IA generativa en contabilidad: usos prácticos y límites de precisión
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
La IA generativa en contabilidad consiste en usar modelos de lenguaje para redactar y resumir trabajo contable con mucho texto (memorias técnicas, investigación de políticas, comentarios de variaciones, ayuda con fórmulas, documentación), mientras una persona calificada verifica cada cifra, cita y conclusión antes de usarla. Los modelos escriben con fluidez y rapidez. No calculan de manera confiable, no conocen su libro mayor y pueden afirmar una norma equivocada con total seguridad. Por eso la pregunta útil no es «¿puede hacer esta tarea?», sino «¿qué verificación necesita su resultado?».
Esta guía está dirigida a CFOs, contralores (controller), directores de finanzas y gerentes de contabilidad. Cubre las tareas en las que la IA generativa realmente aporta, una tabla de tarea, idoneidad y verificación requerida, una secuencia de implantación y los modos de falla que importan en una profesión donde las cifras se auditan. Para la visión más amplia de la IA en toda la función, comience con la IA en finanzas.
Datos clave
- La guía de IA generativa de ICAEW dice que los modelos pueden «make up quotes and references» (inventar citas y referencias) y «contradict themselves when challenged» (contradecirse cuando se les cuestiona), y advierte que las personas son propensas al sesgo de automatización, es decir, a confiar demasiado en los resultados de la tecnología (ICAEW, Generative AI guide: risks and limitations).
- El AICPA afirma que los deberes básicos de competencia, debido cuidado, confidencialidad e independencia siguen aplicándose cuando se usa IA, y que la responsabilidad por el producto de trabajo final recae en el profesional, ya sea que la herramienta se haya construido internamente o la haya desarrollado un tercero (Journal of Accountancy, AICPA Professional Ethics Division, agosto de 2026).
- En el acercamiento del personal del PCAOB a firmas de auditoría de mayor tamaño (julio de 2024), las firmas describieron que usan la IA generativa sobre todo para trabajo administrativo y de investigación, como los primeros borradores de memorandos y la investigación de la guía interna de contabilidad y auditoría, y dijeron que la revisión humana del resultado sigue siendo esencial (PCAOB staff Spotlight, julio de 2024).
- En un estudio de 2025 sobre GPT-4o, o1, DeepSeek-V3 y DeepSeek-R1 con problemas de aritmética, álgebra y teoría de números, los errores de procedimiento fueron el tipo de error más frecuente, y la precisión difirió marcadamente entre los modelos (Mathematical Computation and Reasoning Errors by Large Language Models, arXiv).
En qué es buena la IA generativa en contabilidad y en qué no
La IA generativa predice el texto más probable. Eso es una fortaleza para el trabajo que es sobre todo lenguaje: resumir un arrendamiento de 40 páginas, replantear una política en lenguaje sencillo, redactar la primera versión de una memoria a partir de sus viñetas. Es una debilidad para el trabajo que debe ser exactamente correcto: una suma, una tasa, la referencia a un párrafo, un umbral.
Tres límites explican casi todos los controles de este artículo.
Inventa. Este comportamiento se llama alucinación de la IA. El informe del personal del PCAOB señala que las firmas de auditoría reconocen que el resultado generativo puede ser falso o engañoso, o estar sesgado, y algunas firmas están construyendo herramientas que documentan los datos de origen utilizados para que un revisor pueda rastrearlos. Una cita verosímil a un párrafo de una norma que no existe es la versión contable clásica.
No es confiable en aritmética. Un modelo de lenguaje no usa una calculadora a menos que usted le dé una. El estudio de arXiv citado arriba encontró que los errores de procedimiento fueron los más comunes entre los modelos evaluados. El modelo centrado en el razonamiento de ese estudio lo hizo mucho mejor que los demás, de modo que la brecha se está reduciendo, pero «mejor» no es «a nivel de libro mayor». Todo lo que calcule el modelo debe volver a calcularse en su hoja de cálculo o sistema.
No conoce sus hechos. A menos que usted proporcione la balanza de comprobación, el contrato o la política, el modelo llena los vacíos con supuestos genéricos. Anclarlo en sus documentos, por ejemplo mediante la generación aumentada por recuperación, reduce este problema pero no lo elimina.
