Revista Ibérica de Sistemas e Tecnologias de Informação

Recebido/Submission: 01/10/2019
Iberian Journal of Information Systems and Technologies Aceitação/Acceptance: 30/12/2019

Inteligencia artificial al servicio de la auditoría: Una

revisión sistemática de literatura

Angélica Yohana Montoya Hernandez1, Francisco Javier Valencia Duque2.

aymontoyah@[Link], fjvalenciad@[Link].

1
Universidad Nacional de Colombia – Sede Manizales – Departamento de Informática y Computación
-Campus la Nubia, km 7 via al Magdalena, Manizales, Colombia.
2
Universidad Nacional de Colombia – Sede Manizales – Departamento de Informática y Computación
-Campus la Nubia, Carrera 18 #48A - 52, Manizales, Colombia.
Pages: 213–226

Resumen: Aplicar técnicas de inteligencia artificial en el campo de la auditoría

promete ser una estrategia efectiva al momento de mejorar la eficiencia y
productividad en estos procesos y por ende en la organización. El desarrollo de
este tipo de actividades se ha registrado desde hace algunas décadas, no obstante,
la ultima recopilación de literatura realizada alrededor del tema data del año 2012.
Teniendo en cuenta lo anterior, se presenta una revisión del estado actual del uso
de la inteligencia artificial en el campo de la auditoría, a partir de la revisión de lo
publicado en las bases de datos SCOPUS, WoS e IEEE, mediante la aplicación de
una revisión sistemática de literatura de tipo descriptiva e integradora. Al finalizar el
proceso se proporciona al lector un esquema general de las técnicas de inteligencia
artificial aplicadas en el campo de auditoría, sus beneficios, riesgos, retos a futuro y
demás elementos de interés.
Palabras clave: Inteligencia artificial; auditoría; revisión sistemática.

Artificial intelligence at the service of the audit: A systematic literature

review

Abstract: Applying artificial intelligence techniques in the field of auditing

promises to be an effective strategy when improving efficiency and productivity in
these processes and therefore in the organization. The development of this type
of activities has been recorded for some decades, however, the last compilation
of literature made around the subject dates from 2012. Considering the above, a
review of the current state of the use of intelligence is presented artificial in the
field of auditing, based on the review of what is published in the SCOPUS, WoS
and IEEE databases, through the application of a systematic review of descriptive
and integrative literature. At the end of the process, the reader is provided with a
general scheme of the artificial intelligence techniques applied in the audit field, its
benefits, risks, future challenges and other elements of interest.
Keywords: Artificial intelligence; audit; systematic review.

RISTI, N.º E27, 03/2020 213

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

1. Introducción
Con el constante cambio y evolución de la tecnología, los temas de inteligencia artificial
no son considerados como elementos de un futuro lejano; por el contrario, cada vez se
toma más conciencia de que la tecnología es un factor cambiante que se involucra en la
mayoría de los procesos de la industria y del sector económico. Pricewaterhousecoopers
(2018a) sostiene que la Inteligencia Artificial (IA) será el elemento transformador en las
organizaciones, aportando mejoras sustanciales en la toma de decisiones.
Particularmente en el área de auditoría existen diversas investigaciones alrededor del
uso de la inteligencia artificial en procesos de auditoria, abordados desde una perspectiva
teórica y práctica y en diferentes sectores, tal como lo establece The Institute of Internal
Auditors (2017a) quien sostiene que la inteligencia artificial se aplica de manera
generalizada en sectores públicos, privados, industriales, gubernamentales y sin fines
de lucro, considerando que esta área de investigación habilita una serie de elementos y
capacidades nuevas que hace algunos años no eran posibles.
La incorporación de la inteligencia artificial en auditoria permite obtener múltiples
beneficios entre los que se encuentran el incremento en la eficiencia de los procesos,
la disminución de costos a largo plazo y el decremento de la posibilidad de errores
mediante la automatización, además de contar con sistemas capaces de realizar procesos
de inferencia, de retroalimentarse y construir conocimiento a partir de las actividades
realizadas previamente. Es precisamente esto, lo que la convierte en un área de especial
interés en la actualidad.
Este articulo expone el estado actual de la inteligencia artificial al servicio de la auditoría,
para lo cual se parte de una conceptualización básica, las técnicas y herramientas que
se han estudiado hasta el momento y previa presentación de la metodología de revisión
sistemática de literatura utilizada, exponer los resultados encontrados alrededor de sus
riesgos, beneficios y roles que juegan los auditores en su implementación.

2. Conceptos básicos de Inteligencia artificial

La inteligencia artificial tiene su origen en el año 1950 cuando Alan Turing publicó su
artículo titulado “Computing Machinery and Intelligence”, en el cual hace referencia
a la posibilidad de que una máquina logre imitar el comportamiento de la mente de
las personas, para ello se propone el test de Turing; una prueba orientada a definir si
una máquina es o no inteligente (Villena, Crespo, & Garcia, 2012a). En 1984 se realizó
la primera publicación de inteligencia artificial aplicada, a partir de esta fecha la
participación se tornó cada vez más activa.
Son diversas las técnicas utilizadas en inteligencia artificial, entre las que se destacan
los sistemas expertos, las redes neuronales, la lógica difusa, los sistemas basados en
conocimiento y los agentes inteligentes.
Los sistemas expertos (SE) son definidos como software especializado que emula los
procesos de aprendizaje y comunicación experimentados por el ser humano, lo que se
busca con este tipo de sistemas es obtener el conocimiento de un experto en un área

