Análisis de rentabilidad de activos con ChatGPT

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 30-45 minutos tendras:

✓ Cálculo estandarizado de yield para su cartera
✓ Análisis de sensibilidad y riesgo por activo
✓ Plan operativo para mejorar rentabilidad y seguimiento KPI

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Lista de activos con series históricas de ingresos y valores (CSV o tabla).

Obligatorio Decisión sobre el nivel de confidencialidad: datos subidos a la nube o agregados/anónimos.

Recomendado Tasa libre de riesgo y supuestos macro (inflación, tipo de descuento).

Recomendado Acceso a experiencia interna (controller o responsable de activos) para validar supuestos.

Transferencia internacional de datos: ChatGPT procesa datos en servidores externos. Sin acuerdo de procesamiento de datos (DPA) firmado, no introduzcas datos personales, financieros confidenciales ni datos especialmente protegidos. Verifica con tu departamento legal o IT antes de usar datos reales de tu empresa.

El caso

HidraEnergía S.A., sector generación eléctrica — el problema real

HidraEnergía necesita comparar la rentabilidad real de plantas hidráulicas y contratos PPA, pero sus datos son sensibles y están distribuidos entre sistemas internos. No existe un formato estándar para comparar yields por activo.

Con ChatGPT y el prompt de este tutorial, puede resolver este reto en 30-45 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

ChatGPT
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: ChatGPT es eficaz para transformar instrucciones financieras en cálculos reproducibles y explicables, estructurar resultados y redactar recomendaciones ejecutivas. Su capacidad para aplicar plantillas, revisar supuestos y generar tablas y pasos operativos acelera decisiones directivas.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Necesita comparar rentabilidades entre distintos tipos de activos rápidamente Dispone de datos internos que puede anonimizar o procesar localmente Quiere un entregable ejecutivo listo para Comité de Dirección	Los cálculos exigen modelos regulatorios complejos que requieren simuladores especializados Los datos son incompletos y no se pueden complementar; faltan series temporales mínimas Requiere auditoría financiera formal con certificación externa inmediata

Paso 01

Preparar y validar datos

Estandarice las fuentes: importe ingresos, costes directos asignados al activo, valores contables o de mercado y periodos. Validar evita sesgos y errores en el cálculo del yield.

1
Consolidar series por activo Reúna en una tabla única por activo las columnas: fecha, ingreso bruto, coste directo, valor del activo, categoría y moneda. Esto facilita cálculos homogéneos y auditoría.
2
Comprobar calidad y rellenar vacíos Detecte datos faltantes y decida: interpolar series cuando falten pocos puntos o marcar activos con datos insuficientes para exclusión del análisis.
3
Definir supuesto base Fije horizonte temporal, frecuencia (mensual/trimestral), tasa libre de riesgo y método de ajuste por inflación. Documentar supuestos permite reproducibilidad.

Checkpoint: Una tabla por activo con series limpias, columnas estandarizadas y supuestos documentados.

Paso 02

Seleccionar metodología de yield

Elija la fórmula de rentabilidad adecuada: yield contable, yield económico o yield ajustado por riesgo. La elección afecta la comparabilidad entre activos.

1
Definir métricas principales Especifique si reporta: yield = ingresos netos / valor del activo; yield ajustado por coste de capital; o yield anualizado. Explique alcance y limitaciones de cada métrica.
2
Establecer benchmarks Seleccione índices de referencia o benchmarks internos para comparar yields por clase de activo o línea de negocio, permitiendo identificar desviaciones.
3
Planificar análisis de sensibilidad Defina escenarios (base, optimista, adverso) variando ingreso, coste y tasa de descuento para medir robustez del yield.

Checkpoint: Metodología formalizada y aceptada por finanzas con benchmarks y escenarios definidos.

Paso 03

Ejecutar el prompt principal

Este es el prompt central del tutorial. Cópialo completo, rellena las variables entre corchetes con los datos de tu empresa o situación, y envíalo.

1
Copia el prompt completo Selecciona todo el texto del prompt y cópialo. No modifiques la estructura — está diseñado para obtener el output más útil posible.
2
Rellena las variables entre corchetes Sustituye cada [VARIABLE] con información real de tu empresa. Cuanto más específico seas, mejor será el output.
3
Envía el prompt y espera la respuesta Pega el prompt en el chat y envíalo. El modelo puede tardar entre 10 y 60 segundos dependiendo de la complejidad.