Tarea por tarea: idoneidad y verificación requerida
Esta tabla es el núcleo práctico del artículo. La «idoneidad» es un juicio sobre el riesgo, no una promesa de calidad: refleja cuánto daño podría causar un error no detectado y qué tan fácil es verificar el resultado.
| Tarea | Idoneidad | Qué hace la IA | Verificación requerida antes de usar |
|---|---|---|---|
| Memoria técnica contable, primer borrador | Buena con revisión | Estructura la memoria a partir de sus hechos y su conclusión, redacta los antecedentes y el texto del análisis | Un revisor técnico confirma cada cita de la norma contra la fuente y confirma que la conclusión es suya, no del modelo |
| Investigación de políticas y normas | Solo como punto de partida | Resume una norma, sugiere dónde buscar, enumera preguntas por considerar | Lea usted mismo la norma primaria. Trate cualquier cita textual o referencia a un párrafo como no verificada hasta encontrarla en la fuente |
| Comentario de variaciones | Buena con revisión | Convierte las tablas de variaciones y sus notas sobre los impulsores en una narrativa legible | El preparador concilia cada cifra del texto con el cuadro de respaldo y confirma cada causa indicada con el responsable del presupuesto |
| Apoyo a la conciliación | Mixta | Explica partidas inusuales, redacta correos de seguimiento, propone posibles motivos de coincidencia para su revisión | Las coincidencias y los totales provienen de su sistema u hoja de cálculo, no del modelo. Una persona resuelve cada excepción |
| Fórmulas y macros de hojas de cálculo | Buena con pruebas | Escribe o explica fórmulas, convierte lógica entre funciones | Pruebe con datos conocidos y respuestas conocidas, y revise los casos límite como celdas vacías, negativos y límites de fechas |
| Borradores de documentación de auditoría | Buena con revisión | Redacta narrativas de recorrido, depura la redacción de los papeles de trabajo, señala secciones faltantes | La persona que realizó el procedimiento confirma que coincide con lo que se hizo. Nunca deje que la IA describa trabajo que no se realizó |
| Descripciones de asientos contables y explicaciones de cuentas | Buena | Redacta descripciones claras y explicaciones en lenguaje sencillo | Revisión puntual contra el asiento. Riesgo bajo, volumen alto |
| Cálculos (depreciación, arrendamientos, impuestos, FX) | Deficiente por sí sola | Puede explicar el método y esbozar los pasos | Calcule en una hoja de cálculo o en el sistema contable. Use el modelo solo para explicar el método |
| Posiciones fiscales finales y opiniones de auditoría | No adecuada | Puede resumir hechos o redactar antecedentes | El criterio profesional y la aprobación formal quedan en manos de la persona responsable |
| Cualquier cosa que involucre datos confidenciales de clientes o empleados | Solo en herramientas aprobadas | Depende de los términos de datos de la herramienta | Use solo herramientas que su firma o empresa haya aprobado, con los términos de manejo de datos revisados |
El patrón: la IA es una capa de redacción y explicación. Todo lo que produzca una cifra, una cita o una conclusión pasa por un paso de verificación que no depende del modelo.
Ejemplos reales por función contable
Contabilidad técnica y políticas. Un contralor que enfrenta un nuevo tipo de contrato le pide al modelo que esboce las preguntas que debe responder un análisis de reconocimiento de ingresos y que redacte la sección de antecedentes a partir del resumen del contrato. Luego el contralor escribe la conclusión, lee la guía citada en la propia norma y corrige lo que el borrador haya hecho mal. El modelo ahorró el tiempo de la página en blanco; no hizo el juicio profesional.
Planeación financiera y comentarios de cierre. Al cierre de mes, el analista pega la tabla de variaciones y unas líneas sobre los impulsores, y el modelo redacta la narrativa. El riesgo aquí es sutil: el modelo puede replantear una cifra de forma ligeramente errónea o inventar un motivo verosímil para una variación. Cada cifra del párrafo se concilia con el cuadro de respaldo, y cada causa se confirma con el responsable del presupuesto. Los flujos de trabajo financieros relacionados se tratan en los casos de uso de IA en finanzas.
Cuentas por pagar y por cobrar. Los modelos ayudan a redactar seguimientos a proveedores, resumir una larga cadena de correos sobre una factura en disputa y explicar por qué un pago no coincidió. La conciliación en sí corresponde a herramientas deterministas, que es donde encajan los agentes de IA para finanzas y la automatización basada en reglas.
Auditoría y aseguramiento. El informe del personal del PCAOB describe a firmas que usan IA generativa para los primeros borradores de memorandos y presentaciones relacionados con la auditoría y para investigar la guía interna, y enumera áreas que las firmas ven como candidatas futuras, como verificar que la documentación de auditoría esté completa frente a los requisitos de documentación. En el mismo informe, algunas firmas dijeron que no permiten la IA generativa en procedimientos de auditoría o de atestiguamiento por preocupaciones de privacidad de datos y de confiabilidad. Si usted es una empresa que se prepara para una auditoría, pregunte a su auditor por su política, porque afecta qué puede entregarle y cómo.
FP&A y Excel. Pedirle a un modelo que escriba una fórmula de búsqueda, explique una macro heredada o convierta un IF anidado en algo legible es de los usos más seguros, porque puede probar el resultado de inmediato. El riesgo es incorporar una fórmula sin probar a un modelo que alimenta el paquete para la junta directiva.
