Por: CP Iván Rodríguez. Colaborador de Auditool
Al igual que la mayoría (por no decir todas) las disciplinas, la auditoría externa ha experimentado una transformación profunda en la última década. Lo que tradicionalmente se centraba en la fiabilidad de los estados financieros se ha ampliado hacia la verificación de información no financiera, especialmente la relacionada con los criterios ambientales, sociales y de gobernanza (ESG). En paralelo, la inteligencia artificial (IA) está redefiniendo los métodos de trabajo de los auditores, permitiendo análisis a escala, detección de anomalías y procesamiento de datos no estructurados que antes resultaban inmanejables.
La auditoría externa independiente tiene como objetivo principal proporcionar seguridad razonable (o limitada) sobre la información reportada por las organizaciones, reduciendo el riesgo de información errónea material y reforzando la confianza de inversores, reguladores y otros grupos de interés. Históricamente se basaba en muestreo, pruebas de controles y procedimientos sustantivos sobre cifras contables. Hoy, debido a la demanda de información ESG, se ha ampliado el alcance. Los informes de sostenibilidad ya no son documentos voluntarios de "responsabilidad social corporativa"; se han convertido en elementos materiales para la valoración de riesgos, la asignación de capital y el cumplimiento normativo. La auditoría (o, más precisamente, el aseguramiento) de esta información exige competencias multidisciplinares: conocimiento de estándares de sostenibilidad, evaluación de materialidad, comprensión de cadenas de suministro y capacidad para contrastar datos cualitativos y cuantitativos.
La IA no sustituye al auditor; lo potencia. Su valor real solo se materializa cuando se integra dentro de un marco sólido de independencia, juicio profesional, gobernanza de datos y supervisión humana.
📋 Marcos normativos aplicables
Normas como la ISSA 5000 (International Standard on Sustainability Assurance), publicada por el IAASB, establecen un marco global de principios para estos encargos, alineado con las expectativas de independencia, escepticismo profesional y documentación. En muchos casos, el auditor financiero de la entidad también asume el aseguramiento de la información de sostenibilidad, lo que refuerza la conectividad entre ambos tipos de reporte.
Otros marcos, como el GRI (enfoque de impacto, muy usado voluntariamente), SASB, TCFD (integrado en ISSB) y regulaciones locales (por ejemplo, requisitos climáticos en California o en varias economías de Asia-Pacífico) también consideran temas ESG, que deben ser tenidas en cuenta por el auditor.
Ahora bien, es necesario que haya una debida integración de los criterios ESG en la auditoría externa. Para el efecto, el proceso de aseguramiento ESG sigue fases similares a la auditoría financiera, adaptadas, que pueden verse así:
🔍 Planificación y comprensión
Evaluación de materialidad, identificación de riesgos (incluyendo lavado verde o greenwashing), comprensión de la cadena de valor y de los sistemas de datos.
🛡️ Evaluación de controles
Revisión de gobernanza del dato, metodologías de cálculo, controles automáticos y supervisión humana.
📊 Procedimientos sustantivos
Pruebas de detalle, confirmaciones externas, análisis de tendencias, contraste con fuentes independientes (satélites, sensores, bases de datos públicas).
📝 Formación de la opinión
Emisión de un informe de aseguramiento limitado o razonable, con énfasis en limitaciones inherentes de la información prospectiva o estimada.
En este panorama, el apoyo de la inteligencia artificial brinda oportunidades concretas, aunque siempre debe recordarse que la IA no sustituye al auditor; lo potencia. Algunas aplicaciones prácticas ya en uso o en rápida adopción incluyen:
🧠 Procesamiento de lenguaje natural (NLP) y modelos generativos
Extracción de indicadores de informes extensos, mapeo automático a estándares (ESRS, GRI, ISSB), detección de inconsistencias entre texto y datos numéricos e identificación de posibles señales de lavado verde.
