Las startups están poniendo a los agentes a trabajar en operaciones financieras principales, pero siguen siendo selectivas en cuanto a lo que les confían hacer.
Stripe entrevistó a fundadores y desarrolladores de ocho startups con respaldo de capital de riesgo, que van desde la etapa semilla hasta la Serie B, para comprender qué tareas las startups confían a los agentes, cuáles aún requieren aprobación humana y qué los haría sentirse cómodos para delegar más. Los participantes tenían una profunda experiencia práctica con la inteligencia artificial, ya sea usando agentes semanalmente para automatizar el trabajo de finanzas o lanzando productos de finanzas basadas en agentes para los clientes.
En todo el grupo, los participantes describieron el uso de agentes —muchos de ellos creados internamente con herramientas como Claude o Codex, o agentes listos para usar personalizados según 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 dinero de la empresa sin aprobación humana. Una transferencia bancaria 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 paga.
Antes de habilitar el movimiento de dinero mediante agentes, los participantes de nuestro estudio dijeron que los agentes deben ganar autoridad con el tiempo. Primero, los agentes deben demostrar que pueden procesar correctamente el contexto empresarial y preparar un trabajo preciso para la aprobación humana. A medida que aumenta la confianza, es más probable que los equipos autoricen acciones claramente definidas, como transferir fondos entre cuentas nombradas, pagar facturas aprobadas y convertir monedas dentro de los límites establecidos.
Esta guía detalla el trabajo que las startups delegan hoy en día y describe un camino hacia flujos de finanzas más autónomos para administrar y mover dinero.
Los agentes dan a las startups más capacidad para crecer
Los datos de Stripe Economics revelan que la inteligencia artificial brinda flexibilidad al decidir cuándo incorporar más personal. Cuando los agentes se encargan del trabajo recurrente de finanzas, como el procesamiento de documentos y la revisión de gastos, los fundadores pueden administrar operaciones financieras cada vez más sofisticadas antes de formar un equipo de finanzas.
La progresión de tres etapas hacia finanzas autónomas
Los fundadores de nuestro estudio afirmaron que estarían dispuestos a otorgar más responsabilidad a los agentes a medida que generen confianza en los resultados que estos producen. Esa delegación avanza a través de tres etapas en las que los agentes:
- Leen y analizan datos
- Preparan el trabajo para la confirmación humana
- Ejecutan transacciones de forma autónoma
Etapa 1: los agentes leen datos financieros y revelan información útil
Los fundadores de nuestro estudio usan agentes con mayor frecuencia para el trabajo de finanzas de solo lectura. Los agentes revelan información sobre la que puede actuar el equipo de finanzas: gastos inusuales, comprobantes faltantes, cambios en el flujo de caja, suscripciones duplicadas y modelos financieros actuales. En esta etapa, un error no mueve fondos ni cambia un registro financiero. Cada resultado útil se suma al historial de precisión del agente y respalda una mayor autoridad en la siguiente etapa.
Casos de uso comunes
- Hacer un seguimiento de los gastos y el consumo de fondos frente a los objetivos
- Analizar el flujo de caja y crear modelos de escenarios
- Marcar anomalías de gastos y comprobantes faltantes
- Analizar facturas y hacer coincidir transacciones en diferentes sistemas
Acción para los fundadores: prueba los primeros resultados con condiciones comerciales conocidas
Comienza con una tarea definida de solo lectura que se base en datos financieros relevantes y en el contexto empresarial. Otorga al agente solo los datos financieros y el contexto empresarial que necesita para la tarea. Luego, compara los primeros resultados del agente con las condiciones que el equipo ya comprende. Esto ayuda al agente a distinguir un problema real de un cambio esperado en la empresa.
Caso de uso: modelos listos para la junta en minutos
Los fundadores de nuestro estudio usan agentes para mantener actualizados el seguimiento de los NRR, los modelos de crecimiento y los escenarios de flujo de caja para las reuniones de la junta y la recaudación de fondos. El trabajo que antes consumía un fin de semana de actualizaciones de hojas de cálculo puede ejecutarse con datos financieros activos en minutos. El fundador de una startup de seguridad de la Serie A dijo: «Puedo generar informes de flujo de caja, consultas personalizadas y todo lo que quiera muy rápidamente, y no soy un CEO técnico. Esto ha sido un cambio enorme para mí».
Etapa 2: Los agentes preparan el trabajo financiero para la confirmación humana
Aquí, los agentes van más allá del análisis y preparan 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 se encarguen de trabajos de bajo riesgo, como la preparación de gastos o pagos, siempre y cuando una persona los apruebe antes de que el trabajo se active.
Casos de uso comunes
- Sugerir categorías de gastos para el libro mayor y coincidencias de conciliación entre sistemas
- Preparar los detalles de los proveedores y configurar los destinatarios de los pagos
- Elaborar ciclos de pago basados en facturas aprobadas, fechas de vencimiento y condiciones
- Proponer límites, controles y bloqueos de tarjetas para su revisión
- Generar asientos contables y materiales para la preparación de impuestos
Acción para los fundadores: crear un ciclo de retroalimentación para la revisión de los agentes
Usa las revisiones humanas para generar confianza en el agente con el paso del tiempo. Captura las correcciones para mejorar las sugerencias futuras y crear un historial de resultados confiables que puedan respaldar una mayor responsabilidad. Este ciclo de verificación también puede reducir el esfuerzo humano requerido para futuras revisiones.
