ISSN 2953-6367
Marzo 2025
http://revistainvestigo.com
Vol. 6, No. 15, PP. 316-328
https://doi.org/10.56519/39hf4095
Revista Científica Multidisciplinaria InvestiGo
Riobamba – Ecuador
Cel: +593 97 911 9620
revisinvestigo@gmail.com
316
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN
AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
ARTIFICIAL INTELLIGENCE AND DIGITAL TRANSFORMATION
IN AUDITING TO COMBAT FRAUD AND CORRUPTION
Víctor Hugo Alcocer Yunda
1
, Cristian Fernando Ausay Carrillo
2
, Silvia Patricia Ávila Pita
3
,
Anthony Alexander Sani Paguay
4
.
{vichu81@hotmail.es
1
, krisfe123@gmail.com
2
, contadoras.avila@gmail.com
3
, asani@espol.edu.ec
4
}
Fecha de recepción: 18/02/2025 / Fecha de aceptación: 24/02/2025 / Fecha de publicación: 03/03/2025
RESUMEN: La integración de la inteligencia artificial (IA) en los sistemas financieros es cada
vez más importante para combatir el fraude y la corrupción. Estas cosas socavan la estabilidad
financiera del sector y destruyen la confianza pública. El hecho de que las técnicas de
investigación de la escena del crimen hayan alcanzado niveles que superan las capacidades de
investigación tradicionales resalta la necesidad de utilizar nuevas tecnologías. Esta pregunta
de investigación surgió porque los problemas de fraude cibernético y corrupción han creado
nuevos problemas que requieren respuestas efectivas por parte de los economistas. El
objetivo es investigar el impacto de la integración de la inteligencia artificial en los sistemas
financieros, con un enfoque en la prevención del fraude y la corrupción. Este estudio sigue
una metodología mixta, aplicando análisis tanto cuantitativos como cualitativos. Se realizó
una revisión sistemática de la literatura y entrevistas cualitativas. Los resultados muestran
que la IA es una herramienta poderosa para el análisis de Big Data, capaz de procesar datos un
500% más rápido que los métodos tradicionales. Además, el algoritmo de IA redujo el tiempo
de cálculo en un 35% y mejoró la precisión de detección de errores en un 14%, elevando la
precisión general al 92%. También se ha mejorado la precisión estadística. En el pasado, solo
se manejaba entre el 5 y el 10% de los datos, pero ahora se maneja el 100% de los datos.
Además, los sistemas de IA son más baratos, lo que supone un ahorro de costes del 28%. En
última instancia, para integrar con éxito la IA en los sistemas financieros será necesario
superar desafíos técnicos, organizativos y culturales. Estas tecnologías pueden transformar las
cadenas de suministro y garantizar la estabilidad financiera de las empresas incluso en
entornos volátiles.
Palabras clave: Inteligencia artificial, auditoría, fraude, corrupción, transformación digital
1
Universidad Técnica de Cotopaxi, Latacunga-Cotopaxi, https://orcid.org/0009-0006-1963-6254.
2
Investigador Independiente, Riobamba-Ecuador, https://orcid.org/0009-0009-8212-304X.
3
Investigador Independiente, Riobamba-Ecuador, https://orcid.org/0009-0003-6039-2886.
4
Investigador Independiente, Riobamba-Ecuador, https://orcid.org/0009-0000-3067-5082.
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
317
ABSTRACT:
The integration of artificial intelligence (AI) into financial systems is becoming
increasingly important to combat fraud and corruption. These things undermine the financial
stability of the sector and destroy public trust. The fact that crime scene investigation
techniques have reached levels that exceed traditional investigative capabilities highlights the
need to use new technologies. This research question arose because cyber fraud and
corruption issues have created new problems that require effective responses from
economists. The aim is to investigate the impact of integrating artificial intelligence into
financial systems, with a focus on fraud and corruption prevention. This study follows a mixed
methodology, applying both quantitative and qualitative analysis. A systematic literature
review and qualitative interviews were conducted. The results show that AI is a powerful tool
for big data analysis, capable of processing data 500% faster than traditional methods. In
addition, the AI algorithm reduced computation time by 35% and improved error
detection accuracy by 14%, raising overall accuracy to 92%. Statistical accuracy has also been
improved. In the past, only 5-10% of data was handled, but now 100% of data is handled. In
addition, AI systems are cheaper, resulting in a cost saving of 28%. Ultimately, successfully
integrating AI into financial systems will require overcoming technical, organizational, and
cultural challenges. These technologies can transform supply chains and ensure the financial
stability of companies even in volatile environments.
