Las startups están poniendo a los agentes a trabajar en las operaciones financieras principales, pero siguen siendo selectivas en cuanto a lo que confían a los agentes.
Stripe entrevistó a fundadores y desarrolladores de ocho startups respaldadas por capital riesgo, que iban desde la fase inicial hasta la Serie B, para entender qué tareas confían las startups que gestionen los agentes, cuáles requieren todavía aprobación humana y qué les haría sentirse cómodos delegando más. Los participantes tenían una profunda experiencia práctica con la IA, ya fuera utilizando agentes semanalmente para automatizar el trabajo financiero o lanzando productos financieros basados en agentes para sus clientes.
En todo el grupo, los participantes describieron el uso de agentes (muchos de ellos de creación propia utilizando herramientas como Claude o Codex o agentes listos para usar adaptados a sus necesidades) para automatizar el análisis de gastos, el modelado del flujo de caja, la conciliación de transacciones y la detección de anomalías. Sin embargo, ninguno había autorizado a un agente a mover el dinero de la empresa sin aprobación humana. Una transferencia incorrecta puede inmovilizar el efectivo operativo o interrumpir un servicio del que dependen los clientes. Un error en la nómina puede dejar a los empleados sin cobrar.
Antes de habilitar el movimiento de dinero basado en agentes, los participantes de nuestro estudio afirmaron que los agentes deben ganarse la autoridad con el tiempo. Primero, los agentes tienen que demostrar que pueden procesar correctamente el contexto de la empresa y preparar un trabajo preciso para su aprobación humana. A medida que aumenta la confianza, los equipos son más propensos a autorizar acciones claramente definidas, como la transferencia de fondos entre cuentas designadas, el pago de facturas aprobadas y la conversión de divisas dentro de unos límites establecidos.
Esta guía detalla el trabajo que las startups delegan en la actualidad y traza el camino hacia flujos financieros más autónomos para gestionar y mover el dinero.
Los agentes ofrecen a las startups más capacidad de crecimiento
Los datos de Stripe Economics indican que la IA aporta flexibilidad a la hora de decidir cuándo ampliar la plantilla. Cuando los agentes se encargan de tareas financieras recurrentes, como el procesamiento de documentos y la revisión de gastos, los fundadores pueden gestionar operaciones financieras cada vez más sofisticadas antes de crear un equipo financiero.
La progresión en tres etapas hacia las finanzas autónomas
Los fundadores de nuestro estudio afirmaron que estarían dispuestos a dar más responsabilidad a los agentes a medida que adquirieran confianza en el rendimiento de los mismos. Esa delegación avanza a través de tres etapas en las que los agentes:
- Leen y analizan datos
- Preparan el trabajo para su confirmación humana
- Ejecutan transacciones de forma autónoma
Etapa 1: Los agentes leen los datos financieros y extraen información de valor
Los fundadores de nuestro estudio utilizan agentes con mayor frecuencia para trabajos financieros de solo lectura. Los agentes sacan a la luz información sobre la que el equipo financiero puede actuar: gastos inusuales, recibos que faltan, cambios en el flujo de caja, suscripciones duplicadas y modelos financieros actuales. En esta etapa, un error no mueve fondos ni altera un registro financiero. Cada resultado útil se suma al historial de precisión del agente y avala una mayor autoridad en la etapa siguiente.
Casos de uso habituales
- Seguimiento de los gastos y el consumo de fondos en función de los objetivos
- Análisis del flujo de caja y creación de modelos de situaciones
- Detección de anomalías de gasto y recibos faltantes
- Análisis sintáctico de facturas y asociación de transacciones en distintos sistemas
Acción para los fundadores: Prueba los primeros resultados en situaciones de la empresa conocidas
Empieza con una tarea definida de solo lectura que se base en datos financieros relevantes y en el contexto de la empresa. Proporciona al agente solo los datos financieros y el contexto de la empresa que necesite para la tarea. A continuación, compara los primeros resultados del agente con situaciones que el equipo ya comprende. Esto ayuda al agente a distinguir un problema real de un cambio previsto en la empresa.
Caso de uso: Modelos listos para el consejo en cuestión de minutos
Los fundadores de nuestro estudio utilizan agentes para mantener al día el seguimiento de NRR, los modelos de crecimiento y las situaciones de flujo de caja para las reuniones del consejo de administración y la recaudación de fondos. El trabajo que antes consumía un fin de semana de actualizaciones de hojas de cálculo puede ejecutarse ahora con datos financieros reales en cuestión de minutos. El fundador de una startup de seguridad de Serie A afirmó: «Puedo generar informes de flujo de caja, consultas personalizadas y todo lo que quiera con gran rapidez, y no soy un CEO técnico. Esto ha supuesto un enorme cambio radical para mí».
Fase 2: Los agentes preparan el trabajo financiero para su confirmación humana
Aquí, los agentes van más allá del análisis y preparan los registros financieros o ponen acciones en cola para que un humano las revise y apruebe. La mayoría de las startups de nuestro estudio se sienten cómodas al permitir que los agentes gestionen tareas de bajo riesgo, como preparar gastos o pagos, siempre que una persona dé el visto bueno antes de que el trabajo se active.
Casos de uso habituales
- Sugerir categorías de gastos para el libro mayor y coincidencias de conciliación entre sistemas
- Preparar la información de los proveedores y configurar los destinatarios de los pagos
- Crear borradores de remesas de pago en función de las facturas aprobadas, las fechas de vencimiento y las condiciones
- Proponer límites, controles y bloqueos de tarjeta para su revisión
- Generar asientos contables y materiales para la preparación de impuestos
Acción para fundadores: Crea un ciclo de comentarios para la revisión del agente
Usa las revisiones humanas para generar confianza en el agente con el tiempo. Registra las correcciones para mejorar las sugerencias futuras y crea un historial de resultados fiables que pueda respaldar una mayor responsabilidad. Este ciclo de verificación también puede reducir el esfuerzo humano necesario para las revisiones futuras.
