IA aplicadaActualizado el 10 min de lectura
Conciliación con IA: banco, pasarelas e inventario

En este artículo
- Las tres llaves: monto, fecha y referencia
- Qué hace bien la IA y qué no
- Paso a paso: la conciliación bancaria con IA
- Pasarelas de pago: el depósito nunca es la venta
- Inventario: lo que dice el sistema contra lo que hay
- Tabla de diferencias típicas
- Los controles que no se negocian
- Cuándo no conviene usar IA para conciliar
- Cuando las mismas diferencias vuelven cada mes
Ejemplo ilustrativo: una empresa recibe al mes 420 movimientos en el banco, 900 cobros por la pasarela de pagos y 150 facturas a crédito. Una persona dedica los tres primeros días del mes a ponerlos lado a lado en una hoja y marcar con color lo que cuadra. Casi todo cuadra. El trabajo real está en las 30 o 40 líneas que no.
Ahí entra la IA: no para «hacer la conciliación», sino para quitarte de encima las 1.400 líneas que cuadran y dejarte solo las que no, con una explicación probable al lado.
Las tres llaves: monto, fecha y referencia
Toda conciliación, sea de banco, de pasarela o de inventario, es lo mismo: dos listas que deberían decir lo mismo y no lo dicen. Para saber si una línea de una lista es la misma que una de la otra, usas tres llaves.
- Monto: el valor exacto, o el valor neto si en el camino hubo una comisión o una retención.
- Fecha: la del movimiento, con una ventana de tolerancia. Un pago del viernes puede aparecer en el banco el lunes.
- Referencia: número de factura, de pedido, de transacción, nombre o documento del cliente. Es la llave más fuerte y la que más a menudo falta.
La regla: la IA puede emparejar con tres llaves sin preguntar, con dos propone y tú confirmas, y con una o ninguna la línea va a la lista de diferencias. Esa regla, escrita al principio de cada conciliación, es lo que separa un cruce rápido de un cruce que nadie puede revisar.
Si tus clientes pagan sin indicar la factura, ninguna IA va a adivinar con certeza. El primer arreglo casi siempre está en cómo se registra el dato, no en cómo se cruza.
Qué hace bien la IA y qué no
Un asistente de IA (ChatGPT, Claude, Copilot en Excel, Gemini en Sheets) es bueno leyendo archivos desordenados y encontrando parecidos. Es malo garantizando que una suma está bien y no sabe nada de tu negocio que no le hayas dicho. Reparte el trabajo así:
| Tarea | ¿La IA? | Por qué |
|---|---|---|
| Leer extractos en PDF o CSV con formatos distintos | Sí | Convierte columnas y fechas a un formato común en minutos |
| Emparejar por monto, fecha y referencia | Sí, con la regla de las tres llaves | Encuentra coincidencias aunque la referencia venga escrita distinto («FAC-0012» y «factura 12») |
| Proponer la causa de una diferencia | Sí, como hipótesis | Reconoce patrones: comisión, pago agrupado, devolución, cobro duplicado |
| Sumar y cuadrar totales | No sola | Los modelos de lenguaje pueden equivocarse en aritmética. Los totales se recalculan con fórmulas en la hoja |
| Decidir que una diferencia está resuelta | No | Es un juicio con consecuencias contables y de control; lo firma una persona |
| Registrar ajustes en el sistema contable o en el inventario | No | Quien ajusta no debe ser quien concilia, y menos una herramienta sin permisos definidos |
La parte de los errores humanos tampoco desaparece: si tus registros se digitaron a mano, ya traen errores antes de llegar al cruce. En laboratorio, digitar datos una sola vez y sin verificación automática dejó errores en cerca del 1 % de los valores (Barchard y Pace, 2011). La IA no corrige ese 1 %; lo convierte en diferencias que alguien tiene que mirar. La cuenta completa de ese costo está en cuánto cuesta copiar datos a mano.
Paso a paso: la conciliación bancaria con IA
Sirve para el banco y, con pocos cambios, para la pasarela. Trabaja sobre copias.
- Exporta las dos listas del mismo periodoEl extracto del banco en CSV o Excel (mejor que PDF) y tu registro de cobros y pagos del mismo mes. Anota los saldos inicial y final: son tu control.
- Quita lo que la IA no necesita verBorra números de cuenta completos, documentos de identidad y nombres de personas naturales si no hacen falta para emparejar. Usa una herramienta con plan empresarial cuya política diga que no entrena con tus datos.
