Jonás y el Lunes que no Sabía la Caja

Prólogo

Un lunes, a las seis y cuarenta de la mañana, sonó el teléfono de Jonás. El jefe de mantenimiento de un laboratorio farmacéutico. El cuarto frío que guardaba meses de investigación llevaba toda la noche dos grados sobre el rango. Un compresor caído. Un técnico ya en ruta. Y una pregunta sin espera: el repuesto estaba importado, con semanas de lead-time, o se conseguía hoy a sobreprecio.

Jonás autorizó el sobreprecio sin pensarlo. Colgó. Y entró la segunda llamada, su Director Financiero, con la pregunta que se repetía cada primer lunes del mes:

"¿Cuánto dinero tenemos realmente disponible, no en el papel sino en la cuenta?"

La respuesta honesta era siempre la misma: "Espera que consolide los Excel."

Jonás llevaba doce años instalando frío donde el frío importa de verdad. No el aire acondicionado de una oficina. Los sistemas que mantienen una sala de operaciones entre 20°C y 24°C, con humedad controlada, presión positiva, veinte renovaciones de aire por hora y filtración HEPA: en una sala de cirugía la temperatura es solo una de cinco variables que el sistema controla a la vez. El sistema de un hotel boutique donde el huésped que paga $800 por noche espera la temperatura exacta que programó. Los ductos de un centro comercial de 80.000 metros cuadrados con climatización uniforme de punta a punta.

Su empresa era reconocida. Los clientes volvían. El problema no estaba en la obra, sino en lo que pasaba después de ganarla.

Cada proyecto era una apuesta financiera. Se firmaba el contrato, se comprometía el equipo, se pedían los materiales (compresores, ductos, evaporadores, gas refrigerante) y el dinero salía desde el primer día. Llegaba, cuando llegaba, entre 90 y 150 días después de la entrega, según el cliente y el humor del área de cuentas por pagar.

Tres proyectos simultáneos, cada uno con su Excel de costos. Un inventario en bodega que nadie actualizaba desde la semana anterior. Una cartera que el área administrativa rehacía a mano cada viernes. Y un backlog de contratos firmados que daba vértigo mirar pero no era liquidez hasta que la obra terminaba y el cliente pagaba.

El CCC de la empresa era de 195 días. 72 días de DIO: el tiempo entre comprar un compresor o un chiller, muchos importados con lead-times de meses, y dejarlo instalado y facturable. Más 123 días de DSO: lo que una factura tardaba en volverse dinero real en la cuenta. Y un DPO cercano a cero: sus proveedores cobraban casi de contado mientras sus clientes pagaban a 120. Esa asimetría, pagar al instante y cobrar siete meses después, era el corazón del problema.

Doce años de proyectos exitosos. Finanzas que hacían malabarismo. Algo tenía que cambiar.

Capítulo 1 — El Diagnóstico

El consultor llegó con una pregunta inesperada:

"¿Cuánto valor en equipos tiene hoy entregado en obra que aún no está facturado, y cuánto de lo ya facturado lleva más de noventa días sin recaudar?"

Jonás tenía cifras aproximadas: el inventario en bodega, los equipos pedidos. Pero el valor exacto ya instalado y sin facturar, cruzado con qué proyecto y desde cuándo...

"Necesito que mi equipo consolide eso. Un día, día y medio."

"Ahí está el problema", dijo el consultor. "Son tres cosas distintas y usted las tiene mezcladas. El inventario en bodega es riesgo de almacén: comprado, no instalado, todavía recuperable. La obra entregada y sin facturar es capital expuesto sin respaldo: hasta que el interventor no firma el acta de avance, ese equipo no tiene factura que lo defienda si el cliente discute el alcance. Y lo facturado sin recaudar es cartera clásica. Tiene un backlog de decenas de miles de millones y no sabe, en tiempo real, cuánto hay en cada caja. Esa información vive en tres Excel que nadie consolida hasta que alguien la pide."

El Director Financiero asintió.

El consultor continuó. Semanas antes había hablado con el equipo sobre los LLM, los modelos de lenguaje como ChatGPT que habían explorado para automatizar reportes.

"Sí", dijo Jonás. "Intentamos usar ChatGPT para que nos resumiera los reportes de avance. Fue útil para redactar, pero no para números."

"Exacto. Un LLM es extraordinariamente capaz de procesar y generar texto. Pero pedirle cuánto dinero tiene inmovilizado en inventario es como pedirle a un contador que opere un compresor: puede leer el manual, pero no tiene acceso a los datos de su bodega. Esa es la diferencia entre un LLM y un ecosistema agéntico: el agente accede a sus sistemas en tiempo real y razona sobre sus datos propios, no sobre texto genérico."

