Proyecciones del FCD en la valoración de negocios y su refinamiento con IA

#Proyección #FlujoDeCajaDescontado #DCF #Forecast#FinanzasCorporativas #IA #Cartavio#SergioBravo #ESAN

Autor: Sergio Bravo Orellana  Profesor de ESAN Graduate School of Business

Colaboradores académicos: Clara Depaz

Introducción

La valorización de empresas mediante el método de Discounted Cash Flow (DCF) se sustenta en la proyección de flujos de caja futuros y su descuento a valor presente. No obstante, el principal desafío no es técnico, sino conceptual: construir trayectorias de flujos que representen de manera consistente la evolución del negocio en horizontes de mediano y largo plazo, especialmente en contextos de incertidumbre.

En la práctica, los modelos de valorización no se apoyan en proyecciones explícitas de variables macroeconómicas de largo plazo, sino en la información contenida en los datos históricos de la empresa. Estos datos no solo reflejan el desempeño operativo, sino que constituyen una síntesis empírica del entorno económico en el que el negocio ha evolucionado.

Desde esta perspectiva, la proyección del Flujo de Caja Descontado (FCD) puede entenderse como la construcción de una trayectoria continua coherente con el ciclo de vida del negocio: un tramo inicial que recoge la inercia de corto plazo, una fase de transición que introduce convergencia hacia condiciones sostenibles y un régimen de largo plazo caracterizado por un crecimiento estable.

En este contexto, las herramientas de forecasting cumplen funciones diferenciadas dentro de dicha estructura: la extrapolación estadística captura la dinámica reciente, las funciones de transición aseguran la convergencia y las condiciones de perpetuidad establecen el ancla de largo plazo.

Sobre esta base, el proceso de proyección combina la extrapolación de relaciones históricas con criterios de consistencia económica, incorporando herramientas que mejoran la calidad y coherencia del modelo. En particular, la inteligencia artificial se integra como un mecanismo de calibración que ajusta el punto de partida de la proyección y contribuye a perfilar la trayectoria completa de los flujos.

En este marco, el capítulo propone un enfoque estructurado para la proyección del FCD, articulado en tres niveles: (i) el forecast implícito basado en la información histórica, (ii) su interpretación en el contexto del ciclo económico y (iii) su refinamiento mediante herramientas cuantitativas avanzadas. De este modo, se busca construir proyecciones consistentes sin recurrir a la modelación explícita de variables macroeconómicas en horizontes de alta incertidumbre.

1.      Proyección de flujos a partir de datos históricos

Uno de los conceptos fundamentales en las proyecciones financieras es el ciclo de vida del negocio, entendido como el proceso de evolución de la empresa a lo largo del tiempo, el cual comprende las fases de introducción, crecimiento y madurez. En el contexto de la formulación de proyecciones, la empresa puede situarse en cualquiera de estas etapas, por lo que resulta imprescindible adoptar una metodología de estimación del Flujo de Caja Descontado (FCD) que sea coherente con su posición dentro del ciclo de vida, así como con las características económicas y financieras propias de cada fase.

En este contexto, al realizar una proyección financiera, la principal fuente de información corresponde a los datos históricos de la empresa, los cuales pueden ubicarse en cualquiera de las fases previamente descritas. Como se ilustra en la Figura 1, el tramo inicial está conformado por dicha información histórica, la cual refleja la trayectoria efectivamente observada del negocio hasta el momento de la valorización. Estos datos, debidamente analizados e interpretados, recogen la dinámica del ciclo económico y constituyen el punto de partida para la formulación de las proyecciones.

A partir de este punto —el momento actual— se inicia la construcción de la trayectoria futura. En un primer tramo, la proyección recoge la inercia de los datos históricos mediante un horizonte de corto plazo, estimado a través de modelos de tendencia —frecuentemente lineales— implementados en herramientas como la función FORECAST de Excel. Este segmento captura la continuidad operativa del negocio en el corto plazo.

A continuación, la proyección ingresa en una fase de transición (tramo 2), que puede representarse mediante una función logarítmica que incorpora una desaceleración progresiva del crecimiento. Este comportamiento refleja el proceso de maduración del negocio, así como la aparición de rendimientos decrecientes a medida que la empresa se aproxima a su capacidad estructural.

