e
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2878.
DOI: https://doi.org/10.56712/latam.v5i4.2460
Integración de la inteligencia artificial en la contabilidad
forense: Herramientas y eficacia en la detección de fraudes
Integration of artificial intelligence in forensic accounting: Tools and
effectiveness in fraud detection
Jaime David Maravilla González
jaime.david.maravilla.g@gmail.com
https://orcid.org/0009-0003-7117-8412
Universidad Virtual del Estado de Guanajuato
Jiquilpan, Michoacán – México
Artículo recibido: 19 de julio de 2024. Aceptado para publicación: 02 de agosto de 2024.
Conflictos de Interés: Ninguno que declarar.
Resumen
El objetivo de este estudio fue analizar la integración de la inteligencia artificial en la contabilidad
forense, así como también identificar herramientas y su eficacia en la detección de fraudes, para lo
cual se ha utilizado la siguiente metodología: enfoque cualitativo, diseño documental, método
analítico, en el que la población estuvo conformada por fuentes documentales seleccionadas a partir
de la aplicación de ciertos criterios de selección y búsqueda definidos por el autor. Además, se han
utilizado el fichaje y la ficha bibliográfica como técnica e instrumento de recolección de datos
respectivamente. Los principales resultados indican que la integración de la inteligencia artificial en
la contabilidad es ampliamente reconocida por su capacidad transformadora y sus beneficios, aunque
se reconocen los beneficios de la IA, las preocupaciones sobre interpretabilidad y privacidad varían
según el contexto y aplicación, asimismo, los coinciden en la superioridad de la IA sobre los métodos
tradicionales. Se concluye que se ha determinado la eficacia de las herramientas de inteligencia
artificial implementadas en la detección de fraudes, revelándose que estas tecnologías superan
significativamente a los métodos tradicionales en términos de precisión y capacidad de análisis. Los
estudios destacan que la IA, mediante técnicas como el aprendizaje profundo y el análisis en tiempo
real, ofrece soluciones avanzadas para detectar fraudes y gestionar riesgos de manera efectiva. A
pesar de la necesidad de adaptar estas herramientas según el contexto económico, su capacidad para
identificar anomalías y mejorar la detección de fraudes es ampliamente reconocida
Palabras clave: contabilidad forense, detección, eficacia, inteligencia artificial, fraudes
Abstract
The objective of this study was to analyze the integration of artificial intelligence in forensic
accounting, as well as to identify tools and their effectiveness in detecting fraud, for which the
following methodology has been used: qualitative approach, documentary design, analytical method,
in which the population was made up of documentary sources selected from the application of certain
selection and search criteria defined by the author. In addition, the registration and the bibliographic
record have been used as a technique and data collection instrument respectively. The main results
indicate that the integration of artificial intelligence in accounting is widely recognized for its
transformative capacity and benefits, although the benefits of AI are recognized, concerns about
interpretability and privacy vary depending on the context and application, likewise, the They agree on
e
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2879.
the superiority of AI over traditional methods. It is concluded that the effectiveness of artificial
intelligence tools implemented in fraud detection has been determined, revealing that these
technologies significantly surpass traditional methods in terms of precision and analysis capacity.
Studies highlight that AI, through techniques such as deep learning and real-time analysis, offers
advanced solutions to detect fraud and manage risks effectively. Despite the need to adapt these tools
according to the economic context, their ability to identify anomalies and improve fraud detection is
widely recognized.
Keywords: forensic accounting, detection, effectiveness, artificial intelligence, fraud
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons .
Cómo citar: Maravilla González, J. D. (2024). Integración de la inteligencia artificial en la contabilidad
forense: Herramientas y eficacia en la detección de fraudes. LATAM Revista Latinoamericana de
Ciencias Sociales y Humanidades 5 (4), 2878 – 2889. https://doi.org/10.56712/latam.v5i4.2460
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2880.