Variables del prompt — sustituye cada [VARIABLE] con datos reales

[COMPANY]Nombre de la empresa que solicita el análisis (p. ej. 'HidraEnergía S.A.').

[CONFIDENTIALITY_LEVEL]Seleccione 'ALTA_LOCAL', 'MEDIA_ANON' o 'BAJA_CLOUD' para determinar la ruta de procesamiento.

Prompt principal — Análisis de Rentabilidad (Yield) Eres un analista financiero ejecutivo. Tu tarea es generar un informe accionable sobre la rentabilidad (yield) de los activos indicados, teniendo en cuenta el nivel de confidencialidad definido. Responde en español y entrega un output estructurado y ejecutivo. Datos y variables: - Empresa: [COMPANY] - Lista de activos y sus series: [ASSET_LIST] (formato: activo | fecha | ingreso_bruto | coste_directo | valor_activo | moneda) - Horizonte de análisis: [TIME_HORIZON] (ej. 3 años, datos mensuales) - Nivel de confidencialidad: [CONFIDENTIALITY_LEVEL] (OPCIONES: 'ALTA_LOCAL' procesar localmente y usar resumen; 'MEDIA_ANON' usar datos anonimizados; 'BAJA_CLOUD' datos subidos y procesados en la nube) - Moneda de reporte: [CURRENCY] - Tasa libre de riesgo: [RISK_FREE_RATE] - Tasa de inflación esperada: [EXPECTED_INFLATION] Instrucciones: 1) Validación de datos: liste inconsistencias detectadas en [ASSET_LIST] (fechas faltantes, ingresos negativos, valores nulos) y proponga reglas de limpieza. Si CONFIDENTIALITY_LEVEL es 'ALTA_LOCAL' indique exactamente los pasos para calcular localmente (scripts o fórmulas) sin pedir datos sensibles en la respuesta; genere plantillas y fórmulas que se puedan ejecutar offline. Si es 'MEDIA_ANON' indique cómo anonimizar/agregar (agregar por cohortes, truncar identificadores) y luego proceda al análisis. 2) Métricas a calcular: para cada activo calcule yield simple (ingresos netos / valor_activo) anualizado, yield ajustado por coste de capital (si aplica) y una métrica de volatilidad de ingresos. Explique fórmula y supuestos. 3) Escenarios: genere tres escenarios (base, optimista, adverso) variando ingresos ±15% y costes ±10% por defecto; incluya sensibilidad del yield a variaciones de tasa de descuento ±1 punto. Muestre tablas comparativas y un gráfico esquemático descrito en texto. 4) Prioridad y recomendación: proponga una clasificación priorizada de activos para inversión, desinversión o mejora operativa, con criterios cuantitativos y umbrales. 5) Entregables operativos: redacte un resumen ejecutivo (máx. 300 palabras), una tabla CSV ejemplo con columnas requeridas, un dashboard KPI mínimo (qué métricas y visualizaciones), y un plan de 90 días con responsables y entregables. Formato de salida exigido: - Resumen ejecutivo - Validación y reglas de limpieza - Tabla de métricas por activo (con fórmulas) - Escenarios y sensibilidad - Prioridad y recomendaciones (con responsables y KPIs) - Plantilla CSV ejemplo - Plan de 90 días Sea conciso en el resumen, exhaustivo en las tablas y práctico en las recomendaciones. Si faltan datos críticos, indique exactamente qué campos y formato faltan y cómo obtenerlos.

Checkpoint: El modelo ha respondido con un output estructurado que incluye las secciones solicitadas en el prompt.

Paso 04

Iterar y convertir en plan operativo

Refine resultados y transforme el análisis en acciones operativas y KPIs medibles. Ajuste supuestos y prepare entregables para diferentes audiencias.

1
Refinar supuestos críticos Pida al modelo recalcular escenarios si cambian tasas, inflación o horizonte. Compare efectos en yield y en recomendación de priorización.
2
Generar entregables ejecutivos Solicite un ejecutivo de una página, una tabla de priorización y un plan de 90 días con responsables y métricas clave.

