Cuando la firma contable de las Cuatro Grandes, EY, prob\u00f3 un sistema de inteligencia artificial entrenado para reconocer el fraude en las cuentas de algunos de sus clientes de auditor\u00eda del Reino Unido a principios de este a\u00f1o, los resultados fueron sorprendentes.<\/p>\n
Seg\u00fan Kath Barrow, socia gerente de aseguramiento de EY en el Reino Unido e Irlanda, el nuevo sistema detect\u00f3 actividad sospechosa en dos de las primeras 10 empresas revisadas. Posteriormente, los clientes confirmaron que ambos casos hab\u00edan sido fraudes.<\/p>\n
Este \u00e9xito inicial ilustra por qu\u00e9 algunos en la industria creen que la IA tiene un gran potencial para mejorar la calidad de las auditor\u00edas y reducir las cargas de trabajo. Esperan que la capacidad de los sistemas impulsados \u200b\u200bpor IA para ingerir y analizar grandes cantidades de datos podr\u00eda proporcionar una nueva y poderosa herramienta para alertar a los auditores sobre signos de irregularidades y otros problemas.<\/p>\n
Sin embargo, los auditores discrepan marcadamente sobre hasta qu\u00e9 punto pueden confiar en una tecnolog\u00eda que a\u00fan no ha sido ampliamente probada y que a menudo no se comprende bien. <\/p>\n
Algunas empresas de auditor\u00eda se muestran esc\u00e9pticas en cuanto a que los sistemas de inteligencia artificial puedan recibir suficiente informaci\u00f3n de alta calidad para detectar de manera confiable las m\u00faltiples formas potenciales de fraude. Tambi\u00e9n existen algunas preocupaciones sobre la privacidad de los datos, si los auditores utilizan informaci\u00f3n confidencial de los clientes para desarrollar la IA.<\/p>\n
Las preguntas significan que existen claras diferencias de enfoque entre las grandes firmas de auditor\u00eda del Reino Unido. Si bien EY se neg\u00f3 a revelar los detalles de su software o la naturaleza de los fraudes que hab\u00eda descubierto, Barrow dijo que los resultados suger\u00edan que la tecnolog\u00eda ten\u00eda \u201cpatas\u201d para realizar auditor\u00edas.<\/p>\n
“Eso parece algo que deber\u00edamos desarrollar o explorar”, dijo.<\/p>\n
Sin embargo, Simon Stephens, director de IA para auditor\u00eda y aseguramiento en la empresa brit\u00e1nica Deloitte, otra de las cuatro grandes firmas de auditor\u00eda, se\u00f1al\u00f3 que los fraudes eran relativamente raros y tend\u00edan a diferir entre s\u00ed. Eso significar\u00eda que no necesariamente hab\u00eda patrones reveladores que los sistemas de IA pudieran detectar.<\/p>\n
\u201cLos fraudes son. . . Son \u00fanicos y cada uno se perpetra de una manera ligeramente diferente\u201d, dijo Stephens. “Por naturaleza, est\u00e1n dise\u00f1ados para eludir las salvaguardias mediante usos novedosos de la tecnolog\u00eda o la explotaci\u00f3n de nuevas debilidades, y la IA no funciona bien en este sentido en este momento”.<\/p>\n
Es probable que los reguladores tengan la \u00faltima palabra sobre c\u00f3mo implementar la tecnolog\u00eda. Jason Bradley, jefe de tecnolog\u00eda de aseguramiento del Consejo de Informaci\u00f3n Financiera del Reino Unido, el organismo de control de auditor\u00edas, dijo que la IA presentaba oportunidades para \u201capoyar una mejor calidad y eficiencia de las auditor\u00edas\u201d si se usaba apropiadamente.<\/p>\n
Pero advirti\u00f3 que las empresas necesitar\u00edan la experiencia para garantizar que los sistemas funcionaran seg\u00fan los est\u00e1ndares correctos. “A medida que crece el uso de la IA, los auditores deben tener las habilidades para criticar los sistemas de IA, garantizando que el uso de los resultados sea preciso y que sean capaces de implementar herramientas que cumplan con los est\u00e1ndares”, dijo.<\/p>\n
Si bien se debe indicar al software de auditor\u00eda tradicional qu\u00e9 patrones de datos indican fraude u otros problemas, los sistemas de inteligencia artificial est\u00e1n capacitados para detectar problemas utilizando aprendizaje autom\u00e1tico y datos de m\u00faltiples casos de mala conducta conocidos en el pasado. Con el tiempo, deber\u00edan hacerlo mejor a medida que acumulen experiencia.<\/p>\n
