Agente de Cash Forecasting

Las empresas con previsiones de flujo de caja poco fiables pierden una media de 660.000 libras al año - no por falta de liquidez en sí, sino por costes crediticios excesivos, oportunidades de inversión perdidas y financiaciones de emergencia no planificadas (Treasury Management International, 2024). La causa rara vez es la falta de datos. Reside en que el cálculo de la previsión y la decisión de liquidez se mezclan en el mismo paso del proceso.

Las previsiones imprecisas cuestan más que un apuro de liquidez

Un tesorero que mantiene su previsión a 13 semanas en Excel alcanza una precisión media del 60 por ciento (CTMfile, 2025). Suena como un valor aceptable. Las consecuencias no lo son. Con una desviación del 40 por ciento sobre un flujo de caja previsto de 20 millones de euros (unos 21,8 millones de USD), surge un corredor de incertidumbre de 8 millones. Esta banda obliga a tesorería a mantener permanentemente reservas de liquidez excesivas - lo que inmoviliza capital que no genera rendimiento - o a trabajar con colchones insuficientes y recurrir periódicamente a créditos puente caros.

Según un estudio de Agicap entre empresas medianas británicas, las compañías con previsiones poco fiables pagan un 91 por ciento más en comisiones por descubierto que empresas comparables con forecasts sólidos. El problema escala con el tamaño de la empresa: más filiales, más divisas, más flujos de pago significan más variables que una previsión manual no puede abarcar simultáneamente.

La calidad de los datos determina la calidad de la previsión

La cuestión no es si una empresa tiene datos suficientes para un forecast de flujo de caja. La cuestión es si esos datos están integrados, depurados y en una estructura consistente. Cuando los saldos bancarios se exportan manualmente de tres portales, la contabilidad de deudores en el ERP utiliza una lógica de vencimiento diferente a la de acreedores y los patrones estacionales solo existen como intuición del controller - cualquier previsión es, en el mejor de los casos, una estimación informada.

Un agente de cash forecasting no comienza por la previsión, sino por la agregación de datos. Los flujos de pago históricos de al menos 24 meses forman la base. Las cuentas a cobrar y a pagar con sus estructuras de vencimiento reales proporcionan el horizonte a corto plazo. Sobre esta base depurada, el agente reconoce patrones estacionales que un humano no puede ver en una tabla de 15.000 filas, y calcula probabilidades de morosidad por deudor - no como media sobre todos los clientes, sino individualmente en función del comportamiento de pago previo.

Tres escenarios sustituyen a una cifra única

La previsión más peligrosa es la que muestra un solo resultado. Un forecast que dice “en 60 días tendremos 4,2 millones en cuenta” sugiere una precisión que no existe. La afirmación más realista es: en el mejor caso 5,8 millones, en el caso base 4,2 millones, en el peor caso 2,1 millones - y la probabilidad del peor escenario es del 18 por ciento.

Exactamente aquí se separa el cálculo automatizado de la decisión estratégica. El agente modela los tres escenarios a partir de los datos disponibles. Pero los supuestos detrás de los escenarios - qué pago relevante podría aplazarse de forma realista, qué plazo de pago agotará realmente un cliente clave, cuán agresivo debe mantenerse el plan de inversiones - son valoraciones que el CFO o el responsable de tesorería deben hacer. Ningún algoritmo puede decidir si, con un 18 por ciento de probabilidad del peor escenario, la empresa activa una línea de crédito o reduce la reserva de liquidez.

El humano decide sobre la estrategia, no sobre el cálculo

El Decision Layer divide el proceso de forecasting en ocho pasos - y en cada uno hace transparente quién decide. Cuatro pasos son basados en reglas o en datos: agregar datos de flujo de caja, leer estructuras de vencimiento, reconocer patrones estacionales, calcular probabilidades de morosidad. Tres pasos requieren juicio humano: definir escenarios, evaluar la necesidad de reserva de liquidez, formular recomendaciones de actuación.

Esta separación no es solo operativamente sensata - es regulatoriamente obligada. El artículo 91.2 de la Ley de Sociedades Anónimas alemana (AktG) exige un sistema de detección temprana de riesgos. Esto significa: si el forecast señala un apuro de liquidez en 90 días, debe documentarse sobre qué supuestos se basa esa previsión y qué medidas ha adoptado la dirección. El Decision Layer proporciona esta documentación automáticamente - no como informe posterior, sino como protocolo del propio proceso de decisión.

Para los equipos de tesorería esto significa: menos tiempo ensamblando números. Más tiempo para las preguntas que solo un humano puede responder - cuánto riesgo quiere asumir la empresa y qué precio está dispuesta a pagar por ello.