Caso de uso: Conciliación a escala
Un encuestado del sector de la tecnología de seguros utiliza un agente Claude Code para procesar más de 100 PDF de las compañías de seguros con las que trabaja la empresa, incluidos los extractos mensuales de comisiones y facturación. El agente extrae los datos de las facturas, asocia los extractos de las compañías de seguros y da soporte a la conciliación en distintos sistemas, tareas que antes requerían de uno a dos empleados a tiempo completo. El director de operaciones de una startup de Serie B afirmó: «La asociación directa de dinero nunca debería tocarla un humano, sino que debería estar automatizada, aunque, por supuesto, bajo revisión. Seguimos haciendo conciliaciones manuales hasta que tengamos confianza. Pero una vez la tengamos, nos ahorrará tener que contratar personal».
Etapa 3: Los agentes ejecutan acciones financieras dentro de las políticas
Hacia esta etapa avanzan las startups de este estudio: agentes que se encarguen de trabajos financieros importantes pero recurrentes sin que alguien apruebe cada paso del camino. Llegar hasta ahí exige una confianza forjada a lo largo de miles de tareas basadas en agentes y herramientas que puedan controlar adecuadamente el acceso a los datos financieros que necesita el agente.
Es [de la misma forma que] desarrollas confianza con otro humano: cuanto más correct[amente] hace algo el agente, más confías en él».
Casos de uso habituales
- Mover fondos entre cuentas aprobadas para mantener los saldos objetivo
- Pagar facturas aprobadas dentro de las reglas de importe, proveedor y plazos
- Convertir divisas cuando un saldo o tipo alcance un límite preaprobado
- Emitir y gestionar tarjetas dentro de controles de gasto predefinidos
- Iniciar reembolsos que cumplan las reglas de idoneidad e importe
- Dar soporte a pagos entre máquinas y gastos delegados
Caso de uso: Resolución de solicitudes de reembolso idóneas
Dust, una plataforma de IA para crear y compartir agentes personalizados, ilustra cómo puede ser esta etapa. Su agente interno de reembolsos combina el contexto del cliente y la política de reembolso de la empresa con los datos autorizados de Stripe a través del servidor del protocolo de contexto del modelo (MCP) de Stripe. El agente revisa el historial del cliente, valida el pago, aplica la política y activa un reembolso idóneo en Stripe antes de redactar un correo electrónico de confirmación personalizado. Dust reduce el proceso de reembolso de alrededor de una hora a segundos. «En lugar de ahogarse en una larga lista de tareas de poco valor, los equipos pueden maximizar el tiempo dedicado a trabajos críticos, y los clientes pueden notarlo», afirmó Nicolas Chinot, director general en EE. UU. de Dust.
Acción para los fundadores: Ejecuta un piloto para el movimiento de dinero basado en agentes
Una vez que un agente avance por las etapas 1 y 2, ejecuta pilotos controlados de movimiento de dinero para validar sus capacidades. Empieza con transferencias puntuales nominales entre cuentas financieras internas y, a continuación, prueba con transacciones recurrentes o programadas. Registra cada acción que realice y la política que la permitió, y pon a prueba las reglas de derivación para garantizar que se avise a un humano para que revise las excepciones y pueda pausar o anular la transacción.
Cómo equilibrar el acceso y el control para los agentes
A medida que un agente asume más responsabilidades, necesita acceder a los datos financieros y a las herramientas que proporcionan contexto sobre cómo opera la empresa. Un solo registro de pago, por ejemplo, no explica si un pico repentino de gastos es una nueva iniciativa de crecimiento o un aumento del precio de los servicios. Disponer de datos más amplios sobre ingresos, gastos e incluso recaudación de fondos ayuda al agente a interpretar con precisión lo que significa ese pico.
Estos [agentes] no conocen tu arquitectura, no saben lo que pasa en Slack ni están al tanto de este nuevo lanzamiento de producto que provocó un aumento de un gasto».
Para obtener esa vista completa es necesario acceder a los sistemas en los que residen los datos. Pero eso no significa conceder a los agentes permisos amplios en cada uno de ellos. Por tanto, la infraestructura financiera de agentes debe hacer dos cosas: proporcionar a los agentes el contexto que necesitan y ofrecer a las startups un control preciso sobre a qué pueden acceder, qué pueden preparar y qué pueden ejecutar los agentes.
Cómo impulsa Stripe las finanzas basadas en agentes
La mayoría de las startups están creando agentes en torno a sus propias herramientas, datos y procesos. Stripe pone los datos financieros y las funcionalidades de gestión del dinero a disposición de los agentes que elija la empresa, con controles claros sobre a qué pueden acceder y qué pueden hacer esos agentes.
Con Stripe MCP, las empresas pueden conectar herramientas de IA a la API de Stripe, así como a la documentación de Stripe. Stripe Financial Connections añade de forma segura los saldos de cuentas externas y los datos de transacciones. Stripe también está desarrollando soporte para flujos de trabajo de agentes a través de Stripe CLI y Stripe Console, nuestro asistente integrado en el Dashboard.
Stripe Treasury for agents amplía estos flujos de trabajo a la gestión del dinero. Los agentes pueden analizar datos financieros, mover fondos entre saldos de Stripe compatibles, crear destinatarios, enviar pagos y convertir divisas. Los permisos granulares controlan el acceso de los agentes, y las acciones que mueven dinero real requieren confirmación humana por defecto.