ChatGPT para finanzas: ejemplos, prompts y controles

Este ejemplo ficticio utiliza miles de euros. Los gastos se presentan como importes positivos; el saldo es una diferencia simplificada, no un EBITDA contable.

Prompt para adaptar:

A partir de esta tabla ficticia en k€, redacta un comentario de 120 palabras como máximo. Utiliza las desviaciones calculadas. Distingue hechos, hipótesis y preguntas. No inventes ninguna causa ni dato ausente. Termina con dos preguntas para el responsable comercial y el responsable de gastos.

Resultado esperado: constatar que la caída de ingresos y el aumento de gastos reducen el saldo. Una pérdida de cliente, un incremento salarial o la estacionalidad deben seguir siendo hipótesis hasta documentarlos. Un porcentaje con presupuesto cero debe indicarse como no calculable.

El modelo de datos y los controles previos se describen en la guía de reporting automatizado.

Indica el tipo de documento esperado, el periodo y el motivo exacto del rechazo. Retira los identificadores innecesarios antes de probar. El caso Armanino publicado por Anthropic describe una herramienta para redactar explicaciones cuando un documento de auditoría es incorrecto.

Redacta una solicitud cortés de menos de 100 palabras. Documento recibido: balance de sumas y saldos de junio. Documento esperado: balance de julio después del cierre. Explica la diferencia y precisa el documento que debe enviarse. No añadas importes, plazos ni compromisos no facilitados.

Verifica destinatario, documento y periodo antes del envío. El borrador no debe activar automáticamente un recordatorio. El detalle del caso y sus límites distingue la herramienta implantada de los beneficios estimados por el editor.

Trabaja sobre una versión validada del reporting, con acceso autorizado. Define la decisión que se prepara: contratación, financiación o prioridades de gasto.

A partir únicamente de los indicadores y comentarios facilitados, propón cinco preguntas que podría plantear un consejero. Para cada una, cita la fila o el pasaje que la motiva, precisa la información ausente y distingue riesgo observado e hipótesis. No recomiendes ninguna decisión sin los datos necesarios.

Contrasta las preguntas con la previsión de tesorería. Una rentabilidad positiva no excluye una necesidad de financiación a corto plazo.

Sí: la documentación de OpenAI sobre análisis de datos describe el análisis de archivos y el uso de código. Distingue texto generado de cálculo ejecutado por una herramienta. Pide el código o las fórmulas, las columnas utilizadas y las exclusiones.

Comprueba por separado totales, signos, monedas, filas vacías y duplicados. Repite el cálculo en Excel, un script controlado o BI. La presencia de código no valida hipótesis ni calidad del archivo. No delegues la firma de cuentas, la aprobación de pagos o una decisión fiscal en la respuesta del modelo.

Empieza con datos ficticios o públicos. Para los datos internos, la empresa debe autorizar la herramienta, sus accesos y la finalidad del tratamiento. Retirar un nombre no siempre anonimiza un archivo: importes, fechas y cargos pueden identificar a una persona.

OpenAI documenta que los datos de Business, Enterprise y API no se usan por defecto para entrenar modelos. Esto no significa ausencia de conservación ni permiso para transmitir cualquier documento. Comprueba derechos, retención, conectores y condiciones contractuales. La validación del DPO o responsable de seguridad depende del contexto de la empresa.

Incluye en tu política usos autorizados, datos excluidos, responsable de revisión y actuación ante errores. Utiliza nuestra guía de selección de LLM para comparar entornos con tus propios documentos.