214 RISTI, N.º E27, 03/2020

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

determinada, de modo que pueda convertirse en un apoyo para la toma de decisiones

(Duque, Chavarro, & Moreno, 2007).
Las redes neuronales artificiales (RNA) por su parte, son entendidas por Sosa (2007)
como “una técnica de procesamiento masivo y paralelo de la información que emula las
características esenciales de la estructura neuronal del cerebro biológico” (p.167). Se
componen de un conjunto de capas, neuronas y conexiones que le permiten obtener y
procesar datos de entrada para generar un conjunto de salidas.
La lógica difusa se sostiene sobre la base de que todo es cuestión de grado, por lo tanto,
se puede manejar información imprecisa que permita dar solución a algún problema
mediante la aplicación de un conjunto de reglas definidas por un experto, sin importar
que la información con la que se cuenta no sea exacta (Sosa, 2007). Aunque es una
técnica que puede hacer aportes importantes en diferentes áreas, su uso aún no es muy
popular.
Los sistemas basados en conocimiento (SBC) se caracterizan porque el experto provee la
información y el sistema la integra de forma directa a la aplicación; aunque este tipo de
sistemas son similares a los sistemas expertos, se plantea una diferencia fundamental y
es el hecho de que en los SE es necesario definir la representación del conocimiento, la
forma en que se va a interactuar con él y la secuencia de instrucción que se van a emplear
(Villena, Crespo, & Garcia, 2012b).
Por último, los agentes inteligentes (AG): “Son entidades de software que ejecutan un
conjunto de operaciones en nombre de un usuario u otro programa” (Duque et al., 2007,
p.393). Es decir, son módulos de software independientes, configurados con una serie
de tareas o actividades que estarán en capacidad de ejecutar, pero que deberán estar
orientadas a un tema específico.
Piñeiro Sánchez, de Llano Monelos, & Rodríguez López (2013) establecen alrededor de
las técnicas de inteligencia artificial que una gran parte del esfuerzo de investigación se ha
orientado al desarrollo de herramientas basadas en sistemas expertos y redes neuronales
artificiales que demuestran una singular capacidad de adaptación a las particularidades
de un problema. Sin embargo fue en el año 2016 donde se incrementó el uso de técnicas
de inteligencia artificial, en especial por grandes empresas de tecnología como Google,
Microsoft Corporation y Baidu, Inc. (Issa, Sun, & Vasarhelyi,2016).

3. Metodologia
Para abordar el desarrollo de esta investigación, se acudirá al método de revisión
sistemática de la literatura (Systematic Literature Review - SLR) tomando como
referencia el proceso metodológico propuesto por (Velásquez, 2014, 2015).
Las revisiones sistemáticas de literatura tienen como objetivo resumir, agrupar y criticar
la información y material bibliográfico existente sobre un tema o situación de interés,
aplicando un proceso de búsqueda, clasificación, análisis, critica y síntesis (Velásquez,
2014). Dentro de las diversas tipologías de SLR existentes, se acudirá a una revisión de
tipo descriptiva e integradora. Descriptivo, dado que se dará mayor importancia a la
metodología, los descubrimientos y las conclusiones de cada estudio y se complementa

RISTI, N.º E27, 03/2020 215

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

con la revisión de tipo integradora, cuando se hace énfasis en encontrar los puntos de
coincidencia y divergencia entre los documentos estudiados.
Para llevar a cabo la revisión, se acudió a las bases de datos SCOPUS, IEE y Web of
Science, adicionalmente se tomaron en consideración documentos obtenidos con la
herramienta POP (Publish or Perish) y algunos encontrados en otras fuentes. En la
Tabla 1 se pueden observar las ecuaciones de búsqueda aplicadas a cada una de las bases
de datos.

Base de Ecuación de búsqueda bspecífica Cantidad de Artículos

datos resultados seleccionados
IEEE ((Audit) AND (artificial intelligence OR 236 21
computational intelligence))
SCOPUS ( TITLE-ABS-KEY ( audit )  AND  TITLE-ABS- 323 28
KEY ( “artificial intelligence” OR “computational
intelligence”) )
Web of TI= (audit) AND (TI=(“artificial intelligence”) OR 5 3
Science TS=(“computational intelligence”))
POP (Audit) AND (artificial intelligence OR 16 2
computational intelligence))
OTROS 19 19

Tabla 1 – Ecuación de busqueda y resultados

4. Inteligencia artificial en auditoría

Las tecnologías están llegando a revolucionar la forma en que se ejecutan los procesos
dentro de las organizaciones, presentando diferentes opciones y funcionalidades. Hoy
en día es casi imposible encontrar una rama de la actividad humana donde no estén
involucradas las tecnologías de la información (Kozhakhmet, Bortsova, Inoue, &
Atymtayeva,2012). Las sociedades están llegando a un punto en que las tecnologías
emergentes dan a las organizaciones la posibilidad de incrementar su productividad
y crecimiento, al mismo tiempo que se crean productos, servicios y campos de acción
nuevos (Pricewaterhousecoopers, 2018b).
El campo de auditoría no es indiferente a los cambios tecnológicos que se presentan y
a las nuevas demandas del mercado, es así como Pedrosa, Laureano, & Costa (2015)
sostienen que desde hace ya algún tiempo el uso de la tecnología de información en
auditoría ha sido considerada importante por los organismos y entidades encargadas de
regular esta profesión, dado que la inclusión de estas herramientas genera efectividad y
eficiencia en los procesos de auditoría. Dentro de este segmento se incluyen aplicaciones,
herramientas de auditoría automatizada, software de soporte, entre otras.
A nivel general, se tienen aportes importantes relacionados con la aplicación de
inteligencia artificial en auditoría, ya sea abordando sus ventajas y desventajas, los
riesgos, el rol del auditor, el uso de una técnica en particular o la recopilación de los
trabajos desarrollados previamente por otros autores. En este último caso se pudieron
encontrar 3 referencias: el primero de ellos publicado por Meservy, Denna, & Hansen