Confidencialidad: qué entra en el prompt
El prompt es una divulgación. La guía de ética del AICPA señala que las herramientas públicas de IA pueden usar lo que ingresan los usuarios para entrenar modelos futuros, de modo que los datos ingresados podrían reaparecer en otro lugar, y que los miembros en la práctica pública deben considerar si la información es confidencial y si se requiere consentimiento antes de ingresar datos de clientes, conforme a la Confidential Client Information Rule. Un artículo del Journal of Accountancy escrito por un director de control de riesgos de CPA recomienda que las firmas prohíban a las herramientas de IA generativa la información confidencial y reservada de clientes y de la firma, y que el personal trate lo que ingresa como trataría una publicación en un sitio público (Journal of Accountancy, octubre de 2023).
Para un equipo de finanzas corporativas, las preocupaciones equivalentes son los resultados no publicados, la información de M&A, los datos de nómina y los contratos de clientes. La regla práctica: decida por escrito qué clases de datos pueden entrar en qué herramientas aprobadas, y haga de la herramienta aprobada el camino fácil. La gente pega en lo que tenga abierto cuando la opción aprobada es lenta.
Cómo introducir la IA generativa en su equipo de contabilidad
Empiece con un inventario de tareas. Enumere las tareas recurrentes que consisten sobre todo en redactar o explicar: memorias, comentarios, correos, documentación, ayuda con fórmulas. Ordénelas por volumen y por lo fácil que sea revisar el resultado.
Elija herramientas aprobadas y escriba la regla de datos. Indique qué herramientas están permitidas, qué clases de datos pueden ingresarse y quién decide las excepciones. Revise los términos de datos del proveedor con el área legal o de TI. Si sus datos no están organizados para esto, trabaje primero con la preparación de los datos financieros para la IA.
Defina la verificación de cada tarea. Use la tabla anterior como plantilla. Para cada uso, escriba quién verifica qué: cifras conciliadas con la fuente, citas halladas en la norma, conclusiones a cargo de una persona designada.
Mantenga a la persona como responsable. El AICPA es explícito en que la responsabilidad permanece en el profesional. Incorpore el paso de human-in-the-loop al flujo de trabajo y a la aprobación formal, no solo a la política.
Haga un piloto en un proceso durante un ciclo de cierre. Elija los comentarios de variaciones o la redacción de memorias. Mida el tiempo de redacción ahorrado, las correcciones halladas en la revisión y cualquier error que llegó a un revisor sin que el preparador lo detectara.
Decida cómo documentar el uso de la IA. Algunas firmas piden al personal que informe cuando la IA contribuyó al trabajo para que los revisores sepan que deben mirar con más atención. Decida si sus papeles de trabajo registran la herramienta, los datos de entrada y la revisión.
Capacite en escepticismo. ICAEW recomienda el escepticismo profesional como la principal salvaguarda y sugiere repetir la misma pregunta para ver si las respuestas varían. Enseñe a los revisores a tratar el resultado como el trabajo de un colega seguro de sí mismo pero poco experimentado.
Revise cada trimestre. Las herramientas, los términos de los proveedores y la guía profesional cambian. Revise las herramientas aprobadas y las verificaciones según un calendario.
Errores comunes
- Confiar en una cita porque parece correcta. Las referencias inventadas son una falla documentada. Encuentre el párrafo en la norma antes de que entre en la memoria.
- Dejar que el modelo haga las sumas. Aunque muestre su procedimiento, vuelva a calcular. Una explicación fluida de un total equivocado sigue siendo equivocada.
- Sesgo de automatización en la revisión. Los revisores leen con menos sentido crítico el texto redactado por IA porque está bien escrito. ICAEW nombra directamente el sesgo de automatización. Asigne al revisor para verificar, no para corregir el estilo.
- Documentar trabajo que no se hizo. Un modelo al que se le pide redactar una narrativa de recorrido describirá un procedimiento verosímil. Si difiere de lo que hizo el equipo, el papel de trabajo es engañoso.
- Herramientas no aprobadas. Que el personal use cuentas personales para datos de clientes o de la empresa es una violación de la confidencialidad a punto de ocurrir. Ofrezca una opción autorizada.
- Omitir la regla de datos. Las políticas que dicen «tenga cuidado» no funcionan. Especifique las clases de datos y las herramientas aprobadas.
- Ocultar el uso de IA a los revisores. Si el revisor no sabe que una sección fue redactada por una máquina, no puede calibrar su nivel de escrutinio.
Siguientes pasos
Si está decidiendo qué integrantes del equipo se encargan de la verificación y de los estándares de prompts, lea la IA y los roles del equipo de finanzas. Si prefiere mapear toda la función antes de elegir un piloto, los casos de uso de IA en finanzas los ordena por valor y riesgo. Y si solo hace una cosa este trimestre, escriba la regla de una página: herramientas aprobadas, datos permitidos y la persona designada que verifica las cifras. Una vez que exista la regla, dé a la rutina «redactar, verificar, aprobar» un lugar como tarea asignada con un paso de aprobación, en una herramienta de procesos como el BPM de Rework, en lugar de dejarla como un hábito informal.
Head of Finance Strategy