Por: Ing. Luis Alejandro Cepeda. CIE- AF. Colaborador de Auditool.
La inteligencia artificial (IA) se ha convertido en una herramienta de uso diario y, con el tiempo, podría convertirse en esencial, lo que implica la transformación en diversos sectores.
Dos enfoques fundamentales de la inteligencia artificial salen a relucir sin hasta el momento hacer una delimitación clave; la IA generativa y la IA tradicional, aquí las explicamos.
Aunque ambos tipos de inteligencia artificial son potentes y útiles, sus diferencias son importantes. Entenderlas nos pondrá un paso más adelante en su contexto y uso. Del mismo modo, las organizaciones deben comprenderlas con el objetivo de aprovechar su potencial.
IA Tradicional: enfoque en el análisis de datos
La inteligencia artificial tradicional, también conocida como inteligencia artificial basada en reglas, centra sus tareas en el análisis de datos utilizando algoritmos y modelos predefinidos para identificar patrones y/o predicciones basadas en datos históricos. A continuación, se presentan ejemplos de herramientas de este tipo utilizadas en auditoría interna:
|
Sistema de detección de fraudes |
Analiza transacciones y detecta comportamientos inusuales basados en reglas y patrones preestablecidos. Al cumplirse determinados criterios se activa una alerta. |
|
Análisis predictivo |
Modelos de datos entrenados con datos pasados para predecir resultados futuros. Ejemplos de su aplicación incluyen pronósticos de ventas, gestión de inventarios y puntos de reorden. |
|
Minería de procesos |
Algunas herramientas del mercado permiten evaluar el cumplimiento de flujos de trabajo documental. |
|
Robotics o RPA |
Herramientas de análisis financiero, conciliación de cuentas y revisión de políticas de cumplimiento. |
IA Generativa: creación de contenido original
En contraste, la inteligencia artificial generativa puede crear contenido utilizando modelos de aprendizaje profundo, como las redes neuronales, para aprender patrones y luego aplicarlos en la creación de resultados innovadores.
|
Creación de contenido |
Utilizados para crear texto, imágen, música o incluso código de software. |
|
Puede crear pinturas o ilustraciones únicas y componer melodías originales. |
|
|
Apoyo en la construcción de informes |
Uso de plantillas personalizadas, borradores de informes contextualizados según observaciones de auditoría y apoyo en la redacción. |
|
Volúmenes de datos |
Uso de herramientas como Python y Copilot, que permiten resumir grandes volúmenes de documentación y generar conclusiones o resúmenes inmediatos. |
Los usuarios de estas herramientas también pueden interactuar con la interpretación del lenguaje natural de la inteligencia artificial, buscando generar respuestas coherentes y contextuales. Incluso, es posible solicitar que la IA asuma roles de directivos ejecutivos y obtener perspectivas de la alta gerencia ante la presentación de informes.
Implicaciones prácticas en el contexto de la auditoría
Como hemos visto, estas herramientas conviven con nuestra profesión de auditores en diferentes contextos y situaciones que seguro hemos abordado. Sin embargo, el campo de la inteligencia artificial generativa contiene temas emergentes importantes para hacer más eficientes nuestras tareas rutinarias. Entre sus aplicaciones destacan laconsulta de detalles sobre información de apoyo a nuestros informes de auditoría, planteamiento de escenarios de riesgos y controles para observaciones detectadas, entre otros. Todo lo anterior, ofrece una oportunidad y espacio más amplio para temas más estratégicos.
Por otro lado, también es importante imponer límites, pues estas herramientas no deben sustituir nuestra creatividad y habilidades cognitivas, es decir, si en un principio fueron diseñadas para no reemplazarnos del todo, no deberíamos procurar o esperar que sí lo hagan.
En contexto, la IA tradicional e IA generativa brindan oportunidades e innovación. La clave está en saber cuándo y cómo utilizar cada una de ellas o combinarlas para una acción mucho más potente y para aprovechar al máximo las oportunidades que ofrecen, convirtiendo así a la inteligencia artificial en un socio estratégico para el éxito de un auditor más preparado y enfocado en el futuro.
Ing. Luis Alejandro Cepeda
Ingeniero Industrial, especialista en finanzas, certificado como experto antifraude y magister en Inteligencia Analítica de Datos de la Universidad de los Andes.
Durante los últimos 12 años se ha desempeñado como auditor interno en firmas Big Four y compañías del sector público y privado, apoyando procesos de auditoría, control interno, gestión de riesgos e investigación forense para clientes de sectores tales como: oil and gas, logístico, manufacturero y aeronáutico.
Y luego Agregar a la pantalla de inicio.