Inteligencia artificial en la Auditoría

1. Introducción:
2. Uso de la IA en la auditoría:
3. Que es un PROMPT:
4. Usos prácticos de inteligencia artificial aplicada en la auditoria
5. Prompts propuestos para Auditoría.

Ingeniería de Prompt

Introducción:

Inteligencia artificial para contabilidad

La inteligencia artificial (IA) está transformando radicalmente la profesión contable y de auditoría, automatizando tareas repetitivas y permitiendo a los profesionales enfocarse en funciones de mayor valor estratégico.

La IA está cambiando el paisaje de los auditores de varias maneras:

• Automatización de Tareas: Herramientas basadas en IA pueden automatizar ciertas tareas como la entrada de datos, la conciliación bancaria y la preparación de estados financieros. 
• Análisis Predictivo: La IA puede analizar grandes volúmenes de datos financieros para identificar tendencias, patrones y anomalías. Esto ayuda a los contadores a realizar pronósticos más precisos y en caso de auditores externos podría facilitar la detección de fraudes.
• Auditoría Mejorada: Los algoritmos de IA pueden analizar el 100% de las transacciones, lo cual es mucho más eficiente que el muestreo tradicional. Esto permite auditorías más exhaustivas y precisas.
• Asesoría Estratégica: Al liberar a los contadores de tareas operativas, la IA les da la oportunidad de convertirse en asesores de negocios estratégicos. Ahora pueden concentrarse en interpretar los datos, ofrecer recomendaciones y ayudar a las empresas a tomar decisiones informadas.

Uso de la Inteligencia Artificial en la auditoría

En el caso de la tarea de auditoría, para aprovechar al máximo las herramientas de la inteligencia artificial, un auditor debe evolucionar su conjunto de habilidades más allá de las competencias contables y de auditoría tradicionales. El futuro de la auditoría se centrará en la capacidad de interactuar con la tecnología, interpretar sus resultados y aplicar un juicio crítico para ofrecer valor.

Habilidades Clave para el Auditor de la Era de la IA

1. Conocimiento de tecnología: El auditor no necesita ser un programador, pero debe entender cómo funcionan los algoritmos de aprendizaje automático (machine learning) y las herramientas de IA que se utilizan en la auditoría. Esto le permite evaluar su fiabilidad y limitaciones.
2. Alfabetización en datos (Data Literacy): Es la capacidad de comprender, interpretar, crear y comunicar datos. Un auditor debe saber cómo se estructuran los datos, cómo se limpian y cómo se preparan para el análisis con IA.
3. La minería de datos: una disciplina clave de la inteligencia artificial, se aplica en la auditoría para identificar patrones, tendencias y anomalías en grandes conjuntos de datos financieros y operativos. Esto permite a los auditores realizar su trabajo de manera más eficiente, precisa y profunda, especialmente en la detección de fraudes y el análisis de riesgos.
4. Visualización de datos: La capacidad de tomar datos complejos y presentarlos en gráficos, tablas y dashboards fáciles de entender es vital. Esto facilita la comunicación de hallazgos complejos a clientes y a equipos internos.
5. Ciberseguridad y protección de datos: Al trabajar con grandes volúmenes de datos sensibles, es crucial que el auditor comprenda los principios de la ciberseguridad, la privacidad de los datos y las regulaciones (como el GDPR) para proteger la información del cliente.
6. Pensamiento crítico y escepticismo profesional: Aunque la IA automatiza la revisión, el auditor sigue siendo responsable de los hallazgos. Debe cuestionar los resultados de los algoritmos, entender sus posibles sesgos y validar la lógica detrás de las conclusiones automatizadas.
7. Gestión de proyectos y agilidad: La auditoría con IA a menudo implica proyectos más dinámicos y complejos. El auditor debe ser capaz de gestionar equipos multidisciplinarios y adaptarse a nuevas herramientas y metodologías de trabajo.
8. Habilidades de comunicación y consultoría: El rol del auditor evoluciona de un simple revisor a un asesor estratégico. Debe poder comunicar hallazgos de forma clara, ofrecer recomendaciones de valor y construir relaciones de confianza con los clientes.
9. Aprendizaje continuo: La tecnología de la IA evoluciona rápidamente. Un auditor debe tener una mentalidad de crecimiento y estar dispuesto a aprender y actualizar constantemente sus habilidades para mantenerse relevante.
10. Liderazgo y gestión del cambio: Los auditores experimentados deben liderar la adopción de nuevas tecnologías en sus firmas, ayudando a sus equipos a superar la resistencia al cambio y a capacitarse en las nuevas herramientas.

Que es un PROMPT:

Un “prompt” corresponde al texto o instrucción, pregunta o texto que se le proporciona a un modelo de lenguaje o sistema de IA para que genere una respuesta o realice una tarea genere un producto determinado.