Finalmente, la trayectoria converge hacia un régimen de crecimiento estable de largo plazo (tramo 3), consistente con una tasa de crecimiento vegetativo en perpetuidad. En esta etapa, el objetivo no es proyectar en detalle la evolución futura, sino establecer una condición de equilibrio económico coherente con la naturaleza madura del negocio.

Figura 1. Ciclo de vida del negocio y esquema de proyección del FDC

 Fuente: Elaboración propia

La Figura 1 sintetiza esta lógica al vincular el ciclo de vida del negocio con el esquema de proyección del FCD. A partir del punto de corte temporal —el momento de la valorización— la trayectoria futura se estructura en tres tramos diferenciados: un segmento inicial de corto plazo que recoge la inercia de la información histórica, una fase de transición en la que el crecimiento se desacelera progresivamente y, finalmente, un tramo de largo plazo en el que la empresa converge hacia un estado estacionario caracterizado por un crecimiento en perpetuidad.

Sobre esta base conceptual, la proyección de flujos a partir de la información histórica constituye la primera etapa operativa del proceso de forecasting. En esta sección se desarrolla la metodología para construir una trayectoria de ingresos y flujos coherente con dicha estructura, tomando como referencia empírica el caso de Cartavio S.A.A..

El desarrollo del caso se presenta de manera secuencial, de modo que cada etapa de la proyección se articula con un tramo específico del ciclo de vida del negocio. En primer lugar, se estima el componente de corto plazo mediante funciones de forecasting, como FORECAST.ETS, que permiten extrapolar la inercia de la información histórica. A continuación, se modela la fase de transición a través de una función logarítmica que introduce una desaceleración progresiva del crecimiento. Finalmente, se establece la tasa de crecimiento de largo plazo asociada al estado estacionario.

Este enfoque permite estructurar de manera ordenada la construcción de la proyección, desde la información histórica hasta la definición del horizonte de perpetuidad, asegurando coherencia entre la dinámica operativa del negocio y su representación en el modelo de valorización.

1.1  Forecast basado en series históricas

El punto de partida del proceso de proyección consiste en estimar los flujos de caja a partir de la dinámica histórica de ingresos y egresos, utilizando herramientas de extrapolación, como FORECAST.ETS. Estas permiten capturar (i) tendencias de crecimiento, (ii) patrones de estacionalidad y (iii) la persistencia en la dinámica operativa del negocio. Los aspectos técnicos y la especificación del modelo empleado se desarrollan en detalle en el Anexo 1.

Dado que el Flujo de Caja Descontado (FCD) se deriva de la interacción entre ingresos, costos e inversiones, su proyección refleja de manera implícita el ciclo de vida del negocio, incorporando fases de expansión, maduración y estabilización. Esta lógica puede visualizarse en la Figura 2, donde se presentan los datos históricos junto con su correspondiente línea de tendencia, la cual sintetiza la dinámica subyacente del negocio.

Figura 2. Información histórica de los FDC de Cartavio

Fuente: Elaboración propia

En este contexto, las variaciones observadas en los flujos no solo reflejan la evolución operativa de la empresa, sino también la volatilidad inherente a su actividad. Dicha volatilidad constituye una manifestación empírica del riesgo del negocio, en la medida en que recoge el efecto conjunto de factores operativos, sectoriales y macroeconómicos que han incidido en su desempeño a lo largo del tiempo.

No obstante, el objetivo del proceso de proyección no es replicar esta volatilidad, sino estimar los flujos de caja esperados. En un marco de valorización, el riesgo asociado a la variabilidad de dichos flujos se incorpora a través de la tasa de descuento, generalmente representada por el Costo Promedio Ponderado de Capital (WACC). En consecuencia, la proyección del FCD se orienta a capturar la trayectoria esperada del negocio, mientras que la volatilidad histórica se traslada conceptualmente al componente de descuento.

Este enfoque se sustenta en el supuesto de que los estados financieros históricos contienen información suficiente para inferir el comportamiento futuro del negocio, en ausencia de cambios estructurales relevantes. Más que una simplificación, este supuesto reconoce que los datos históricos incorporan de manera implícita los efectos del entorno macroeconómico, las condiciones de mercado y las decisiones estratégicas adoptadas por la empresa a lo largo del tiempo.