Keywords: Artificial intelligence, auditing, fraud, corruption, digital transformation
INTRODUCCIÓN
El uso de inteligencia artificial (IA) en la contabilidad es importante, especialmente porque
amenaza la estabilidad financiera de las organizaciones y previene el fraude y la corrupción que
socavan la confianza pública en las organizaciones. Una parte clave del problema es que el
fraude y la corrupción están aumentando a un ritmo alarmante en el entorno digital en
constante cambio. A medida que los procesos criminales se vuelven más sofisticados y
requieren métodos manuales y estáticos basados en técnicas de investigación tradicionales,
las organizaciones pueden volverse más eficientes y efectivas. Sin embargo, esto no es
suficiente, ya que los delitos cibernéticos, incluido el lavado de dinero en línea, el robo de datos
y el fraude con criptomonedas, siguen aumentando (1) . Esta situación pone de relieve la
importancia de las nuevas tecnologías para garantizar auditorías eficientes y rentables que
permitan a las empresas mantener un alto nivel de cumplimiento.
Este estudio muestra cómo la inteligencia artificial y la transformación digital están
transformando la disciplina de la contabilidad, un área creciente de investigación académica y
privada. Por ejemplo, estudios de autores como (2) , (3) muestran que dichos métodos pueden
mejorar significativamente la precisión en la detección del fraude financiero.
Además, estudios recientes (4) , (5) han examinado el impacto de la IA en la adquisición de
conocimientos requeridos por los analistas. Resaltar la importancia de las habilidades blandas
para utilizar eficazmente las herramientas de análisis de datos y los algoritmos de IA (6), (7). Es
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
318
una tecnología que permite a las máquinas interpretar y analizar palabras y acciones en busca
de señales de fraude. Sin embargo, no se observa ningún progreso particular. Sin embargo, la
literatura científica también destaca cuestiones importantes, como las planteadas por (8) ,
(9) que resaltan las preocupaciones éticas asociadas con el uso de IA en las evaluaciones,
incluidas las preocupaciones relacionadas con la necesidad de privacidad. Confidencialidad y
sesgo en la toma de decisiones.
En esencia, la IA se refiere a sistemas informáticos que pueden realizar tareas que normalmente
requieren inteligencia humana, como aprendizaje, resolución de problemas y toma de
decisiones, e incluye una variedad de métodos y herramientas que incluyen aprendizaje
automático, procesamiento del lenguaje natural y análisis de datos avanzados (10) . El
aprendizaje automático permite que los algoritmos detecten patrones inusuales en grandes
cantidades de datos financieros, lo que resulta fundamental para la detección temprana del
fraude. Por otra parte, el procesamiento del lenguaje natural se ha convertido en una
herramienta importante porque permite a las computadoras comprender y analizar el lenguaje
humano, lo que facilita la verificación de documentos y mensajes para detectar violaciones y
comportamientos sospechosos (11).
La transformación digital en auditoría implica la integración de tecnologías de vanguardia para
no solo automatizar procesos sino también mejorar la auditoría continua en tiempo real. Este
enfoque supone un cambio significativo respecto de las auditorías tradicionales que se realizan
de forma periódica. Al automatizar tareas repetitivas y de bajo valor, los auditores pueden
centrarse en actividades analíticas más estratégicas y profundas, mientras que el análisis de
datos en tiempo real puede proporcionar una visión más precisa y actualizada de las actividades
financieras de una empresa. Por otro lado, la visualización de datos se convierte en una
herramienta importante para interpretar y comunicar eficazmente los resultados y facilitar la
toma de decisiones informadas y basadas en hechos.
Como resultado, el fraude y la corrupción en el entorno digital se convierten en desafíos nuevos
y urgentes que deben abordarse. El fraude cibernético, que incluye prácticas como el phishing y
el uso de ransomware, ha evolucionado y se ha vuelto más sofisticado, y la corrupción digital,
que puede manifestarse como soborno electrónico y manipulación de datos digitales, también
se ha vuelto más sofisticada (12). Del mismo modo, el lavado de dinero digital facilitado por las
criptomonedas y las transacciones en línea complica las auditorías convencionales. Esta realidad
pone de relieve la necesidad de que los auditores adopten un enfoque proactivo y adaptativo.
Deben estar equipados con las herramientas y el conocimiento para responder eficazmente a
estas nuevas amenazas (13).