- Pide el cruce con las tres llavesDale los dos archivos y el prompt de abajo. Pide como salida una tabla, no un párrafo: cada línea con su pareja, las llaves que coincidieron y una columna de estado.
- Recalcula en la hoja, no en el chatPega la tabla en tu hoja de cálculo y suma con fórmulas. Saldo del banco más depósitos en tránsito menos cheques o pagos pendientes debe dar el saldo de tus libros. Si no da, el cruce tiene un error, aunque el chat diga que todo cuadra.
- Revisa solo las diferencias y firmaUna persona revisa cada línea marcada como «propuesta» o «sin pareja», decide qué hacer y deja su nombre y la fecha. Los ajustes los registra alguien distinto, o al menos queda escrito quién los hizo.
El prompt
Cópialo y ajusta los nombres de las columnas: «Te doy dos archivos del mismo mes: A es el extracto bancario y B es nuestro registro de cobros y pagos. Empareja cada línea de A con una de B usando tres llaves: monto (exacto), fecha (tolerancia de 3 días hábiles) y referencia (número de factura, pedido o nombre del cliente, aunque esté escrito distinto). Devuelve una tabla con estas columnas: línea de A, línea de B, llaves que coinciden, estado (Emparejada si coinciden las tres, Propuesta si coinciden dos, Sin pareja si coincide una o ninguna) y causa probable solo para las que no están emparejadas. No sumes totales. Si no tienes información para explicar una diferencia, escribe «sin datos» en vez de suponer.»
Las dos últimas frases son las que importan: una te obliga a sumar en la hoja y la otra evita que la IA invente una explicación que suena bien.
Pasarelas de pago: el depósito nunca es la venta
La conciliación de una pasarela (la que cobra con tarjeta en tu tienda en línea o con enlace de pago) tiene una trampa: el dinero no llega venta por venta. La pasarela agrupa los cobros de uno o varios días, descuenta comisiones, reembolsos y contracargos, y deposita un solo valor neto, días después. Por eso el banco nunca coincide con tus ventas, aunque todo esté bien.
Ejemplo ilustrativo: el martes vendes 12 pedidos por US$1.840. La pasarela cobra una comisión de US$58, descuenta un reembolso de US$95 de la semana anterior y el jueves deposita US$1.687 en una sola línea. Si buscas US$1.840 en el banco, no lo encuentras.
La solución es conciliar en dos tramos. Primero, pedidos contra el reporte de la pasarela (cada venta tiene su cobro). Después, el reporte de liquidaciones o depósitos de la pasarela contra el banco (cada depósito tiene su línea). A la IA dale el reporte que desglosa cada depósito en cobros, comisiones y reembolsos, no el resumen del panel.
- Cada pedido pagado de la tienda tiene un cobro en la pasarela, y cada cobro tiene un pedido.
- Los reembolsos de la pasarela coinciden con devoluciones registradas en la tienda y en el inventario.
- Las comisiones del mes coinciden con la tarifa pactada.
- Los contracargos abiertos están en una lista aparte, con fecha límite para responder.
Inventario: lo que dice el sistema contra lo que hay
Conciliar inventario es comparar el conteo físico con el saldo del sistema. En un estudio de casi 370.000 registros de inventario en 37 tiendas de un minorista de EE. UU., el 65 % no coincidía con lo que había en la tienda (DeHoratius y Raman, 2008).
Aquí la IA ayuda poco en el conteo y bastante en el análisis. Dale el conteo y el saldo del sistema, y pídele que agrupe las diferencias por producto, proveedor, bodega y tipo de movimiento. Si 8 de cada 10 diferencias vienen del mismo proveedor o de las mismas referencias con talla y color, ya sabes dónde mirar. Si las diferencias vienen de la venta en línea, revisa cómo evitar vender lo que no tienes.
- Congela los movimientos mientras cuentas, o anota la hora exacta de corte.
- Cuenta a ciegas: quien cuenta no ve el saldo del sistema.
- Revisa recepciones pendientes y despachos sin facturar antes de dar una diferencia por perdida.
- Aprueba los ajustes con una persona distinta de quien contó y deja escrito el motivo.