Aplicación al caso: estimación del tramo inicial mediante FORECAST.ETS

Para ilustrar esta etapa, se utilizan los flujos históricos de la empresa —derivados de la interacción entre ingresos, costos e inversiones— como base de la proyección. Esta serie permite caracterizar la evolución reciente del negocio y constituye el insumo fundamental para estimar el tramo inicial del Flujo de Caja Descontado (FCD) mediante herramientas de forecasting, como la función FORECAST.ETS integrada en Excel.

La proyección se realiza para los próximos tres años, horizonte en el cual la información histórica mantiene una alta capacidad explicativa. En este contexto, el tramo inicial se sustenta en la inercia contenida en los flujos observados, capturada a través de métodos de extrapolación estadística. Esta lógica puede visualizarse en la Figura 2, donde se aprecia cómo la trayectoria proyectada en el corto plazo prolonga la tendencia implícita en los datos históricos.

El cuadro siguiente presenta los flujos históricos considerados, las variaciones observadas y la proyección inicial del FCD obtenida mediante FORECAST.ETS. Su propósito es evidenciar la transición desde los datos observados hacia el primer bloque de flujos proyectados en el corto plazo, previo a la incorporación de mecanismos de convergencia —como la transición logarítmica— y de supuestos de largo plazo asociados al estado estacionario.

Figura 3. Proyección del FDC mediante FORECAST.ETS (tramo inicial)

Fuente: Elaboración propia

La Figura 3 permite documentar la transición desde los flujos observados hacia la estimación inicial de la proyección. Esta trayectoria no debe interpretarse como una representación de largo plazo, sino como una primera aproximación estadística al comportamiento esperado del negocio en el corto plazo, sobre la cual se incorporarán posteriormente los ajustes de transición y las condiciones de equilibrio de largo plazo.

1.2  Trayectoria de transición: proyección logarítmica y convergencia

La extrapolación directa de las tendencias históricas, aun cuando se realiza mediante herramientas estadísticas como FORECAST.ETS, puede generar trayectorias inconsistentes en el largo plazo, especialmente si implica tasas de crecimiento que, de prolongarse, resultarían económicamente insostenibles. Por ello, una vez estimado el tramo inicial del FCD para un horizonte de corto plazo, resulta necesario introducir una fase de transición que refleje la maduración progresiva del negocio.

En el enfoque propuesto, este proceso se desarrolla de manera secuencial. En una primera etapa, se proyectan los flujos de caja mediante técnicas de extrapolación estadística. En una segunda etapa, se emplea tanto la información histórica como el tramo proyectado para estimar una función de tendencia logarítmica, capaz de capturar la desaceleración inherente al crecimiento. Finalmente, los parámetros de dicha función se ajustan de modo que la trayectoria se ancle en el último punto del forecast y converja gradualmente hacia tasas de crecimiento sostenibles.

Desde el punto de vista económico, esta especificación permite incorporar el principio de rendimientos marginales decrecientes, generando una desaceleración endógena del crecimiento a medida que la empresa avanza hacia fases más maduras de su ciclo de vida. A diferencia de una reducción discrecional de tasas, esta aproximación impone una trayectoria continua y coherente, evitando quiebres artificiales entre el corto plazo y el estado estacionario.

En este sentido, la función logarítmica no debe interpretarse como una predicción mecánica del negocio, sino como un mecanismo de convergencia. Su rol es moderar la trayectoria obtenida en el tramo inicial y conducirla progresivamente hacia un régimen de crecimiento compatible con el largo plazo, representando de manera consistente la fase de transición dentro del ciclo de vida empresarial.

Aplicación al caso: construcción de la trayectoria logarítmica

En el caso de Cartavio, la construcción de la trayectoria de transición se realiza de manera consistente con la secuencia metodológica previamente descrita. En una primera etapa, se proyectan los flujos de caja descontados (FCD) para un horizonte de corto plazo mediante herramientas de forecasting, como FORECAST.ETS. A partir de esta proyección —en conjunto con la serie histórica— se estima una función de tendencia logarítmica que permite extender el análisis hacia el mediano plazo, incorporando una desaceleración progresiva del crecimiento.