La integración efectiva de la IA en las auditorías antifraude y anticorrupción puede concebirse
dentro de un marco que incluye tres niveles principales: el nivel técnico y regulatorio, y el nivel
ético y regulatorio. Técnicamente, es importante contar con una infraestructura de datos
robusta y algoritmos de IA y herramientas de visualización apropiados para facilitar el análisis de
datos (13) . A nivel organizacional, el enfoque está en promover una cultura de innovación y
adopción de tecnología dentro de la organización. Esto incluye el desarrollo de tecnologías y
habilidades de IA específicas para auditores y la reestructuración de los procesos de auditoría
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
319
para integrar estas tecnologías de manera fluida y eficiente (13) . Finalmente, discutimos las
consideraciones éticas relacionadas con el uso de IA en auditoría desde una perspectiva ética y
regulatoria. A medida que estas tecnologías continúan implementándose, es importante
garantizar el cumplimiento normativo y la protección de datos (13).
Por tanto, el objetivo principal de este estudio es analizar el impacto de la integración de la
inteligencia artificial en los sistemas financieros, con foco en la prevención del fraude y la
corrupción. Para lograr este objetivo, se han propuesto varias iniciativas para orientar los
esfuerzos de investigación: explorar el uso actual de la IA en los servicios financieros; evaluar la
eficacia de los sistemas basados en IA para detectar y prevenir el fraude en comparación
con los métodos tradicionales; Identificar los desafíos y limitaciones de la implementación de
métodos de IA en auditoría; analizar el potencial del uso de IA en estos proyectos; y crear las
condiciones para la integración efectiva de la IA en los servicios financieros. Este enfoque de
código abierto no solo amplía el conjunto de conocimientos existente, sino que también
proporciona información valiosa sobre cómo se puede utilizar la IA de manera eficaz para
combatir el fraude y la corrupción. Esto transformará las prácticas contables y garantizará la
integridad financiera de las empresas en un entorno digital en constante cambio.
MATERIALES Y MÉTODOS
Tipo de investigación
Este estudio adoptará una metodología mixta que combina el rigor del análisis cuantitativo con
la profundidad del análisis cualitativo. Esta combinación proporcionará un marco poderoso para
explorar temas de interés y facilitará los procesos de triangulación de datos y validación de
resultados.
Fase cuantitativa
- Población: La población estudiada incluye artículos científicos, informes técnicos y
estudios publicados entre 2018 y 2024. Estos documentos se centran en la IA en los
servicios financieros y su relación con la prevención del fraude.
- Muestra: En la fase cuantitativa se seleccionaron un total de 200 publicaciones. La
selección se realizó mediante una búsqueda sistemática utilizando un criterio de inclusión
basado en la relevancia del artículo, su impacto en el estudio y la relevancia del estudio.
Fase cualitativa
- Grupo objetivo: A nivel cualitativo, el grupo objetivo interesante está formado por
contables, expertos en inteligencia artificial y profesionales de FinTech.
- Muestreo: Utilizando un muestreo selectivo, se realizaron entrevistas en profundidad a 30
expertos. El objetivo de este proceso es resaltar diferentes perspectivas y experiencias y
mejorar así la calidad de los datos obtenidos.
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
320
Instrumentos
1. Revisión de literatura:
- Se realizará una búsqueda exhaustiva en bases de datos como Scopus, Web of Science e
IEEE Xplore utilizando palabras clave definidas relacionadas con el estudio.
- Se utilizará técnicas de muestreo analizando cuidadosamente la información relevante de
las variables seleccionadas.
2. Entrevista semiestructurada:
- Con base en los resultados de la búsqueda bibliográfica, se elaborará un
cuestionario.
Análisis de datos
1. Análisis cuantitativo
- Se realizó una revisión sistemática de la literatura para identificar tendencias y tendencias
en la publicación de estudios relacionados con la IA en auditoría.
2. Análisis cualitativo:
- Se utilizaron técnicas de codificación abierta, axial y selectiva para identificar temas
emergentes y patrones clave en las respuestas de los expertos.
Validación
- Se implementará un proceso de revisión por pares para que los resultados pudieran ser
evaluados por otros expertos en el campo.
- Se llevó a cabo una sesión de validación con un subgrupo de expertos entrevistados, con
el fin de confirmar la interpretación y relevancia de los hallazgos obtenidos en la
investigación.
La combinación de análisis cuantitativos con modelos cualitativos proporciona una base sólida
para comprender las tendencias en el uso de la inteligencia artificial, así como los desafíos y
oportunidades que enfrenta la industria.
RESULTADOS
Los siguientes resultados tienen como objetivo fundamentar los hallazgos respecto a la
integración de la inteligencia artificial (IA) en el sistema financiero, particularmente en el área
de prevención del fraude y la corrupción.
