Forecast de Tesorería Automático con ChatGPT

Antes de empezar

Lo que necesitas para completar este tutorial

Lo que conseguiras al terminar

Si sigues estos pasos, en 40-60 minutos tendras:

✓ Forecast semanal de tesorería a 13 semanas en Excel y CSV
✓ Gráfico de evolución y alertas por umbrales definidos
✓ Resumen ejecutivo y plan de acción para el CEO

Antes de empezar, asegurate de tener lo siguiente:

Obligatorio Acceso a ChatGPT Business con Code Interpreter activado y permisos para subir archivos.

Obligatorio Excel exportado desde el ERP con movimientos de cobros y pagos (columnas: Fecha, Importe, Tipo, Cuenta, Cliente/Proveedor).

Recomendado Saldo bancario actual y conciliación básica del último día hábil.

Recomendado Políticas de cobro y pago (plazos medios de cobro y pago) para validar supuestos.

Transferencia internacional de datos: IA 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

Industrias Vega Norte SL, sector fabricación y distribución de componentes industriales — el problema real

Ciclos de caja ajustados por variaciones estacionales y entregas de clientes con pagos retrasados. La dirección no dispone de un forecast confiable y actualizado con alertas tempranas para anticipar necesidades de liquidez.

Con IA y el prompt de este tutorial, puede resolver este reto en 40-60 minutos — sin conocimientos tecnicos previos.

Situacion real
Datos + contexto

→

IA
Prompt estructurado

→

Output ejecutivo
Listo para usar

Por que funciona: La IA puede limpiar y consolidar grandes volúmenes de datos transaccionales rápidamente, aplicar reglas y producir escenarios alternativos. Usar Code Interpreter permite ejecutar transformaciones y generar gráficos y ficheros descargables, acelerando la preparación de la información para la dirección.

Contexto

Cuando usar este tutorial

✓ Usalo cuando...	× No lo uses cuando...
Necesita un forecast operativo actualizado semanalmente para decisiones de liquidez Desea detectar alertas tempranas por déficit de caja y simular medidas correctoras Quiere reducir el tiempo de preparación del reporte semanal para el CEO	Cuando la empresa no cuenta con datos electrónicos de cobros/pagos (solo registros en papel) Para modelado financiero estratégico a 5 años (mejor usar un modelo FP&A dedicado) Si no tiene autorización para subir datos financieros a la plataforma

Paso 01

Preparar y validar los datos del ERP

Reúna los extractos del ERP: movimientos de cobro, movimientos de pago y saldo bancario. Validar estructura y consistencia evita errores en el forecast.

1
Exportar los Excel desde el ERP Genere archivos separados para cobros y pagos o un único extracto con columna 'Tipo' indicando COBRO/PAGO. Formato de fecha ISO (YYYY-MM-DD) y valores numéricos sin separadores de texto.
2
Revisar y limpiar columnas críticas Compruebe que existen las columnas Fecha, Importe, Tipo, Cuenta y Contrapartida (Cliente/Proveedor). Elimine filas duplicadas y verifique signos en importes (pagos negativos/positivos según convención).
3
Anotar supuestos y datos adicionales Prepare saldo inicial a la fecha de corte, moneda, días hábiles bancarios y umbrales de alerta. Documente políticas de cobro y pago que afecten proyecciones.

Checkpoint: Archivos Excel listos con columnas normalizadas y un saldo inicial verificado.

Paso 02

Subir archivos a ChatGPT Business (Code Interpreter)

Cargue los Excel al chat de Code Interpreter y describa brevemente el contenido. Esto permite que la IA acceda a los datos para transformarlos y analizarlos.

1
Subir cada archivo al chat Suba [ARCHIVO_COBRANZAS.xlsx] y [ARCHIVO_PAGOS.xlsx] (o [ARCHIVO_ERP.xlsx] si está consolidado). Use nombres claros para evitar confusión.
2
Confirmar hojas y rangos Indique la hoja y rango si no son obvios (por ejemplo: hoja 'Movimientos', rango A1:E5000).
3
Comunicar saldo inicial y moneda Especifique [SALDO_INICIAL] y [MONEDA] para que la IA calcule el flujo neto y el saldo proyectado semanal.

Checkpoint: Los archivos están accesibles en la sesión y ChatGPT reconoce columnas y formato.

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

[ARCHIVO_ERP.xlsx]Archivo Excel exportado del ERP con movimientos. Si son dos archivos, usar [ARCHIVO_COBRANZAS.xlsx] y [ARCHIVO_PAGOS.xlsx].

[SALDO_INICIAL]Saldo disponible en cuenta bancaria a la fecha de corte, en números y en la misma moneda.

[UMBRAL_ALERTA]Valor mínimo de caja que activa alertas (por ejemplo 10000 o 50000 según moneda).

