1. Identificación
Proceso: Conciliación bancaria de cuentas operativas.
Unidad de análisis: flujo extracto → emparejamiento → excepción → asiento / escalamiento.
2. Contexto
Organizaciones con alto volumen de movimientos bancarios y sistemas contables/ERP. El trabajo combina reglas estructuradas (matches exactos) con excepciones (tolerancias, referencias parciales, pagos parciales, diferencias de fecha).
3. Proceso de punta a punta
- Ingesta de movimientos (banco / archivo / API)
- Normalización de datos
- Emparejamiento candidato (factura, cobro, referencia)
- Decisión de conciliación o excepción
- Registro contable / actualización de estado
- Escalamiento y resolución humana
- Aprendizaje (si existe) sobre excepciones recurrentes
4. Decisiones críticas
| Decisión | ¿Delegable? | Modo humano propuesto |
|---|---|---|
| Match exacto monto+referencia | Sí | Out-of-the-loop |
| Match bajo tolerancia X | Condicional | On-the-loop (muestreo/umbrales) |
| Ajuste contable > umbral Y | No | In-the-loop |
| Crear asiento de diferencia sin soporte | No | In-the-loop |
5. Automatización vs autonomía (P1)
Automatizar la carga de extractos no equivale a autonomía. La autonomía aparece cuando el proceso decide emparejar o escalar dentro de límites.
6–7. Límites y modos
- Límite de tolerancia monetaria versionado
- Límite de antigüedad del movimiento
- Kill switch: degradar a cola humana si tasa de excepción > umbral
8. Evidencia típica
- Logs de emparejamiento (si existen)
- Tasa de auto-resolución
- Tasa y causas de excepción
- Tiempo de resolución humana
- Retrabajo / reversas
9. Madurez estimada (ilustrativa)
| Escenario | Nivel EPA™ plausible |
|---|---|
| Bots de carga sin política de decisión | 1 |
| Reglas de match + umbrales documentados + dueño | 2 |
| Integrado con O2C + RACI + métricas de excepción | 3–4 |
Clasificación: HIPÓTESIS ilustrativa — no medición de una organización real.
10. IAE™ — cálculo ilustrativo (Instrumento v0.2-draft)
Clasificación: HIPÓTESIS didáctica — no es medición de una organización real.
Fórmula: IAE_core = mean(D2,D3,D5); G = min(D4,D6) (D4/D6 no promedian).
Escenario α — Bots de carga sin gobernanza de decisión
| D1 | D2 | D3 | D4 | D5 | D6 | D7 |
|---|---|---|---|---|---|---|
| 1 | 0 | 1 | 0 | 1 | 1 | 0 |
- IAE_core = mean(0,1,1) ≈ 0.67
- G = min(0,1) = 0
- IAE_reportable = min(0.67, 0.5) = 0.5 · Banda A · automatización no gobernada
Escenario β — Autonomía acotada con dueño, límites y traza
| D1 | D2 | D3 | D4 | D5 | D6 | D7 |
|---|---|---|---|---|---|---|
| 3 | 3 | 3 | 3 | 3 | 3 | 2 |
- IAE_core = mean(3,3,3) = 3.0
- G = 3 ≥ 2
- IAE_reportable = 3.0 · Banda C · autonomía parcial gobernada
Detalle del instrumento: IAE™.
11. Riesgos observados (genéricos)
- Falsos positivos de match que ocultan diferencias materiales
- Autonomía sin dueño de decisión
- Umbrales no versionados
- Ausencia de prueba de frontera
14. Limitaciones del caso
- No usa event logs reales.
- Es didáctico: sirve para operar el vocabulario EPA™, no para afirmar resultados.