Por Adriana López, CPTO de Clay

Hoy prácticamente todos los productos financieros están pensando cómo incorporar IA, tal como ya lo hacemos en Clay.

Podemos crear agentes que analicen información, respondan preguntas, categoricen movimientos o incluso ejecuten procesos completos. Pero hay una pregunta que para mí viene antes de todo eso: ¿qué tan confiables son los datos sobre los que estamos poniendo esa IA?

Un modelo bueno con datos malos no falla y además te convence.

Un agente puede ser muy bueno razonando, pero si le entregamos información bancaria desactualizada, documentos tributarios incompletos o datos contables inconsistentes, el resultado también va a estar mal.

Y hay algo que hace esto especialmente complejo: probablemente la IA va a entregar esa respuesta con bastante seguridad.

En finanzas eso no es un detalle menor. Una respuesta equivocada que suena firme se parece demasiado a una respuesta correcta, y avanza: entra a un reporte, a una decisión de caja, a una conversación con el directorio.

El trabajo que hacemos en Clay antes de construir cualquier cosa con IA

Por eso en Clay hemos puesto mucho foco en el proceso que hacemos con los datos. Para nosotros es una parte fundamental de cualquier desarrollo, especialmente cuando implica IA.

Antes de construir una nueva funcionalidad revisamos cómo se obtiene la información, de dónde viene, cuándo fue actualizada, cómo se estructura y con qué otros datos debe cruzarse. También buscamos mantener la mayor trazabilidad posible sobre el origen, para que nuestros productos y nuestros clientes puedan entender cómo se construye la información que usan.

Eso implica resolver muchas cosas que son bastante menos atractivas de contar cuando uno habla de IA: mantener actualizada la información de 14 bancos, cruzarla con el SII, estructurar información contable y asegurarnos de que los datos sean consistentes antes de ponerlos a disposición.

Nada de eso es IA. Pero es la condición necesaria para construir productos financieros con IA en los que realmente se pueda confiar. En Clay usamos Clay por lo que entendemos de primera fuente lo que implica confiar en datos incompletos.

Por qué existe la API v2

Nuestra API v2 es, en buena parte, una consecuencia de ese trabajo. Es más rápida, más completa y más flexible que la anterior, y tiene muchos más endpoints para acceder a la información financiera de manera consistente.

Te dejo un artículo sobre la API de Clay por si quieres saber más antes de seguir leyendo.

También pusimos especial atención en la documentación. Queremos que cualquier persona entienda fácilmente cómo funciona la API de Clay, qué información entrega y cómo usarla. Pero también que un agente pueda leerla, interpretarla y trabajar con ella de manera clara y confiable.

El objetivo es que nuestros productos funcionen de punta a punta: desde la funcionalidad que una persona usa en la aplicación hasta el endpoint correspondiente en la API v2. Para eso necesitamos que toda la información mantenga una estructura coherente y que cada capa del producto pueda entenderla y usarla correctamente.

Esa misma base es la que hoy usamos desde nuestro MCP con Claude y ChatGPT, y sobre la que ya estamos construyendo agentes capaces de hacer cada vez más cosas de manera autónoma.

La pregunta con la que yo partiría ¿Confío en los datos que le voy a entregar?

Cuando una empresa piensa en incorporar IA a sus procesos financieros, creo que la primera decisión no debería ser qué modelo utilizar o qué agente construir.

Yo partiría por algo bastante más básico: ¿Confío en los datos que le voy a entregar?

La capacidad del modelo importa, pero la calidad y la confiabilidad de los datos sobre los que toma decisiones importa todavía más.

Y probablemente ahí está una de las partes menos visibles, pero más importantes, de construir IA aplicada a finanzas.

— Adri