Checkpoint: Documento final con recomendaciones accionables, responsables y KPIs listos para presentar al Comité de Dirección.

Iteracion

Prompts para refinar el output

Estos son los ajustes mas frecuentes que se piden despues del primer output. Copialos directamente en el chat:

Hacer el output más específico

cuando el output es demasiado genérico. "Revisa el informe anterior y reemplaza recomendaciones genéricas por acciones concretas con plazos y responsables. Para cada activo priorizado, añade una acción operativa específica, un responsable interno [NOMBRE_RESPONSABLE] y un KPI cuantificable con objetivo a 90 días."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Reformula el análisis para un público técnico/operativo: incluye fórmulas paso a paso, columnas calculadas exactas en pseudo-código o Excel, y un ejemplo numérico completo para el activo [NOMBRE_ACTIVO]."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe el resumen ejecutivo con tono más formal y directo para el Comité de Dirección, usando lenguaje de alto nivel y priorizando decisiones estratégicas. Mantén las tablas técnicas como anexos."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Genera una página de resumen ejecutivo (máx. 300 palabras) que incluya la clasificación de activos por prioridad, tres recomendaciones clave y el impacto financiero estimado (EUR) en 12 meses. Añade un cuadro con 3 KPIs que el Comité debe monitorear."

Resultado

Que vas a obtener

Este es el tipo de output que genera ChatGPT con el prompt de este tutorial. El contenido varia segun tu empresa y situacion, pero la estructura es siempre esta:

Ejemplo de output — HidraEnergía S.A., sector generación eléctrica

Estructura del output

El output debe incluir un resumen ejecutivo, validación de datos, una tabla de métricas por activo con fórmulas, escenarios y sensibilidad, priorización con recomendaciones operativas, plantilla CSV y plan de 90 días. Cada bloque debe ser autocontenido y accionable.

Senales de un buen output

Resumen ejecutivo claro y de máximo 300 palabras
Tablas con fórmulas y ejemplo numérico por activo
Escenarios cuantificados con sensibilidad a supuestos clave
Plan operativo con responsables y KPIs medibles

Senal de que el output es bueno: El informe permite decidir la próxima acción (invertir, mejorar o desinvertir) para cada activo con una estimación de impacto y responsables asignados.

Costes

Inversion y retorno

20$ ChatGPT Plus / mes

20 min Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: El análisis automatizado reduce la carga manual de consolidación y cálculo, acelerando decisiones que pueden mejorar el rendimiento del portafolio. Incluso con un coste mensual moderado, el ahorro en tiempo del equipo financiero y la mejora en la asignación de capital suelen justificar la inversión en la primera trimestre.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
El modelo devuelve yields inconsistentes entre activos	Diferentes definiciones de 'valor_activo' o periodos no armonizados	Revisar y unificar la columna 'valor_activo' (contable vs mercado) y normalizar la frecuencia temporal antes de reejecutar.
Faltan filas o hay fechas duplicadas en la tabla	Errores de extracción/ETL o concatenación incorrecta de fuentes	Aplicar deduplicación por (activo, fecha) y auditar el proceso ETL; reimportar datos limpios.
El modelo solicita datos confidenciales que no quiere compartir	Nivel de confidencialidad mal configurado en el prompt	Cambiar [CONFIDENTIALITY_LEVEL] a 'ALTA_LOCAL' y pedir al modelo que devuelva solo plantillas y fórmulas para ejecutar localmente.
Resultados demasiado optimistas en escenario base	Supuestos de ingresos o costes no realistas o falta de ajuste por inflación	Revisar supuestos, incorporar inflación [EXPECTED_INFLATION] y validar con históricos; recalcular escenarios.
Salida sin formato tabular claro	Prompt no solicitó explícitamente tablas o CSV	Solicitar específicamente 'entregar tabla CSV con columnas: ...' y reejecutar con el prompt de iteración para detalle técnico.

Modo avanzado

Como hacer este tutorial con ChatGPT en modo avanzado

El modo agente permite orquestar pasos técnicos adicionales: ejecutar scripts locales, integrar datos de fuentes enlazadas y realizar cálculos iterativos. Use el agente para automatizar la validación de datos y la generación de tablas si dispone de conectores o un entorno de ejecución.