INTRODUCCIÓN
En primer lugar, debe indicarse que “en los últimos años, el cambio económico constante ha puesto de
manifiesto que las empresas, compañías y los agentes económicos no siempre funcionan con la
eficiencia y eficacia necesarias” (Erazo-Castillo & De la A-Muñoz, 2023, p. 106), de modo tal que se
requiere de herramientas que posibiliten la reducción de estas problemáticas, las cuales pueden
enmarcarse dentro de lo que se conoce como fraude.
Ahora bien, “uno de los productos de la evolución tecnológica, es la inteligencia artificial, que busca
posicionarse a nivel mundial como una herramienta poderosa que brinda bienestar a los seres
humanos en diferentes áreas” (Valladares-Albarracín & Ordóñez-Parra, 2024, p. 74) y que también se
viene empleando en el ámbito de la contabilidad forense con el propósito de detectar los fraudes en
los cuales incurren algunas organizaciones empresariales.
Por tal razón se comprende esta labor investigativa con el objetivo de analizar la integración de la
inteligencia artificial en la contabilidad forense, así como también identificar herramientas y su eficacia
en la detección de fraudes. En este punto, se considera oportuno conceptualizar las categorías de
análisis que son objeto de estudio en este trabajo investigativo:
DESARROLLO
Inteligencia artificial
La inteligencia artificial es la “capacidad de una computadora digital o un robot para desarrollar tareas
comúnmente asociadas con seres inteligentes” (Lüthy, 2022, p 798).
Contabilidad forense
La contabilidad forense es aquella que “se encarga de detectar indicios y desenterrar evidencias de
fraudes corporativos o actos de corrupción en entes privados o públicos, al revisar los libros contables,
los balances y las facturas de una compañía” (Quevedo-Barros et al., 2020, p. 264).
Fraude financiero o contable
El fraude financiero es concebido como “un fenómeno complejo que amenaza las finanzas de las
organizaciones, socava la confianza pública y tiene graves repercusiones financieras, que puede
abarcar desde el hurto doméstico hasta esquemas avanzados de corrupción y lavado de activos”
(Rodríguez, 2023, p. 101).
METODOLOGÍA
La ruta metodológica aplicada ha sido la siguiente:
Enfoque cualitativo: Debido a que “utiliza el método comprensivo para comprender o interpretar el
sentido y el significado de los actos humanos- objeto de estudio- El conocimiento es social y cultural
desde el punto de vista de sus actores” (Guamán et al., 2021, p. 164)”. Se ha puesto en marcha este
enfoque por cuanto se considera pertinente para cumplir con el objetivo de analizar la integración de
la inteligencia artificial en la contabilidad forense, así como también identificar herramientas y su
eficacia en la detección de fraudes.
Método analítico: Porque es el que “separa de las partes de un todo para analizarlas
independientemente y establece las relaciones que se presentan entre ellas” (Guamán et al., 2021, p.
165). Al respecto, debe indicarse que se ha utilizado este método porque es el que permite
descomponer, evaluar y comparar críticamente la información documental objeto de consulta.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2881.
Diseño documental: Implica “un proceso basado en la búsqueda, recuperación, análisis, crítica e
interpretación de datos secundarios, es decir, los obtenidos y registrados por otros investigadores en
fuentes documentales: impresas, audiovisuales o electrónicas” (Arias, 2016, p. 27). En este sentido,
debe señalarse que se ha usado este diseño de estudio porque las fuentes de donde se extrajo la
información fueron de fuentes documentales.
Población
Conformada por fuentes documentales.
Muestra
Las fuentes documentales se seleccionaron a partir de la aplicación de ciertos criterios de selección y
búsqueda que se mencionan a continuación:
Fuentes documentales publicadas desde el año 2020 al 2024.
Fuentes documentales publicadas en Google Scholar.
Fuentes documentales en idioma inglés y español.
Fuentes documentales que contengan las siguientes palabras claves: inteligencia artificial,
contabilidad forense, fraudes, detección, herramientas.
Técnica de recolección de datos
Se ha utilizado el fichaje con el que “el investigador escudriña la fuente, a fin de encontrar el contenido
de su esquema o los elementos que constituyen el marco teórico de su investigación” (Nava, 2008, p.
263).