La estructura con la que se desarrolle el prompt y su precisión determinan en gran medida la calidad del resultado, debe tomarse en cuenta los siguientes características:

• Claridad y Precisión: Detalles suficientes para guiar al modelo hacia lo que realmente necesitas
• Contexto Adecuado: Incluir un breve resumen o antecedentes puede ser útil
• Objetividad y Neutralidad: Evitar sesgos y mantener una perspectiva neutral ayuda a obtener respuestas imparciales y justa
• Breve pero completo: Un buen prompt es lo suficientemente conciso para no abrumar al sistema, pero lo suficientemente completo para no dejar espacios que lleven a suposiciones o interpretaciones erróneas
• Tonificación y Estilo: Influye en el estilo de la respuesta. Si se busca algo formal, el prompt debe reflejar esa formalidad. Si se prefiere algo más casual o creativo, el prompt puede ser más relajado o imaginativo
• Uso de Ejemplos: Proporcionar ejemplos dentro del prompt puede ser de gran ayuda.
• Retroalimentación Incluida: Si se interactúa con la IA, incluir comentarios sobre respuestas anteriores permite a la IA ajustar el próximo resultado.

Ejemplo 1: con el prompt: “Escribe un texto sobre perros”, se podrá obtener un texto genérico sobre perros.

Ejemplo 2: con el prompt: “Escribe un texto sobre las 5 mejores razas de perros de raza para departamentos pequeños”, se puede obtener información de perros para departamentos pequeños con sus características básicas.

Lo importante es tener en mente que la IA interpreta las palabras, por lo que hay que tratar de ser lo más claro posible, mantenerse experimentando a efectos de encontrar las palabras que generan mejores resultados, crear un listado de prompts, podría ser muy adecuado, para con el tiempo, poder desarrollar un estilo propio de creación de prompts.

Usos práctico de IA en el desarrollo de auditoría:

Minería de datos

La minería de datos se centra en el descubrimiento de patrones, tendencias y anomalías ocultas en grandes volúmenes de datos. En el caso de una auditoría forense, se utiliza esta herramienta para encontrar relaciones que no son evidentes a primera vista. Es decir, el auditor busca indicios de fraude a través de un análisis exhaustivo de datos existentes.

• Aplicación: El auditor utiliza técnicas de minería de datos como el análisis de clústeres para agrupar transacciones similares y el análisis de reglas de asociación para encontrar conexiones entre transacciones aparentemente no relacionadas (por ejemplo, pagos a proveedores a través de cuentas personales). La minería de datos es una técnica descriptiva, ya que busca explicar lo que ya ha ocurrido.

Ventajas:

• Identificación de patrones no evidentes: Puede revelar esquemas de fraude nuevos o complejos que los métodos tradicionales no detectan. 
• Análisis detallado de transacciones: Permite una exploración profunda de datos para encontrar indicios específicos de una actividad sospechosa.
• Complementa el juicio humano: Proporciona al auditor evidencia y conocimientos valiosos para respaldar sus conclusiones.

Machine Learning

Es un subcampo de la inteligencia artificial que se enfoca en la creación de modelos que aprenden de los datos sin ser explícitamente programados. En la detección de fraude, un algoritmo de machine learning se entrena con datos históricos (transacciones fraudulentas y legítimas) para aprender a predecir si una nueva transacción es fraudulenta.

• Utiliza algoritmos como la regresión logística, los árboles de decisión o las redes neuronales para clasificar transacciones en tiempo real. El modelo, una vez entrenado, puede analizar millones de transacciones y asignar una puntuación de riesgo a cada una, permitiendo a los auditores o sistemas de seguridad priorizar su investigación. El machine learning es una técnica predictiva.

Ventajas:

• Automatización y escalabilidad: Puede analizar y clasificar grandes volúmenes de datos de manera automatizada y a una velocidad mucho mayor que la minería de datos manual.
• Detección en tiempo real: Los modelos pueden detectar fraudes a medida que ocurren las transacciones, lo que es crucial para prevenir pérdidas.
• Adaptabilidad: El modelo puede "aprender" de nuevos casos de fraude, adaptándose a las nuevas tácticas de los defraudadores.

Prompts de ejemplo para la actividad de auditoría.

Pregunta realizada a Gémini (IA de Google):

Relaciona los siguientes conceptos con su aplicación principal en una auditoría asistida por IA:

• Análisis de grafos
• Ley de Benford
• Procesamiento de Lenguaje Natural (NLP)

Respuesta de la IA:

Aquí está la relación de cada concepto con su aplicación principal en una auditoría asistida por IA:

• Análisis de Grafos y Detección de Redes de Sobornos: El análisis de grafos es una técnica que modela las relaciones entre entidades. En una auditoría, se puede utilizar para crear un "grafo" o red donde los nodos son personas, empresas o cuentas bancarias, y las conexiones (aristas) representan transacciones o comunicaciones. Esta herramienta es ideal para la identificación de redes de sobornos, ya que permite visualizar y descubrir relaciones ocultas o inusuales entre auditados y terceros, como proveedores o funcionarios.
• Ley de Benford y Detección de Manipulación de Cifras: La Ley de Benford es un principio matemático que describe la distribución de frecuencia de los dígitos iniciales en muchos conjuntos de datos reales. En un conjunto de datos normal, se espera que el dígito 1 aparezca aproximadamente el 30% de las veces, el 2 alrededor del 17%, y así sucesivamente. En una auditoría, la Ley de Benford se utiliza para la detección de manipulación de cifras. Una desviación significativa de esta distribución natural en datos financieros (por ejemplo, una frecuencia inusualmente alta de los dígitos 8 o 9) puede ser una señal de que las cifras han sido alteradas o inventadas.
• Procesamiento de Lenguaje Natural (NLP) y Análisis de Contratos y Correos Electrónicos: El Procesamiento de Lenguaje Natural (NLP) es un campo de la inteligencia artificial que permite a las computadoras entender, interpretar y generar lenguaje humano. Su aplicación en auditoría es crucial para el análisis de contratos y correos electrónicos. El NLP puede escanear y analizar miles de documentos no estructurados para identificar términos clave, inconsistencias, riesgos potenciales o indicios de acuerdos fraudulentos que un auditor humano tardaría días en encontrar. Por ejemplo, puede detectar palabras como "comisión", "incentivo", o nombres de empresas y personas relacionadas con transacciones dudosas.

Pregunta realizada a Gémini (IA de Google):

Considera el rol del auditor como un asesor estratégico. ¿De qué manera el uso de herramientas de IA le permite al auditor pasar de una tarea de revisión rutinaria a un rol de mayor valor para la empresa cliente?

Respuesta de la IA:

El uso de herramientas de inteligencia artificial (IA) transforma el rol del auditor de una tarea de revisión rutinaria a un asesor estratégico al automatizar procesos, analizar grandes volúmenes de datos y predecir riesgos. Esto libera al auditor de las tareas manuales y repetitivas, permitiéndole centrarse en el análisis de información clave y en la formulación de recomendaciones valiosas para el negocio del cliente.

De la revisión rutinaria al análisis estratégico

Tradicionalmente, el auditor se ha enfocado en la verificación retrospectiva de transacciones financieras y la revisión de registros contables. Este proceso, si bien es crucial para la validación de estados financieros y la detección de fraudes, a menudo implica un uso intensivo de tiempo en la revisión manual de documentos.

La IA moderniza este enfoque de las siguientes maneras:

• Automatización de tareas repetitivas: Algoritmos de aprendizaje automático (machine learning) pueden realizar tareas como la conciliación de cuentas y la revisión de contratos de forma más rápida y precisa que un humano. Esto reduce el tiempo y el costo de la auditoría, y minimiza la posibilidad de errores.
• Análisis predictivo de riesgos: La IA puede analizar datos históricos y en tiempo real para identificar patrones y anomalías. Esto le permite al auditor detectar riesgos potenciales, como fraudes o fallas en el cumplimiento normativo, antes de que se conviertan en problemas graves. Un ejemplo podría ser el uso de modelos predictivos para identificar transacciones sospechosas que podrían ser fraudulentas.
• Generación de insights accionables: Al procesar grandes conjuntos de datos, la IA puede identificar tendencias, eficiencias operativas y oportunidades de mejora que no serían evidentes para un auditor manual. Por ejemplo, una herramienta de IA podría analizar los gastos de la empresa y señalar ineficiencias en la cadena de suministro, permitiéndole al auditor proponer mejoras operativas.

El auditor como asesor de valor agregado

Al liberarse de las tareas operativas, el auditor se convierte en un asesor estratégico para el cliente. En lugar de simplemente informar sobre hallazgos históricos, el auditor puede:

• Ofrecer consultoría en la gestión de riesgos: Con la ayuda de la IA, el auditor puede brindar recomendaciones proactivas para mitigar riesgos financieros y operativos. Esto incluye la evaluación de controles internos y la sugerencia de medidas preventivas.
• Proponer mejoras en los procesos de negocio: La IA puede ayudar a identificar cuellos de botella y áreas de ineficiencia en los procesos de la empresa. El auditor, con esta información, puede asesorar al cliente en la optimización de sus operaciones. Por ejemplo, al analizar datos de inventario y ventas, la IA puede ayudar al auditor a proponer estrategias para reducir los costos de almacenamiento.
• Brindar apoyo en la toma de decisiones estratégicas: La capacidad de la IA para analizar grandes volúmenes de datos permite al auditor ofrecer insights valiosos sobre el mercado, la competencia y el rendimiento financiero. Esto convierte la auditoría en una fuente de inteligencia de negocios que apoya la planificación estratégica de la empresa cliente.

En resumen, la IA transforma al auditor de un verificador histórico a un asesor estratégico, proporcionando un valor mucho mayor para la empresa.

Palabras finales:

Finalmente recuerde que los modelos de inteligencia artificial son un apoyo. El usuario es el responsable final de la veracidad y exactitud de la Información compartida a terceros.

Además es importante recordar que hasta la mejor herramienta de IA puede cometer errores, así que se debe verificar las respuestas.

Hay que destacar que este es un resumen libre y no constituye asesoramiento, para una interpretación o aplicación de la NORMA es necesario remitirse a su texto original