En una segunda etapa, los parámetros de la función logarítmica se calibran de modo que la trayectoria se ancle en el último punto del forecast —típicamente el tercer año proyectado—, asegurando continuidad en nivel y coherencia en la pendiente inicial. A partir de dicho punto, la función describe una dinámica de crecimiento decreciente que converge gradualmente hacia tasas sostenibles, en línea con el proceso de maduración del negocio.

En términos generales, la forma funcional puede expresarse como FCD(t)=a+b⋅ln(t), donde el parámetro a (189,824 miles de soles) recoge el nivel base ajustado y el parámetro b (275,115 miles de soles) determina la intensidad del crecimiento. La calibración de estos parámetros busca evitar discontinuidades entre el tramo de forecast y la fase de transición, garantizando una trayectoria continua y económicamente consistente.

El cuadro siguiente presenta esta fase de transición, mostrando los FCD proyectados mediante la función logarítmica y la reducción progresiva de las tasas de crecimiento. Su propósito es evidenciar cómo la proyección deja de depender exclusivamente de la inercia histórica y comienza a reflejar la convergencia hacia un régimen de crecimiento más moderado. Este proceso puede visualizarse en la Figura 4, donde se observa la articulación entre el tramo inicial proyectado mediante forecast y la trayectoria logarítmica que guía la transición hacia el largo plazo.

Figura 4. Proyección del FDC mediante función logarítmica (fase de transición)

Fuente: Elaboración propia

La Figura 4 ilustra cómo la función logarítmica actúa como un mecanismo de transición dentro del modelo de proyección, al suavizar la trayectoria de los flujos, incorporar una desaceleración progresiva del crecimiento y evitar extrapolaciones inconsistentes con el ciclo de vida del negocio.

1.3  Crecimiento de largo plazo y perpetuidad

En el estado estacionario, la empresa converge hacia una situación de equilibrio caracterizada por: (i) una tasa de crecimiento estable y sostenible, (ii) retornos alineados con el riesgo asumido y (iii) una política de inversión consistente con la generación de flujos. En este contexto, la tasa de crecimiento en perpetuidad (g) debe ser coherente con la capacidad de expansión de la economía en la que opera la empresa, usualmente acotada por el crecimiento nominal del Producto Interno Bruto (PBI).

Desde la perspectiva de la trayectoria proyectada, la función logarítmica utilizada en la fase de transición presenta un comportamiento asintótico, lo que implica que, en ausencia de ajustes, la tasa de crecimiento tendería progresivamente a cero. Por ello, el modelo incorpora explícitamente la determinación de la tasa de crecimiento perpetuo (g), la cual actúa como un ancla de largo plazo consistente con el entorno económico y la etapa de madurez del negocio.

La transición entre la fase logarítmica y la perpetuidad se produce en el punto en el que la tasa de crecimiento implícita en la función converge hacia g. A partir de ese momento, la trayectoria deja de seguir la dinámica asintótica y pasa a evolucionar bajo un régimen de crecimiento constante en perpetuidad. De este modo, se evita la convergencia hacia tasas nulas y se asegura una trayectoria consistente con condiciones económicas realistas.

Este anclaje no busca predecir la evolución futura de las variables macroeconómicas, sino imponer una restricción de consistencia económica en el largo plazo. En consecuencia, se evita la necesidad de proyectar explícitamente dichas variables en horizontes de alta incertidumbre, sustituyendo el forecasting detallado por condiciones de equilibrio estructural.

En este sentido, la perpetuidad no constituye una extensión mecánica de la proyección, sino la representación de un estado de equilibrio económico. Su función es cerrar la valoración mediante una tasa de crecimiento sostenible y compatible con el perfil de madurez del negocio, articulando de manera coherente la fase de transición con el régimen de largo plazo.

Aplicación al caso: convergencia hacia el estado estacionario

En el caso de Cartavio, la fase final de la proyección se construye a partir de la trayectoria logarítmica previamente estimada, identificando el punto a partir del cual el crecimiento implícito resulta consistente con una tasa sostenible de largo plazo. Este punto marca el inicio del régimen de perpetuidad, en el que los flujos proyectados pasan a crecer a una tasa constante (g), que en este caso se fija en 2%, tal como se ilustra en la Figura 5.