Instrumento de recolección de datos
Se ha usado la ficha biográfica con la que “se anotan los datos correspondientes a la obra (…), y se
realizan en forma textual o como resumen” (Castillo & Reyes, 2015, p. 122). Este instrumento es
pertinente en esta labor investigativa porque permite registrar la información recopilada de cada fuente
consultada.
RESULTADOS Y DISCUSIÓN
A continuación, se presentan los resultados reportados en la literatura consultada:
Tabla 1
Resultados y discusión
Autor(es) -
año
País Resultados reportados Discusión
Integración de la inteligencia artificial en procesos contables
Jejeniwa
et al.,
(2024)
Nigeria Esta revisión subraya el carácter
transformador de la Inteligencia Artificial en
las prácticas contables modernas y los
informes financieros. Mientras las
organizaciones navegan en esta revolución
tecnológica, es necesario aplicar un enfoque
equilibrado que aborde las preocupaciones
éticas además se ha determinado que
La integración de la
inteligencia artificial en
la contabilidad es
ampliamente
reconocida por su
capacidad
transformadora y sus
beneficios, como
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2882.
maximizar los beneficios de la IA será crucial
para la evolución continua de la contabilidad.
destacan Jejeniwa et
al. (2024) y Odonkor et
al. (2024). Sin
embargo, los desafíos
varían: Jejeniwa et al.
(2024) se centran en
preocupaciones éticas,
mientras que Odonkor
et al. (2024) enfatizan
la necesidad de mano
de obra calificada y los
altos costos. Kureljusic
& Karger (2024)
añaden que la IA
mejora la previsión de
quiebras y la detección
de fraudes, un punto
que también aborda
Peng et al. (2023) al
resaltar la toma de
decisiones sostenibles
basadas en datos en
tiempo real.
Odonkor
et al.,
(2024)
Estados
Unidos
Los hallazgos revelan que la IA mejora
significativamente la precisión y eficiencia de
los informes financieros, automatizando la
rutina de tareas y permitiendo la realización de
análisis predictivos para la toma de
decisiones estratégicas. Sin embargo, uno de
los desafíos es la necesidad de mano de obra
calificada, las preocupaciones sobre la
privacidad de los datos y los altos costos de la
integración de la IA son notables. Se ha
comprobado la existencia de una resistencia
al cambio como una barrera importante para
la adopción de la IA en las prácticas
contables.
En conclusión, el documento recomienda un
enfoque equilibrado para la integración de la
IA en la contabilidad, enfatizando la necesidad
de aprendizaje continuo, adaptación y
planificación estratégica. Aboga por la
inversión en formación para desarrollar la
competencia en IA y destaca la importancia
de las consideraciones éticas y el
cumplimiento normativo. El estudio concluye
que si bien la IA presenta desafíos, su
potencial para revolucionar las prácticas
contables es innegable, ofreciendo nuevas
vías para el crecimiento y la innovación en la
era digital.
Kureljusic &
Karger
(2024)
Alemania En los últimos años, la IA ha permitido buscar
patrones de complejidad creciente. Los
patrones identificados se pueden utilizar para
predecir la evolución de las empresas,
especialmente en
contabilidad, se puede observar que los
estudios de predicción contienen cada vez
más muestras tamaños a lo largo del tiempo y
que los modelos producen pronósticos más
precisos.
Los hallazgos indican que, hasta ahora, hay
tres campos de aplicación principales para la
inteligencia artificial: 1) la previsión de
quiebras; 2) análisis financiero; 3) la detección
de fraudes y errores.
Los inversores pueden beneficiarse de estas
predicciones, ya que el conocimiento sobre
negocios futuros ayuda a evitar malas
inversiones.
Peng et al.,
(2023)
China La inteligencia artificial (IA) está surgiendo
como una fuerza disruptiva en muchos
sectores y su uso en contabilidad no es una
excepción. IA, a través de análisis de datos,
algoritmos, automatización, etc. tiene un papel
importante en el campo de la contabilidad con
algunos desafíos también. Además, al
proporcionar análisis de datos en tiempo real,
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2883.
la IA permite a las empresas tomar decisiones
sostenibles basadas en datos en tiempo real.
