Informes financers amb IA: com automatitzar l’informe mensual i la presentació a la direcció

És principi de mes, la reunió de direcció és dilluns i algú d’administració porta tot el matí copiant saldos del programa de comptabilitat a un Excel, enganxant gràfics en un PowerPoint i tornant a escriure per què les vendes han baixat respecte al mes anterior. La feina té cada mes la mateixa forma, i gairebé tota es pot automatitzar.

Aquí tens el procediment amb eines que una pime ja té o pot contractar sense muntar un projecte de sistemes, quina part convé deixar a la IA i quant d’esforç demana cada nivell.

Quina part de l’informe financer fa la IA i quina continua sent teva

Qualsevol informe financer intern té tres capes, i convé separar-les abans de parlar d’eines. Hi ha les xifres: saldos, totals, desviacions i ràtios. Hi ha el format, la taula, el gràfic o la diapositiva. I hi ha el comentari, aquelles poques frases que expliquen per què la tresoreria és més baixa que el trimestre passat o per què s’ha estret el marge d’una línia de producte.

L’automatització clàssica fa anys que resol les dues primeres capes amb fórmules, macros, consultes i plantilles: un full ben muntat calcula igual cada mes i no es cansa. La IA generativa, la de ChatGPT, Claude, Gemini o Copilot, aporta el que aquella automatització no sabia fer. Llegeix una taula i redacta sobre ella en llenguatge normal, resumeix, assenyala el que surt del que és habitual i adapta el to a qui llegirà l’informe.

D’aquí surt el repartiment que funciona: el full calcula, la IA redacta i una persona signa. Un model de llenguatge no és una calculadora fiable: s’equivoca en operacions senzilles de tant en tant i, quan falla, no avisa. Retorna la xifra dolenta amb la mateixa seguretat que la bona. Per això les xifres no surten mai de la IA.

El que continua sent teu és decidir què es mira cada mes, interpretar el que el text no pot saber i posar-hi el teu nom al final. Que un client gran va pagar tard per un problema puntual, o que la pujada de despeses és la campanya que ja estava prevista, són coses que no són a la comptabilitat, i la IA, si no les hi dones, se les inventa.

Quins informes interns convé automatitzar primer

La pregunta útil és per quin començar, i sol ser el que més es repeteix amb la mateixa forma, perquè és on la plantilla s’amortitza abans.

El compte de resultats mensual és el candidat més clar. Surt de la comptabilitat amb la mateixa estructura cada mes, es compara amb el mes anterior i amb el mateix mes de l’any passat, i el comentari gairebé sempre gira al voltant de les mateixes preguntes: què ha passat amb les vendes, amb el marge i amb les despeses fixes.

El pressupost davant del real necessita una condició prèvia: tenir el pressupost en un full amb el mateix desglossament de comptes que la comptabilitat. Si el tens, aquí la IA rendeix molt, perquè la feina feixuga és explicar desviacions i li pots demanar que només comenti les que superen el llindar que tu fixis.

La tresoreria depèn dels moviments del banc. Si el teu programa ja concilia l’extracte, l’exportació surt d’aquí; si no, surt del mateix extracte bancari. L’informe ajunta saldo, cobraments pendents i pagaments previstos.

La previsió és la més delicada. La IA no ha de preveure res: la previsió es construeix al full amb les teves hipòtesis de vendes i de despeses, i el que fa el model és redactar els escenaris que ja has calculat. Els comptes anuals, els impostos i el que hagi d’anar al banc o a Hisenda continuen en mans de la teva assessoria.

Com automatitzar un informe financer amb IA, pas a pas

Els quatre passos serveixen per a qualsevol d’aquests informes. Els expliquem en la versió manual, que és per on convé començar, i al final t’expliquem com es connecten sols.

Pas 1: exportar les dades de la comptabilitat sempre amb la mateixa forma

Gairebé tots els programes de comptabilitat i ERP que fan servir les pimes, d’Holded o Sage a A3 o Odoo, exporten el balanç de sumes i saldos o el llibre major a Excel o CSV. Aquest fitxer és la matèria primera, i el que importa és que tingui sempre la mateixa forma: mateixes columnes, mateix ordre, mateix pla de comptes.

L’error típic és que algú crea un compte nou a mig any i l’exportació canvia sense que ningú se n’adoni, de manera que les fórmules continuen sumant i deixen fora aquest compte. Desa cada exportació en una carpeta fixa amb el mes al nom del fitxer i revisa el pla de comptes quan es doni d’alta un compte. Si el teu programa té API, com Holded o Odoo, més endavant es podrà llegir directament, però per començar n’hi ha prou amb el fitxer.

Pas 2: calcular les xifres en un full que es pugui auditar

El full s’organitza en tres pestanyes. A la de dades s’hi carrega l’exportació tal qual: a Excel, amb Power Query apuntant a la carpeta del pas 1; a Google Sheets, important el fitxer. A la de càlcul s’agrupen els comptes en partides amb SUMA.SI.CONJUNT, es calculen desviacions i comparatives, i a la de resum hi queda la taula final, la que veuran la direcció i la IA.

Auditable vol dir que qualsevol pot clicar una cel·la i veure d’on surt. Res de valors enganxats a mà damunt d’una fórmula, res de xifres que només entén qui va muntar el full.

És la part que demana més temps la primera vegada i la que menys es toca després, i si el full ja existeix a la teva empresa n’hi ha prou d’endreçar-lo.

