Automatización de Procedimientos de Auditoría mediante Inteligencia Artificial: Optimización y Desafíos en el Contexto Boliviano
Palabras clave:
Inteligencia Artificial, Auditoria, Automatización de procesos, Big Data, AuditorResumen
La presente investigación analiza el papel de la Inteligencia Artificial (IA) en la automatización de los procedimientos de auditoría, destacando su potencial para optimizar procesos, reducir tiempos y mejorar la precisión de los resultados. Se examina cómo la IA está transformando cada etapa de la auditoría mediante herramientas como el aprendizaje automático, la automatización de procesos y el análisis predictivo, evidenciando los cambios que ya generan impacto en la industria a nivel global.
El estudio se enfoca en Bolivia, donde muchas auditorías aún se realizan con métodos tradicionales y existe una brecha tecnológica que dificulta la adopción eficiente de IA. Se identifican beneficios claros en la automatización de tareas repetitivas, junto con desafíos relacionados con capacitación profesional, costos tecnológicos, riesgos éticos y de seguridad. La metodología utilizada es cualitativa, basada en revisión bibliográfica, análisis documental de fuentes nacionales e internacionales. Esta combinación permite comprender la viabilidad, ventajas y limitaciones de integrar IA en los procesos de auditoría.
Los hallazgos proponen alternativas para incorporar la IA de manera responsable, complementando la labor humana y fortaleciendo la eficiencia, confiabilidad y seguridad en la auditoría, contribuyendo a reducir la brecha tecnológica y mejorar la competitividad de las firmas bolivianas.
Referencias
Avendaño, O. R. (2015). Metodología de la Investigación, Cochabamba Bolivia, Editorial Educacion y Cultura. Obtenido de http://repositorio.uasb.edu.bo/
Bacon. (2005). Metodologia de la Investigacion.
Chen, G. (2019). An overview of neural network. American Journal of Neural Networks and Applications. https://doi.org/10.11648/j.ajnna.20190501.12, 5(1), págs. 7–11.
Chukwudi, O. l. (2018). nteligencia Artificial en Firmas Contables. Obtenido de ResearchGate: 327802327_Artificial_Intelligence_in_Accounting_firms
Deloitte, & [PwC], P. (2022). The AI-driven audit: Transforming the future of assurance. Obtenido de Deloitte Insights.: https://www.deloitte.com
Dotel, R. P. (2020). Inteligencia Artificial: Preparación para el futuro de la auditoría. Obtenido de INTERNATIONAL JOURNAL: https://intosaijournal.org/es/journal-entry/artificial-intelligence-preparing-for-the-future-of-audit/
Frey, C. B. (2013). The future of employment: How susceptible are jobs to computerisation? Oxford Martin School.
Gbenga Dada, E., Esteban Bassi, J., & Chiroma, H. (Junio de 2019). Aprendizaje automático para el filtrado de spam de correo electrónico: revisión, enfoques y problemas de investigación abiertos. Obtenido de ScienceDirect: https://www.sciencedirect.com/science/article/pii/S2405844018353404
Goodfellow, Courville, A., & Bengio, Y. (2016). Aprendizaje profundo.
Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2018). Cuándo superará la IA el rendimiento humano. Obtenido de Cornell University: https://arxiv.org/abs/1705.08807
Hanson, J. (Mayo de 2013). ACCOUNTINGTODAY. Obtenido de Los PCAOB Hanson están preocupados por las horas de los auditores: file:///C:/Users/HP/Downloads/TFG%20-%20201813819.pdf
Hernández Sampieri, F. C. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education.
Hernández Sampieri, R. F. (2014). Obtenido de Metodología de la investigación (6.ª ed.). McGraw-Hill.
Hernández Sampieri, R. F. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill.
Hurtado-Guevara, R. F. (2024). Impacto de la automatización en la auditoría: Ventajas y desafíos. Revista Científica Zambos, 3(3), págs. 19–35.
Jauregui, J. (21 de Agosto de 2025). Inteligencia artificial en la contaduría y auditoría: innovación con retos por superar. Universidad Privada Franz Tamayo. Obtenido de de https://unifranz.edu.bo/blog/inteligencia-artificial-en-la-contaduria-y-auditoria-innovacion-con-retos-por-superar/.
Kim, S. (2017). Junta de Gobernadores de IEEE SA. Obtenido de https://standards.ieee.org/ieee/2755/6893/
Kokina, J., & Davenport, T. (Abril de 2017). La aparición de la inteligencia artificial: cómo la automatización está cambiando la auditoría. Obtenido de ResearchGate: https://www.researchgate.net/publication/315955305_The_Emergence_of_Artificial_Intelligence_How_Automation_is_Changing_Auditing
KPMG. (2023). The future of audit: Harnessing artificial intelligence and automation for smarter assurance. . Obtenido de KPMG International: https://home.kpmg
Lauritzen, J. S. (2010). Procesamiento del lenguaje natural (PLN). Obtenido de SAS: https://www.sas.com/en_us/insights/analytics/what-is-natural-language-processing-nlp.html
Marr, B. (2016). Lo que todo el mundo debería saber sobre la computación cognitiva. Obtenido de Forbes: https://www.forbes.com/sites/bernardmarr/2016/03/23/what-everyone-should-know-about-cognitive-computing/?sh=4dab6ae85088
Martínez, I. C. (2018). Circulo de economia Regin Murcia. Obtenido de https://circulodeeconomia.es/el-reto-de-ella-articulo-de-isabel-martinez-conesa-para-el-30-aniversario-de-la-opinion-de-murcia/
Mohd Sanusi, Z. (Enero de 2011). Evaluación de los efectos de la autoeficacia y la complejidad de las tareas en el juicio de auditoría de control interno. Obtenido de ResearchGate: https://www.researchgate.net/publication/286562308_Assessing_the_effects_of_self-efficacy_and_task_complexity_on_internal_control_audit_judgment
Mundial., F. E. (2023). Artificial Intelligence in Financial Services: Managing Risks and Opportunities. Obtenido de World Economic Forum. : https://www.weforum.org
Muñoz. (2009). Metodos de investigacion.
Murphy, D., & Brown. (Enero de 1990). El uso de sistemas periciales de auditoría en la contabilidad pública. Obtenido de ResearchGate: https://www.researchgate.net/publication/286784718_The_use_of_auditing_expert_systems_in_public_accounting
Ortiz Martínez, J. (2012). Métodos teóricos en la investigación científica. Editorial Pueblo y Educación.
Pickell, e. (3 de 5 de 2023). G2. Obtenido de Datos estructurados vs. no estructurados: https://www.g2.com/articles/structured-vs-unstructured-data
Rich, E. (1983). Artiificial Intelligence. McGraw-Hill; First Edition.
Robinson, S. &. (17 de 11 de 2023). What are the 5 V's of big data? TechTarget. Obtenido de de https://www.techtarget.com/searchdatamanagement/definition/5-Vs-of-big-data.
SAS. (2006). Historia de la visión artificial. Obtenido de SAS: https://www.sas.com/en_ie/insights/analytics/computer-vision.html
Vasarhelyi. (2020). El aprendizaje automático mejora las estimaciones contables: evidencia de . Obtenido de SSRN: file:///C:/Users/HP/Downloads/SSRN-id3253220.pdf
Wei Tang, V. (2017). Variación transversal en la informatividad de la información de productos generada por terceros en Twitter. WILEY.
Young, & Ernst. (2024). Intelligent automation in auditing: Enhancing trust and efficiency through AI technologies. Obtenido de EY Global.: https://www.ey.com