📊 Análisis de datos a gran escala y detección de anomalías
Revisión de poblaciones completas (no solo muestras), identificación de valores atípicos en emisiones, consumo o indicadores sociales, y triangulación con datos externos (imágenes satelitales, sensores IoT (internet de las cosas), noticias).
⚙️ Automatización de tareas repetitivas
Clasificación de documentos, validación de factores de emisión, generación de borradores de papeles de trabajo y tableros (dashboards) de riesgo en tiempo real.
📈 Modelos predictivos y de riesgo
Evaluación de riesgos climáticos, predicción de controversias ESG o apoyo en análisis de materialidad.
🔗 Integración con blockchain e IoT
Trazabilidad inmutable de datos de cadena de suministro y captura automática de emisiones.
Agentes de IA en las firmas de auditoría
En adición, firmas de auditoría están integrando agentes de IA en sus entornos de trabajo, facilitando la ejecución de flujos complejos mientras mantienen el control humano ("human in the loop") logrando reducciones significativas de carga de trabajo en tareas de extracción y revisión documental junto con mejoras en la cobertura de riesgos.
Nuevos riesgos que introduce la IA
Sin embargo, la IA introduce nuevos riesgos que el propio auditor debe gestionar: sesgos algorítmicos, falta de explicabilidad ("caja negra"), dependencia de datos de entrenamiento de calidad variable, consumo energético de los modelos y riesgos de ciberseguridad.
De otra parte, las perspectivas futuras respecto de la auditoría externa y los criterios ESG son una mayor estandarización de metodologías de aseguramiento ESG y de requisitos de gobernanza de IA; la evolución hacia niveles de aseguramiento razonable en determinadas áreas (especialmente emisiones); una integración más estrecha de información financiera y de sostenibilidad; el desarrollo de marcos específicos para auditar sistemas de IA bajo criterios ESG (transparencia, equidad, impacto ambiental de los modelos) y un uso creciente de IA en las auditorías.
El reto más que tecnológico, es de equilibrio: saber aprovechar la potencia de la IA sin dejar de lado la responsabilidad profesional que define a la auditoría externa.
La profesión de auditoría está en un proceso de reconversión: el auditor del futuro combina escepticismo profesional tradicional con competencias tecnológicas y de sostenibilidad. La formación continua, la colaboración multidisciplinar y la inversión en tecnología responsable serán determinantes. La auditoría externa de criterios ESG, apoyada por la inteligencia artificial, representa una evolución natural y necesaria hacia una rendición de cuentas más completa y creíble. La IA ofrece herramientas poderosas para superar las limitaciones de los métodos tradicionales ante la complejidad y el volumen de la información de sostenibilidad. Sin embargo, su valor real solo se materializa cuando se integra dentro de un marco sólido de independencia, juicio profesional, gobernanza de datos y supervisión humana. Las empresas que inviertan en sistemas de datos ESG robustos y auditables, y las firmas de auditoría que combinen rigor metodológico con adopción responsable de IA, estarán mejor posicionadas para generar confianza en un entorno donde la información no financiera es cada vez más decisiva para la legitimidad social y el acceso al capital. El reto más que tecnológico, es de equilibrio, saber aprovechar la potencia de la IA sin dejar de lado la responsabilidad profesional que define a la auditoría externa.
CP Iván Rodríguez - CIE AF
Colaborador de Auditool
Auditor y consultor, diplomado en Alta Gerencia de Seguros y Derecho de Seguros. Especialista en Dirección Financiera y Desarrollo Organizacional, diplomado en Gerencia de la Calidad. Contador público (CP) de la Pontificia Universidad Javeriana con 20 años de experiencia en diversas empresas. Tiene amplia experiencia en la elaboración y ejecución de auditorías y revisorías fiscales. Dirección y ejecución de asesorías, consultorías y capacitaciones. Colaborador de Auditool.
Y luego Agregar a la pantalla de inicio.
Escribir un comentario