El equipo de finanzas de OpenAI es el 20% del tamaño normal — y funciona mejor que la mayoría
Cuando una consultora de la talla de PwC evalúa tu equipo de finanzas y concluye que opera con el 20% del personal de empresas tecnológicas comparables, hay dos lecturas posibles: o están haciendo mal las cosas, o encontraron una forma radicalmente diferente de trabajar. En el caso de OpenAI, es claramente lo segundo.
Stacie Faggioli, directora de finanzas para aplicaciones de OpenAI, compartió recientemente cómo su equipo está construyendo lo que ella llama "el equipo de finanzas del futuro". Lo que presentó no es una visión abstracta sobre inteligencia artificial — son casos reales, con números concretos y herramientas que ya existen hoy. Y aunque el contexto es OpenAI, las lecciones aplican directamente a cualquier empresa mediana en Perú y Latinoamérica que quiera hacer más con menos.
En este artículo analizamos los tres principios que guían su estrategia, los casos de uso más impactantes que compartió, y cómo este enfoque puede replicarse en empresas de la región sin necesidad de ser una gigante tecnológica.
Los tres principios que guían una organización realmente AI-native
Lo primero que llama la atención del enfoque de Faggioli es que no habla de herramientas — habla de principios. Y eso marca una diferencia enorme con cómo la mayoría de las empresas adoptan IA hoy.
El primer principio es ser AI-native por diseño. Esto significa que cuando se despliega una herramienta o un agente, no se agrega como una capa encima del proceso existente. Se reimagina el flujo de trabajo desde cero. No es "usamos IA para hacer lo mismo más rápido" — es "¿cómo haríamos esto si la IA hubiera existido desde el principio?"
El segundo principio es demostrar apalancamiento en headcount. El equipo de finanzas de OpenAI tiene el 20% del tamaño de sus pares según la evaluación de PwC. Esto no es una meta aspiracional — es un resultado medible y verificado externamente. La premisa es simple: la tecnología correcta permite hacer más con menos personas, y eso tiene un impacto directo en la estructura de costos de cualquier organización.
El tercer principio es desplegar temprano e iterar rápido. Faggioli es explícita en esto: cuando surge la duda de si esperar una versión más estable de la herramienta, el sesgo del equipo siempre es desplegar y mejorar en paralelo. Esto permite que el equipo crezca orgánicamente con la tecnología, en lugar de quedar siempre un paso atrás esperando el momento perfecto.
Los casos de uso que demuestran el ROI en la práctica
Más allá de los principios, lo valioso de la presentación de Faggioli son los ejemplos concretos. Tres casos en particular ilustran el impacto real de este enfoque.
🏦 El agente de relaciones con inversores: Cuando OpenAI levantó 40 mil millones de dólares en capital privado — y luego 122 mil millones adicionales — el equipo de finanzas quedó sepultado en solicitudes de due diligence. La solución fue entrenar un agente de IA sobre datos internos de la empresa y en el tono de un profesional de relaciones con inversores de empresa pública. El resultado: respuestas factuales, consistentes y estratégicamente formuladas en minutos, en lugar de horas. El levantamiento completo se gestionó in-house, ahorrando cientos de millones en honorarios de banca de inversión. Además, el agente se compartió con los equipos de reclutamiento para que cualquier persona de la empresa pudiera explicar el valor del equity a ejecutivos senior con la misma calidad que lo haría el CFO.
📊 ChatGPT para Excel y modelos financieros complejos: Faggioli describe cómo construir un modelo LBO — el tipo de análisis que antes requería noches enteras de trabajo de un analista de private equity — ahora toma aproximadamente 10 minutos con ChatGPT para Excel. La herramienta no solo ejecuta el modelo: primero estructura el análisis, define los supuestos, construye la estructura de capital con detalle por tramo de deuda y equity, y al final emite una recomendación de inversión. Lo más importante para un equipo de finanzas: el resultado es trazable, auditable, y permite modificar supuestos para correr escenarios.