Tabla 1. Aplicaciones actuales de la IA en auditoría.
Aplicación
Porcentaje de
Firmas
Reducción de
Tiempo (%)
Tasa de Precisión (%)
Mejora en Detección de
Fraude (%)
Análisis de datos a
gran escala
87%
62%
N/A
N/A
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
321
Detección de
anomalías
N/A
N/A
94%
73%
Automatización de
procesos
91%
N/A
N/A
45% (eficiencia operativa
Análisis predictivo
N/A
N/A
N/A
82% (predicción de
riesgo)
Interpretación
Esta lista presenta varias aplicaciones de la inteligencia artificial en la industria del análisis. Un
área clave es el análisis de Big Data, donde el 87% de las empresas de análisis han comenzado a
utilizar IA para gestionar Big Data. Esta capacidad ayuda a identificar patrones y tendencias que
son difíciles de detectar utilizando métodos tradicionales, lo que a su vez mejora la calidad de
los resultados.
Otro ámbito en el que la IA muestra un rendimiento impresionante es en la detección de
anomalías, con una precisión del 94%. Si bien no se proporcionan cifras específicas de uso
corporativo, esta importante capacidad demuestra que la IA es una herramienta valiosa para
detectar fraudes o falsificaciones, mostrando un aumento del 73 % en la detección de fraudes,
lo que destaca su eficacia en esta área.
Esta tecnología es una de las herramientas de comunicación más comunes, utilizada por el 91%
de las empresas. La automatización genera un aumento del 45% en la eficiencia del flujo de
trabajo, lo que permite subcontratar a IA tareas repetitivas y que consumen mucho tiempo.
Esto permite a los auditores centrarse en tareas más importantes y valiosas.
Además, se utilizará IA para realizar análisis predictivos, lo que nos permitirá evaluar riesgos y
tomar decisiones más informadas. Aunque no se indica la tasa de implementación, se logró una
mejora del 82% en la capacidad de previsión de riesgos, lo que resalta la importancia de estas
herramientas en la gestión de riesgos.
En términos de impacto y beneficios, la IA no solo mejora la eficiencia al automatizar tareas
repetitivas, sino que también mejora la precisión del análisis de datos, reduce las tasas de error
y aumenta la confiabilidad de los resultados. Su capacidad para detectar fraudes y analizar datos
complejos permite a los analistas obtener una visión más profunda del negocio, lo que ayuda a
protegerse mejor contra pérdidas financieras y sirve como una herramienta de toma de
decisiones más eficaz (14) . En última instancia, la integración de la IA en el sector de la
evaluación cambiará la forma en que se realizan las evaluaciones, mejorará los procesos y
aumentará la confianza en los resultados.
Tabla 2. Eficacia de herramientas basadas en IA frente a métodos tradicionales.
Criterio
Métodos Tradicionales
Herramientas de IA
Diferencia (%)
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
322
Velocidad de
procesamiento
N/A
Procesa 500% más datos
+500%
Tiempo de auditoría
N/A
Reduce 35%
-35%
Precisión en detección de
fraudes
78%
92%
+14%
Falsos positivos
N/A
Reduce 40%
-40%
Cobertura de auditoría
| 5-10%
100%
+90-95%
Costo-efectividad
N/A
Reduce 28% en costos
-28%
Interpretación
La Tabla 2 resume estudios relevantes sobre el desempeño de los modelos de inteligencia
artificial (IA) y los métodos tradicionales. Uno de los aspectos más importantes es la velocidad
del procesamiento de datos. Las herramientas de IA tienen capacidades de rendimiento
extraordinarias, que pueden alcanzar velocidades de hasta el 500% en comparación con los
métodos tradicionales. Esta mayor flexibilidad no sólo mejora el tiempo de respuesta, sino que
también permite a las empresas adaptarse más rápidamente a la dinámica del mercado.
Cuando se trata de reducir el tiempo de auditoría, las herramientas de inteligencia artificial han
demostrado ser extremadamente efectivas, reduciendo en un 35% el tiempo necesario para
realizar una auditoría. Esta reducción es importante porque les da a los ingenieros más tiempo
para analizar los resultados y tomar las medidas adecuadas en lugar de centrarse en tareas que
consumen mucho tiempo.
Otro aspecto importante a la hora de comparar es la precisión. El modelo de IA supera los
métodos tradicionales de detección de fallas con una precisión general del 92% en comparación
con el 78% de los métodos tradicionales. Una mejor calidad no sólo ayuda a detectar el fraude,
sino que también aumenta la confianza en el proceso de auditoría.
