Skill oficial · Finanzas
Revisión de supuestos de un modelo financiero
Revisa los supuestos de un modelo financiero: enumera cada uno con su fuente, prueba la sensibilidad, comprueba si es plausible frente al historial y nombra los 3 que más importan.
Skill de IA
Haz que tu IA cuestione los supuestos de tu modelo financiero
14 días gratis · Sin tarjeta
Funciona en Claude, ChatGPT y agentes de programación. En Team y Business, la skill oficial de tu pod se actualiza sola cuando la mejoramos.
Cuándo usarla
- Antes de que un modelo llegue al consejo, a un prestamista o a inversores
- Una previsión parece demasiado buena y nadie sabe decir por qué
Qué le das
- El modelo o sus variables de entrada y resultados
- El historial real de esos mismos drivers
- Benchmarks en los que confías, con su fuente (opcional)
Qué obtienes
Una revisión con los 3 supuestos principales, una tabla de sensibilidad, el registro completo de supuestos y los problemas de estructura.
Cómo funciona
- Enumera todos los supuestos
- Separa los drivers de los resultados
- Prueba la sensibilidad con una variable cada vez
- Comprueba si es plausible
- Nombra los 3 que más importan
- Anota los problemas de estructura
- Escribe el resumen
Ejemplo
Lo que le das
> Plan a 2 años de Alcotán (SaaS B2B). MRR inicial 60 000. MRR nuevo al mes 9000, creciendo un 10 % mensual. Churn de ingresos mensual 1 %. Margen bruto 80 %. Personal de 14 → 30 en el mes 12; costo medio 9000 por persona al mes. Caja 2 400 000. El modelo dice que la caja se acaba en el mes 26. Historial (últimos 6 meses): el MRR nuevo promedió 6500, mejor mes 8100; el churn de ingresos promedió un 2,2 %. Benchmark del usuario: no se dio ninguno.
Lo que recibes (el comienzo)
Revisión de supuestos — Plan a 2 años de Alcotán
Resultado clave: mes en que se acaba la caja: 26 Resumen: El plan llega al mes 26 con caja suponiendo que el MRR nuevo empieza por encima del mejor mes hasta ahora y crece un 10 % cada mes, con un churn de menos de la mitad del histórico. Si el MRR nuevo y el churn se quedan en su historial de 6 meses, la caja se acaba antes [comprobar: volver a calcular el modelo con los valores del historial].
Los 3 que más importan
| # | Supuesto | Valor | Prueba | Si se equivoca (a la baja) | Para aumentar la confianza |
|---|---|---|---|---|---|
| 1 | MRR nuevo inicial al mes | 9000 | Suposición; promedio histórico 6500, mejor mes 8100 | [comprobar: recalcular con 6500] | Mostrar el pipeline que respalda los 9000 |
| 2 | Crecimiento del MRR nuevo | 10 % al mes | Suposición; no se dio historial | [comprobar: recalcular con 0 % y 5 %] | Vincularlo a las contrataciones de ventas previstas y su cuota |
| 3 | Churn de ingresos | 1 % al mes | Historial 2,2 % | [comprobar: recalcular con 2,2 %] | Nombrar los cambios de retención que reducen el churn a la mitad |
Problemas de estructura
- El personal se duplica con creces en el mes 12, pero el crecimiento del MRR nuevo no está vinculado a las contrataciones de ventas; los 2 deberían moverse juntos.
El resto de este resultado, todos los pasos y las comprobaciones que hace la IA antes de responder están en tu pod cuando agregas la skill.
Usar esta skill en tu IACompártela con tu equipo
Agrégala a un AI Skill Pod y todo el equipo, colaboradores externos incluidos, usa la misma versión desde su propia IA. Lee las mejores formas de compartir skills de IA con un equipo
Historial de cambios
- v1.0.0 · · First release.
Fuentes
- The Aqua Book (leída el 2026-11-04)
- What is Sensitivity Analysis? (leída el 2026-11-04)