📈 Codex para análisis de datos sin código: Este es quizás el caso más replicable para empresas fuera del sector financiero. El equipo usó Codex — una herramienta de generación de código por IA — para construir dashboards de análisis sin necesidad de programadores. En un caso, procesaron datos de gasto en marketing de múltiples agencias para identificar qué canales están saturados y reasignar presupuesto semanalmente. En otro, conectaron transcripciones de llamadas de ventas (Gong) y emails de clientes para saber en tiempo real qué representantes están hablando de nuevos productos — sin crear campos manuales en el CRM ni depender del área de IT.
¿Cómo aplica esto en empresas de Perú y Latinoamérica?
La primera reacción al escuchar estos casos puede ser: "eso es OpenAI, nosotros no tenemos esos recursos". Pero esa lectura es equivocada. Las herramientas que usa el equipo de Faggioli — ChatGPT, ChatGPT para Excel, Codex — están disponibles hoy para cualquier empresa. No se necesita un departamento de IT de 200 personas.
Lo que sí se necesita es cambiar la mentalidad. La mayoría de las empresas medianas en la región adoptan IA de la misma manera que adoptaron el software en los años 2000: comprando una licencia y esperando que resuelva el problema sin cambiar nada más. El enfoque de OpenAI es exactamente el opuesto.
Hay tres cambios concretos que cualquier empresa puede empezar a implementar hoy. Primero, identificar un proceso manual repetitivo en finanzas, ventas o marketing que consuma tiempo de personas calificadas — y preguntarse cómo se haría ese proceso si se diseñara desde cero con IA. Segundo, colocar a quienes construyen las herramientas (aunque sea un solo desarrollador o un consultor externo) cerca de quienes entienden el negocio, no en un departamento separado esperando requerimientos formales. Tercero, dejar de esperar la versión perfecta de cualquier herramienta y empezar a iterar con lo que existe hoy.
¿Cómo aplica esto en tu empresa?
Si eres gerente general, director financiero o responsable de operaciones en una empresa mediana, hay una pregunta concreta que vale la pena hacerse esta semana: ¿cuántas horas semanales destina tu equipo a tareas que podrían automatizarse parcial o totalmente con las herramientas disponibles hoy?
El caso de OpenAI no es relevante por el tamaño de los números — es relevante por la metodología. Y esa metodología no requiere ser una empresa de tecnología para aplicarla. Requiere tener claridad sobre qué procesos reimaginar, disposición para desplegar rápido aunque no sea perfecto, y la voluntad de medir el resultado en términos de eficiencia real.
En Consultoría-Ti hemos acompañado a empresas en Perú y Latinoamérica en exactamente este tipo de transformaciones — desde la automatización de procesos financieros con Odoo hasta la implementación de flujos de trabajo con IA usando herramientas como n8n y Claude API. El punto de partida siempre es el mismo: entender el proceso actual antes de hablar de tecnología.
Conclusión
El equipo de finanzas de OpenAI no es pequeño porque le falta gente — es pequeño porque rediseñó sus procesos para que la IA haga el trabajo de escala, mientras las personas se enfocan en el juicio, la estrategia y las decisiones que realmente requieren un humano. Esa es la distinción más importante que cualquier líder empresarial puede llevarse de este caso.
La pregunta no es si tu empresa debería usar IA. La pregunta es si está dispuesta a reimaginar cómo trabaja, o si solo quiere agregar una herramienta nueva encima de los procesos de siempre.
Si quieres explorar cómo aplicar este enfoque en tu organización, en Consultoría-Ti podemos ayudarte a identificar los procesos con mayor potencial de automatización y diseñar una ruta de implementación realista. Escríbenos y conversamos sin compromiso.
Fuentes y Referencias
OpenAI on OpenAI: Stacie Faggioli, Business Finance Officer Applications — OpenAI YouTube
✨ Contenido generado con ContentFlow — Consultoría-Ti