Inteligencia artificial para detección de fraudes
Shoetan &
Familoni
(2024)
Lituania Los hallazgos revelan que los modelos de
aprendizaje profundo, particularmente
aquellos que emplean redes neuronales,
superan a los modelos tradicionales de
aprendizaje automático en la detección de
fraudes complejos y matizados. Además, la
integración del procesamiento del lenguaje
natural permite la extracción y análisis de
datos no estructurados, mejorando
significativamente las capacidades de
detección.
Se subraya el papel fundamental de los
algoritmos avanzados de IA en
Revolucionando la detección de fraudes
fintech. Destaca el rendimiento superior de los
basados en IA modelos sobre los métodos
convencionales, ofreciendo a las plataformas
fintech un enfoque más dinámico y predictivo
para la prevención del fraude. Esta
investigación no sólo contribuye al discurso
académico sobre seguridad financiera, sino
que también proporciona información práctica
para las empresas de tecnología financiera
que se esfuerzan por salvaguardar sus
operaciones contra el fraude.
Los estudios sobre el
uso de inteligencia
artificial para la
detección de fraudes
revelan tanto
coincidencias como
divergencias entre los
autores. Shoetan &
Familoni (2024) en
Lituania destacan la
superioridad de los
modelos de
aprendizaje profundo y
la integración del
procesamiento del
lenguaje natural en la
mejora de la detección
de fraudes,
particularmente en las
fintech. Por otro lado,
Rangineni & Marupaka
(2023) en Estados
Unidos subrayan la
importancia de la
interpretabilidad y la
confianza en los
modelos de IA,
proponiendo mejoras
en la ingeniería de
datos para facilitar la
comprensión y revisión
de transacciones
sospechosas. Yalamati
(2023) también en
Estados Unidos, se
enfoca en la detección
de evasión fiscal
corporativa, resaltando
la necesidad de
abordar
preocupaciones éticas
y de privacidad
mientras se
aprovechan las
capacidades
predictivas de la IA. En
resumen, mientras
todos reconocen los
beneficios de la IA, las
preocupaciones sobre
interpretabilidad y
privacidad varían
Rangineni &
Marupaka
(2023)
Estados
Unidos
Debido a que la identificación de
transacciones posiblemente fraudulentas es
una cuestión de clasificación binaria, se
pueden utilizar varios métodos.
La inteligencia artificial y la cadena de bloques
son ejemplos de tales desarrollos, técnicas
como AI, ML y DL (aprendizaje profundo) se
incluyen en este ámbito.
Cuando se ve a través de la lente del
aprendizaje automático, esta idea queda clara.
Sin embargo, el modelo tiene que ser claro y
fácil de entender para que pueda inspirar
confianza en la gestión y conducir a la
creación de medidas de prevención del fraude.
Sería mucho más fácil evaluar transacciones
sospechosas si existieran modelos que
permitieran a los expertos en fraudes entender
por qué un determinado caso fue marcado
como tal. Como resultado, sería mucho
menos difícil investigar cualquier transacción
financiera fraudulenta. Las revisiones de
transacciones potencialmente sospechosas
se harían mucho más fácil con esta
modificación. Por lo tanto, proponemos una
variedad de opciones de ingeniería de datos
para mejorar el rendimiento del modelo
analítico manteniendo intacta su
interpretabilidad.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2884.
Yalamati
(2023)
Estados
Unidos
Como la evasión fiscal corporativa plantea un
desafío importante, los métodos tradicionales
a menudo no son suficientes para identificar
actividades fraudulentas sofisticadas. Por tal
razón aprovechar las tecnologías de IA como
las máquinas aprendizaje y análisis predictivo
es importante en la actualidad con miras a
detectar irregularidades y patrones anómalos
en las declaraciones de impuestos
corporativos.