Para efectos del modelo, la determinación de g considera el posicionamiento de la empresa en un mercado de consumo masivo, su grado de madurez y las condiciones estructurales del entorno económico. En este sentido, la tasa seleccionada no responde a proyecciones puntuales de variables macroeconómicas, sino a un rango razonable de crecimiento nominal compatible con la estabilidad del negocio en el largo plazo.

El cuadro siguiente presenta el tramo final de la proyección, mostrando la transición desde la trayectoria logarítmica hacia el crecimiento en perpetuidad. En particular, se identifica el punto en el que la tasa de crecimiento converge hacia g (2%) y la forma en que, a partir de entonces, los flujos evolucionan bajo un supuesto de crecimiento constante. Esta dinámica puede visualizarse en la Figura 5, donde se observa la continuidad de la trayectoria y su convergencia hacia el estado estacionario sin introducir quiebres en la proyección.

Figura 5. Proyección del FDC en perpetuidad (estado estacionario)

Fuente: Elaboración propia

La Figura 5 permite identificar con claridad el último año de la proyección explícita y el punto de inicio del valor terminal. De este modo, la perpetuidad se incorpora como una condición de equilibrio de largo plazo, y no como una extensión indefinida de la tendencia histórica.

1.4  Integración del caso de proyección

La secuencia desarrollada pone de manifiesto que la proyección del Flujo de Caja Descontado (FCD) no se sustenta en una única técnica, sino en la articulación de instrumentos que cumplen funciones diferenciadas a lo largo del ciclo de vida del negocio. En particular, el uso de FORECAST.ETS permite capturar la inercia de corto plazo; la función logarítmica incorpora la desaceleración progresiva propia de la fase de transición; y la tasa de crecimiento en perpetuidad (g) establece el ancla de largo plazo asociada al estado estacionario.

La Figura 6 presenta la trayectoria completa del FCD, distinguiendo la etapa histórica, el tramo inicial proyectado mediante FORECAST.ETS, la fase de transición modelada a través de la función logarítmica y el cierre en perpetuidad. Su propósito es hacer explícita la continuidad entre los distintos bloques de la proyección, evidenciando que cada uno responde a una lógica específica —inercia, convergencia y equilibrio—, integrada de manera consistente dentro de un mismo marco conceptual.

Figura 6. Proyección integral de ingresos: histórico, forecast, transición y perpetuidad

Fuente: Elaboración propia

La Figura 6 integra la lógica del proceso de proyección, evidenciando que el FCD se modela como una trayectoria continua y coherente con el ciclo de vida del negocio, evitando tanto la extrapolación mecánica del pasado como la imposición exógena de supuestos de largo plazo.

2.      Interpretación de las proyecciones como reflejo del ciclo económico

2.1  El contenido macroeconómico del histórico

Los estados financieros históricos reflejan la interacción dinámica de la empresa con su entorno económico, incorporando de manera acumulativa: (i) fases de expansión y contracción del ciclo económico, (ii) variaciones en precios relativos y estructuras de costos, y (iii) condiciones de financiamiento, liquidez y demanda.

En este sentido, la información histórica trasciende su carácter de registro contable y constituye una síntesis empírica del contexto macroeconómico y sectorial en el que ha operado la empresa. Por ello, el forecast basado en estos datos no debe interpretarse como un ejercicio puramente estadístico, sino como la extrapolación de relaciones económicas subyacentes observadas a lo largo del tiempo.

En otras palabras, las proyecciones derivadas del histórico incorporan de manera implícita la dinámica macroeconómica, en la medida en que esta se encuentra internalizada en la evolución de los ingresos, costos y flujos de la empresa.

2.2  Persistencia y cambio en los ciclos

El uso de la información histórica como base de proyección se sustenta en la hipótesis de que ciertos patrones observados presentan un grado de persistencia en el tiempo. No obstante, dicha persistencia no debe interpretarse como una repetición mecánica del pasado, sino como la continuidad —sujeta a cambio— de relaciones económicas que pueden evolucionar, debilitarse o transformarse.