216 RISTI, N.º E27, 03/2020

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

(1992) quienes presentan la recopilación y análisis de algunos de los sistemas expertos

desarrollados por miembros de la Universidad Brigham Young, el segundo construido
por Pejic-Bach (2010) quien realiza una revisión bibliográfica comprendida entre los
años 1956–2009, con el fin de indagar como se ha abordado el desarrollo de aplicaciones
de sistemas inteligentes en el campo de la detección y prevención de fraudes, tomando
en consideración tres categorías: redes neuronales, lógica difusa e inteligencia
computacional y finalmente se tiene el texto publicado por Omoteso (2012) en el cual
se revisan los trabajos y debates actuales sobre el uso de sistemas inteligentes por parte
de los auditores, con el fin de establecer la orientación de las investigaciones futuras y
el desarrollo de software en el área, enfocándose especialmente en el uso de sistemas
expertos y redes neuronales.
Las investigaciones relacionadas con la inteligencia artificial en auditoría datan del año
1991 cuando autores como Denna, Hansen, & Meservy (1991) y Vasarhelyi & Kogan
(1997) llevaron a cabo los primeros trabajos.
Desde el año 1991 hasta la fecha el panorama no ha cambiado, y no se evidencia, al
menos en el ámbito productivo un uso incremental de las técnicas de inteligencia
artificial, no obstante la aparición constante de nuevos requerimientos y restricciones
que deben contemplarse en los procesos de auditoría, tal como lo afirma Khodakivska
(2018), quien manifiesta:
La auditoría actual incluye la clasificación, el análisis y el consumo de una
gran cantidad de datos en diferentes formatos. Se vuelve cada vez más difícil,
sino imposible que el ser humano procese esa avalancha de datos y forme una
opinión basada en hechos o encuentre un patrón en los datos aparentemente
no relacionados, aquí es donde la inteligencia artificial viene a ayudar (p.5).
Y complementa:
La inteligencia artificial puede señalar a los auditores en las direcciones donde
los estados financieros pueden necesitar correcciones, o representar un posible
riesgo financiero, o incluso un posible rastro de un fraude. En otras palabras,
la inteligencia artificial en el nuevo mundo de auditoría puede automatizar
procesos tan cruciales como el cierre de la cartera de clientes, la comunicación
con los clientes en los procesos repetidos, la recopilación y el análisis de la
información de auditoría, la prevención de fraudes y muchas otras cosas con
una velocidad que no se puede alcanzar. (p.5)
Aunque la inteligencia artificial se encuentra en una etapa baja de desarrollo, ya está
siendo usada para modificar y ajustar procesos de auditoría, se está aplicando para
detectar patrones y anomalías en cantidades proporcionalmente altas de datos, los
problemas son descubiertos y recordados por el equipo, para tomarlos como referencia
en la resolución de conflictos futuros que presenten la misma o similar estructura, es
decir que la máquina está en capacidad de aprender y aplicar dichos conocimientos al
siguiente conjunto de datos (Pricewaterhousecoopers, 2017).
En términos generales la aplicación de técnicas de aprendizaje automático en el área de
interés de esta investigación está empezando a posicionarse, generando mayor satisfacción,
eficiencia y utilidad para las industrias y organizaciones que las implementan. Se espera

RISTI, N.º E27, 03/2020 217

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

que las organizaciones logren comprender y aplicar las herramientas que les proporciona
la tecnología, de modo que puedan adaptarse a los cambios. Pricewaterhousecoopers
(2018b) establece que el 46% de las áreas de auditoría interna reconocen los beneficios
del uso de tecnología dentro de sus actividades y se apropian de ella, mientras que el 37%
conservan una posición aislada en la que únicamente observan.
A efectos de determinar los avances de las diferentes técnicas de inteligencia artificial en
auditoria, a continuación, se presentarán por cada una de ellas, los estudios desarrollados
a partir de la revisión bibliográfica llevada a cabo.

