios a abandonar su herramienta favorita: Excel.
“No vamos a reemplazar nada”, dijo Gurfinkel. “Hemos conectado Excel para que ahora Excel se convierta en cálculo y presentación”.
Con el lanzamiento de estos nuevos agentes, Datarails apuesta a que el futuro de las finanzas no se trata de aprender software nuevo, sino de hablar con los datos que ya se tienen.