Prompt principal — Forecast Tesorería con ChatGPT Eres un analista financiero automatizado con acceso a Code Interpreter. Procesa los archivos adjuntos y entrega un forecast de tesorería rolling a 13 semanas con salida ejecutiva y entregables descargables. Pasos y requisitos: 1) Cargar y reconocer los archivos [ARCHIVO_ERP.xlsx] (o [ARCHIVO_COBRANZAS.xlsx] y [ARCHIVO_PAGOS.xlsx]). Indica la hoja usada y columnas esperadas: Fecha (YYYY-MM-DD), Importe (número), Tipo (COBRO/PAGO), Cuenta, Contrapartida. 2) Validar datos y listar problemas detectados (fechas fuera de rango, valores nulos, duplicados). 3) Normalizar movimientos y agrupar por semana (lunes-domingo), sumar cobros y pagos semanales. 4) A partir de [SALDO_INICIAL] y [MONEDA], calcula el saldo semanal proyectado para 13 semanas a partir de la fecha de corte. 5) Genera alertas de riesgo cuando el saldo proyectado caiga por debajo de [UMBRAL_ALERTA] o disminuya más del [PORCENTAJE_CAIDA]% respecto a la semana anterior. Para cada alerta, sugiere 2 acciones operativas concretas (p. ej., renegociar plazos con proveedores X, acelerar facturación de cliente Y) y estima impacto en semanas. 6) Produce tres escenarios (mejor, esperado, peor) variando cobranzas y pagos ±15-30% y muestra la diferencia en semanas hasta el primer déficit. 7) Entrega los siguientes archivos y outputs: a) Tabla CSV/Excel con forecast semanal (Fecha_inicio_semana, Cobros, Pagos, Saldo_inicial, Flujo_neto, Saldo_proyectado) para 13 semanas; b) Gráfico PNG de línea con saldo proyectado para los 3 escenarios; c) Resumen ejecutivo en 6 bullets dirigido al CEO con conclusión y 3 recomendaciones priorizadas; d) Listado de alertas con causa, riesgo cuantificado y acción sugerida; e) Supuestos usados y variables sensibles; f) Código Python utilizado (limpio y comentado) y pasos para replicar localmente; g) Archivo Excel comprimido con la tabla y gráficos incrustados. Formato de entrega: primero muestra un breve diagnóstico de calidad de datos, luego la tabla de forecast en formato tabular dentro del chat, después las alertas, el gráfico (adjuntar PNG) y finalmente el resumen ejecutivo. Prioriza claridad ejecutiva y números concretos. Si detectas falta de datos críticos, pide explícitamente los siguientes datos en un listado claro. Usa [NOMBRE_EMPRESA] en el encabezado del informe y devuelve todas las cifras en [MONEDA].

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

Paso 04

Iterar y ajustar supuestos

Refina el forecast con escenarios y feedback de tesorería. Ajustar supuestos mejora la utilidad operativa del informe para el CEO.

1
Solicitar escenarios (mejor/esperado/peor) Pide que la IA genere tres escenarios variando cobranzas, pagos y plazos de 15-30% para medir sensibilidad.
2
Incorporar medidas mitigadoras Solicita propuestas concretas si aparecen alertas (negociar plazos, líneas de crédito, descuento de facturas) y su impacto estimado en semanas.

Checkpoint: Se dispone de al menos tres escenarios y un plan de mitigación con impacto cuantificado en el forecast.

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. "Detecto que el informe es genérico. Ajusta el forecast para que los nombres de cliente y proveedor críticos aparezcan en la lista de alertas y cuantifica el impacto por proveedor/cliente. Usa columnas 'Cliente' y 'Proveedor' y agrega el ID de factura cuando esté disponible."

Cambiar el nivel de detalle

cuando necesitas más o menos profundidad. "Genera dos versiones del informe: (A) Resumen ejecutivo de una página para el CEO (máx. 6 bullets) y (B) Informe operativo de 3 páginas con tablas de detalle por cuenta, aging de facturas y supuestos técnicos."

Adaptar el tono

cuando el tono no es el adecuado para tu audiencia. "Reescribe el resumen ejecutivo en tono formal y directo, orientado al CEO, con tres recomendaciones priorizadas y un KPI claro (semanas de caja). Mantén el resto de la salida técnica sin cambios."

Versión ejecutiva resumida

para compartir con el Comité de Dirección. "Resume el informe en 6 viñetas con: situación actual, riesgo principal, impacto en semanas, recomendación prioritaria, coste estimado de la medida, siguiente paso responsable (nombre del puesto)."

Resultado

Que vas a obtener

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

Ejemplo de output — Industrias Vega Norte SL, sector fabricación y distribución de componentes industriales

Estructura del output

El output debe incluir: 1) diagnóstico de calidad de datos; 2) tabla de forecast semanal a 13 semanas (CSV/Excel); 3) alertas detalladas con acciones; 4) gráficos PNG de escenarios; 5) resumen ejecutivo de 6 bullets; 6) código Python y archivos descargables. Debe ser fácil exportar y presentar al CEO.