4.1. Sistemas expertos (SE) en auditoría

Tal como se cita en Dillard & Yuthas (2001) los sistemas expertos están diseñados para
elegir entre varias opciones, aquella que sea la mejor dentro de un área de conocimiento
particular; esta técnica se ha aplicado en diversos campos, orientada a la toma de
decisiones operativas, de gestión y estratégicas. Por lo tanto, las principales firmas de
auditoría han invertido en su desarrollo y uso, argumentando que este tipo de tecnologías
serán cada vez más importantes para garantizar la supervivencia de las compañías en
entornos altamente competitivos.
Los sistemas expertos para auditoría se han aplicado en diferentes etapas del proceso
de aseguramiento, entre las que se mencionan la evaluación de controles, el análisis
de riesgos, el seguimiento al plan de auditoría, entre otros. Vasarhelyi & Kogan (1997)
sostienen que los SE pueden ser de utilidad en casi todas las tareas del proceso de
auditoría, dado que muchos de ellos han sido desarrollados en este campo. Como
muestra de ello se presenta a continuación, una relación de los SE encontrados en la
revisión bibliográfica: AUDITPLANNER, RISK ADVISOR, RICE, ARISC, INTERNAL
CONTROL ANALIZER, TICOM, DECISION SUPORT DS, EXPERTEST, COMPAS,
AUDITOR, CFILE, EXPERTAX, GC-X, AOD, CHECKGAAP, AUDI EXPERT, AUDIT
MASTERPLAN Y EDP-EXPERT. Como complemento al anterior aporte Dillard & Yuthas
(2001) presentan alrededor de 13 sistemas expertos dirigidos al campo de auditoría, con
enfoques diferentes y utilizados en actividades diversas durante el desarrollo de una
auditoría; algunos de ellos son LOAN PROBE, CONTROL PLAN, RIC, ASISTENTE DE
AUDITOR, ICE, y XINFO.
En este orden de ideas Atymtayeva, Bortsova, Inoue, & Kozhakhmet (2012) proponen
la creación de sistemas expertos, cuya base de conocimiento este constituida con los
estándares internacionales de seguridad y el conocimiento del experto, de modo que
se unifiquen en un solo lugar las normas, regulaciones y el conocimiento que el auditor
transmitirá al sistema. Proaño, Saguay, Jacome, & Sandoval (2017) afirman que el
uso de sistemas expertos supone una ayuda importante en la auditoría de sistemas
de información, dado que se puede aprovechar el conocimiento de un experto para
desarrollar este tipo de sistemas y aplicarlos mediante herramientas informáticas que
faciliten la toma de decisiones en el proceso de auditoría de sistemas.
Issa et al. (2016) establece que la aplicación de un sistema experto en auditoría aporta
beneficios importantes, como la comprensión automática de los procesos y tareas de
auditoría y un mayor nivel de conocimiento y capacidad de transferencia del mismo.
No obstante, tambien suelen presentarse fallas o criticas a su funcionamiento, tal como

218 RISTI, N.º E27, 03/2020

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

lo sostienen, Denna et al. (1991) y Davis, Massey, & Lovell (1997), quienes coinciden
en que el desempeño de estos sistemas es bueno con entradas literales y precisas pero
disminuye cuando se enfrentan a problemas para los que no están programados. Los
defectos identificados tienen la posibilidad de solucionarse ya sea mezclando varias
técnicas (sistemas híbridos) o desarrollando nuevas propuestas de investigación
enfocadas en líneas particulares.

4.2. Redes Neuronales Artificiales (RNA) en auditoría

Las redes neuronales artificiales están en capacidad de analizar y estudiar la estructura
de la información y elaborar patrones o secuencias de datos que sean útiles para realizar
clasificaciones predictivas o exploratorias (Piñeiro Sánchez et al., 2013). Tal como lo
describe el autor las redes neuronales tienen una importante capacidad para detectar
datos similares, crear patrones y realizar una serie de acciones que permita generar como
resultado datos importantes para ser estudiados y aplicados por expertos de diferentes
áreas. Con relación al campo de aplicación de esta técnica dentro de los procesos
organizacionales, según Sosa (2007) se habla de 3 grupos que son: optimización,
reconocimiento y generalización.
Algunos de los estudios orientados a evaluar el nivel de rendimiento de las redes
neuronales artificiales se encuentran enfocados en llevar a cabo una comparación entre el
rendimiento de esta técnica y el rendimiento de los métodos estadísticos; tanto Koskivaara
(2003) como Rodríguez López, Piñeiro Sánchez, & De Llano Monelos (2014) coinciden
en que las RNA ofrecen una mayor capacidad y rendimiento que los métodos estadísticos
ante la detección de fraude. En general se plantean buenos resultados con relación a la
aplicación de esta técnica, incluso cuando se compara con otras; la única deficiencia que
se encuentra está relacionada con el modo en que el usuario interactúa con los resultados
de la red, dado que un usuario que no sea experto no comprende el modo en que esta
llego a una conclusión; sin embargo, se está buscando la manera de que los resultados
generados por esta técnica sean comprensibles para los usuarios (Davis et al., 1997).
El estudio desarrollado por Susanne O’Callaghan, John Paul Walker and J. Timothy
Sale y citado en Vasarhelyi & Kogan (1997) estuvo dirigido a investigar las diferencias
existentes entre las evaluaciones realizadas por un auditor de control interno y aquellas
efectuadas por la RNA, para ello se utilizó el modelo COSO (Committee of Sponsoring
Organizations). Los resultados obtenidos indican que las RNA pueden simular las
evaluaciones de control interno el 65% de las veces, adicionalmente se identificó que
tanto la red como el auditor coinciden en los resultados de la evaluación ya sea de
operaciones, de información financiera o de cumplimiento de normas y reglamentos
en el 59.3%, 68.9% y 55.3% de las veces respectivamente. Como puede observarse, el
uso de redes neuronales en auditoría toma un papel importante dado que estas pueden
utilizarse de distintas maneras, ya sea dentro del proceso de auditoría en alguna de las
actividades o para evaluar el desarrollo de este.