El Director Financiero lo describió sin saber que nombraba un patrón: "Lo absurdo es que llevamos meses con esos modelos y solo los usamos para presentaciones más bonitas y correos mejor redactados. Mientras tanto, el dato que me quita el sueño, cuánto tengo disponible hoy, sigue en un Excel que alguien actualiza los viernes."

"Eso tiene nombre", respondió el consultor. "Es el Gen AI Paradox: acceso a modelos poderosos, gastado en lo cosmético, mientras el dato que mueve el negocio se sigue gobernando a mano."

Jonás miró a su Director Financiero. Era la misma conversación del lunes anterior.

"Y arrastramos sistemas que ya nadie entiende del todo, integraciones que se caen", añadió Jonás. "¿Eso cómo se llama?"

"Technical Debt", dijo el consultor. "Gobernar con Excel una operación de este tamaño es deuda que se acumula. No en los proyectos, que esos los entregan bien. En la inteligencia financiera: en saber, en tiempo real, si pueden aceptar el siguiente proyecto sin comprometer la liquidez de los que ya están en curso."

Capítulo 2 — La Arquitectura

El diagnóstico técnico reveló algo que Jonás sabía en la práctica pero nunca había visto dimensionado.

La empresa tenía cuatro fuentes de datos que no se hablaban: gestión de proyectos, inventario, facturación y contabilidad con el estado real de la caja. Ninguna integrada en tiempo real. El CCC de 195 días no era solo un problema de clientes que pagaban tarde; era también de visibilidad. Jonás no sabía cuánto del inventario estaba comprometido versus disponible, qué facturas tenían riesgo de glosa, ni el margen real de cada proyecto.

"¿Y cómo aprende el sistema las particularidades de cada proyecto?" preguntó Jonás.

"Con RAG. El agente no opera con benchmarks genéricos de la industria HVAC, sino con el historial de su empresa: los tiempos de entrega de cada proveedor, los patrones de desviación de costos por tipo de proyecto, los ciclos de pago de cada cliente. Doce años de proyectos como contexto."

"¿Y la memoria sobre proyectos anteriores?" preguntó el Director de Proyectos, recién unido a la reunión.

"Eso es Memoria Episódica. El agente recuerda que en el proyecto de un centro de entretenimiento el proveedor de compresores tardó dieciocho días más de lo prometido por falta de stock del modelo especificado, y que eso generó una desviación de $60M COP en personal esperando. La próxima vez que ese proveedor aparezca en un presupuesto similar, el agente lo incluye en el análisis de riesgo del cronograma."

El Director de Proyectos se quedó en silencio. Ese episodio lo recordaba perfectamente; nadie lo había documentado.

"Hay algo que no me cuadra", dijo el Director Financiero. "Si corremos estos agentes, ¿quién me dice cuánto me cuesta cada uno y qué me devuelve?"

"Eso lo gobierna el FinOps Agéntico", dijo el consultor. "La visibilidad en tiempo real del costo de cada agente y el valor que genera. La promesa no es 'vamos a mejorar sus finanzas'; es 'en 90 días el CCC baja X días, eso libera Y pesos de caja, y el agente cuesta Z'. La ecuación es auditable antes de desplegarlo."

"¿Y cómo conecta con nuestros sistemas actuales?"

"Con MCP. El protocolo que conecta el agente con sus cuatro sistemas sin reemplazarlos ni integrarlos con código a medida. Y puede decirle a las 7am del lunes cuánto dinero tiene realmente disponible, cuánto está comprometido y cuántas facturas vencen en los próximos quince días."

Capítulo 3 — El Primer Agente

Dos meses después, la empresa tenía su primer agente en producción.

Se llamaba internamente "el CFO Digital" y hacía algo que el Director Financiero había tardado entre ocho y doce horas semanales en hacer a mano: consolidar en tiempo real el estado financiero de los tres proyectos, el inventario comprometido versus disponible, las facturas por vencer en los próximos treinta días y la proyección de caja para las próximas ocho semanas, considerando los tiempos históricos de pago de cada cliente.

El primer lunes de operación, Jonás llegó a la oficina a las 7:15am. El reporte ya estaba en su pantalla.

Leyó el número que nunca había tenido en tiempo real: el dinero realmente disponible, separado del comprometido en proyectos y del que estaba en cartera pero aún no había llegado.

"¿Cómo es posible que no hayamos tenido esto antes?" preguntó.

"Porque lo tenían, en cuatro sistemas que nadie tenía tiempo de cruzar cada lunes."