La variación de los niveles de confianza, las
preocupaciones sobre la interpretabilidad y las
consideraciones éticas subrayan un panorama
matizado que rodea la adopción de la IA en
este ámbito. Los desafíos identificados, como
la privacidad de los datos y los problemas de
seguridad, resaltan la importancia de abordar
preocupaciones fundamentales para una
integración exitosa. Además, las expectativas
de eficiencia y precisión se alinean con los
beneficios potenciales de la IA, al tiempo que
enfatizan la necesidad de una integración
perfecta con los sistemas tributarios
existentes. La discusión también enfatiza las
implicaciones prácticas, incluida la necesidad
de programas de capacitación y esfuerzos de
colaboración entre las autoridades tributarias
y los desarrolladores de IA
según el contexto y
aplicación.
Herramientas de inteligencia artificial para implementadas en la detección de fraudes
Mohanty &
Mishra
(2023)
India Hay muchas tecnologías artificiales y
soluciones basadas en inteligencia como
Teradata, Feedzai, Riskified, Clari5, Razorpay
Third Watch, AdvaRisk, Kount, etc., que han
desempeñado un papel decisivo no sólo en la
caída de los casos de fraude, sino también en
aumentar la eficiencia y eficacia de las
operaciones de los negocios.
Los estudios sobre
herramientas de
inteligencia artificial
para la detección de
fraudes revelan una
variedad de soluciones
implementadas en
diferentes países.
Mohanty & Mishra
(2023) en India
destacan tecnologías
como Teradata,
Feedzai, Riskified,
Clari5, Razorpay Third
Watch, AdvaRisk y
Kount, que han
mejorado la eficiencia
operativa y reducido
casos de fraude.
Moreno-Hernández et
al. (2023) en Colombia
señalan el uso de AQM
(ArandaQueryManager)
para la detección de
fraudes fiscales,
logrando una precisión
del 98% con técnicas
de aprendizaje
Moreno-
Hernández
et al.,
(2023)
Colombia “Los gobiernos internacionales a través de la
IA, han desarrollado diferentes sistemas como
AQM (ArandaQueryManager), para la
detección de fraudes en impuestos;
herramienta valiosa para la disminución de la
evasión y elusión fiscal; pero es importante
resaltar los avances usando técnicas de
aprendizaje automático no supervisadas que
ha mostrado resultados de precisión del 98%”
(p. 25)
Erazo-
Castillo &
De la A-
Muñoz,
(2023)
Ecuador Se han abordado los progresos de inteligencia
artificial que las empresas auditoras más
grandes han implementado en sus procesos:
Deloitte Touche Tohmatsu Limited (Deloitte):
“utiliza la aplicación denominada “Argus”, que
se basa en el aprendizaje automático para
identificar y extraer información contable
desde cualquier archivo electrónico.
PricewaterhouseCoopers (PwC): se asoció
con una compañía de Silicon Valley (EE. UU.)
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2885.
líder en tecnología, con el propósito de crear
un robot, actualmente es llamado GL.ai, para
que realice la ‘due diligence’ o radiografía de
18 de empresas en tiempo récord de
milisegundos, además de aplicar juicio en la
detección de irregularidades en el libro diario
(PwC, 2021). GL.ai, aplicación de inteligencia
artificial, aprende y desarrolla mayores
capacidades luego de cada auditoría y ya ha
recibido instrucción acerca de datos de
auditoría de Canadá, Alemania, Suecia y el
Reino Unido.
Ernst & Young (EY): emplea aplicaciones de
inteligencia artificial en sus procesos de
auditoría tales como: EY Blockchain Analyzer
que permite la obtención de informes
financieros, investigaciones forenses,
monitoreo de transacciones y cálculos de
impuestos; Andy CryptoAsset Accounting and
Tax (AndyCAAT) calcula automáticamente las
ganancias y pérdidas de capital, por
mencionar algunos ejemplos (EY, 2019). Sin
embargo, el trabajo del equipo de tecnología
en conjunto con otras áreas es constante en la
búsqueda de la implementación y
actualización de herramientas tecnológicas.