Senales de un buen output

La tabla contiene 13 filas semanales con columnas completas (Saldo_inicial, Cobros, Pagos, Flujo_neto, Saldo_proyectado)
El gráfico muestra las tres curvas de escenario y está adjunto como PNG
Las alertas están justificadas con causa y una acción priorizada con impacto cuantificado
El resumen ejecutivo presenta conclusiones claras y medidas concretas para 48-72 horas

Senal de que el output es bueno: Saldo proyectado y alertas con acciones cuantificadas y entregables descargables (Excel + PNG).

Costes

Inversion y retorno

Precio según plan empresarial; sin coste adicional por ejecución en ChatGPT Business ChatGPT Business (Plan corporativo)

30-60 min por ejecución (incluye subida de archivos y validación) Por ejecucion del tutorial

∞ Reutilizaciones del prompt

ROI: Automatizar el forecast reduce tiempo de preparación semanal (de varias horas a minutos) y mejora la detección temprana de falta de liquidez, lo que evita costes financieros por líneas de crédito de emergencia. Para una mediana empresa, prevenir una necesidad de crédito urgente puede ahorrar múltiples miles de euros al año.

Errores frecuentes

Que hacer cuando algo no funciona

Sintoma	Causa probable	Solucion exacta
La IA indica columnas faltantes o errores de formato	Exportación del ERP con nombres de columna no estándar o formatos de fecha no reconocidos	Renombrar columnas a Fecha, Importe, Tipo, Cuenta y Contrapartida; convertir fechas a YYYY-MM-DD y volver a subir el archivo.
Saldos proyectados irreales (ej. saltos abruptos sin explicación)	Movimientos duplicados o importes con signo incorrecto	Solicita al chat que liste los movimientos duplicados y corrige signos en las filas problemáticas antes de re-ejecutar.
La IA pide datos que ya proporcionó	El archivo cargado no fue reconocido por Code Interpreter o hubo error en la subida	Verificar en la sesión si los archivos aparecen; volver a subir y confirmar la hoja/rango.
Gráfico o archivo adjunto no generado	Limitación momentánea del entorno de ejecución o falta de permisos para generar archivos	Pide explícitamente el código Python para generar el gráfico y ejecútalo localmente o vuelve a solicitar la generación de archivos en la sesión.
Alertas sin propuestas accionables	Umbral de alerta mal definido o falta de metadatos (clientes clave, condiciones de pago)	Ajustar [UMBRAL_ALERTA] y proporcionar lista de clientes/proveedores clave y condiciones contractuales; luego solicitar re-evaluación.

Modo avanzado

Como hacer este tutorial con IA en modo avanzado

En modo agente, automatiza la ingestión periódica de extractos ERP, ejecución del forecast y envío de un informe semanal al Comité. El agente puede programar tareas, ejecutar el código Python que generó y almacenar resultados en un repositorio seguro para auditoría.

Modo avanzado

Flujo de trabajo avanzado

1
Configurar acceso seguro al repositorio o carpeta compartida donde el ERP deposita los Excel
2
Crear un flujo en el agente que ejecute el script Python semanalmente y guarde outputs (Excel, PNG) en una carpeta con fecha
3
Configurar reglas de alerta para enviar emails/Slack al CFO y al CEO cuando se detecte déficit en 2 semanas
4
Registrar logs de ejecución y resultados para cumplimiento y mejora continua

Eres un agente financiero automatizado encargado de ejecutar semanalmente el forecast de tesorería para [NOMBRE_EMPRESA]. Toma los archivos de la ruta [RUTA_COMPARTIDA]/[ARCHIVO_ERP.xlsx], ejecuta el mismo proceso descrito en el prompt principal y guarda los resultados en [RUTA_SALIDA]/Forecast_[YYYYMMDD].zip. Si detectas una alarma de déficit dentro de 14 días, envía un email a [EMAIL_CFO] y copia a [EMAIL_CEO] con el resumen ejecutivo y las tres acciones prioritarias. Genera además los tres escenarios y adjunta el gráfico PNG. Registra un log con: fecha_ejecución, fila_errores, tiempo_ejecución y hash del archivo de salida.

Cuando usar el modo avanzado en este tutorial: Útil cuando requiere automatizar entregables recurrentes (semanales) y garantizar notificaciones automáticas a la dirección y trazabilidad del proceso.

Siguiente paso

Que hacer ahora?

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

Tutorial relacionado · IA

Explorar mas tutoriales de IA

Descubre otros casos de uso de IA 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: Integre el forecast con indicadores de gestión (DSO, DPO, semanas de caja) en el tablero financiero para monitorizar tendencias y validar medidas tomadas tras cada alerta.

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