La auditoría algorítmica cambia la forma en que se obtiene evidencia, se evalúan riesgos y se supervisan sistemas que procesan información, pues desplaza parte del trabajo del contador público hacia actividades de mayor criterio, como interpretar resultados, cuestionar modelos, identificar sesgos y evaluar la confiabilidad de sistemas automatizados.

¿Qué es la auditoría algorítmica?

La auditoría algorítmica es un proceso técnico e independiente diseñado para evaluar la gobernanza, transparencia, explicabilidad y mitigación de sesgos en modelos de aprendizaje automático. Su propósito es verificar que los sistemas automatizados operen bajo controles internos estrictos y cumplan con regulaciones aplicables.

Esto significa que el objeto de revisión ya no se limita a documentos, transacciones o estados financieros. También incluye los algoritmos que procesan datos, generan alertas, clasifican operaciones o apoyan decisiones. En ese escenario, el contador debe comprender cómo estos sistemas pueden afectar la calidad de la información y la confianza que los usuarios depositan en ella.

Del muestreo al análisis total de datos

Una de las principales transformaciones está en el paso de la auditoría tradicional a la auditoría inteligente. La primera ha sido periódica, reactiva y basada en muestras manuales. La segunda se orienta hacia procesos continuos, proactivos y apoyados en el análisis del 100 % de los datos en tiempo real.

La tecnología actual derriba la premisa de que no es posible verificar la totalidad de las transacciones. Los algoritmos pueden ingerir y procesar poblaciones completas de información, como asientos de diario, facturas o nóminas. Esto permite dotar la opinión del auditor de una evidencia más amplia y cambia la forma en que se identifican anomalías o inconsistencias.

Sin embargo, revisar más datos no significa reducir el papel del juicio profesional. Por el contrario, exige que el auditor evalúe la calidad de la información, la lógica de los resultados y los riesgos asociados al uso de modelos automatizados.

Automatización y nuevo rol del contador

La inteligencia artificial y la Automatización Robótica de Procesos (RPA, por sus siglas en inglés) pueden asumir tareas rutinarias como conciliaciones bancarias, validación de documentos y clasificación de gastos. Esta automatización libera tiempo para que el contador se concentre en actividades que requieren pensamiento crítico, como la investigación de anomalías y el análisis profesional.

El cambio, entonces, no consiste solo en hacer más rápido lo mismo. Implica replantear el aporte del contador dentro del proceso de auditoría. A medida que las herramientas automatizan tareas repetitivas, aumenta la necesidad de profesionales capaces de interpretar resultados, cuestionar supuestos y mantener una supervisión ética sobre los sistemas que intervienen en la información financiera.

Caja negra, sesgos y escepticismo profesional

Uno de los retos más importantes es el fenómeno de la “caja negra”. Este se refiere a la incapacidad de comprender los procesos lógicos internos mediante los cuales un algoritmo llega a una conclusión. Cuando el auditor no entiende cómo se generó un resultado, se afecta su capacidad para evaluar su fiabilidad.

Por eso cobra relevancia la IA Explicable (XAI, por sus siglas en inglés), que busca traducir variables técnicas en métricas comprensibles para el negocio y el regulador. Este punto es crítico porque los modelos de IA más precisos suelen ser también los más difíciles de explicar. Allí surge una tensión entre eficacia y transparencia.

A esto se suma el riesgo de sesgos algorítmicos, por cuanto los modelos pueden ser entrenados con datos históricos sesgados, y como consecuencia puede automatizar la discriminación a gran escala. En Países Bajos, el caso Toeslagen mostró cómo un algoritmo de lucha contra el fraude clasificó erróneamente a miles de familias inmigrantes como fraudulentas. En Estados Unidos, la herramienta COMPAS asignaba mayor riesgo de reincidencia a acusados afroamericanos a partir de datos históricos sesgados. Estos casos evidencian que un sistema automatizado puede amplificar errores o sesgos si no es evaluado adecuadamente.

Frente a estos riesgos, el escepticismo profesional sigue siendo central. La IA no sustituye el criterio ético del contador; lo amplifica, siempre que el profesional mantenga la responsabilidad última sobre la veracidad e integridad de la información financiera.

Competencias para una auditoría basada en IA

La auditoría algorítmica exige que el contador desarrolle competencias que van más allá de lo contable. Entre ellas se encuentran conocimientos en arquitectura de datos, bases de datos relacionales, interpretación de modelos de IA y Machine Learning, manejo de herramientas como SQL, Python y Tableau, además de nociones de ciberseguridad.

Este desafío convive con varias limitaciones. La auditoría de algoritmos aún no es un servicio que los contadores ofrezcan masivamente, mientras otros profesionales, como ingenieros de sistemas y científicos de datos, han tomado la delantera. Además, existe una brecha de implementación, pues las grandes firmas invierten recursos significativos en estas tecnologías, mientras que las pequeñas y medianas firmas (SMP, por sus siglas en inglés) enfrentan barreras por costos de inversión e infraestructura digital inestable.

La auditoría algorítmica amplía el campo de acción del contador público. Su valor no estará únicamente en revisar cifras, sino también en comprender los sistemas que las procesan, evaluar sus riesgos y preservar la confianza en la información. En ese proceso, la tecnología puede cambiar las herramientas, pero no elimina la necesidad de criterio profesional, responsabilidad ética y capacidad de análisis.

Kevin Darley Guevara

Profesional de investigación del INCP