Tabla de diferencias típicas
Pon esta tabla junto al prompt. Si le das a la IA la lista de causas posibles, sus hipótesis mejoran y tú revisas más rápido.
| Diferencia | Cómo se ve | Causa habitual | Qué hacer |
|---|---|---|---|
| Depósito en tránsito | Está en tus libros y no en el banco | Cobro del último día que el banco registra después | Marcarlo y verificar que aparezca en los primeros días del mes siguiente |
| Comisión o cargo bancario | Está en el banco y no en tus libros | Cuota mensual de la cuenta, comisión por transferencia, intereses por sobregiro | Registrarlo con soporte del banco |
| Pago agrupado | Un depósito contra varias facturas | El cliente pagó tres facturas en una transferencia | Emparejar uno a varios; pedir al cliente el detalle si no viene |
| Pago parcial | El monto es menor que la factura | Abono, retención o descuento no registrado | Aplicar el abono y dejar el saldo abierto en cartera |
| Neto de pasarela | El depósito no coincide con ninguna venta | La pasarela descontó comisiones y reembolsos | Conciliar en dos tramos con el reporte de liquidaciones |
| Contracargo | Un débito de la pasarela sin reembolso tuyo | El cliente desconoció el pago ante su banco | Responder con pruebas de entrega antes del plazo |
| Error de digitación | Montos parecidos que no cuadran (1.250 contra 1.520) | Dígitos invertidos al registrar a mano | Corregir en el origen; si la diferencia es divisible por 9, sospecha de una inversión |
| Diferencia de inventario por referencia | Sobra una talla y falta otra del mismo producto | Se descontó la variante equivocada al vender | Ajustar las dos y revisar cómo se registra la venta |
Los controles que no se negocian
La conciliación es un control contra errores y contra fraudes. Más de la mitad de los 2.402 casos de fraude interno del estudio de 2026 de la ACFE ocurrió por falta de controles o porque alguien se los saltó, y el fraude típico duró 12 meses antes de descubrirse (ACFE, 2026). Si la IA acelera el cruce pero borra el control, perdiste.
- Quien concilia no es quien registra los cobros ni quien autoriza los pagos.
- Los saldos inicial y final cuadran con fórmulas en la hoja, no con lo que diga el chat.
- Cada diferencia cerrada tiene responsable, fecha y soporte.
- Las diferencias abiertas pasan al mes siguiente con su antigüedad, no se borran.
- Hay una regla escrita sobre qué datos se pueden subir a una herramienta de IA y a cuál.
- El dueño o el gerente revisa una muestra de emparejamientos automáticos cada mes.
Cuándo no conviene usar IA para conciliar
- Cuando tienes pocos movimientos. Con 40 líneas al mes, una hoja con BUSCARX y una hora de revisión es más rápida y más fácil de auditar.
- Cuando tu software contable ya concilia con reglas. Úsalas antes de añadir otra herramienta.
- Cuando no puedes quitar los datos sensibles y no tienes una herramienta con condiciones de privacidad claras.
- Cuando nadie va a revisar las diferencias. Un cruce que nadie mira es un control que solo existe en el papel.
- Cuando el problema es el origen. Si faltan referencias o los cobros se registran tarde, la IA te dará cada mes una lista larga de diferencias. Arregla primero dónde nace el dato.
Cuando las mismas diferencias vuelven cada mes
Pedidos sin cobro, cobros sin factura, ventas que no descuentan inventario: si se repiten, el problema no es la conciliación. Es que ventas, cartera e inventario viven en archivos que no se hablan. Cuando el pedido, el cobro y la salida de inventario quedan en el mismo sistema con la misma referencia, el cruce está hecho al vender. Lo que queda es lo que viene de fuera, el banco y la pasarela, y para eso bastan las tres llaves y una persona que firma. Si concilias por tus clientes, hay una guía de IA para firmas contables.
Fuentes
- Karbon, «State of AI in Accounting 2026» (encuesta a casi 600 profesionales contables), 2026 (se abre en una pestaña nueva)
- ACFE, «Key Findings from Occupational Fraud 2026: A Report to the Nations», 2026 (se abre en una pestaña nueva)
- Nicole DeHoratius y Ananth Raman, «Inventory Record Inaccuracy: An Empirical Analysis», Management Science 54(4), 2008 (se abre en una pestaña nueva)
- Barchard, K. A. y Pace, L. A., «Preventing human error: The impact of data entry methods on data accuracy and statistical results», Computers in Human Behavior 27(5), 2011 (se abre en una pestaña nueva)