KPMG probó más de 100 agentes de inteligencia artificial junto a un equipo humano durante una auditoría paralela de una empresa del FTSE 250. Según Cath Burnet, la IA profundizó en algunas preguntas, pero una falla al cotejar regulaciones y el riesgo de comprometer la independencia del auditor mantienen la supervisión humana en el centro del proceso.
***
- La auditoría experimental cubrió todas las fases del trabajo, aunque la opinión oficial se apoyó en la revisión convencional.
- KPMG planea extender la prueba a hasta 20 auditorías mayores, pero reconoce límites de escala y de calidad de los datos.
- La FRC advierte que los hallazgos de IA podrían generar conflictos de independencia si se convierten en ofertas de consultoría.
KPMG puso a trabajar más de 100 agentes de inteligencia artificial (IA) junto a un equipo de auditores humanos en una prueba paralela sobre una empresa cotizada del FTSE 250, el índice de compañías británicas de mediana capitalización. El experimento recorrió todas las etapas de la auditoría anual y, según Cath Burnet, jefa de auditoría de KPMG en Reino Unido, en algunos casos la tecnología profundizó más en preguntas concretas que el equipo habitual.
La prueba, conocida internamente como Project Exponential, no sustituyó la revisión tradicional: la opinión oficial de auditoría se basó en el trabajo convencional. Los agentes recopilaron, analizaron y documentaron datos de manera independiente, además de redactar conclusiones, pero el equipo humano definió sus objetivos, revisó los resultados y cuestionó sus inferencias antes de cerrar el proceso.
Una prueba paralela con agentes en cada fase
El despliegue representa un ensayo de auditoría completa, no una demostración aislada de una herramienta en una tarea puntual. De acuerdo con un informe del Financial Times sobre el proyecto, más de 100 agentes participaron en distintas fases de la revisión anual de la empresa, mientras el equipo humano llevaba adelante la auditoría que sustentaría la opinión formal.
La comparación entre ambos trabajos permitió observar qué preguntas planteaba cada método y hasta dónde llegaba el análisis de la IA. Burnet dijo que, en varias situaciones, los agentes pudieron ir más a fondo que los auditores habituales y formular preguntas mejores, una evaluación que describe el resultado del experimento, no una conclusión de que los sistemas puedan reemplazar el juicio profesional.
Los agentes estuvieron a cargo de reunir y examinar información, dejar documentación de sus acciones y preparar conclusiones de auditoría. Esa automatización puede ayudar a recorrer grandes volúmenes de registros, pero la experiencia también mostró que producir un análisis no equivale a validar que la información se interprete correctamente ni a asumir la responsabilidad por una opinión de auditoría.
La diferencia entre el ejercicio de IA y la revisión oficial es central para interpretar el anuncio. KPMG mantuvo la auditoría regular como base de su opinión, por lo que los resultados del proyecto sirven como prueba paralela de capacidades y límites, no como señal de que la firma ya haya delegado en agentes la certificación de las cuentas de una compañía.
La supervisión humana y los límites técnicos
KPMG describió la intervención humana como crítica durante el ensayo. Dos socios y un director trabajaron junto a gerentes sénior y personal júnior; el equipo estableció metas para los agentes, les proporcionó contexto, revisó periódicamente su trabajo y cuestionó las conclusiones antes de completar el proceso.
Una dificultad concreta apareció cuando un agente no consiguió cotejar correctamente un conjunto de regulaciones con documentos de la empresa. Un humano tuvo que intervenir para resolver esa tarea, un ejemplo de por qué la capacidad para analizar datos no elimina la necesidad de especialistas que comprendan las normas aplicables y puedan detectar errores de interpretación.
La firma planea extender el proyecto a hasta 20 auditorías más grandes, pero Burnet indicó que la tecnología todavía no tiene la escala necesaria para miles de revisiones. También señaló que pocas empresas disponen de datos suficientemente limpios para que los agentes trabajen con fiabilidad, una limitación práctica que puede frenar su adopción incluso cuando las herramientas ya están disponibles.