La tecnolog\u00eda podr\u00eda resultar especialmente \u00fatil si reduce la carga de trabajo de los auditores. Empresas de todo el mundo luchan por formar y contratar personal. Tambi\u00e9n podr\u00eda ayudar a elevar los est\u00e1ndares: en los \u00faltimos a\u00f1os los auditores han pasado por alto graves problemas financieros que han causado el colapso de empresas como la subcontratista Carillion, el minorista BHS y la cadena de cafeter\u00edas Patisserie Valerie.<\/p>\n
El experimento de EY, seg\u00fan Barrow, utiliz\u00f3 una herramienta de aprendizaje autom\u00e1tico que hab\u00eda sido entrenada en \u201cmontones, montones de esquemas de fraude\u201d, extra\u00edda tanto de informaci\u00f3n disponible p\u00fablicamente como de casos anteriores en los que la empresa hab\u00eda estado involucrada. Si bien el software existente y ampliamente utilizado busca transacciones sospechosas, EY dijo que su sistema asistido por IA era m\u00e1s sofisticado. Ha sido capacitado para buscar las transacciones que normalmente se utilizan para encubrir fraudes, as\u00ed como las transacciones sospechosas en s\u00ed. Detect\u00f3 los dos esquemas de fraude en los 10 clientes de prueba iniciales porque hab\u00eda patrones similares en los datos de capacitaci\u00f3n, dijo la firma.<\/p>\n
“Lo \u00fanico que hace es decir: esto es algo que deber\u00edan explorar m\u00e1s a fondo”, dijo Barrow sobre el sistema de inteligencia artificial, al que describi\u00f3 como un “copiloto” para los auditores. “Enfoca nuestros esfuerzos en comprender m\u00e1s”.<\/p>\n
Sin embargo, otras empresas dudan de que los sistemas de inteligencia artificial sean lo suficientemente inteligentes como para detectar fraudes sofisticados. KPMG UK, otro auditor de las Cuatro Grandes, se hizo eco de las preocupaciones de Stephens en Deloitte.<\/p>\n
“El fraude, por su naturaleza, es impredecible y, por lo tanto, utilizar casos de fraude conocidos para entrenar modelos de aprendizaje autom\u00e1tico es un desaf\u00edo”, dijo KPMG.<\/p>\n
Stephens reconoci\u00f3 que la tecnolog\u00eda ten\u00eda sus usos en la auditor\u00eda. Pero vio un papel mucho m\u00e1s limitado para ello. “La IA puede automatizar algunas de las tareas m\u00e1s mundanas y repetibles y permite a nuestros auditores centrarse en las \u00e1reas de mayor riesgo”, afirm\u00f3.<\/p>\n
Actualmente, Deloitte restringe el uso de la IA a tareas menos complejas y proporciona instrucciones claras sobre qu\u00e9 tipos de anomal\u00edas buscar en las cuentas de la empresa.<\/p>\n
Un problema, dijo Stephens, era que una empresa podr\u00eda considerar sus datos financieros detallados como informaci\u00f3n patentada. Eso dificultar\u00eda el uso de esa informaci\u00f3n privada para entrenar un sistema que posteriormente auditar\u00eda a otra empresa.<\/p>\n
“Cualquiera que desarrolle IA debe ser consciente de ello”, afirm\u00f3.<\/p>\n
Barrow reconoci\u00f3 que hab\u00eda desaf\u00edos. Dijo que era vital que los auditores comprendieran c\u00f3mo funcionaba la codificaci\u00f3n del sistema de IA, el significado real de los resultados que produc\u00eda y la naturaleza de los datos que se hab\u00edan utilizado para entrenarlo.<\/p>\n
\u201cNecesitamos complementarlo con. . . aplicando esa lente de auditor del escepticismo, para que podamos tener claro que es adecuado para el prop\u00f3sito\u201d, dijo.<\/p>\n
Tambi\u00e9n reconoci\u00f3 el problema que plantea el uso de informaci\u00f3n corporativa patentada para entrenar sistemas de inteligencia artificial. Pero dijo que hab\u00eda suficiente informaci\u00f3n disponible p\u00fablicamente para complementar el propio trabajo de casos de EY y proporcionar una capacitaci\u00f3n significativa para los propios sistemas de inteligencia artificial de la empresa. <\/p>\n
“La tecnolog\u00eda ya se aplica en gran medida para ayudarnos con la evaluaci\u00f3n de riesgos, con la identificaci\u00f3n de riesgos”, dijo Barrow. “La IA ser\u00e1 cada vez m\u00e1s una herramienta m\u00e1s a nuestra disposici\u00f3n para lograrlo”.<\/p>\n<\/div>\n