4.3. Agentes Inteligentes (AG) en auditoría

Si bien la técnica de agentes inteligentes se ha utilizado en algunas áreas de la industria,
aún no ha adoptado una posición dominante en el campo de la auditoría; sin embargo,

RISTI, N.º E27, 03/2020 219

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

si se reconoce su importancia. Por ejemplo Issa et al. (2016) plantea que los agentes
inteligentes son unidades capaces de recolectar datos de diferentes fuentes de manera
permanente, dichos datos proveen al auditor de evidencia e información adicional que
podrá ser usada para construir su informe y establecer o confirmar juicios.
Aunque se ha dicho que los agentes inteligentes presentan beneficios para el área de
auditoría y se han aplicado modificaciones y adaptaciones a estos de modo que puedan
funcionar en entornos diferentes como el internet, esta técnica aun presenta fallas; es
decir, el uso de un único agente mejora el proceso, pero podría hacerse mucho más eficiente
si se utilizaran varios agentes, cada uno especializado en algún elemento particular de
la auditoría, es precisamente esto lo que proponen algunos investigadores dentro de sus
estudios sobre el tema. Por consiguiente se hace necesario definir claramente que es
un sistema multiagente, según Duque et al. (2007) “Los sistemas multiagente (SMA),
son sociedades de agentes que se orientan a fines comunes y mediante coordinación y
colaboración distribuyen las tareas” (p.393).
En cuanto a la aplicación práctica o experimental de esta técnica Zuoming, Qiao-Ling, &
Ji-Bing (2011) hablan de sistemas de auditoría que hagan uso de agentes, con funciones
lógicas, interactivos y autónomos, que se complementen para establecer y mantener un
sistema solido; al mismo tiempo el sistema propuesto debe vincular múltiples agentes
con altos niveles de calidad. Adicionalmente Zhu’, Huang, & Zhoul (2016) presentan los
resultados de su investigación, definiendo un sistema multiagente como aquel en el que
sus agentes están articulados, colaboran entre ellos, son flexibles y poseen capacidades
importantes; deben interactuar, cooperar y adaptarse de modo que unos puedan suplir
las posibles fallas de otros en la resolución de problemas. Dentro de la investigación
desarrollada por estas personas se propone el uso de 2 agentes, un agente de detección y
un agente de aprendizaje, lo que se busca con esto es disminuir la tasa de errores, ya que
los agentes cooperan y se comunican cuando trabajan en alguna actividad. De modo que
puede demostrarse que el uso de varios agentes de aprendizaje mejora el problema que
suponía utilizar solo un agente, ya que aprenden y filtran capa sobre capa haciéndolo un
método muy factible y eficiente.

4.4. Sistemas Basados en Conocimiento (SBC) en auditoría

Para justificar el uso de SBC, Proaño et al. (2017) establecen las falencias que pueden
presentarse cuando el profesional de auditoría formula su juicio u opinión frente a
algún hallazgo; los errores en este proceso pueden darse por varias circunstancias, entre
las que se mencionan características subjetivas y capacidades profesionales o técnicas
deficientes. Justamente en este punto aparecen los SBC, con la intención de generar
juicios más objetivos.
Este tipo de sistemas son usados para resolver situaciones complejas en las cuales
no se pueden aplicar sistemas convencionales dado que implican un mayor consumo
de recursos como tiempo, costos, memoria y procesamiento. Abordan temas de un
área particular sobre la cual se especializan y trabajan continuamente mejorando sus
resultados en base a los aprendizajes generados durante el proceso de solución de
problemas (Proaño et al., 2017; Montoya, Giraldo, & Perdomo, 2016).

220 RISTI, N.º E27, 03/2020

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

La aplicación de los SBC en el campo de la auditoría pueden proveer soluciones efectivas

y eficientes en el área, al mismo tiempo que amplían las bases de conocimiento y las
posibles soluciones a situaciones que pueden presentarse en este campo; de igual manera
pueden ser utilizados para instruir a nuevos auditores dentro de una organización, ya
que simula los conceptos y experiencias de un experto sin características emotivas
propias de los seres humanos, contribuyendo a la formación de otras personas en una
menor proporción de tiempo y familiarizándolas con el uso de tecnologías dentro del
proceso de auditoría, especialmente sistemas inteligentes. Giraldo, Perdomo, Lopera, &
Montoya (2016) reafirman este planteamiento, al manifestar:
La implementación de sistemas basados en conocimiento permitirá a las
organizaciones y a los auditores garantizar la suficiencia, validez y relevancia,
necesarios en el proceso de validación de hallazgos. Igualmente se ganará en
tener una nueva herramienta de apoyo en el proceso de auditoría. (p.59)

