Sin embargo, muchos auditores y contables pueden inicialmente no sentirse cómodos con la realización de un ABE del 100% de la población, a menos que este examen ABE fuera acompañado por una muestra estadística tradicional. Los resultados de la ABE se examinarán en detalle, al igual que en la actualidad las muestras tomadas se prueban, con los hallazgos comparados e informados.

Vale la pena recordar que el muestreo se convirtió en una práctica de auditoría aceptada durante un momento en que los conjuntos de datos se expandían en tamaño, pero los auditores todavía estaban examinando las transacciones manualmente. Los exámenes detallados de conjuntos de datos completos no eran factibles en ese momento. Ahora que existe un software de auditoría automatizado capaz de probar conjuntos de datos rápidamente con una participación manual mínima del auditor, este obstáculo ya no es un problema.

Enfoques emergentes

Aunque muchos de ellos aún no se han incluido el repertorio diario de los auditores ni están codificados en estándares de auditoría, existen muchos enfoques emergentes de análisis de datos que podrían ayudar con el proceso de auditoría. Los más prometedores de estos enfoques se describen a continuación:

Análisis Predictivo
Los auditores pueden usar modelos de análisis predictivos cuidadosamente validados y altamente precisos para números contables agregados, para reducir el esfuerzo que requiere mucho tiempo de las pruebas desglosadas si los valores pronosticados y los valores de las afirmaciones de la administración son suficientemente cercanos.

Aprendizaje profundo
Las grandes firmas de auditoría están invirtiendo recursos significativos en el uso de la inteligencia artificial para aprovechar sus experiencias pasadas y el conocimiento de la industria. Por ejemplo, los datos de los documentos de trabajo se pueden usar para crear protocolos automáticos para ciertos juicios de auditoría, como la estimación de la deuda incobrable, la clasificación del arrendamiento y la identificación de contratos anormales. El aprendizaje profundo utiliza este conocimiento en conjunto con métodos más avanzados, como redes neuronales, para representar la estructura más profunda de eventos y condiciones en múltiples capas de la red neuronal. Otro término asociado con el aprendizaje profundo es la “computación cognitiva”, una combinación de automatización e interpretación humana. Sin embargo, el aprendizaje profundo requiere un gran poder y almacenamiento computacional, ya que el aprendizaje se produce combinando la experiencia humana con enormes cantidades de datos. Muchas empresas tercerizan proyectos de aprendizaje profundo a contratistas y centros de investigación, como IBM Watson. Es concebible que en el futuro cercano exista un “Auditor Watson” que ayude a las firmas contables con auditorías financieras y operacionales.

Blockchain / contratos inteligentes
El desarrollo reciente de la moneda virtual Bitcoin se ha visto facilitado por una tecnología conocida como blockchain, que puede mantener los datos públicos y replicar muchas transacciones en una red utilizando métodos de encriptación. Esta metodología puede presagiar un cambio fundamental en los métodos de almacenamiento y validación de datos. Los contratos inteligentes asociados con blockchain podrían ser capaces de ejecutar automáticamente las características contractuales sin intervención humana. Por ejemplo, el contrato entre el auditor y la empresa puede dictar que si un valor atípico es mayor que el 100% del valor mediano de las transacciones, debe ser detenido y examinado por el ojo humano; blockchain podría marcar teóricamente tales valores atípicos y remitirlos a un auditor.

Extracción de textos
El surgimiento de grandes datos y la combinación de grandes conjuntos de datos corporativos y datos externos no estructurados, permiten una comprensión de la máquina altamente prometedora, del texto que algún día puede proporcionar una gran validación para números administrados y respaldar nuevos productos de auditoría, como la auditoría continua y el monitoreo desde datos externos. Cabe destacar el hecho de que tres de las firmas de auditoría más grandes han empleado herramientas legales de descubrimiento o han desarrollado métodos para enviar información sobre minas desde documentos PDF convertidos para crear insumos de aprendizaje profundo.

Herramientas y fuentes de información

Más de 700 empresas auditan empresas públicas y muchas más auditan o examinan otras entidades. Las empresas más pequeñas no cuentan con los amplios recursos financieros y humanos que poseen las más grandes, y por lo tanto no pueden aprovechar la tecnología de análisis de datos en la misma medida. Sin embargo, hay muchas fuentes de software libre y materiales educativos disponibles actualmente. A continuación, se incluye una selección de estos recursos, además de las herramientas disponibles comercialmente.

El software de código abierto R tiene una de las bibliotecas más grandes disponibles. El software libre, como R y Weka, se utiliza en cursos universitarios y en algunas empresas de investigación y tecnología, pero las firmas de contabilidad no están de acuerdo con ellos porque no están validados. Estas preocupaciones no dejan de tener sus méritos, ya que el software de código abierto puede ser más torpe y menos fácil de usar que el software licenciado, pero su utilidad no debe ignorarse. Además, aunque un conocimiento básico de las estadísticas y la tecnología de la información se está volviendo esencial para todos los contadores, otras funciones más especializadas pueden contratarse con otros expertos, quizás en línea.

Las herramientas licenciadas, como Audit Command Language (ACL) y Interactive Data Extraction and Analysis (IDEA), así como software estadístico genérico como Statistical Analysis System (SAS) y Statistical Package for the Social Sciences (SPSS), son utilizados con frecuencia por grandes negocios y grandes empresas. Además, las capacidades y el alcance de estos paquetes evolucionan constantemente, requiriendo que los contadores y auditores tengan suficiente conocimiento de análisis.

Las grandes empresas típicamente capacitan a sus profesionales a través de cursos internos sobre sus propios enfoques de auditoría y están tratando progresivamente de introducir análisis de auditoría en este proceso. Hace cuatro décadas, cada uno de los entonces Big Eight tenía sus propios paquetes de auditoría de TI, pero hoy los Big Four usan software proporcionado por proveedores como ACL e IDEA. Esta convergencia probablemente también tendrá lugar con los conjuntos de herramientas emergentes de estadística y visualización que se están desarrollando.

 

El advenimiento de los análisis de datos y Big Data no es una moda pasajera; es un fenómeno real impulsado por las nuevas tecnologías adoptadas por muchas empresas.

 

Los contadores y los auditores están actualmente muy retrasados. La profesión se verá forzada inevitablemente a modernizar los enfoques de auditoría mediante procesos corporativos que no son auditables por métodos tradicionales, paquetes de contabilidad que pueden realizarse sin intervención manual y la presión de los clientes para obtener más valor en el trabajo de auditoría.