En este contexto, el analista debe evaluar críticamente: (i) la estabilidad del entorno competitivo y regulatorio, (ii) la exposición del negocio a shocks estructurales y (iii) la vigencia de las relaciones históricas entre variables operativas y económicas. Este ejercicio permite determinar en qué medida las dinámicas observadas continúan siendo representativas del comportamiento futuro, evitando extrapolaciones que ignoren cambios relevantes en el entorno.

En consecuencia, la proyección basada en el histórico requiere no solo extrapolación, sino también interpretación. Ello introduce una dimensión central en el proceso de valorización: la lectura del ciclo económico como un fenómeno dinámico, en el que coexisten elementos de continuidad y cambio.

2.3  Ajustes por expectativas macroeconómicas

La proyección base, construida a partir de la dinámica histórica, puede ajustarse para incorporar expectativas sobre el entorno económico futuro, reflejando cambios anticipados en el ciclo sin necesidad de modelar explícitamente variables macroeconómicas.

En términos generales, escenarios favorables se traducen en mayores tasas de crecimiento o recuperaciones más rápidas, mientras que escenarios adversos se manifiestan en desaceleraciones o presiones sobre los márgenes. Así, los ajustes de escenario permiten complementar el forecast implícito con información derivada del análisis económico y sectorial.

No obstante, su aplicación discrecional puede introducir: (i) sesgos subjetivos, (ii) inconsistencias entre variables —por ejemplo, supuestos de alto crecimiento acompañados de márgenes no sostenibles— y (iii) falta de trazabilidad en el proceso de proyección.

En consecuencia, la incorporación de expectativas macroeconómicas exige disciplina analítica, de modo que los supuestos mantengan coherencia interna y sean consistentes con la estructura económica del negocio.

3.      Riesgo y tasa de descuento

La valorización se realiza en términos de valores esperados, donde el riesgo asociado a la incertidumbre de los flujos se incorpora a través de la tasa de descuento, generalmente representada por el Costo Promedio Ponderado de Capital (WACC).

En este marco, resulta fundamental distinguir entre dos dimensiones del modelo: el nivel esperado de los flujos y la compensación exigida por su riesgo. Mientras el forecast define la trayectoria esperada del FCD, el WACC captura la retribución requerida por la incertidumbre asociada a dichos flujos. En consecuencia, la tasa de descuento no corrige errores de estimación, sino que remunera el riesgo inherente al negocio.

Esta distinción tiene implicancias directas en la construcción del modelo. Por un lado, la calidad del forecast se convierte en un determinante central del valor estimado. Por otro, los escenarios incorporados en la proyección deben ser consistentes con el perfil de riesgo reflejado en el WACC, evitando la doble contabilización del riesgo mediante ajustes simultáneos en flujos y en la tasa de descuento.

De este modo, la adecuada separación entre estimación de flujos y compensación por riesgo constituye una condición necesaria para asegurar la coherencia interna y la validez económica de la valorización.

4.      Refinamiento de la proyección mediante inteligencia artificial

La Figura 7 ilustra el aporte específico de la inteligencia artificial en el proceso de proyección. A diferencia del esquema base, la IA no modifica la estructura del modelo, sino que ajusta la pendiente del tramo inicial del forecast, generando trayectorias ligeramente superiores o inferiores respecto de la proyección base.

Estos ajustes se incorporan de manera gradual y coherente con la dinámica histórica del negocio, evitando desviaciones abruptas. En este sentido, la IA no redefine la trayectoria proyectada, sino que refina su punto de partida mediante una calibración más informada del crecimiento de corto plazo.

A partir de este ajuste, las trayectorias continúan su evolución bajo el mismo esquema estructural del modelo, convergiendo hacia la fase de transición logarítmica y, posteriormente, hacia el crecimiento de largo plazo. De este modo, el aporte de la IA se integra de manera complementaria, preservando la consistencia interna del proceso de proyección.

Figura 7. Ajuste de la pendiente del forecast mediante inteligencia artificial

Fuente: Elaboración propia

4.1  Limitaciones del ajuste discrecional

Los ajustes manuales basados en juicio experto, si bien son habituales en la modelación financiera, presentan limitaciones relevantes desde el punto de vista analítico.