5. Contribuciones y retos de la IA a la auditoría

El auditor ha desempeñado un papel protagónico en los procesos de auditoría, dado
que el trabajo de campo y las demás actividades o acciones relacionadas con este, deben
realizarse directamente por él. Sin embargo, esta profesión no está exenta de sufrir los
cambios que se presentan en el mercado, específicamente los cambios tecnológicos; así
lo corrobora The Institute of Internal Auditors (2017a) cuando sostiene que la profesión
de auditoría no puede rezagarse en lo que parece ser la siguiente frontera digital: la
inteligencia artificial. Por lo tanto, para estar preparados, los auditores deben conocer y
entender las bases de la inteligencia artificial, el rol que desempeñaran en la auditoría,
sus riesgos y oportunidades.
Carataș, Spătariu, & Gheorghiu (2018) coincide con The Institute of Internal Auditors
(2017a) al afirmar que la auditoría interna se encuentra en un proceso de cambio
y por ello los auditores necesitan identificar elementos basicos e importantes de la
inteligencia artificial, asi como su rol, las futuras modificaciones del mismo, los retos y
las oporunidades de la IA. Ademas el auditor necesitara prepararse para las variaciones
que sufrira su rol y estar en la capacidad de adaptarse a la automatización de procesos
que tendran lugar al incorporar tecnicas de inteligencia artifcial dentro de las actividades
de auditoría.
Después de hacer claridad en que la auditoría no es una profesión estática y reconociendo
que el rol del auditor es susceptible de cambios, se puede hablar de algunas de esas
modificaciones, que serán producidas al incorporar IA en sus actividades. Se tienen
aportes que defienden el uso de técnicas de IA y aseguran que la profesión de auditoría
no será reemplazada por las máquinas inteligentes, sino que por el contrario, se
verá complementada, haciendo que el auditor pueda explotar de mejor manera sus
capacidades, disminuyendo los sesgos u omisiones que pueden presentarse al desarrollar
trabajos manualmente, tomando mejores decisiones dado que tendrá a su disposición
un conjunto más completo de datos; lo cual generara mayores niveles de seguridad,
eficiencia y satisfacción (Omoteso, 2012; Issa et al., 2016a).

RISTI, N.º E27, 03/2020 221

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

Aunque se reconocen todos los factores que la IA tiene a su favor en el ámbito de la

auditoría, existen ciertas inconformidades por parte de los auditores, ya que al realizar la
automatización de procesos mediante técnicas de inteligencia artificial surge la idea de que
la profesión de auditoría podría ser reemplazada por máquinas inteligentes; sin embargo,
en cuanto a este tema se han realizado numerosos aportes (Pricewaterhousecoopers,
2017; Proaño et al., 2017; Carataș et al., 2018; Nelson, Kogan, Srivastava, Vasarhelyi, &
Lu, 2000; Davenport, 2016; The Institute of Internal Auditors, 2017b) sostienen que el
rol del auditor se verá modificado y será necesario que aquellos que deseen permanecer
en la profesión se capaciten y se adapten a los cambios; no obstante, el auditor humano
no será reemplazado por las máquinas dado que su juicio, experiencia y creatividad son
necesarios en las diferentes etapas del proceso de aseguramiento y hasta el momento
estos elementos no han podido ser emulados por los sistemas inteligentes.
En cuanto a las responsabilidades que tendrá el auditor, Omoteso (2012) describe las
siguientes: asegurar la importancia, confiabilidad y efectividad del uso de técnicas de
inteligencia artificial en los procesos propios del campo de auditoría; como puede verse
para el año 2012 se habla de la situación y de su importancia pero no se profundiza en
ello. Sin embargo, como es de esperarse, con el transcurrir del tiempo los requerimientos
alrededor del tema varían y se hacen más descriptivos, así lo demuestra The Institute
of Internal Auditors (2017b) al plantear que el auditor deberá contribuir en el diseño
responsable de los sistemas basados en inteligencia artificial, de modo que se garantice
el cumplimiento de estos con las leyes y reglamentos internacionales que trabajan en pro
de la dignidad humana, sus derechos y libertades; adicionalmente deberán identificar,
evaluar y comunicar los posibles riesgos que implica al uso de IA y las soluciones que se
plantean para enfrentar dichos riesgos, garantizando la seguridad dentro del proceso.
Uno de los principales beneficios descritos dentro de la literatura analizada es que se
podrán contemplar todos los datos y no solo una muestra de ellos, lo que lleva a disminuir
posibles sesgos en los informes presentados y las decisiones tomadas. Tal como se
menciona en Issa et al. (2016), Davenport (2016) y The Institute of Internal Auditors
(2017b) al aplicar inteligencia artificial en el análisis de datos o información, se podrá
examinar la población completa y no solo una parte de ella, con lo que se logrará extraer
las características de la misma. Del mismo modo se asegura que al automatizar alguna
tarea la productividad tiende a incrementar, dado que las máquinas realizan cálculos de
manera más rápida y eficiente que las personas, lo que implica una disminución en costos.
The Institute of Internal Auditors (2017a) sostiene que las instituciones que comprenden
y usan a su favor la inteligencia artificial, estarán en capacidad de generar ventajas
competitivas prolongadas; lo que se corresponde con lo citado en Carataș et al. (2018)
quienes sostienen que ocasionalmente la IA podrá lograr que la profesión de auditoría
sea más efectiva ofreciendo niveles más altos de cobertura y estabilidad, de modo que se
pueda dar un valor agregado a todo el proceso.
Por otra parte Nelson et al. (2000) menciona que, al hacer uso de inteligencia artificial
para el desarrollo de tareas repetitivas, los auditores tendrán la posibilidad de ampliar
sus conocimientos, capacidades y habilidades en pro de un mejor desempeño dentro de

222 RISTI, N.º E27, 03/2020

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

su profesión. La mayoría de los estudios coinciden en que los beneficios que traerá el uso
de sistemas inteligentes van desde disminución en tiempos de ejecución, automatización
de tareas, incremento en productividad, análisis de mayor proporción de datos, menores
costos de ejecución y disminución en los niveles de error; hasta beneficios para el auditor
quien podrá dedicar su atención, juicio, conocimientos y creatividad al análisis de los
datos arrojados por la máquina, fortaleciendo su experiencia, capacidades y profesión.
En cuanto a los riesgos que enfrentara el campo de auditoría con la aplicación de IA
The Institute of Internal Auditors (2017a) menciona 4 riesgos puntuales que considera
importantes; el primero de ellos enfocado en los posibles daños a productos o servicios
en los que puede incurrir la IA, lo que finalmente se reflejara en el área financiera y en
la reputación y buen nombre de la firma de auditoría. El segundo hace referencia a la
posibilidad de que los clientes o partes interesadas no acepten el uso de inteligencia
artificial; en tercer lugar, la posibilidad de que la organización quede rezagada ante sus
competidores por no invertir en IA y en último lugar, pero no menos importante, el
hecho de que la inversión realizada en IA no genere los resultados esperados. Carataș
et al. (2018) propone algunos riesgos adicionales; modificaciones en las organizaciones
y en el perfil de los profesionales, así como la consideración de cuestiones éticas que
pueden afectar el proceso y que no se han estudiado a profundidad.