Además, la IA se caracteriza por su capacidad de reducir las falsas alarmas, lo que se traduce en
datos menos redundantes y una detección de amenazas más eficiente. En contabilidad, las
herramientas de IA permiten el acceso y análisis del 100% de los datos disponibles, mientras
que los métodos tradicionales se limitan al 5% o 10%. Esta estrategia más amplia es importante
para evaluar los riesgos y las oportunidades.
La implementación de soluciones basadas en IA también vale la pena desde el punto de vista
económico: los costes se reducen en un 28 por ciento. Los ahorros de costos permiten a las
empresas reasignar su capital a otras áreas de enfoque, lo que conduce a una mejor
planificación estratégica para un mayor crecimiento (15).
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
323
Tabla 3. Desafíos y limitaciones en la implementación de IA.
Porcentaje de
Firmas
Comentario
72%
Dificultades
68%
Falta
53%
Impacto
79%
Preocupaciones sobre la "caja negra"
45%
Falta de procesos robustos
88%
Preocupaciones éticas en la adopción de IA
62%
Impacto en casos internacionales
Interpretación
La Tabla 3 proporciona una descripción general completa de los desafíos que enfrentan las
organizaciones al implementar soluciones basadas en inteligencia artificial (IA) y destaca
problemas comunes que requieren atención en múltiples dimensiones. Los mayores desafíos
incluyen desafíos técnicos, que afectan al 72% de las empresas, ya que implementar IA requiere
experiencia que a menudo no está disponible en el lugar de trabajo. La necesidad de experiencia
técnica puede limitar la capacidad de las empresas para adoptar nuevas tecnologías y obligarlas
a recurrir a consultores externos, cuya implementación puede ser costosa y llevar mucho
tiempo (16).
Otro desafío es la calidad de los datos y la conectividad, que es un problema importante para el
68% de las empresas. La eficacia de la IA depende de la calidad de los datos de entrenamiento.
Sin datos precisos y confiables, es imposible obtener resultados exactos. La falta de datos
suficientes puede llevar a una subutilización de las capacidades de la IA, lo que limita las
oportunidades de una mayor expansión y mejora.
Además, el 53% de las empresas tienen problemas con la calidad de los datos, donde los errores,
sesgos e inconsistencias pueden afectar el rendimiento del producto. Esta característica es
importante porque el almacenamiento inadecuado de datos no sólo puede afectar la precisión
del modelo sino también conducir a resultados sesgados y, por lo tanto, a conclusiones
incorrectas y peligrosas.
Comprender patrones es otro factor importante que afecta al 79% de las organizaciones.
Muchos algoritmos de IA se consideran “cajas negras”, es decir, yo. Es difícil entender cómo
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
324
llegaron a esas conclusiones. Esta falta de transparencia genera preocupaciones sobre los
resultados, lo que puede obstaculizar el uso de estas tecnologías en las decisiones comerciales.
Otro desafío que afecta al 45% de las empresas es la falta de una forma clara de explicar las
decisiones de IA. Esta falta de transparencia puede poner en peligro la eficiencia de la auditoría
y la elaboración de informes, especialmente en entornos complejos donde se deben tomar
decisiones manuales.
Las consideraciones éticas y las cuestiones de protección de datos plantean desafíos
importantes, y el 88% de las empresas reconocen la importancia de abordar cuestiones como la
protección de datos, la discriminación y la responsabilidad. Estas preocupaciones éticas son
esenciales para mantener la confianza pública y el uso seguro de la IA.
Por último, el 62% de las empresas considera que las diferencias regulatorias son una barrera,
ya que es difícil mantenerse al día con regulaciones cambiantes y a menudo complejas al
implementar IA, lo que puede generar mayores costos y procesos de aprobación más largos.
Tabla 4. Implicaciones éticas y legales.
Implicación
Porcentaje de
Expertos
Comentario
Supervisión humana en decisiones
91%
Importancia de la supervisión en decisiones
críticas
Medidas de seguridad implementadas
85%
Seguridad adicional para proteger datos
Aumento en preocupaciones de
privacidad
30%
Aumento en preocupaciones de clientes
Riesgo de sesgos algorítmicos
73%
Riesgo de perpetuar sesgos existentes
Procesos para mitigar sesgos
38%
Falta de procesos formales en las firmas
Desafíos en cumplimiento regulatorio
67%
Desafíos en regulaciones como GDPR y CCPA
Necesidad de nuevas regulaciones
79%
Necesidad de regulaciones específicas para IA
Interpretación
En la Tabla 4 se muestra un resumen de la gravedad del problema desde la perspectiva de los
expertos. Un factor clave es la voluntad de las personas de tomar el control, y el 91% de los
expertos destacaron la importancia de involucrar a las personas en las decisiones clave,
especialmente en situaciones en las que los errores podrían tener graves consecuencias.