KPMG: posee un amplio portafolio de
herramientas de Inteligencia artificial
denominado ‘KPMG Ignite’ gracias a su
alianza con Microsoft. Así, por ejemplo
presenta soluciones de gestión cognitiva de
contratos referente a adquisiciones, asuntos
legales y financieros; previsión inteligente
relacionada a finanzas, cadena de suministro
y planificación de la demanda; análisis LIBOR
relacionado a la banca; analítica de contrato
financiero calificado en lo que a servicios
financieros se refiere y aval cognitivo que
incluye: auditoría interna, auditoría y
cumplimiento; y, precios de transferencia
cognitivos relacionado a los impuestos y
finanzas (pp. 112-113).
automático no
supervisadas. Erazo-
Castillo & De la A-
Muñoz (2023) en
Ecuador describen
cómo grandes firmas
auditoras han
adoptado IA: Deloitte
utiliza "Argus" para
extraer información
contable, PwC
implementa GL.ai para
auditorías rápidas y
precisas, EY emplea
herramientas como EY
Blockchain Analyzer y
Andy CryptoAsset
Accounting and Tax, y
KPMG con su
portafolio 'KPMG
Ignite' ofrece
soluciones de gestión
cognitiva y analítica
avanzada. Estas
herramientas
demuestran la
diversidad y
efectividad de la IA en
la detección de fraudes
en distintos contextos.
Eficacia de las herramientas de inteligencia artificial para implementadas en la detección de
fraudes
Cho (2024) Corea Las características intrínsecas de la
tecnología basada en IA permiten a las
empresas desarrollar servicios de gestión de
productos e implementar IA, teniendo en
cuenta el nivel de desarrollo económico del
país. Parece necesario considerar los
parámetros cualitativos del talento de la IA en
el capital humano y el desarrollo contable
Los estudios sobre la
eficacia de las
herramientas de
inteligencia artificial
para la detección de
fraudes destacan
varias perspectivas.
Cho (2024) en Corea
resalta que las
características
intrínsecas de la IA
permiten a las
empresas adaptar
Abdel-
Rahman &
Andriansyah
(2023)
Indonesia La prevención del fraude y la gestión de
riesgos son primordiales en el sistema
financiero moderno y la integración de la
Inteligencia Artificial (IA) ofrece una vía
prometedora para avances en estas áreas
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2886.
Los sistemas tradicionales de detección de
fraude, predominantemente basados en reglas
a menudo no son suficientes
Para la detección en tiempo real. Por el
contrario, la IA puede analizar rápidamente
extensos datos transaccionales, identificando
anomalías y actividades potencialmente
fraudulentas. Una de las metodologías
destacadas incluye el uso de aprendizaje
profundo, particularmente redes neuronales,
que, cuando se entrenan con datos históricos
de fraude, pueden discernir patrones
intrincados y predecir transacciones
fraudulentas con notable precisión.
servicios de gestión y
detección de fraudes
según el nivel de
desarrollo económico
del país, subrayando la
importancia del talento
en IA y el capital
humano. Abdel-
Rahman & Andriansyah
(2023) en Indonesia
argumentan que la IA
ofrece una vía
prometedora para la
prevención del fraude y
la gestión de riesgos,
superando los
sistemas tradicionales
basados en reglas al
analizar rápidamente
datos transaccionales
y detectar anomalías
con precisión mediante
redes neuronales y
aprendizaje profundo.
Ambas perspectivas
coinciden en la
superioridad de la IA
sobre los métodos
tradicionales, aunque
Cho enfatiza la
adaptación según el
contexto económico y
Abdel-Rahman &
Andriansyah destacan
la capacidad de la IA
para análisis en tiempo
real.
Fuente: elaboración propia a partir de datos aportados por los autores referidos.
CONCLUSIONES
Se ha analizado la integración de la inteligencia artificial en procesos contables, determinándose que
esta tecnología ofrece beneficios transformadores significativos, como la mejora en la precisión de los
informes financieros y la previsión de quiebras. Sin embargo, también se han identificado algunos
desafíos importantes, como las preocupaciones éticas, la necesidad de mano de obra calificada y los
altos costos de implementación, pero a pesar de estos retos, la capacidad de la IA para proporcionar
soluciones sostenibles y eficientes en la contabilidad es innegable y promete continuar revolucionando
el campo.
