Diseño de un asistente conversacional basado en inteligencia artificial para el análisis y la gestión operativa en plataformas de tesorería empresarial

Abstract

Este Trabajo Fin de Máster analiza cómo puede diseñarse e integrarse un asistente conversacional basado en inteligencia artificial en una plataforma de tesorería empresarial. El proyecto parte de una iniciativa real desarrollada en el contexto profesional de Embat, donde la autora desempeña funciones como Product Manager, y responde a una necesidad concreta: reducir la fricción que experimentan los usuarios al acceder, interpretar y utilizar información financiera y operativa dentro de la plataforma.

El trabajo estudia las limitaciones de los modelos tradicionales de interacción basados en dashboards, módulos y filtros, especialmente en tareas recurrentes como la consulta de la posición de caja, la revisión de bancos sin conectar, la identificación de pagos pendientes o la supervisión de acciones y sugerencias generadas por inteligencia artificial. A partir de este análisis, se propone un modelo conversacional integrado en la experiencia existente, concebido como una capa complementaria de acceso, revisión y apoyo operativo.

La investigación combina revisión teórica, análisis de un caso real, identificación y priorización de casos de uso, diseño conceptual, definición de una arquitectura funcional y desarrollo de un prototipo sobre el front-end existente de la plataforma. La propuesta distingue entre consultas de conocimiento estático, acceso a datos operativos dinámicos y posibles acciones controladas, incorporando además requisitos de permisos, trazabilidad y supervisión humana.

Los resultados muestran que una interfaz conversacional puede constituir una vía coherente para reducir fricciones y mejorar el acceso a información relevante, siempre que se integre de forma contextual, mantenga mecanismos de control y disponga de una cobertura funcional suficiente. El trabajo no plantea la sustitución del tesorero, sino el uso de la inteligencia artificial como apoyo a su actividad diaria.

This Master’s Thesis examines how an artificial intelligence-based conversational assistant can be designed and integrated into a corporate treasury platform. The project is based on a real initiative developed within the professional context of Embat, where the author works as a Product Manager, and addresses a specific need: reducing the friction users experience when accessing, interpreting and using financial and operational information within the platform.

The study analyses the limitations of traditional interaction models based on dashboards, modules and filters, particularly in recurring tasks such as checking cash position, identifying disconnected banks, reviewing pending payments, or supervising actions and suggestions generated by artificial intelligence. Based on this analysis, the thesis proposes a conversational model integrated into the existing user experience and conceived as a complementary layer for access, review and operational support.

The research combines a theoretical review, the analysis of a real case, the identification and prioritisation of use cases, conceptual design, the definition of a functional architecture and the development of a prototype built on the platform’s existing front end. The proposed solution distinguishes between static knowledge queries, access to dynamic operational data and potential controlled actions. It also incorporates requirements related to permissions, traceability and human supervision.

The findings suggest that a conversational interface can provide a coherent way to reduce friction and improve access to relevant information, provided that it is contextually integrated, preserves control mechanisms and offers sufficient functional coverage. The thesis does not propose replacing the treasurer, but rather using artificial intelligence as a tool to support daily work, facilitate access to information and assist operational review and analysis.