Pas 3: demanar a la IA el comentari, no les xifres

A la IA li arriba només la pestanya de resum, ja calculada, amb un prompt desat que no canvia de mes a mes. El prompt porta un paràgraf fix de context sobre el negoci (què vens, com és la teva estacionalitat, quines línies de producte hi ha) i unes instruccions tancades. Un exemple que funciona com a punt de partida:

«Ets el responsable financer d’una pime. Et passo la taula de resultats del mes ja calculada. Redacta un comentari per a la direcció d’un màxim de dos paràgrafs per partida. Fes servir només les xifres que apareixen a la taula, no calculis xifres noves. Comenta només les desviacions que superin el llindar indicat. Si no saps la causa d’una desviació, escriu “causa pendent de confirmar” en lloc de suposar-la. Al final, fes una llista de les xifres que has citat.»

Aquesta última instrucció és la que estalvia temps en la revisió, perquè converteix la comprovació en una confrontació d’una llista amb la taula. La frase sobre causes desconegudes evita el defecte més freqüent d’aquests textos, que és farcir-los d’explicacions versemblants que ningú no ha confirmat.

Serveix qualsevol dels assistents d’abans, i per triar-ne un pesen més el pla i les seves condicions de privacitat que la qualitat del comentari.

Quan el comentari no et convenç, corregeix el prompt, no el text d’aquell mes. Si el corregeixes a mà, el mes següent surt el mateix defecte.

Pas 4: la revisió de qui signa l’informe

Qui signa comprova tres coses abans d’enviar-lo:

• Que cada xifra del text és a la taula. Amb la llista que va demanar el prompt, és una comprovació ràpida.
• Que les causes que dona el text són certes o estan marcades com a pendents.
• Que no hi falta el que només sap l’empresa i no és a la comptabilitat.

Aquest últim punt és el que dona valor a l’informe: l’esborrany de la IA estalvia la part mecànica i la lectura del negoci la fa qui el coneix.

Riscos: causes inventades, dades confidencials i revisions que se salten

Les xifres inventades són el risc més visible: un número al text que no és a la taula, o un percentatge que ha calculat el model. Les causes inventades són més perilloses, perquè no hi ha cap taula amb què confrontar-les. El model veu un patró, li busca una explicació raonable i l’escriu sense dubtar.

Amb les dades, la pregunta és quin pla fas servir i què fas amb el que hi puges. Les condicions sobre si les converses s’utilitzen per entrenar els models canvien segons el proveïdor, el pla i la configuració, així que llegeix les del teu abans de començar, no les donis per suposades. I encara que el pla sigui d’empresa, puja només la taula de resum. Nòmines, noms de clients, imports per client o el llibre major complet no calen per redactar un comentari de direcció.

El tercer risc apareix amb el temps. Durant uns mesos el text surt bé, la revisió s’escurça, després se salta, i un dia surt un informe amb una causa que ningú no va confirmar. La revisió del pas 4 es manté encara que el sistema faci mesos que no falla, i la responsabilitat de l’informe és de qui el signa, no de l’eina que el va redactar.

Del full a la presentació de la reunió mensual sense copiar xifres

En moltes pimes les xifres s’escriuen dues vegades, una a l’Excel i una altra a les diapositives, i és en la segona còpia on apareixen els errors. La solució és que la presentació llegeixi del mateix full que l’informe.

A PowerPoint, els gràfics i les taules enganxats amb vincle des d’Excel s’actualitzen quan canvia el full, així que una plantilla de presentació amb els seus vincles serveix tots els mesos sense tocar cap xifra. A Google Slides es treballa amb marcadors de text a la plantilla, del tipus `{{vendes_mes}}`, que un script d’Apps Script o un flux d’n8n substitueix pels valors de la pestanya de resum. El comentari del pas 3 va en una diapositiva pròpia o a les notes de l’orador.

Copilot a PowerPoint i eines semblants generen diapositives a partir d’un document, cosa còmoda per a una presentació puntual. Per a la reunió de cada mes nosaltres ens quedem amb la plantilla fixa, perquè la direcció troba sempre la mateixa informació al mateix lloc i no hi ha cap xifra que hagi passat per la IA.

Quant costa i quant d’esforç demana: tres nivells d’automatització

El primer nivell és l’assistent a mà. Exportes, enganxes al full, copies la taula de resum a l’assistent amb el prompt desat i revises. El cost és la llicència d’un assistent en un pla d’empresa, que moltes pimes ja paguen per a altres usos, i l’esforç de muntar el full, que amb un pla de comptes ordenat és qüestió d’uns quants dies.

El segon nivell elimina el copiar i enganxar. Power Query carrega l’exportació sola, la presentació va vinculada al full i el prompt viu dins de l’assistent com un GPT personalitzat o un projecte de Claude, amb el context del negoci ja carregat. Muntar-ho és feina d’una o dues setmanes d’algú que es mogui bé amb Excel, o un encàrrec extern petit, i, si ja teniu Microsoft 365, no demana més llicències que les del primer nivell.

El tercer nivell és el flux automàtic. Cada dia 5, un flux a n8n o a Make llegeix l’exportació o l’API del programa de comptabilitat, actualitza el full, crida el model per API amb el prompt, omple la plantilla de presentació i envia l’esborrany per correu a qui signa. Aquí el cost es reparteix entre el pla o el servidor de l’orquestrador, el consum de l’API del model, que per a un informe al mes és petit, i sobretot la implantació, que es mesura en setmanes i demana manteniment quan el programa de comptabilitat canvia la seva exportació.

Abans de triar nivell hi ha una condició que pesa més que el pressupost: que el tancament comptable del mes estigui fet a temps i amb el mateix criteri. Si la comptabilitat es tanca tard o cada mes d’una manera diferent, el primer que recomanem és endreçar el tancament, perquè el flux automàtic només mouria el desordre més de pressa. Amb un informe trimestral, el primer nivell sol ser suficient i el tercer no l’aconsellem.

Si vols saber quin nivell encaixa amb la teva comptabilitat i els teus informes, escriu-nos i ho mirem amb les teves exportacions al davant.