Modo avanzado

Flujo de trabajo avanzado

1
Conectar el agente a la fuente de datos (SFTP, base de datos o almacenamiento en la nube) con credenciales seguras.
2
Ejecutar scripts de limpieza y normalización predefinidos que generan la tabla unificada por activo.
3
Solicitar al agente que aplique el prompt principal sobre los datos ya procesados y genere salidas en CSV y PDF.
4
Configurar alertas y un cron job para recalcular el análisis mensualmente y enviar un resumen ejecutivo al Comité.

Actúa como agente automatizador para análisis de yield. Paso 1: conecta a la fuente [DATA_SOURCE] con credenciales seguras y descarga los ficheros [FILE_PATH]. Paso 2: ejecuta limpieza: unir por 'activo' y 'fecha', eliminar duplicados, interpolar faltantes menores a 2 periodos y normalizar moneda a [CURRENCY] usando la tasa [FX_RATE]. Paso 3: calcula las métricas definidas en el prompt maestro (yield, yield ajustado, volatilidad) y genera tres escenarios. Paso 4: exporta resultados a /output/[COMPANY]_yield_report.csv y genera un resumen ejecutivo en /output/[COMPANY]_yield_summary.pdf. Reporta fallos y confirma completitud de datos.

Cuando usar el modo avanzado en este tutorial: Valioso cuando los datos están distribuidos en múltiples fuentes internas y se requiere un flujo reproducible y automatizado que ejecute limpieza, cálculo y entrega periódica.

Siguiente paso

Que hacer ahora?

Ahora que has completado este tutorial, hay dos caminos naturales:

Tutorial relacionado · ChatGPT

Explorar mas tutoriales de ChatGPT

Descubre otros casos de uso de ChatGPT para directivos en diferentes funciones y sectores.

Biblioteca completa

Ver todos los tutoriales

Explora los tutoriales del programa organizados por herramienta, funcion y nivel de dificultad.

Para sacarle mas partido: Después de obtener el informe, implemente un dashboard piloto con 3 KPIs (yield promedio, variación mensual y número de activos por categoría) y controle durante 90 días para validar recomendaciones antes de redimensionar inversiones.

Alternativa segura

Puedo hacer esto sin que mis datos salgan de la empresa?

Si. Este caso de uso trabaja con datos que, por su naturaleza confidencial, estrategica o regulada, son candidatos optimos para ejecutarse con un modelo de lenguaje open source desplegado en infraestructura propia (on-premises o nube privada). Con esta configuracion, ningun dato abandona nunca los servidores de tu organizacion y el modelo no puede ser entrenado con tu informacion.

Modelos recomendados

Llama 3.3 70B — Ideal para analisis de documentos largos y generacion de texto estructurado (contexto 128K tokens).

Mistral Large 2 — Excelente para extraccion de informacion y clasificacion con alta precision.

Qwen 2.5 72B — Especialmente potente para analisis de datos tabulares y financieros.

Plataformas de despliegue

Ollama — Para equipos pequenos o uso individual en hardware propio.

vLLM — Para entornos de produccion con multiples usuarios simultaneos.

LM Studio — Para pruebas y uso individual sin configuracion de servidor.

Infraestructura minima

Para un modelo de 70B parametros en produccion:

GPU: 2x NVIDIA A100 40GB o 4x RTX 4090.

RAM: 128GB minimo.

Alternativa cloud privada: AWS Private Cloud, Azure Government o Google Cloud Confidential Computing.

Garantia de privacidad: Con un modelo on-premises correctamente configurado, los datos nunca salen de tu red corporativa, el modelo no se entrena con tu informacion, no hay transferencia internacional de datos y el cumplimiento normativo es total incluso para datos del art. 9 RGPD.

Necesitas implementar esta solucion en tu organizacion?

La configuracion de modelos open source on-premises requiere un proveedor tecnico especializado. Agere puede ayudarte a desplegar esta solucion en tu infraestructura de forma segura, con garantias legales y sin que tus datos salgan nunca de tu organizacion.

Contactar con Agere Conocer Agere