Entrenamiento de las reglas de coincidencia
El "entrenamiento" en la coincidencia de REDA Financials no es un proyecto de ciencia de datos — son tres hábitos concretos que se combinan: tus coincidencias enseñan a la IA, tus patrones se convierten en reglas, y tus reglas jubilan categorías enteras de trabajo. Esta es la guía práctica para pasar de "hacemos la coincidencia a mano" a "la conciliación prácticamente se hace sola".
Acceso que necesitarás. Conciliar y crear Reglas de cuentas bancarias requiere el conjunto de permisos Accounting Admin v2 o Accounting Controller v2. Los conjuntos Accounts Payable v2, Accounts Receivable v2 y Read Only v2 pueden ver pero no modificar estos elementos.
El ciclo de mejora
Haz coincidencias de forma constante — estás escribiendo el manual
Cada coincidencia manual que aplicas se suma al contexto de aprendizaje de la IA (esta estudia hasta mil de tus decisiones pasadas). La constancia es el plan de estudios: siempre haz coincidir la liquidación del comercio con el recibo (no con un asiento), siempre registra las comisiones como ajustes — y las sugerencias de la IA convergen hacia tu estilo interno.
Convierte los patrones repetidos en reglas
Todo lo que sea mensual merece una Regla de cuenta bancaria: un patrón de texto distintivo, un tipo de documento, tu cuenta contable, opcionalmente Auto Post. La IA incluso propone reglas candidatas cuando detecta formas recurrentes — acepta la idea creando la regla. A partir de ahí, esa línea coincide a velocidad de máquina, para siempre, sin necesidad de IA.
Audita lo que hace la automatización
Las reglas llevan su propio marcador — Times Applied, Times Overridden y la fecha de última aplicación — y cada línea coincidente registra cómo se hizo la coincidencia (Auto, Rule-Based, AI-Suggested, Manual, Adjustment). Una revisión mensual de los aciertos de las reglas detecta un patrón obsoleto antes de que registre mal algo.
El arte de escribir reglas
- Los fragmentos distintivos superan a los cortos: "MONTHLY ACCOUNT SERVICE FEE" en vez de "FEE"; usa el formato de expresión regular para formatos precisos.
- Prioridad = especificidad: gana la primera coincidencia, así que la regla estrecha supera a la amplia.
- Auto Post se gana: las reglas nuevas se ejecutan en revisión (borrador) durante uno o dos ciclos, y luego se gradúan.
- Una cuenta a la vez: las reglas pertenecen a una cuenta bancaria — los patrones de la cuenta operativa no son los de la cuenta de nómina.
Qué es el "entrenamiento" — y qué no es
Vale la pena ser precisos, porque la palabra carga con expectativas. En REDA Financials, la IA aprende de contexto, armado de nuevo a partir de tus propios registros cada vez que se ejecuta — no hay ningún modelo que se vuelva a entrenar con tus datos, ninguna consola de entrenamiento y nada que un administrador deba configurar:
| El entrenamiento es… | El entrenamiento no es… |
|---|---|
| Tus coincidencias manuales pasadas (hasta mil de ellas) mostradas a la IA como ejemplos trabajados en cada ejecución | Un proyecto de ciencia de datos con conjuntos de datos para etiquetar o cargar |
| Tus reglas activas mostradas junto a ellas, para que las sugerencias no dupliquen lo que la automatización ya cubre | Un modelo que se desvía por su cuenta — el contexto se reconstruye a partir de tus registros en cada ejecución |
| Hacer el trabajo de forma constante, porque la constancia es el plan de estudios | Una página de configuración — no hay controles de entrenamiento que ajustar ni nada que activar |
| Reversible: corrige tus hábitos de aquí en adelante y el contexto te sigue | Permanente: ninguna mala decisión queda grabada para siempre |
El otro salón de clases: la extracción de facturas aprende de la misma forma
La coincidencia bancaria no es la única función que estudia tu historial. El procesamiento de facturas por OCR usa la misma idea del lado de cuentas por pagar: cuando la IA extrae la factura de un proveedor, se le muestran las órdenes de compra y facturas contabilizadas recientes de ese proveedor — incluido qué producto y qué cuenta contable eligió tu equipo en cada línea. El resultado es un mapa de producto a cuenta construido a partir de tus propias decisiones: codifica el cargo de suministro de MetroPower a Servicios públicos una vez, y la próxima factura de MetroPower llega precodificada de la misma manera.