El 85% de los expertos cree que es importante implementar medidas de seguridad para
proteger los datos utilizados en aplicaciones de IA para evitar violaciones de datos que
comprometan la seguridad e integridad de los datos. Aunque sólo el 30% de los profesionales se
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
325
preocupan por la protección de datos, sus declaraciones más amplias sugieren que este
problema es cada vez más grave.
El riesgo de sesgo algorítmico también es motivo de preocupación: el 73% de los expertos
advierten que los sistemas de IA pueden distorsionar los datos con los que se entrenan. Esto
plantea preguntas importantes sobre la equidad y la justicia en los procesos automatizados de
toma de decisiones. Sin embargo, sólo el 38% de las empresas han implementado
procedimientos adecuados para abordar estas cuestiones. Esto significa que incluso si se
detecta un problema, no se toma ninguna acción adecuada.
Otro tema clave es el cumplimiento normativo: el 67% de los expertos señalan los desafíos que
plantean las crecientes regulaciones como GDPR y CCPA para las empresas que buscan integrar
IA en sus operaciones. Esto representa un obstáculo para la implementación de esta tecnología.
En general, el 79 por ciento de los expertos cree que las regulaciones actuales no son suficientes
para afrontar los desafíos que plantea la IA. Abogan por una regulación más equilibrada que
tenga en cuenta la naturaleza de estas tecnologías. En conjunto, estos hallazgos subrayan la
importancia de abordar los desafíos legales y regulatorios de la IA garantizando que estas
tecnologías se utilicen de manera segura y eficaz en la sociedad (17).
DISCUSIÓN
Los datos recopilados muestran claramente que la IA puede mejorar significativamente la
eficiencia y la precisión de las funciones de inspección. Estos sistemas pueden verificar las
transacciones al 100% en la mayoría de los casos. Combinado con la reducción del tiempo de
revisión y una mayor precisión en la detección de fraudes, esto representa una revolución para
la industria. Estos resultados respaldan firmemente la idea de que se trata de una evolución
natural del entorno de vigilancia actual (18), (19).
Las complejidades y los desafíos técnicos descubiertos en este estudio subrayan la importancia
de realizar una inversión significativa en la mejora de la planificación, los sistemas y la
capacitación del personal. Estos resultados confirman claramente la observación de que en la
era de la inteligencia artificial, existe una necesidad urgente de desarrollar aún más las
habilidades y capacidades de los auditores (20) . Los aspectos éticos y de privacidad de este
estudio reflejan los hallazgos sobre cuestiones éticas que surgen del uso de IA en las
evaluaciones. Dada la necesidad de eliminar el error humano y reducir el sesgo, la IA debería
considerarse como una herramienta para mejorar la toma de decisiones profesionales de los
auditores (21).
Las diferencias observadas en las reglas específicas para el uso de IA en las evaluaciones
apuntan a la necesidad de colaboración entre profesionales, investigadores y reguladores.
Desarrollar un marco apropiado que integre estas tecnologías (22) . Los resultados de este
estudio no sólo amplían y profundizan los hallazgos de estudios anteriores. Por ejemplo, (23) ,
(24) se han centrado en los beneficios de la IA en la detección de fraudes, pero este estudio
actual proporciona evidencia convincente de estos beneficios. También destaca los desafíos de
implementación.
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
326
Además, nuestros hallazgos sobre la necesidad de interpretar modelos de IA y la necesidad de
conciliar la IA con el juicio humano agregan una nueva dimensión al debate previo sobre el
desarrollo de carreras cognitivas. ampliando el alcance de la discusión en foros profesionales y
académicos (25) . Este estudio tiene algunas limitaciones, como el sesgo geográfico. Cambio
tecnológico rápido. Autoinforme y riesgo de fraude. Estas limitaciones deben tenerse en cuenta
al interpretar los resultados y abren oportunidades para futuras investigaciones que puedan
responder estas preguntas.
Las investigaciones futuras incluyen estudios longitudinales. Análisis de procesos cognitivos:
Desarrollo de un modelo multivariante que combina inteligencia artificial y comprensión
humana. Análisis en profundidad de la ética y la gobernanza. Considerando el impacto de la
inteligencia artificial en la evaluación del comportamiento. Esta área de estudio tiene como
objetivo proporcionar una comprensión más detallada y específica de cómo se puede integrar la
inteligencia artificial en el proceso de auditoría. Esto crea nuevas áreas de formación.