Caso de uso: conciliación a escala
Un encuestado del sector de la tecnología de seguros usa un agente Claude Code para procesar más de 100 archivos PDF de las compañías de seguros con las que trabaja la empresa, incluidos los resúmenes mensuales de comisiones y facturación. El agente extrae datos de las facturas, relaciona los resúmenes de las compañías de seguros y respalda 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 la Serie B dijo: «La asignación directa de dinero nunca debería hacerla un ser humano; que la revise, por supuesto, pero debe ser automatizada. Todavía estamos haciendo conciliaciones manuales hasta que tengamos confianza. Pero una vez que lo hagamos, nos evitará tener que contratar a más personas».
Etapa 3: los agentes ejecutan acciones financieras dentro de las políticas
Esta es la etapa hacia la que apuntan las startups en este estudio: agentes que manejan trabajo recurrente e importante de finanzas sin que alguien apruebe cada paso del proceso. Llegar a ese punto requiere confianza, generada a través de miles de tareas y herramientas de los agentes que puedan controlar adecuadamente el acceso a los datos financieros que el agente necesita.
Es [la misma manera en que] desarrollas confianza con otro ser humano: cuanto más correct[amente] hace algo el agente, más confías en él.»
Casos de uso comunes
- Mover fondos entre cuentas aprobadas para mantener los saldos deseados
- Pagar facturas aprobadas según las reglas de monto, proveedor y plazos
- Convertir monedas cuando un saldo o una tarifa alcance un límite preaprobado
- Emitir y administrar tarjetas dentro de los controles de gastos predefinidos
- Iniciar reembolsos que cumplan con las reglas de elegibilidad y monto
- Admitir pagos de máquina a máquina y gastos delegados
Caso de uso: resolver solicitudes de reembolso elegibles
Dust, una plataforma de inteligencia artificial para crear y compartir agentes personalizados, ilustra cómo se puede ver esta etapa. Su agente interno de reembolso combina el contexto del cliente y la política de reembolso de la empresa con datos autorizados de Stripe a través del servidor del Stripe Model Context Protocol (MCP). El agente revisa el historial del cliente, valida el pago, aplica la política y activa un reembolso elegible en Stripe antes de redactar un correo electrónico de confirmación personalizado. Dust reduce el proceso de reembolso de aproximadamente una hora a segundos. «En lugar de ahogarse en un sinfín de tareas de bajo valor, los equipos logran maximizar el tiempo invertido en el trabajo crítico, y los clientes pueden sentirlo», dijo Nicolas Chinot, gerente general de EE. UU. en Dust.
Acción para los fundadores: ejecuta una prueba piloto para el movimiento de dinero con agentes
Una vez que un agente avance a través de las etapas 1 y 2, ejecuta pruebas piloto controladas de movimiento de dinero para validar sus capacidades. Comienza con transferencias nominales y únicas entre cuentas financieras internas y, luego, prueba las transacciones recurrentes o programadas. Registra cada acción que realiza y la política que lo permitió, y somete a prueba de resistencia las reglas de derivación para garantizar que se avise a una persona para que revise las excepciones y pueda pausar o revertir la transacción.
Cómo equilibrar el acceso y el control de los agentes
A medida que un agente asume más responsabilidad, necesita acceso a los datos financieros y las herramientas que le brindan contexto sobre cómo opera la empresa. Un registro de pago único, por ejemplo, no explica si un pico repentino en los gastos es una nueva iniciativa de crecimiento o un aumento en el precio del servicio. Los datos más amplios sobre los ingresos, los gastos e incluso la recaudación de fondos ayudan al agente a interpretar con precisión lo que significa ese pico.
Estos [agentes] no conocen tu arquitectura, no saben lo que sucede en Slack y no saben sobre este nuevo lanzamiento de producto que provocó un aumento en el gasto».
Para obtener esa vista completa, se requiere acceso a los sistemas donde residen los datos. Pero eso no significa otorgar a los agentes permisos amplios en cada uno de ellos. Por lo tanto, la infraestructura financiera basada en agentes debe hacer dos cosas: darles a los agentes el contexto que necesitan y darles a las startups un control preciso sobre lo que los agentes pueden acceder, preparar y ejecutar.
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 capacidades de administración de dinero a disposición de los agentes que elija la empresa, con controles claros sobre lo que dichos agentes pueden acceder y hacer.
Con Stripe MCP, las empresas pueden conectar herramientas de inteligencia artificial a la API de Stripe y a la documentación de Stripe. Stripe Financial Connections agrega de forma segura los saldos de las cuentas externas y los datos de las 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 administración de dinero. Los agentes pueden analizar datos financieros, mover fondos entre saldos admitidos de Stripe, crear destinatarios, enviar pagos y convertir monedas. Los permisos granulares controlan el acceso de los agentes, y las acciones que mueven dinero activo requieren confirmación humana de forma predeterminada.