La consecuencia práctica es la misma guía que en la coincidencia:
- Contabiliza de forma constante — solo los documentos contabilizados enseñan; una pila de borradores sin contabilizar no enseña nada.
- Corrige la codificación en el momento de la revisión, no después de contabilizar — la corrección que haces en el formulario prellenado se convierte en el ejemplo que estudia la siguiente extracción.
- Espera que la primera factura de un proveedor nuevo te necesite — todavía no hay historial; en la segunda es donde se nota el aprendizaje.
Errores comunes que debes evitar
| Error | Por qué perjudica | Haz esto en su lugar |
|---|---|---|
| Dos empleados hacen coincidir el mismo patrón de dos formas distintas | El manual de la IA se contradice a sí mismo — la confianza baja y las sugerencias se vuelven cautelosas | Acuerden el estilo interno una vez (las comisiones son ajustes, las liquidaciones coinciden con recibos) y que ambos lo sigan |
| Dejarle todo a la IA cuando una regla bastaría | Cada línea predecible cuesta una revisión que una regla habría resuelto al instante | Si puedes expresar la condición en una sola frase, escribe la regla; reserva la IA para los casos que requieren criterio |
| Conceder Auto Post a una regla que apenas tiene un día | Un patrón que no has observado se contabiliza directo al libro mayor | Ejecuta las reglas nuevas en revisión durante uno o dos ciclos; gradúalas una vez que sus aciertos sean limpios |
| No auditar nunca los aciertos de las reglas | Un patrón obsoleto sigue activándose después de que el banco cambia su redacción — generando coincidencias incorrectas en silencio | Revisa Times Applied y la fecha de última aplicación mensualmente; retira o ajusta lo que se vea mal |
| Juzgar a la IA en la primera semana | Sin historial en el contexto, las primeras sugerencias son genéricas — y la herramienta se descarta justo antes de volverse buena | Dale un mes de coincidencia constante; el contexto de aprendizaje se construye exactamente a partir de eso |
Qué sigue
- Reglas de cuentas bancarias — el formulario de reglas en detalle.
- Algoritmo de coincidencia de IA — qué aprende la IA de ti.
- Completar una conciliación — dónde se nota el resultado.
Preguntas frecuentes
La IA da más peso a tu comportamiento reciente y constante — coincidir correctamente a partir de ahora supera rápido a la inconsistencia pasada. Para las reglas, edita o desactiva la que causa el problema directamente; la automatización cambia en el momento en que lo haces.
Si puedes escribir la condición, escribe la regla — es determinista, gratuita e instantánea. El terreno de la IA es lo que no puedes condicionar: referencias confusas, descripciones variables, pares que requieren criterio. Las organizaciones más sanas tienen reglas aburridas y sugerencias de IA interesantes.
No. El contexto de aprendizaje se arma automáticamente a partir del trabajo que ya estabas haciendo — coincidencias manuales del lado bancario, facturas contabilizadas del lado de cuentas por pagar. Hacer ese trabajo de forma constante es todo el programa de entrenamiento.
No — el contexto que se le muestra a la IA es el propio historial de tu organización, recopilado de nuevo en cada ejecución. Tus sugerencias reflejan los hábitos de tu equipo y de nadie más.
En cuanto haya historial que estudiar. Del lado bancario, unas semanas de coincidencia constante le dan a la IA ejemplos reales trabajados; del lado de las facturas, cada proveedor mejora desde su segunda factura contabilizada en adelante. El arco de noventa días de Meridian, más arriba, es un ritmo realista.
¿Te resultó útil?