En particular, pueden introducir sesgos subjetivos derivados de percepciones no sistematizadas, carecer de trazabilidad al no existir una relación explícita entre los supuestos adoptados y la evidencia que los sustenta, y dificultar la replicabilidad del modelo en procesos de revisión o en aplicaciones comparables. Asimismo, pueden generar inconsistencias internas cuando distintas variables se modifican sin un marco común que las articule.

En consecuencia, aunque el uso de criterios discrecionales resulta en cierta medida inevitable, su aplicación debe complementarse con herramientas que permitan sistematizar, validar y hacer explícitos los supuestos incorporados.

4.2  IA como herramienta de calibración

La inteligencia artificial permite estimar de manera empírica la relación entre el desempeño de la empresa y variables externas relevantes, como la actividad económica, la inflación y las condiciones sectoriales. A diferencia de los enfoques basados exclusivamente en juicio experto, este enfoque se sustenta en la identificación de patrones en los datos, facilitando la incorporación sistemática de información del entorno.

Mediante modelos de aprendizaje automático, es posible identificar y cuantificar sensibilidades —o elasticidades— entre variables, así como capturar efectos no lineales y detectar cambios en las relaciones estructurales a lo largo del tiempo. Este enfoque resulta especialmente útil en contextos donde dichas relaciones son inestables o presentan dinámicas complejas.

En este sentido, la inteligencia artificial permite traducir ajustes cualitativos en estimaciones cuantificables, fortaleciendo la consistencia, trazabilidad y replicabilidad del proceso de proyección.

4.3  Perfilamiento del ciclo de vida de la proyección

El principal aporte de la inteligencia artificial no radica en generar proyecciones, sino en perfilar la trayectoria de los flujos, permitiendo que refleje con mayor precisión la dinámica del negocio a lo largo del tiempo. De este modo, la forma de la proyección se alinea con el ciclo de vida de la empresa, reduciendo la dependencia de supuestos exógenos.

En particular, la IA actúa sobre la pendiente del tramo inicial del forecast, ajustando el crecimiento de corto plazo en función de la información contenida en los datos y en variables externas relevantes. Este ajuste no es aislado, sino que se transmite al resto de la trayectoria: al modificarse el punto de partida, se recalibra la función logarítmica de transición y se redefine el momento de convergencia hacia la tasa de crecimiento en perpetuidad (g).

Asimismo, la IA facilita la identificación de fases diferenciadas —crecimiento, maduración y estabilización— y el ajuste de la velocidad de convergencia hacia el estado estacionario, evitando transiciones arbitrarias. Esto permite alinear de manera consistente ingresos, costos, márgenes e inversión en función de patrones observados en los datos.

A diferencia de los enfoques tradicionales, donde la trayectoria se impone mediante funciones predefinidas, la IA permite que esta emerja de la evidencia empírica, capturando cambios en el crecimiento, puntos de inflexión y dinámicas no lineales.

En este sentido, la IA no redefine el modelo de valorización, sino que mejora la calidad de la proyección, reduciendo la arbitrariedad, fortaleciendo la consistencia interna y asegurando coherencia entre el corto, mediano y largo plazo.

5.      Integración conceptual del modelo

El enfoque propuesto se articula en tres niveles secuenciales que integran evidencia empírica, interpretación económica y herramientas analíticas avanzadas.

En un primer nivel, la proyección se construye a partir de la información histórica mediante técnicas de extrapolación que capturan la dinámica observada en ingresos, costos y flujos. Este forecast permite establecer una trayectoria base coherente con el comportamiento reciente del negocio, incorporando de manera indirecta el entorno macroeconómico.

Sobre esta base, un segundo nivel introduce la interpretación macroeconómica, situando la proyección dentro del ciclo económico. Ello permite ajustar escenarios y evaluar la consistencia del forecast frente a condiciones externas, transformando la extrapolación en una representación económicamente fundamentada.

Finalmente, un tercer nivel incorpora herramientas de calibración orientadas a reforzar la coherencia interna de la proyección. En este plano, la inteligencia artificial contribuye a ajustar la trayectoria estimada, alineando su evolución con patrones observados en los datos y con la dinámica del ciclo de vida del negocio.

En conjunto, el modelo articula una secuencia en la que la proyección se construye a partir de la evidencia histórica, se interpreta en función del entorno económico y se refina mediante herramientas cuantitativas, logrando un equilibrio entre simplicidad operativa, consistencia económica y rigor analítico.