El CFO Digital también había detectado algo que el equipo no había visto: un cliente con tres facturas pendientes por $380M COP, con vencimientos escalonados en los próximos cuarenta días, que históricamente pagaba con veinte días de retraso. La proyección de caja de las próximas ocho semanas tenía un hueco de liquidez en la semana cinco, exactamente cuando vencía el pago a uno de los proveedores principales del proyecto en curso.

El Director Financiero miró el análisis. "Esto lo habría visto yo en tres semanas, cuando el hueco ya fuera un problema."

"Esa es la diferencia entre automatización y autonomía", explicó el consultor. "El sistema anterior automatizaba el reporte: siempre el mismo formato, los mismos datos, cuando alguien lo pedía. El CFO Digital tiene autonomía: percibe el contexto financiero completo, razona sobre la trayectoria y detecta el problema antes de que ocurra."

Las Skills del CFO Digital eran específicas: consolidación de estado financiero en tiempo real, proyección de caja a 8 semanas, detección de riesgo de liquidez, alerta de vencimientos de cartera y pagos a proveedores, y detección de desviaciones sistemáticas en los modelos de costos. Y tenía límites claros: no ejecutaba pagos, no modificaba presupuestos, no tomaba decisiones financieras. Presentaba la información con la evidencia. El Director Financiero y Jonás decidían.

Capítulo 4 — El Modelo que Dejó de Ser Correcto

Cuatro meses después del lanzamiento, el CFO Digital detectó algo inesperado.

El modelo de costos para proyectos hospitalarios, construido con datos de 2023 y 2024, subestimaba los materiales especializados. El gas refrigerante R-410A había subido cerca de un 20%, empujado por el calendario de reducción de HFC que Colombia adoptó con la Enmienda de Kigali y por la presión del tipo de cambio sobre un insumo importado. Los proyectos hospitalarios y de laboratorio ya exigían en los pliegos refrigerantes de nueva generación, como el R-32 y el R-454B, que el modelo ni contemplaba como categoría. Los compresores de alta eficiencia requeridos por las nuevas normas costaban en promedio $8.7M COP más que el valor parametrizado.

El agente lo sabía porque cruzó los costos reales de los últimos seis proyectos contra los presupuestos originales y detectó una desviación sistemática en esa categoría.

"Eso es Model Drift", explicó el consultor. "El modelo fue correcto cuando lo construyeron. El mercado cambió y el modelo no. Sin un sistema que monitoree esa desviación en tiempo real, siguen presupuestando con datos de hace dos años, y el margen real de cada proyecto hospitalario es entre 4 y 7 puntos menor de lo que el presupuesto prometía."

Jonás miró al Director de Proyectos. Ambos pensaron en el mismo contrato, el firmado tres meses atrás para un laboratorio farmacéutico en Bogotá. El margen presupuestado era del 18%. El real, con los costos actualizados, era del 12%.

Actualizaron el modelo esa semana.

Ese mes también reveló algo que Jonás necesitaba gestionar. Dos miembros del equipo de presupuestos habían estado usando ChatGPT para generar análisis de costos, pegando listas de materiales, precios de proveedores y condiciones de contratos en un modelo público.

"¿Qué tan grave es eso?" preguntó Jonás.

"Shadow AI en ingeniería de proyectos tiene dos riesgos. El primero es la confidencialidad comercial: los precios negociados con sus proveedores y las condiciones de sus contratos son información competitivamente sensible. El segundo es la Alucinación: un modelo público sin acceso a sus precios actualizados puede dar un número que parece correcto pero está inventado. En un proyecto de $2.000M COP, un error del 3% en el presupuesto de materiales son $60M que alguien tiene que absorber."

Jonás convocó al equipo esa tarde.

Ese trimestre también formalizaron el LOA del ecosistema: el CFO Digital generaba reportes, alertas y proyecciones de forma autónoma. Cualquier acción sobre proveedores, clientes o pagos: aprobación del Director Financiero. Cambios en los modelos de presupuestación: solo con aprobación de Jonás y el Director de Proyectos.

Capítulo 5 — La Arquitectura de Inteligencia

Un año después, la empresa operaba de una manera que Jonás no hubiera podido describir cuando firmó con VDA Studio.

El CFO Digital seguía siendo el núcleo. Pero ahora coordinaba con el Agente de Proyectos, que monitoreaba el avance de cada obra, cruzaba los costos ejecutados contra el presupuesto y alertaba cuando un proveedor mostraba señales de retraso según su historial. Y con el Agente Comercial, que cruzaba la capacidad instalada con los proyectos en ejecución y la proyección de caja, y le decía a Jonás cuándo podía aceptar un nuevo proyecto sin comprometer la liquidez de los que ya estaban en curso.