KPMG sostiene que su sistema permite una visibilidad completa y deja trazabilidad de las interacciones de los agentes con los documentos, hasta caracteres individuales y marcas de tiempo. Ese registro podría facilitar la revisión posterior del trabajo automatizado, aunque el control documental por sí solo no garantiza que una conclusión sea correcta: el auditor debe poder explicar el uso de la IA, impugnar sus resultados y respaldar la evidencia.
Independencia, consultoría y presión sobre los honorarios
El uso de IA también pone bajo la lupa la independencia del auditor, un principio que busca evitar que una firma revise su propio asesoramiento o tenga incentivos para evitar cuestionar a un cliente. La Financial Reporting Council (FRC), regulador contable del Reino Unido, publicó una guía que aplica las reglas vigentes de independencia al empleo de estas tecnologías.
El desafío surge porque los agentes pueden revisar muchas más transacciones que los métodos de muestreo tradicionales y descubrir asuntos que van más allá de la comprobación de las cuentas. Entre esos hallazgos podrían aparecer procesos ineficientes, posibles ahorros de costos o patrones que una auditoría convencional quizá no habría identificado; convertirlos en propuestas de consultoría para el mismo cliente puede crear un conflicto.
La FRC advierte que compartir ciertos resultados podría parecer una promoción de servicios adicionales o funcionar como argumento de venta, y en algunas circunstancias constituir una amenaza distintiva para la independencia. A la vez, las deficiencias importantes en controles internos siguen siendo hallazgos que deben comunicarse a los clientes, una divulgación obligatoria que el regulador no considera un servicio ajeno a la auditoría.
La responsabilidad final no cambia por incorporar herramientas nuevas: Mark Babington, director ejecutivo de estándares regulatorios de la FRC, sostuvo que el auditor sigue respondiendo por el trabajo, cualquiera que sea la tecnología utilizada. La discusión tiene un antecedente sensible en Reino Unido: tras el colapso de Carillion en 2018, una investigación parlamentaria criticó que KPMG, auditor de larga data, no hubiera cuestionado las cifras cada vez más fantásticas de la dirección durante 19 años; dos entidades de la firma recibieron multas por un total de GBP 21 millones.
El modelo de negocio también está en juego
La automatización abre otra pregunta para las firmas: qué ocurrirá con la estructura de costos y honorarios si los agentes asumen parte del trabajo intensivo en mano de obra que hoy realizan equipos numerosos de auditores júnior. KPMG ve oportunidades claras de ahorro de tiempo, según el Financial Times, pero no indicó si esa eficiencia se traducirá en tarifas más bajas para sus clientes.
La presión sobre los precios no es solo una hipótesis sobre el futuro. El propio KPMG International negoció honorarios más bajos con su auditor, de acuerdo con el mismo reporte, con el argumento de que la IA reduce el costo del trabajo; sin embargo, la información disponible no establece que esa práctica ya se haya convertido en una política general para las auditorías de la firma.
PwC, rival de KPMG entre las grandes firmas contables, también realizó varios proyectos de auditoría paralela. En Deloitte, una reunión interna celebrada en mayo mostró inquietud por el impacto de la automatización: según el Wall Street Journal, la dirección presentó un gráfico en el que la participación de los ingresos por consultoría cobrados por hora se reducía a una porción pequeña de un mercado general en expansión para 2035.
Un consultor de Deloitte resumió el mensaje como una amenaza para el modelo de negocio tradicional y dijo que la firma parecía estar reemplazando a sus trabajadores por robots. La prueba de KPMG no confirma por sí sola ese desenlace, pero sí muestra por qué la adopción de agentes de IA puede alterar simultáneamente la forma de auditar, la supervisión regulatoria y la discusión sobre quién se beneficia de los ahorros de productividad.
Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.
Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.
ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.
Suscríbete a nuestro boletín
Artículos Relacionados
Hardware
Los envíos de monitores OLED se duplican y el gaming encuentra una actualización más accesible
Brasil
BlackRock acuerda la compra de la gestora SulAmérica Investimentos en Brasil
Asia
Ondo se suma al proyecto de Singapur para impulsar estándares de activos tokenizados
Capital de Riesgo