6. Conclusiones
Los sistemas inteligentes suponen numerosas ventajas para la profesión de auditoría,
que se traducen en modificaciones tecnológicas y culturales importantes; sin embargo,
se deben considerar los costos y beneficios en que posiblemente se incurrirá antes de
implantar estos sistemas en las organizaciones.
El rol del auditor si tendrá modificaciones, pero los profesionales de esta área no serán
reemplazados por las máquinas, será necesario que se capaciten y adapten a las nuevas
situaciones, dado que sus capacidades, habilidades, y conocimientos no pueden ser
emulados por la máquina, siempre será necesario el juicio del auditor y su creatividad.
Dentro de la revisión llevada a cabo se identificaron aspectos éticos y legales que deben
considerarse al hacer uso de técnicas de inteligencia artificial en auditoría, aunque no
se observa un análisis a profundidad; por lo tanto, es necesario prestar más atención
a estos aspectos, de modo que se pueda regular el uso de sistemas inteligentes y no se
incurra en problemas legales o éticos
Las empresas interesadas en aplicar técnicas de inteligencia artificial, deberán desarrollar
estudios previos que les permitan identificar la posición actual de la organización y la
forma en que se verá afectada con los cambios, de modo que se puedan prevenir algunos
de los riesgos descritos en este documento y se tomen en consideración las opiniones
y perspectivas de todos los actores vinculados en los procesos organizacionales, esto
con el fin de que las modificaciones aplicadas sean aceptadas y todos puedan trabajar
orientados a un mismo objetivo. En general queda un amplio camino por explorar en
relación con la aplicación de la IA en el campo de auditoría.

RISTI, N.º E27, 03/2020 223

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

Referencias
Atymtayeva, L. B., Bortsova, G. K., Inoue, A., & Kozhakhmet, K. T. (2012). Methodology
and ontology of expert system for information security audit. 6th International
Conference on Soft Computing and Intelligent Systems, and 13th International
Symposium on Advanced Intelligence Systems, SCIS/ISIS 2012, 238–243. https://
[Link]/10.1109/SCIS-ISIS.2012.6505287
Carataș, M., Spătariu, E., & Gheorghiu, G. (2018). Internal Audit Role in Artificial
Intelligence. “Ovidius” University Annals, Economic Sciences Series, XVIII(1
/2018), 441–445. Retrieved from [Link],
Davenport, T. (2016). La innovacion en la auditoria asume las analiticas, la ruta de la
inteligencia artificial. Retrieved from [Link]
audit/articles/innovacio_auditoria_analiticas.html
Davis, J. T., Massey, A. P., & Lovell, R. E. R. (1997). Supporting a complex audit judgment
task: An expert network approach. European Journal of Operational Research,
103(2), 350–372. [Link]
Denna, E. L., Hansen, J. V., & Meservy, R. D. (1991). Development and Application of
Expert Systems in Audit Services. IEEE Transactions on Knowledge and Data
Engineering, 3(2), 172–184. [Link]
Dillard, J. F., & Yuthas, K. (2001). A responsibility ethic for audit expert systems. Journal
of Business Ethics, 30(4), 337–359. [Link]
Duque, N., Chavarro, J., & Moreno, R. (2007). Seguridad inteligente. Scientia et
Technica, XIII(35), 389–394. [Link]
Giraldo, J. C., Perdomo, W., Lopera, J. A., & Montoya, D. M. (2016). Método para
auditorias de sistemas de gestión de calidad aplicando ingeniería de conocimiento.
Ingenierías USBmed, 7(2), 54–60. [Link]
Issa, H., Sun, T., & Vasarhelyi, M. A. (2016). Research Ideas for Artificial Intelligence in
Auditing: The Formalization of Audit and Workforce Supplementation. Journal of
Emerging Technologies in Accounting, 12(2), 1–20. [Link]
10511
Khodakivska, L. (2018). COMPUTER AUDIT USING ARTIFICIAL INTELLIGENCE.
Інфраструктура Ринку, 20, 290–293. Retrieved from [Link]
[Link]/journals/2018/20_2018_ukr/20_2018.pdf
Koskivaara, E. (2003). Artificial Neural Networks in Auditing: State of the Art Data.
Kozhakhmet, K., Bortsova, G., Inoue, A., & Atymtayeva, L. (2012). Expert system for
security audit using fuzzy logic.
Meservy, R. D., Denna, E. L., & Hansen, J. V. (1992). Application of artificial intelligence
to accounting, tax, and audit services: Research at Brigham Young University.
Expert Systems With Applications, 4, 213–218. [Link]
4174(92)90112-6

