Por: CP Iván Rodríguez. Colaborador de Auditool 

La evidencia de auditoría constituye uno de los fundamentos esenciales del trabajo del auditor. Sobre ella se construyen las conclusiones que permiten expresar una opinión sobre los estados financieros, evaluar la eficacia de los controles internos, identificar riesgos relevantes y formular recomendaciones para mejorar los procesos de las organizaciones.

Tradicionalmente, la obtención de evidencia se ha apoyado en procedimientos como la inspección documental, la observación, la confirmación externa, el recálculo, la re-ejecución, la indagación y los procedimientos analíticos. Estos mecanismos continúan siendo fundamentales, pero su aplicación está experimentando una transformación significativa como consecuencia de la incorporación de la inteligencia artificial (IA), ya que sus herramientas permiten analizar grandes volúmenes de transacciones, identificar comportamientos inusuales, examinar documentos, reconocer relaciones entre datos y detectar situaciones que podrían pasar inadvertidas mediante procedimientos convencionales.

No obstante, esta transformación plantea una inquietud que resulta fundamental: ¿hasta qué punto puede el auditor confiar en los resultados generados por inteligencia artificial como evidencia para sustentar sus conclusiones? Esta consideración adquiere especial importancia en un entorno en el que las herramientas automatizadas pueden producir respuestas técnicamente convincentes, incluso cuando contienen errores. Por tanto, el desafío actual, más que en incorporar inteligencia artificial a los procedimientos de auditoría, consiste en establecer las condiciones bajo las cuales sus resultados pueden utilizarse como evidencia confiable.

La Norma Internacional de Auditoría 500 - Evidencia de auditoría, establece los principios fundamentales que orientan la obtención y evaluación de la información utilizada por el auditor para alcanzar conclusiones razonables. En el caso de una auditoría de estados financieros, la evidencia debe reunir dos características esenciales: suficiencia y adecuación.

La suficiencia se relaciona con la cantidad de evidencia obtenida y la adecuación, por su parte, se refiere a su calidad, determinada principalmente por su relevancia y fiabilidad. Esta distinción resulta especialmente importante cuando se utilizan herramientas de inteligencia artificial. Una aplicación puede examinar millones de transacciones y producir cientos de alertas sobre posibles irregularidades. Sin embargo, la cantidad de información procesada no significa necesariamente que la evidencia obtenida sea adecuada.

Por ejemplo, un algoritmo puede identificar transacciones contables realizadas fuera del horario habitual, pero esta circunstancia no demuestra automáticamente la existencia de fraude, errores materiales o deficiencias de control interno. Para determinar la relevancia del hallazgo, el auditor debe considerar aspectos como la naturaleza de las operaciones, las políticas de la entidad, los controles existentes, las autorizaciones correspondientes y las circunstancias que explican las transacciones. En consecuencia, el uso de inteligencia artificial no modifica el principio fundamental de que la evidencia debe ser evaluada críticamente. Lo que cambia es la forma de obtenerla, procesarla y analizarla.

La automatización puede generar una falsa sensación de seguridad, particularmente cuando los resultados se presentan mediante indicadores, puntuaciones de riesgo, probabilidades o conclusiones aparentemente objetivas y en ese sentido, el auditor podría interpretar estos resultados como evaluaciones independientes, cuando en realidad dependen de decisiones humanas incorporadas en el diseño, entrenamiento y configuración de los modelos. El escepticismo profesional exige mantener una actitud crítica, reconocer la posibilidad de errores y evaluar cuidadosamente la evidencia disponible.

En el contexto de la IA, esto implica cuestionar los supuestos del modelo, verificar las fuentes, identificar posibles sesgos, examinar resultados contradictorios y realizar procedimientos adicionales cuando existan dudas. También exige reconocer que los sistemas automatizados pueden producir falsos positivos y falsos negativos.

El auditor puede considerar las siguientes preguntas en su evaluación, con el propósito de determinar la calidad de la evidencia en el entorno actual:

Una respuesta negativa en cualquiera de estos aspectos no implica necesariamente que la evidencia sea inválida, pero puede señalar la necesidad de realizar procedimientos adicionales o mejorar la documentación.

Para el auditor, la inteligencia artificial representa una oportunidad importante para transformar la obtención y evaluación de la evidencia de auditoría. Sin embargo, esta capacidad tecnológica no garantiza que los resultados obtenidos sean suficientes y adecuados para sustentar conclusiones profesionales, puesto que la evidencia continúa requiriendo una evaluación rigurosa de su relevancia y fiabilidad. El auditor debe comprender las limitaciones de las herramientas, verificar la integridad de los datos, investigar los resultados significativos y documentar los procedimientos realizados; asimismo, debe mantener una actitud de escepticismo profesional frente a respuestas que, aunque parezcan técnicamente convincentes, pueden contener errores, sesgos o interpretaciones incorrectas.

Las firmas de auditoría, por su parte, necesitan incorporar la gobernanza de la inteligencia artificial a sus sistemas de gestión de calidad, establecer políticas de utilización responsable y desarrollar las competencias necesarias para supervisar estas tecnologías. La inteligencia artificial puede transformar la manera de obtener evidencia, pero no modifica el principio esencial de la auditoría: ninguna conclusión debe ir más allá de lo que la evidencia permite sustentar.

La incorporación de inteligencia artificial obliga a revisar una pregunta que siempre ha acompañado al auditor: ¿cómo se sabe que la información empleada como evidencia es realmente confiable? Antes, esta pregunta se formulaba principalmente frente a documentos, registros, declaraciones y sistemas de información. Hoy debe extenderse también a los algoritmos que procesan esos datos y producen resultados.

El riesgo más importante no es necesariamente que la inteligencia artificial se equivoque, sino que el auditor deje de cuestionar sus respuestas. La tecnología puede acelerar el análisis, ampliar la cobertura y mejorar la identificación de riesgos. Sin embargo, su verdadero valor profesional se alcanza cuando permite formular mejores preguntas, realizar verificaciones más efectivas y construir conclusiones mejor fundamentadas.

Un buen auditor (presente y futuro) no será simplemente quien utilice más inteligencia artificial, sino quien sepa determinar cuándo confiar en ella, cuándo cuestionarla y qué evidencia adicional necesita para sustentar su juicio profesional.

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.