Dentro del movimiento de la IA generativa a la IA agente en las finanzas empresariales

      TL;DRLa organización financiera de AT&T está construyendo flujos de trabajo de IA agente utilizando LangGraph para automatizar la preparación manual de entradas de diario bajo controles SOX. La arquitectura separa la preparación repetible del juicio humano a través de manuales de procedimientos propiedad de finanzas, evidencia de auditoría a nivel de nodo y límites de aprobación explícitos. La IA generativa ya ha cambiado cómo las empresas redactan, resumen y buscan información. El siguiente desafío es más complejo: si la IA puede coordinar el trabajo a través de sistemas empresariales mientras preserva controles, auditabilidad y responsabilidad humana. Esa es la prueba central para la IA agente. A diferencia de un chatbot que devuelve una respuesta, un sistema agente puede interpretar un objetivo, recuperar datos, llamar herramientas, aplicar reglas, validar resultados y preparar trabajo para revisión humana. En funciones reguladas como finanzas, esa capacidad crea tanto oportunidades como riesgos. Un sistema útil debe hacer más que automatizar una tarea. Debe mostrar qué datos se utilizaron, qué lógica de decisión se aplicó, dónde ocurrieron excepciones y quién aprobó la acción final. Las entradas de diario manuales ofrecen un ejemplo práctico. En grandes organizaciones financieras, estas entradas a menudo requieren que los analistas reúnan información de múltiples sistemas, concilien entradas, apliquen lógica contable, calculen valores, preparen documentación de soporte y envíen el paquete para aprobación. El proceso es repetitivo, sensible al tiempo y pesado en controles, especialmente porque las entradas de diario afectan la presentación de informes financieros y operan dentro de entornos controlados por SOX. El 💜 de la tecnología de la UELos últimos rumores de la escena tecnológica de la UE, una historia de nuestro sabio fundador Boris y un arte de IA cuestionable. Es gratis, cada semana, en tu bandeja de entrada. ¡Inscríbete ahora!En AT&T, Monika Malik, una Ingeniera Principal de Datos e IA en la organización financiera, ha trabajado en un enfoque agente para este problema a través de la iniciativa de Entrada de Diario Manual de la empresa. El diseño no está destinado a permitir que un modelo de IA publique entradas de manera independiente. En cambio, separa el trabajo de preparación repetible del juicio profesional y la aprobación final. La escala del entorno financiero es significativa: los flujos de trabajo fiscales y contables conectados a este esfuerzo de modernización más amplio están vinculados a cientos de millones de dólares en obligaciones acumuladas y valor comercial recurrente. El flujo de trabajo utiliza LangGraph como el marco de orquestación. Esa elección es importante porque una arquitectura basada en grafos permite que un proceso financiero se represente como una serie de nodos explícitos, ramas y puntos de control en lugar de como una única automatización opaca. En un proceso controlado por SOX, esa estructura es útil porque cada paso puede ser auditado individualmente. Las ramas condicionales también pueden mapearse a rutas de aprobación financiera reales: una entrada limpia puede avanzar, mientras que las entradas con rupturas de umbral, evidencia faltante o excepciones de regla pueden ser enviadas para revisión. En este modelo, un nodo de flujo de trabajo podría manejar la extracción de datos, otro podría transformar datos de origen, otro podría calcular valores de diario y otro podría generar una plantilla de borrador. Cada nodo produce una salida estructurada y con marca de tiempo que registra los datos de entrada utilizados, la decisión o regla aplicada y el resultado de la validación. Esto crea una pista de evidencia que puede ser revisada más tarde, en lugar de depender de una salida final con poca visibilidad sobre cómo se produjo. Otra elección de diseño importante es el uso de manuales de procedimientos propiedad de finanzas. En lugar de codificar cada regla en la lógica de ingeniería, el proceso empresarial es definido y mantenido por expertos en la materia de finanzas. Estos manuales especifican los pasos a seguir, las herramientas a utilizar, los umbrales a aplicar, la evidencia requerida y cómo se ve un "buen" tipo de entrada de diario en particular. La ingeniería se encarga de la orquestación y la capa de ejecución; las finanzas son responsables de la lógica empresarial. Esa división mantiene la responsabilidad del proceso con el negocio mientras permite que el flujo de trabajo escale a través de múltiples tipos de entradas. El sistema también utiliza evaluaciones a nivel de nodo como puntos de control. En la práctica, eso significa que cada etapa del flujo de trabajo puede ser verificada antes de que se ejecute la siguiente. Las verificaciones de calidad de datos pueden confirmar si los campos requeridos están presentes. Las verificaciones de cálculo pueden recomputar totales y validar convenciones de signo o reglas de balanceo. Las verificaciones de esquema de salida pueden verificar que la plantilla de entrada de diario esté estructuralmente completa. Las verificaciones basadas en reglas pueden comparar valores contra umbrales o expectativas de períodos anteriores. La evaluación basada en LLM puede ser utilizada para señalar explicaciones no soportadas, como narrativas que hacen referencia a datos que no están presentes en el estado del flujo de trabajo. La monitorización es otra parte de la arquitectura. Una capa de monitoreo de modelos rastrea si el sistema continúa comportándose dentro de límites definidos a lo largo del tiempo. En un contexto de SOX, eso incluye desviaciones de salida, tasas de excepciones, fallos de validación repetidos y cambios en patrones de aprobación/rechazo. El propósito no es solo detectar problemas de calidad del modelo, sino determinar si el flujo de trabajo sigue siendo lo suficientemente confiable para un proceso financiero controlado. El límite de humano en el bucle es explícito. El sistema prepara un paquete validado, que incluye la salida borrador, resultados de evaluación, notas de excepción, historial de reintentos y evidencia de soporte. Los revisores humanos siguen siendo responsables de las excepciones, el juicio profesional y la aprobación final. El flujo de trabajo puede hacer que la preparación sea más consistente y programable, pero no elimina la responsabilidad de la función financiera. La experiencia previa de Malik en entornos bancarios regulados también informa este enfoque, particularmente el énfasis en la calidad de los datos, la trazabilidad y la fiabilidad operativa. El ejemplo de Entrada de Diario Manual apunta a un patrón empresarial más específico: la IA agente se vuelve útil en finanzas solo cuando la orquestación, las reglas propiedad del negocio, la evidencia a nivel de nodo, la monitorización y los límites de aprobación se diseñan juntos. LangGraph proporciona la estructura del flujo de trabajo, los manuales de procedimientos propiedad de finanzas preservan el control empresarial, las evaluaciones a nivel de nodo crean evidencia de auditoría, la monitorización rastrea si el comportamiento se mantiene dentro de los umbrales, y los revisores humanos retienen la responsabilidad por excepciones y aprobación final. En finanzas reguladas, el valor de la IA agente puede depender menos de la autonomía en sí que de cuán precisamente se limita esa autonomía.