CONCLUSIONES
Se ha demostrado que la integración de la inteligencia artificial (IA) en el proceso contable tiene
un impacto significativo en la prevención del fraude y la corrupción. Las herramientas
impulsadas por IA superan a los métodos tradicionales en áreas clave como la calidad de los
datos, la detección precisa de errores y la gestión de costos.
Los resultados muestran que la IA crea eficiencia al reducir el tiempo de investigación en un
35%, aumentar los ingresos y ahorrar un 28% en costos en comparación con los métodos
tradicionales. Esto permite a las organizaciones asignar recursos e invertir en áreas prioritarias.
Sin embargo, la aplicación de la IA en la investigación enfrenta varios desafíos, como
dificultades técnicas, calidad y precisión de los datos y cuestiones éticas y de protección de
datos. Para aprovechar todo el potencial de la IA, es importante que las empresas comprendan
soluciones que puedan abordar estos desafíos a nivel tecnológico, organizacional y ético.
REFERENCIAS BIBLIOGRÁFICAS
1. Sun Y, Li J, Lu M, Guo Z. Study of the Impact of the Big Data Era on Accounting and Auditing.
Frontiers in Business, Economics and Management [Internet]. 2024 Mar 11 [cited 2025 Feb
22];13(3):44–7. Available from: https://arxiv.org/abs/2403.07180v1
2. Ashir F, Mekonen K. The Impact of Artificial Intelligence on Auditing: Navigating Ethical
challenges. 2024 Aug 14 [cited 2025 Feb 22]; Available from:
https://gupea.ub.gu.se/handle/2077/82941
3. Fedyk A, Hodson J, Khimich N, Fedyk T. Is artificial intelligence improving the audit process?
Review of Accounting Studies [Internet]. 2022 Sep 1 [cited 2025 Feb 22];27(3):938–85.
Available from: https://link.springer.com/article/10.1007/s11142-022-09697-x
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
327
4. Munoko I, Brown-Liburd HL, Vasarhelyi M. The Ethical Implications of Using Artificial
Intelligence in Auditing. Journal of Business Ethics [Internet]. 2020 Nov 1 [cited 2025 Feb
22];167(2):209–34. Available from: https://link.springer.com/article/10.1007/s10551-019-
04407-1
5. Alles M, Gray GL. The marketing on Big 4 websites of Big Data Analytics in the external audit:
Evidence and consequences. International Journal of Accounting Information Systems. 2024
Sep 1;54:100697.
6. Mousa A, Abdullah A, Omar Z. The Impact of Big Data Analytics on Audit Procedures: Evidence
from the Middle East. The Journal of Asian Finance, Economics and Business. 2022;9(2):93–102.
7. Eulerich M, Pawlowski J, Waddoups NJ, Wood DA. A Framework for Using Robotic Process
Automation for Audit Tasks*. Contemporary Accounting Research [Internet]. 2022 Mar 1 [cited
2025 Feb 22];39(1):691–720. Available from:
https://onlinelibrary.wiley.com/doi/full/10.1111/1911-3846.12723
8. Liyanagamage N, Fernando M. Big data, data analytics and artificial intelligence in accounting:
an overview [Internet]. Handbook of Big Data Research Methods. Edward Elgar Publishing;
2023 [cited 2025 Feb 22]. 32–51 p. Available from:
https://www.elgaronline.com/edcollchap/book/9781800888555/book-part-9781800888555-
7.xml
9. Hamdam A, Jusoh R, Yahya Y, Abdul Jalil A, Zainal Abidin NH. Auditor judgment and decision-
making in big data environment: a proposed research framework. Accounting Research Journal.
2022 Feb 8;35(1):55–70.
10. Anantharaman D, Rozario A, Parker C (Abigail). Artificial Intelligence and Financial Reporting
Quality. SSRN Electronic Journal [Internet]. 2023 Nov 7 [cited 2025 Feb 22]; Available from:
https://papers.ssrn.com/abstract=4625279
11. Esteban SA, Urquía-Grande E, de Silva AM, Pérez-Estébanez R. Big Data, Accounting and
International Development: Trends and challenges. Cuadernos de Gestion [Internet]. 2021
[cited 2025 Feb 22];22(1):193–213. Available from:
https://hdl.handle.net/20.500.14352/114206
12. De Santis F, D’Onza G. Big data and data analytics in auditing: in search of legitimacy. Meditari
Accountancy Research. 2020;29(5):1088–112.
