Durante una auditoría financiera reciente, un equipo de auditores externos se encontró con una situación inesperada. 

La empresa auditada, dedicada a la distribución de productos de consumo, había integrado un sistema de inteligencia artificial generativa para automatizar la elaboración de reportes financieros internos. El objetivo era acelerar el cierre mensual y ofrecer a la gerencia información para tomar decisiones rápidas. 

Todo parecía funcionar hasta que, en la fase de pruebas sustantivas, el equipo auditor detectó inconsistencias en la clasificación de gastos. Varias partidas de mantenimiento se habían registrado como mejoras de activos fijos, lo que alteraba tanto el estado de resultados como el balance general. 

La investigación reveló que el modelo de IA estaba utilizando reglas de categorización aprendidas de datos históricos incompletos y mal etiquetados. Como resultado, los informes generados no cumplían con las normas contables aplicables. Este hallazgo abrió una pregunta crucial: ¿cómo deben adaptarse los procedimientos de auditoría financiera para validar no solo los datos, sino también el funcionamiento de los modelos de IA que procesan esa información? 

El auge de la IA generativa en el entorno empresarial 

En 2025, la adopción de inteligencia artificial generativa en empresas auditadas ha dejado de ser una novedad para convertirse en un componente habitual de los procesos de negocio. 

Los usos más frecuentes incluyen: 

• Elaboración automática de reportes financieros y de gestión. 

• Predicciones de flujo de caja y comportamiento de clientes. 

• Generación de textos y documentos para comunicación corporativa y cumplimiento normativo. 

• Análisis de contratos y otros documentos para extraer datos relevantes. 

Según PwC Global AI Study 2025, el 41% de las grandes empresas ya integran algún tipo de IA generativa en sus procesos financieros, y un 27% la usa para producir información que alimenta directamente sus estados financieros o informes regulatorios. 

Nuevos riesgos para la auditoría financiera 

La incorporación de IA generativa plantea retos adicionales a los auditores financieros, entre ellos: 

• Calidad y origen de los datos de entrenamiento: Si el modelo ha sido entrenado con datos incompletos, sesgados o sin control de calidad, puede generar resultados erróneos o no representativos. 
• Trazabilidad de la lógica de decisión: Muchos modelos funcionan como “cajas negras”, dificultando entender cómo llegaron a una conclusión o clasificación. 
• Actualizaciones no controladas: Cambios en el modelo (reentrenamiento o ajustes de parámetros) pueden alterar la consistencia de los resultados sin que se documente adecuadamente.
• Riesgo de uso indebido: La IA puede procesar datos confidenciales sin los controles de gobernanza adecuados, generando riesgos de privacidad y seguridad.
• Cumplimiento normativo: Si los informes generados por IA se usan para fines regulatorios, cualquier error puede derivar en sanciones o pérdida de credibilidad. 

El caso continuado: adaptando los procedimientos de auditoría 

En el caso de la empresa de distribución, los auditores no se limitaron a corregir las cifras; incorporaron procedimientos específicos para evaluar el impacto de la IA: 

• Revisión de la documentación técnica: Solicitaron a la gerencia y al equipo de TI un detalle del funcionamiento del modelo: datos de entrenamiento, algoritmos utilizados, criterios de clasificación y fechas de última actualización.
• Pruebas paralelas: Seleccionaron una muestra de transacciones y replicaron la clasificación usando métodos manuales y reglas contables estándar, comparando los resultados con los generados por la IA.
• Evaluación de controles de entrada y salida: Verificaron que existieran revisiones humanas antes de incorporar la información producida por la IA a los estados financieros.
• Revisión de cambios en el modelo: Analizaron el historial de ajustes y reentrenamientos para determinar si hubo alteraciones significativas en los criterios de clasificación. 

Este enfoque permitió detectar no solo el error puntual, sino también debilidades en el control interno sobre sistemas basados en IA. 

Buenas prácticas para auditores financieros ante la IA generativa 

A partir de experiencias como esta, las firmas de auditoría están incorporando nuevas prácticas en sus programas de trabajo: 

• Mapeo del uso de IA en el ciclo financiero: Identificar en qué procesos se utiliza IA y cómo esa información impacta en los estados financieros.
• Evaluación de la gobernanza de datos: Verificar que los datos de entrenamiento y los datos procesados por la IA cumplan con estándares de calidad, integridad y seguridad.
• Exigencia de trazabilidad: Solicitar explicaciones claras (y documentadas) sobre cómo el modelo toma decisiones, incluso si esto implica involucrar a expertos en ciencia de datos.
• Pruebas de consistencia y precisión: Comparar resultados generados por la IA con cálculos manuales o con sistemas tradicionales.
• Controles humanos de validación: Confirmar que exista supervisión humana antes de usar información generada por IA en reportes regulatorios o financieros.
• Documentación de cambios: Asegurarse de que las actualizaciones y reentrenamientos del modelo estén documentados y autorizados. 

Un cambio de rol para el auditor financiero 

La llegada de la IA generativa a los procesos financieros obliga al auditor a ampliar su competencia técnica. Ya no basta con entender las normas contables y de auditoría; es necesario: 

• Comprender cómo funcionan los modelos de IA y sus limitaciones. 

• Evaluar el control interno en entornos híbridos (humanos + IA). 

• Identificar riesgos tecnológicos y traducirlos a impactos financieros. 

En otras palabras, el auditor financiero se convierte en un validador de confianza no solo de cifras, sino también de procesos tecnológicos que las generan. 

Conclusión: IA sí, pero con control y evidencia 

La inteligencia artificial generativa ofrece oportunidades reales para mejorar la eficiencia y el alcance de los procesos financieros, pero también introduce riesgos significativos si no se gestiona correctamente. 

Para el auditor financiero, el desafío está en adaptar los procedimientos para garantizar que los modelos de IA, los datos que procesan y los resultados que generan sean confiables, auditables y estén alineados con las normas vigentes. 

El futuro de la auditoría financiera en la era de la IA no será solo revisar balances, sino también revisar el código, los algoritmos y los datos que los sustentan.