224 RISTI, N.º E27, 03/2020

RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação

Montoya, D., Giraldo, J., & Perdomo, W. (2016). Caracterización, Arquitectura de los
SBC, y el proceso de realización de las auditorias en Colombia. Retrieved from
[Link]
Nelson, K. M., Kogan, A., Srivastava, R. P., Vasarhelyi, M. A., & Lu, H. (2000). Virtual
auditing agents: The EDGAR Agent challenge. Decision Support Systems, 28(3),
241–253. [Link]
Omoteso, K. (2012). The application of artificial intelligence in auditing: Looking back
to the future. Expert Systems with Applications, 39, 8490–8495. [Link]
org/10.1016/[Link].2012.01.098
Pedrosa, I., Laureano, R. M. S., & Costa, C. J. (2015). Motivações dos auditores para o uso
das Tecnologias de Informação na sua profissão: Aplicação aos Revisores Oficiais de
Contas. RISTI - Revista Iberica de Sistemas e Tecnologias de Informacao, 15(06),
101–118. [Link]
Pejic-Bach, M. (2010). Profiling intelligent systems applications in fraud detection and
prevention: Survey of research articles. ISMS 2010 - UKSim/AMSS 1st International
Conference on Intelligent Systems, Modelling and Simulation, 80–85. [Link]
org/10.1109/ISMS.2010.26
Piñeiro Sánchez, C., de Llano Monelos, P., & Rodríguez López, M. (2013). ¿Proporciona
la auditoría evidencias para detectar y evaluar tensiones financieras latentes? Un
diagnóstico comparativo mediante técnicas econométricas e inteligencia artificial.
Revista Europea de Dirección y Economía de La Empresa, 22, 115–130. https://
[Link]/10.1016/[Link].2012.10.001
Pricewaterhousecoopers. (2017). Confianza en el futuro. El humano y la maquina
colaborando en la auditoria (pp. 1--9). pp. 1--9. Retrieved from [Link]
com/ia/es/publicaciones/assets/el-humano-y-la-maquina-colaborando-en-la-
[Link]
Pricewaterhousecoopers. (2018a). Bots, Machine Learning, Servicios Cognitivos
Realidad y perspectivas de la Inteligencia Artificial en España, 2018 (pp. 1–35).
pp. 1–35.
Pricewaterhousecoopers. (2018b). Moving at the speed of innovation The foundational
tools and talents of technology-enabled Internal Audit 2018 State of the Internal
Audit Profession Study (pp. 1–28). pp. 1–28.
Proaño, R., Saguay, C., Jacome, S., & Sandoval, F. (2017). sistemas basados en
conocimiento como herramienta de ayuda en la auditoria de sistemas de información
(Knowledge based systems as an aid in information systems audit). Enfoque UTE, 7,
148–159. [Link]
Rodríguez López, M., Piñeiro Sánchez, C., & De Llano Monelos, P. (2014). Determinación
del riesgo de fracaso financiero mediante la utilización de modelos paramétricos, de
inteligencia artificial, y de información de auditoría* Financial risk determination
of failure by using parametric model, artificial intelligence and audit. Estudios de
Economía, 41, 187–217.

RISTI, N.º E27, 03/2020 225

Inteligencia artificial al servicio de la auditoría: Una revisión sistemática de literatura

Sosa, M. del C. (2007). Inteligencia artificial en la gestión financiera empresarial.

Pensamiento y Gestión, 23, 153–186. [Link]
The Institute of Internal Auditors. (2017a). GLOBAL PERSPECTIVES AND INSIGHTS
Artificial Intelligence – Considerations for the Profession of Internal Auditing Part
I (pp. 1–8). pp. 1–8. Retrieved from [Link]/gpi.
The Institute of Internal Auditors. (2017b). Inteligencia Artificial: El futuro de la
auditoría interna. (Vol. 85, pp. 1–4). Vol. 85, pp. 1–4. Retrieved from https://
[Link]/translations/PublicDocuments/[Link]
Vasarhelyi, M. A., & Kogan, A. (1997). Artificial Intelligence in Accounting and Auditing:
Towards New Paradigms. In Artificial Intelligence In Accounting and Auditing
(Vol. 4).
Velásquez, J. D. (2014). Una guía corta para escribir revisiones sistemáticas de literatura
parte 1. DYNA (Colombia), 82(190), 9–12. [Link]
v82n190.49511
Villena, J., Crespo, R., & Garcia, J. (2012a). Historia de la Inteligencia Artificial (pp.
1–20). pp. 1–20.
Villena, J., Crespo, R., & Garcia, J. (2012b). Inteligencia en Redes de Comunicaciones -
Sistemas Basados en Conocimiento (pp. 1–52). pp. 1–52. Retrieved from [Link]
[Link]/[Link]?name=‫ & نیون یاه هناسر و گنهرف‬option= com_dbook&task=
readonline&book_id= 13650&page= 73&chkhashk= ED9C9491B4&Itemid=
218&lang=fa&tmpl=component
Zhu’, X., Huang, Z., & Zhoul, H. (2016). Design of a Multi-agent Based Intelligent
Intrusion Detection System. 1 St International Symposium on Pervasive Computing
and Applications, 290–295.
Zuoming, H., Qiao-Ling, L., & Ji-Bing, H. (2011). Web-service oriented computer audit
system based on agents. International Conference on Management and Service
Science, MASS 2011, 1–4. [Link]

226 RISTI, N.º E27, 03/2020

 © 2020. This work is published under
[Link]
“License”). Notwithstanding the ProQuest Terms and
Conditions, you may use this content in accordance with the
terms of the License.