13. Li H. Big Data and Precision Marketing New Era Strategy to Improve Marketing Effectiveness.
Advances in Economics, Management and Political Sciences [Internet]. 2024 Dec 26 [cited
2025 Feb 22];136(1):108–13. Available from:
https://www.ewadirect.com/proceedings/aemps/article/view/18699
14. Werner M, Wiese M, Maas A. Embedding process mining into financial statement audits.
International Journal of Accounting Information Systems. 2021 Jun 1;41:100514.
15. Johnson M, Jain R, Brennan-Tonetta P, Swartz E, Silver D, Paolini J, et al. Impact of Big Data and
Artificial Intelligence on Industry: Developing a Workforce Roadmap for a Data Driven
Economy. Global Journal of Flexible Systems Management [Internet]. 2021 Sep 1 [cited 2025
Feb 22];22(3):197–217. Available from: https://link.springer.com/article/10.1007/s40171-021-
00272-y
16. Sihombing RP, Narsa IM, Harymawan I. Big data analytics and auditor judgment: an
experimental study. Accounting Research Journal. 2023 May 24;36(2–3):201–16.
INTELIGENCIA ARTIFICIAL Y TRANSFORMACIÓN DIGITAL EN AUDITORÍA PARA COMBATIR FRAUDE Y CORRUPCIÓN
328
17. Gepp A, Linnenluecke MK, O’Neill TJ, Smith T. Big data techniques in auditing research and
practice: Current trends and future opportunities. Journal of Accounting Literature. 2018 Jun
1;40:102–15.
18. Hasan AR, Hasan AR. Artificial Intelligence (AI) in Accounting & Auditing: A Literature Review.
Open Journal of Business and Management [Internet]. 2021 Dec 13 [cited 2025 Feb
22];10(1):440–65. Available from:
https://www.scirp.org/journal/paperinformation?paperid=115007
19. Imjai N, Swatdikun T, Rungruang P, Basiruddin R, Aujirapongpan S. Empowering generation z
accountants in the era of data complexity and open innovation: Nurturing big data analytics,
diagnostic, and forensic accounting skills. Journal of Open Innovation: Technology, Market,
and Complexity. 2024 Jun 1;10(2):100308.
20. Rezaee Z, Wang J. Relevance of big data to forensic accounting practice and education.
Managerial Auditing Journal. 2019 May 20;34(3):268–88.
21. Amparo M, Ruiz G. La utilización de la inteligencia artificial en la función de control. Revista
española de control externo, ISSN 1575-1333, Vol 25, No 74-75, 2023 (Ejemplar dedicado a:
Inteligencia artificial Gestión y control público), págs 72-91 [Internet]. 2023 [cited 2025 Feb
22];25(74):72–91. Available from:
https://dialnet.unirioja.es/servlet/articulo?codigo=9333727&info=resumen&idioma=ENG
22. Morán Vilcherrez Capacitador CONASER M. El enfoque de la auditoría en el entorno de la era
digital y la inteligencia artificial. Revista la Junta [Internet]. 2020 Dec 14 [cited 2025 Feb
22];3(2):15–41. Available from:
https://revistalajunta.jdccpp.org.pe/index.php/revista/article/view/54
23. Erazo-Castillo J, A-Muñoz SD la. Auditoría del futuro, la prospectiva y la inteligencia artificial
para anticipar riesgos en las organizaciones. Novasinergia, ISSN 2631-2654 [Internet]. 2023 Jan
16 [cited 2025 Feb 22];6(1):105–19. Available from:
https://novasinergia.unach.edu.ec/index.php/novasinergia/article/view/384/331
24. Amparo M, Ruiz G. La utilización de la inteligencia artificial en la función de control. Revista
española de control externo, ISSN 1575-1333, Vol 25, No 74-75, 2023 (Ejemplar dedicado a:
Inteligencia artificial Gestión y control público), págs 72-91 [Internet]. 2023 [cited 2025 Feb
22];25(74):72–91. Available from:
https://dialnet.unirioja.es/servlet/articulo?codigo=9333727&info=resumen&idioma=ENG
25. Morán Vilcherrez Capacitador CONASER M. El enfoque de la auditoría en el entorno de la era
digital y la inteligencia artificial. Revista la Junta [Internet]. 2020 Dec 14 [cited 2025 Feb
22];3(2):15–41. Available from:
https://revistalajunta.jdccpp.org.pe/index.php/revista/article/view/54