6. Conclusión

La proyección del Flujo de Caja Descontado (FCD) no requiere la modelación explícita de variables macroeconómicas en horizontes de largo plazo, donde la incertidumbre limita la utilidad de ejercicios de forecasting detallados. En su lugar, es posible construir modelos de valorización consistentes a partir de un enfoque estructurado que articule la información contenida en los datos históricos, la interpretación del ciclo económico y un esquema de proyección coherente con el ciclo de vida del negocio.

En este marco, la proyección deja de ser una extrapolación aislada para convertirse en la construcción de una trayectoria continua. En ella, el forecast de corto plazo captura la inercia observada en los datos; la función logarítmica introduce un mecanismo de convergencia que refleja la desaceleración inherente al proceso de maduración; y la tasa de crecimiento en perpetuidad (g) establece el ancla de largo plazo bajo condiciones de equilibrio económico.

La incorporación de inteligencia artificial no modifica esta arquitectura, sino que la fortalece mediante una calibración más precisa del tramo inicial de la proyección. Al ajustar la pendiente del forecast, la IA incide sobre la trayectoria completa, mejorando su alineación con la dinámica observada del negocio y reduciendo la discrecionalidad en la construcción del modelo.

En consecuencia, la calidad de la valorización no depende de la sofisticación de herramientas aisladas, sino de la coherencia con la que se integran sus componentes. En particular, resulta esencial preservar la distinción entre la estimación de los flujos esperados y la compensación por riesgo —reflejada en la tasa de descuento—, evitando inconsistencias y dobles contabilizaciones.

En conjunto, el enfoque propuesto permite avanzar hacia una valorización más robusta, en la que la incertidumbre no se elimina, sino que se gestiona de manera disciplinada. Ello se logra mediante un marco conceptual que prioriza la consistencia económica, la trazabilidad de los supuestos y la articulación coherente de las distintas etapas del proceso de proyección.

Anexo 1: Especificación del Modelo ETS (FORECAST.ETS en Excel)

A.1 Introducción

Este anexo presenta la formulación técnica del modelo de forecasting implementado en la función FORECAST.ETS de Excel. Dicha función se basa en la familia de modelos ETS (Error, Trend, Seasonality), una generalización del método de suavizamiento exponencial de Holt-Winters, utilizada para modelar series temporales con componentes de nivel, tendencia y estacionalidad.

A.2 Especificación del modelo

Sea Y_t una serie temporal observada. El modelo ETS aditivo puede expresarse como:

Yt = Lt + Tt + St + εt

donde Lt representa el nivel, Tt la tendencia, St el componente estacional y εt el término de error.

A.3 Ecuaciones de actualización

Los componentes del modelo se actualizan de forma recursiva mediante ecuaciones de suavizamiento exponencial:

Nivel:      Lt = α (Yt – St-s) + (1 – α) (Lt-1 + Tt-1)

Tendencia:  Tt = β (Lt – Lt-1) + (1 – β) Tt-1

Estacional: St = γ (Yt – Lt) + (1 – γ) St-s

donde α, β y γ son parámetros de suavizamiento en el intervalo (0,1), y s corresponde a la longitud del ciclo estacional.

A.4 Proyección

La proyección a h períodos se obtiene como:

Ŷt+h = Lt + h Tt + St+h-s

A.5 Estimación de parámetros

La función FORECAST.ETS estima automáticamente los parámetros α, β y γ mediante la minimización del error cuadrático medio (MSE). Asimismo, selecciona la longitud del ciclo estacional y ajusta el modelo ante la presencia de datos faltantes o valores atípicos.

A.6 Interpretación en el contexto del FCD

Desde el punto de vista económico, el modelo ETS no incorpora variables explicativas externas. En cambio, captura la dinámica histórica de la serie, integrando de manera implícita los efectos del entorno económico. Por ello, su uso es adecuado para modelar la inercia de corto plazo en el forecasting del FCD.

A.7 Limitaciones

El modelo ETS presenta limitaciones importantes: no captura cambios estructurales, no modela relaciones causales y tiende a extrapolar tendencias recientes. En consecuencia, su aplicación debe restringirse a horizontes de corto plazo y complementarse con otros enfoques para el largo plazo.