Auditoría financiera en la era de la inteligencia artificial: oportunidades estratégicas y desafíos emergentes
DOI:
https://doi.org/10.67166/3nrt3p57Palabras clave:
auditoría financiera, inteligencia artificial, competencias profesionales, análisis de riesgos, evidencia digital.Resumen
El presente estudio tuvo como objetivo analizar el impacto de la inteligencia artificial en el desarrollo de competencias profesionales de auditoría financiera, evaluando si el uso de herramientas tecnológicas mejora la detección de anomalías, la interpretación de evidencia digital, la evaluación de riesgos, la trazabilidad documental y el juicio ético del auditor. La investigación se desarrolló bajo un enfoque cuantitativo, de alcance descriptivo-correlacional, con diseño cuasiexperimental. Participaron 80 profesionales del área contable, financiera o de auditoría, distribuidos en un grupo experimental y un grupo de control de 40 personas cada uno. El grupo experimental utilizó la aplicación AuditIA-Fin, basada en inteligencia artificial, mientras que el grupo de control realizó actividades convencionales de auditoría. La recolección de datos se realizó mediante un test estructurado validado por expertos y confiable (α = 0,89). Los resultados muestran que el grupo experimental alcanzó mejoras significativas en todas las competencias evaluadas, con incrementos promedio superiores al 30%, diferencias estadísticamente significativas (p < 0,001) y tamaños de efecto muy grandes (d > 3.0). La correlación positiva entre el uso de la IA y el desempeño evidenció que a mayor interacción con la aplicación, mayor desarrollo de habilidades profesionales. Además, la mayoría de los participantes del grupo experimental mostró mejoras superiores al 20% en todas las dimensiones, indicando un efecto distribuido y consistente. Estos hallazgos confirman que la inteligencia artificial potencia el juicio profesional, optimiza la eficiencia, amplía el alcance de la auditoría y permite un enfoque más preventivo y continuo, alineándose con los planteamientos de Vasarhelyi et al. (2015), Appelbaum et al. (2017) y Kokina y Davenport (2017). Asimismo, subrayan la importancia de la formación profesional, la supervisión ética y la integración institucional para maximizar los beneficios de la IA en auditoría financiera.
Descargas
Referencias
Al-Ateeq, B., Sawan, N., Al-Hajaya, K., Altarawneh, M., & Al-Makhadmeh, A. (2022). Big data analytics in auditing and the consequences for audit quality: A study using the technology acceptance model (TAM). Corporate Governance and Organizational Behavior Review, 6(1), 64–78. https://doi.org/10.22495/cgobrv6i1p5
Alles, M. G., Kogan, A., & Vasarhelyi, M. A. (2002). Feasibility and economics of continuous assurance. Auditing: A Journal of Practice & Theory, 21(1), 125–138. https://doi.org/10.2308/aud.2002.21.1.125
Appelbaum, D., Kogan, A., & Vasarhelyi, M. A. (2017). Big data and analytics in the modern audit engagement: Research needs. Auditing: A Journal of Practice & Theory, 36(4), 1–27. https://doi.org/10.2308/ajpt-51684
Appelbaum, D. A., Kogan, A., & Vasarhelyi, M. A. (2018). Analytical procedures in external auditing: A comprehensive literature survey and framework for external audit analytics. Journal of Accounting Literature, 40, 83–101. https://doi.org/10.1016/j.acclit.2018.01.001
Brown-Liburd, H., Issa, H., & Lombardi, D. (2015). Behavioral implications of Big Data’s impact on audit judgment and decision making and future research directions. Accounting Horizons, 29(2), 451–468. https://doi.org/10.2308/acch-51023
Cao, M., Chychyla, R., & Stewart, T. (2015). Big data analytics in financial statement audits. Accounting Horizons, 29(2), 423–429. https://doi.org/10.2308/acch-51068
CEPAL. (2025). Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025. Comisión Económica para América Latina y el Caribe.
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2.ª ed.). Lawrence Erlbaum Associates.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297–334. https://doi.org/10.1007/BF02310555
Earley, C. E. (2015). Data analytics in auditing: Opportunities and challenges. Business Horizons, 58(5), 493–500. https://doi.org/10.1016/j.bushor.2015.05.002
Financial Reporting Council. (2025). AI in audit: Illustrative example and documentation guidance. FRC.
Hasan, A. R. (2022). Artificial intelligence (AI) in accounting & auditing: A literature review. Open Journal of Business and Management, 10(1), 440–465. https://doi.org/10.4236/ojbm.2022.101026
Huang, F., & Vasarhelyi, M. A. (2022). Audit data analytics, machine learning, and full population testing. Journal of Finance and Data Science, 8, 138–144.
IAASB. (2024). Technology position: The intersection of audit, assurance, and technology. International Auditing and Assurance Standards Board.
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, 13(2), 1–20. https://doi.org/10.2308/jeta-10511
Jung, J. (2025). Impacto económico de la inteligencia artificial en América Latina: transformación tecnológica y rezago en materia de inversión y capacidades laborales. Comisión Económica para América Latina y el Caribe.
Kokina, J., & Davenport, T. H. (2017). The emergence of artificial intelligence: How automation is changing auditing. Journal of Emerging Technologies in Accounting, 14(1), 115–122. https://doi.org/10.2308/jeta-51730
Kokina, J., Gilleran, R., Blanchette, S., & Stoddard, D. (2025). Challenges and opportunities for artificial intelligence in auditing. International Journal of Accounting Information Systems, 56.
Ministerio de Educación del Perú. (2025). Minedu impulsa la transformación educativa con inteligencia artificial y tecnología accesible en todo el país. MINEDU.
Ministerio de Educación del Perú. (2026). Tecnotic: Educación en la era de la inteligencia artificial. MINEDU.
Moffitt, K. C., Rozario, A. M., & Vasarhelyi, M. A. (2018). Robotic process automation for auditing. Journal of Emerging Technologies in Accounting, 15(1), 1–10. https://doi.org/10.2308/jeta-10589
PCAOB. (2024). Staff update on outreach activities related to the integration of generative artificial intelligence in audits and financial reporting. Public Company Accounting Oversight Board.
Pearson, K. (1895). Notes on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London, 58, 240–242. https://doi.org/10.1098/rspl.1895.0041
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
UNESCO. (2025). AI and education: Guidance for policy-makers. UNESCO.
Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big data in accounting: An overview. Accounting Horizons, 29(2), 381–396. https://doi.org/10.2308/acch-51071
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Zoila María Peredes Zhirzhan (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
