← Volver al blog

Cómo usar IA para simular escenarios de negocio antes de tomar decisiones estratégicas y dejar de apostar a ciegas cuando te juegas el futuro de la empresa

Vas a abrir una segunda sede. O a meter un producto nuevo. O a prescindir de un cliente que paga bien pero te come los márgenes. Sea lo que sea, el proceso suele ser el mismo: alguien monta una hoja de cálculo con tres columnas —pesimista, base, optimista— que en la práctica son la misma cifra multiplicada por 0,8 y por 1,2, y se presenta en un comité donde todo el mundo asiente porque los números tienen buena pinta. El problema no es que la decisión sea mala; es que se toma con un solo escenario disfrazado de tres y sin haber probado qué pasa cuando las cosas se tuercen de verdad.


Y las cosas se tuercen. El cliente grande se va justo cuando estás a medio camino de la inversión. Los costes de materia prima suben un 25% en vez del 5% que habías puesto en la casilla de “pesimista”. El plazo de cobro se alarga y el cash flow no aguanta la expansión. Son cosas que podías haber calculado antes, pero no lo hiciste porque montar cincuenta escenarios distintos en Excel te habría llevado semanas y nadie tiene semanas cuando hay que decidir.

Por qué la planificación por escenarios falla en la mayoría de las empresas

El concepto no es nuevo. Cualquier MBA te enseña a hacer análisis de sensibilidad. Pero en la práctica, las empresas españolas —sobre todo PYMEs y medianas— planifican con un solo escenario y le llaman “plan de negocio”. Hay tres razones:


  • Es lento: montar un modelo financiero que funcione con variables modificables lleva días, y luego cada escenario hay que recalcularlo a mano
  • Es frágil: la hoja de cálculo se rompe en cuanto tocas una fórmula, y nadie se fía de los números que salen después de la tercera modificación
  • No recoge lo que no se ve en los números: el impacto en el equipo si recortas un 15%, el riesgo reputacional de entrar en un mercado nuevo, el efecto cascada de perder un proveedor clave

El resultado es que las decisiones gordas se toman con una mezcla de intuición, un Excel que nadie audita y la presión de tener que decidir ya. Y cuando sale mal, nadie entiende por qué, porque nunca se probó qué pasaba si las variables no se comportaban como decía la casilla verde.

Qué puede hacer la IA que no hace tu hoja de cálculo

La IA no sustituye tu criterio ni decide por ti. Pero sí puede hacer cosas que en Excel son inviables:


  • Generar decenas de escenarios en minutos: no tres, sino treinta o cincuenta, combinando variables que tú no habrías cruzado: qué pasa si suben los costes Y se alarga el plazo de cobro Y pierdes dos comerciales a la vez
  • Incorporar datos externos: coger indicadores macro, tendencias de tu sector, precios de materias primas, tipos de interés y meterlos como variables reales en la simulación, no como suposiciones tuyas
  • Identificar los puntos de ruptura: en vez de decirte “el margen baja”, decirte “si la materia prima sube más de un 18% y el cobro tarda más de 75 días, la caja se queda en negativo en el tercer mes”. El número exacto donde tu plan deja de funcionar
  • Simular efectos en cadena: si recortas plantilla, baja la producción, sube la carga del equipo restante, aumenta la rotación, sube el coste de sustitución. No es un número; es una cadena que Excel no modela
  • Narrar cada escenario en lenguaje claro: en vez de una tabla con cien filas, un resumen que dice “en este escenario abres la segunda sede, pero el cash flow se pone en rojo en el mes 4 porque los costes de instalación coinciden con la caída estacional de ventas”

Tres decisiones concretas donde esto cambia el juego

Abrir un nuevo mercado o una segunda sede. En vez de un plan financiero con tres columnas, simulas qué pasa con distintas velocidades de captación de clientes, distintos costes de alquiler, distintas tasas de contratación local. La IA te dice en cuántos de los escenarios la sede es rentable antes de 18 meses y en cuántos te come la caja.


Subir precios o cambiar el modelo de pricing. Modelas la elasticidad real: si subes un 10%, ¿cuántos clientes pierdes? ¿Y un 15%? ¿Y si en vez de subir el precio metes un modelo de suscripción? La simulación cruza tu histórico de abandonos con las subidas anteriores y te da escenarios con datos, no con sensaciones.


Prescindir de un cliente grande que te condiciona. El cliente que paga el 30% de tu facturación pero te obliga a trabajar a márgenes mínimos. La IA simula qué pasa si se va: cómo se redistribuye la carga, cuánto tiempo tardas en compensar esos ingresos, qué pasa con el equipo que estaba dedicado a esa cuenta y cuánto cash flow necesitas para aguantar la transición.

Cómo empezar sin montar un departamento de análisis

No necesitas un data scientist ni un software de simulación de miles de euros. El primer paso es más simple:


  1. Coge la próxima decisión importante que tengas encima de la mesa. La que sea: una inversión, una contratación, un cambio de proveedor, una subida de precios.
  2. Identifica las tres o cuatro variables que más afectan al resultado. No veinte; las tres o cuatro que de verdad mueven la aguja: coste, plazo de cobro, volumen de ventas, tasa de conversión.
  3. Pídele a la IA que simule escenarios combinando esas variables. Con rangos realistas, no con el optimismo de siempre. “¿Qué pasa si el volumen baja un 15% mientras los costes suben un 10%?”
  4. Busca el punto de ruptura. No te quedes con “sale bien” o “sale mal”. Pregunta: “¿Cuál es el peor escenario que todavía aguanto? ¿Dónde está la línea roja?”

Solo con eso, la próxima vez que vayas a un comité de dirección llevarás algo que casi nadie lleva: los números de lo que pasa cuando las cosas no van como esperas. Y eso es justo lo que separa una decisión informada de una apuesta.

Lo que esto no resuelve

La simulación te dice qué pasa en cada escenario, pero elegir cuál te gusta más sigue siendo tuyo. Hay decisiones donde los números dicen una cosa y la estrategia dice otra: entrar en un mercado que hoy pierde dinero pero te posiciona para dentro de tres años, por ejemplo. La IA no entiende de visión ni de apuestas de futuro; calcula consecuencias.


Tampoco funciona si le das basura. Si tus datos financieros están desordenados, si no sabes cuáles son tus márgenes reales por producto o si la contabilidad va con tres meses de retraso, la simulación será tan fiable como lo que le metas. Primero datos limpios, luego simulación. Al revés no funciona.

El coste de no simular

Cada decisión estratégica que tomas sin simular escenarios es una apuesta donde no sabes cuánto puedes perder. No es que vaya a salir mal necesariamente; es que si sale mal, no sabes cuánto duele ni dónde duele primero. Las empresas que simulan antes de decidir no aciertan siempre, pero cuando fallan, fallan dentro de los márgenes que habían calculado. Y esa es la diferencia entre un tropiezo controlado y una crisis que te pilla desprevenido con la caja en mínimos y sin plan B.

Sigue leyendo