Serie: El contador ante la automatización y la inteligencia artificial. Entrada 2 de 4.
En la entrada anterior definimos el problema: el dato contable ya no se digita, llega. Corresponde ahora examinar qué hace concretamente la tecnología actual. Los asientos automáticos son apenas la parte más visible; el alcance real es considerablemente mayor y afecta no solo a quien prepara la información, sino también a quien la audita.
Primera parte: lo que la tecnología contable ya automatiza
1. Captura inteligente de documentos
Los sistemas de reconocimiento de texto de generaciones anteriores necesitaban una plantilla para cada formato de factura. Las herramientas actuales, basadas en aprendizaje automático, identifican los campos —número de comprobante, fecha, proveedor, líneas de detalle, impuestos y totales— por la función que cumplen dentro del documento, sin plantillas previas, y mejoran a medida que procesan más documentos de un mismo proveedor. Esto se aplica a facturas, recibos, estados bancarios y contratos.
2. Clasificación y codificación predictiva
Una vez extraído el dato, el sistema propone la cuenta contable, el centro de costo y el tratamiento impositivo a partir del historial de la empresa. Algunas plataformas indican además el grado de confianza de cada propuesta, de modo que el usuario sepa cuáles merecen revisión.
3. Conciliación bancaria continua
La conciliación, una de las tareas más largas del cierre, se realiza ahora a lo largo de todo el mes. Los movimientos bancarios ingresan automáticamente, se comparan con los registros mediante reglas configurables y aprendizaje, y solo las excepciones llegan a una persona. Las herramientas más avanzadas distinguen entre diferencias temporales y discrepancias reales.
4. Asientos automáticos con control por niveles de riesgo
No todos los asientos se generan con la misma libertad. Los modelos más cuidadosos establecen niveles: las operaciones de bajo riesgo que coinciden con las reglas se contabilizan solas; las de riesgo medio quedan en espera de la aprobación de un revisor; las de alto riesgo exigen revisiones adicionales.
5. Cuentas por pagar de principio a fin
El ciclo completo de pagos puede automatizarse: recepción de la factura por correo, extracción de datos, comparación de dos y tres vías (orden de compra, recepción de la mercancía y factura), envío a aprobación según monto o departamento, detección de facturas duplicadas y de señales de fraude, programación del pago y registro contable. Según estudios del sector, el promedio de facturas que se procesan sin ninguna intervención humana ronda apenas un tercio del total, pero los equipos más avanzados superan el setenta por ciento.
6. Gestión de gastos y tarjetas corporativas
El empleado fotografía el recibo; el sistema lo asocia a la transacción de la tarjeta, lo clasifica y verifica en ese momento si cumple la política de gastos de la empresa, antes de que el problema se acumule.
7. Cierre continuo y análisis de variaciones
El cierre deja de ser un evento concentrado en los últimos días del mes. Las conciliaciones y los asientos recurrentes se ejecutan de forma progresiva, y la inteligencia artificial redacta borradores de explicación de las variaciones entre períodos, que el contador revisa y ajusta.
8. Detección de anomalías
Modelos de aprendizaje automático establecen qué es "normal" en cada empresa y señalan lo que se aparta de ese patrón: montos atípicos, proveedores nuevos con pagos elevados, operaciones registradas fuera de horario o combinaciones de cuentas inusuales.
9. Integración con la administración tributaria
Con la facturación electrónica, los comprobantes emitidos y recibidos están disponibles en formato estructurado. Esto permite conciliar de manera automática lo registrado con lo reportado a la autoridad fiscal y preparar con mayor rapidez la información de las declaraciones y sus anexos.
10. Información en tiempo real
Los tableros de gestión muestran la posición de caja, las cuentas por cobrar y por pagar y los resultados parciales en tiempo real, y algunos sistemas proyectan el flujo de efectivo a partir de los patrones históricos de cobro y pago.
Segunda parte: lo que esto cambia en la auditoría
De la muestra a la totalidad
La auditoría tradicional se diseñó para un mundo de papel: examinar una muestra y extender sus conclusiones al conjunto. Con los datos en formato electrónico es posible analizar el cien por ciento de las operaciones. La prueba de asientos de diario, por ejemplo, puede revisar la totalidad de los registros y señalar los de mayor riesgo: los contabilizados fuera del horario laboral, los realizados por usuarios no autorizados o los que se revierten exactamente en el período siguiente. El muestreo no desaparece, pero deja de ser la única respuesta posible.
Auditoría continua
Si la contabilidad es continua, la auditoría puede serlo también. La evaluación de controles y riesgos puede realizarse durante el ejercicio y no solo al cierre, lo que permite detectar fallas de control antes de que produzcan errores importantes.
Se audita el sistema, no solo el registro
Cuando el asiento lo genera una regla, la pregunta relevante ya no es únicamente si el asiento es correcto, sino si la regla que lo produce es correcta y está protegida. El foco se desplaza hacia:
- los controles generales de tecnología: quién tiene acceso, cómo se autorizan los cambios en la configuración y si existe separación de funciones;
- los controles de aplicación automatizados: si las reglas de clasificación, conciliación y cálculo funcionan como fueron diseñadas;
- la confiabilidad de la información que produce el sistema y que luego se utiliza como evidencia;
- los proveedores externos de servicios en la nube, cuyos controles también forman parte del entorno de la entidad.
Un agente de inteligencia artificial con permisos para contabilizar debe tratarse, a efectos de auditoría, como un usuario con acceso privilegiado.
Los nuevos riesgos
La automatización reduce el error humano aislado, pero introduce el error sistemático: una regla mal configurada se repite en cada operación. Aparecen además riesgos de ciberseguridad, de integridad de los datos y de dependencia de proveedores tecnológicos. No es casual que, en las encuestas más recientes a directores de auditoría interna de todo el mundo, la ciberseguridad figure como la principal preocupación, y que la disrupción digital, incluida la inteligencia artificial, sea una de las áreas de riesgo que más ha crecido.
Las normas se están actualizando
Los organismos emisores de normas ya responden a este cambio. El IAASB tiene en consulta propuestas de revisión de las normas sobre respuesta a los riesgos evaluados, evidencia de auditoría y procedimientos analíticos (NIA 330, 500 y 520), que incorporan una definición de evidencia adaptada al entorno digital y requisitos más estrictos para evaluar la relevancia y la confiabilidad de la información. En Estados Unidos, enmiendas del PCAOB aplicables a las auditorías de 2026 exigen evaluar la confiabilidad de la información procesada con herramientas tecnológicas e investigar las partidas que esos análisis identifiquen. Aunque esta última norma no rige en la República Dominicana, marca con claridad la dirección que seguirá la práctica internacional.
El auditor que hace falta
El auditor necesita ahora competencias que antes eran propias de especialistas: comprensión de sistemas, análisis de datos, evaluación de controles de tecnología y, cada vez más, evaluación del uso de inteligencia artificial en la preparación de la información financiera. Lo que no cambia es el escepticismo profesional: un resultado producido por un algoritmo sigue siendo una afirmación que debe probarse.
En la próxima entrada: la inteligencia artificial como herramienta de trabajo del contador, sus límites y el dilema ético de confiar la información de los clientes a sistemas que operan en la nube.
Referencias
- IAASB: Propuestas de revisión de las NIA 330, 500 y 520
- CalCPA: Emisión de normas y regulación de la IA en auditoría
- Automatización de cuentas por pagar en 2026: captura, comparación de tres vías y aprobaciones sin intervención
- Tendencias 2026 en automatización de auditoría con IA
- Automatización de la auditoría interna: pruebas sobre la población total