No eran sistemas independientes. Era Orquestación: cuando el Agente de Proyectos detectaba una desviación de costos en una obra, el CFO Digital recalculaba la proyección de caja de las próximas doce semanas y el Agente Comercial ajustaba la recomendación sobre cuándo aceptar el siguiente proyecto.

El FinOps Agéntico del ecosistema transformó algo que Jonás no había anticipado: la relación con los bancos. Antes llegaba con tres Excel y la esperanza de que el analista creyera sus proyecciones. Ahora llegaba con el reporte del CFO Digital: estado financiero auditado en tiempo real, proyección de caja a doce semanas con el historial de cumplimiento de cada cliente, y trazabilidad completa de cada proyecto. El banco aprobaba en dos días lo que antes tardaba dos semanas, no porque Jonás fuera más confiable, sino porque ahora tenía la evidencia para demostrarlo.

La Silicon-based Workforce de la empresa no sumó empleados. El Director Financiero había pasado de consolidar reportes a gobernar la inteligencia financiera. El Director de Proyectos, de perseguir proveedores a recibir alertas anticipadas. Jonás, de no saber cuánto dinero tenía los lunes a decidir con el contexto financiero completo.

Los Outcome Metrics del año eran los que Jonás había prometido al banco al presentar el plan de expansión.

El CCC había bajado de 195 a 127 días: 68 días de ciclo recuperados. La liberación de caja proyectada había sido de $1.337M COP. La real fue de $1.180M, un 88% de la proyección, en el primer año, con un modelo que seguía aprendiendo; calibrado sobre datos reales, lo esperable era que proyección y resultado convergieran. Las desviaciones de margen en proyectos hospitalarios habían bajado del 6.2% al 1.8%. Y luego estaba el giro que nadie hubiera esperado de un Director Comercial. Dos contratos que, años atrás, Jonás habría aceptado sin mirar la caja, o rechazado al primer susto de liquidez. Esta vez el Agente Comercial mostró con la proyección a doce semanas que aceptarlos tal como venían comprometería la liquidez de los tres proyectos en curso, y en la misma pantalla calculó bajo qué condiciones (anticipos, hitos de facturación, secuencia de arranque) sí cabían sin romper la caja. La inteligencia no actuó como filtro, sino como explorador. El sistema no le dijo a Jonás que ese cliente no era para él. Le preguntó: ¿bajo qué condiciones sí podría serlo?

"¿Cómo medimos que el ecosistema es responsable de esto?" preguntó el Director Financiero en el cierre de año.

Jonás respondió con el vocabulario que había aprendido:

"Con CLASSic Metrics: días del CCC por componente, desviación de margen por tipo de proyecto, exactitud de las proyecciones de caja a ocho semanas, tiempo de respuesta a oportunidades comerciales nuevas y nivel de seguridad de los datos de contratos y proveedores. El ROI Agéntico es auditable: el ecosistema costó $36.6M COP el primer año. Los $1.180M no son utilidad: son capital de trabajo liberado de una sola vez al acortar el ciclo, treinta y dos veces el costo del ecosistema. Y esa misma caja, al dejar de financiarse con deuda, ahorra cerca de $160M al año en intereses, más los puntos de margen recuperados en cada proyecto hospitalario."

El Director Financiero cerró el reporte anual en silencio. Luego dijo algo que Jonás no esperaba:

"El año que viene quiero este sistema en el presupuesto como línea fija, no como inversión de proyecto. Es infraestructura."

Jonás asintió.

Era exactamente la respuesta correcta.

Epílogo

El Ecosistema Agéntico en una empresa de ingeniería especializada no reemplaza al ingeniero que sabe instalar un sistema de climatización en una sala de operaciones. No reemplaza al director de proyectos que conoce cada proveedor y cada peculiaridad de cada obra. No reemplaza al director comercial que lleva doce años construyendo la reputación de la empresa proyecto a proyecto.

Los libera para hacer exactamente eso.

La diferencia entre las empresas de ingeniería que escalan sin romperse y las que crecen pero se ahogan en su propio éxito no es la calidad técnica, que esa generalmente existe. No es el backlog. No es la reputación.

Es si el fundador entiende que doce años de proyectos (los costos reales de cada material, los tiempos de cada proveedor, los patrones de pago de cada cliente, las desviaciones de cada tipo de obra) son el activo financiero más valioso de la empresa. Y que sin arquitectura agéntica, ese activo seguirá siendo datos dispersos en cuatro Excel mientras el banco financia los lunes que nadie sabe cuánto dinero hay en la cuenta.

Jonás lo entendió el primer lunes que llegó a la oficina y la respuesta ya estaba en su pantalla.