Se ha estudiado la inteligencia artificial para la detección de fraudes, evidenciándose que esta
tecnología ofrece avances significativos en la mejora de la detección de fraudes y la gestión de riesgos,
pues los estudios muestran que los modelos de aprendizaje profundo y el procesamiento del lenguaje
natural pueden superar los métodos tradicionales, aunque también resaltan la importancia de la
interpretabilidad de los modelos y la gestión de preocupaciones éticas y de privacidad. A pesar de
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2887.
estos desafíos, la IA demuestra ser una herramienta poderosa para enfrentar fraudes complejos y
sofisticados en diversos contextos.
Se han estudiado herramientas de inteligencia artificial implementadas en la detección de fraudes,
confirmándose que estas soluciones ofrecen una amplia variedad de aplicaciones efectivas en
distintos contextos globales. Los estudios revelan que tecnologías avanzadas, como plataformas de
análisis y sistemas de aprendizaje automático, han mejorado significativamente la eficiencia operativa
y la precisión en la detección de fraudes. Además, se observa una creciente implementación de
herramientas especializadas en diversas regiones, lo que evidencia el potencial de la IA para enfrentar
desafíos complejos en la prevención del fraude en diferentes sectores.
Se ha determinado la eficacia de las herramientas de inteligencia artificial implementadas en la
detección de fraudes, revelándose que estas tecnologías superan significativamente a los métodos
tradicionales en términos de precisión y capacidad de análisis. Los estudios destacan que la IA,
mediante técnicas como el aprendizaje profundo y el análisis en tiempo real, ofrece soluciones
avanzadas para detectar fraudes y gestionar riesgos de manera efectiva. A pesar de la necesidad de
adaptar estas herramientas según el contexto económico, su capacidad para identificar anomalías y
mejorar la detección de fraudes es ampliamente reconocida.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2888.
REFERENCIAS
Abdel-Rahman, L., & Andriansyah, Y. (2023). The Role Artificial Intelligence in Modern Banking: An
Exploration of AI-Driven Approaches for Enhanced Fraud Prevention, Risk Management, and Regulatory
Compliance. Reviews of Contemporary Business Analytics, 6(1), 110-132.
Arias, F. G. (2016). El proyecto de investigación Introducción a la metodología científica (7.a ed.).
Episteme. https://drive.google.com/file/d/1hPC-
6tjdJtkHnZNhGNCAsttmD3cv7ywh/view?fbclid=IwAR1KdkZl_SUbXZj2WNQwhS7Dk3nQTUSf6SXQQC
xZHk2Ux4aAeMtRBgkILXU
Castillo, C., & Reyes, B. (2015). Guía metodológica de proyectos de investigación social (Santa Elena,
Ecuador). https://drive.google.com/file/d/1kriXItSbYw80v_CS1itLnmnSayMxlKu3/view
Cho, O. (2024). Analysis of the Impact of Artificial Intelligence Applications on the Development of
Accounting Industry. Nanotechnology Perceptions, 20(S1), 75-83. https://doi.org/10.62441/nano-
ntp.v20iS1.7
Erazo-Castillo, J., & De la A-Muñoz, S. (2023). Auditoría del futuro, la prospectiva y la inteligencia
artificial para anticipar riesgos en las organizaciones. Revista Digital Novasinergia, 6(1), 105-119.
https://doi.org/10.37135/ns.01.11.07
Guamán, K., Hernández, E., & Lloay, S. (2021). El proyecto de investigación: La metodología de la
investigación científica o jurídica. Revista Conrado, 17(81), 163-168.
Jejeniwa, T., Mhlongo, N., & Jejeniwa, T. (2024). A comprehensive review of the impact of artificial
intelligence on modern accounting practices and financial reporting. Computer Science & IT Research
Journal, 5(4), 1031-1047. https://doi.org/10.51594/csitrj.v5i4.1086
Kureljusic, M., & Karger, E. (2024). Forecasting in financial accounting with artificial intelligence – A
systematic literature review and future research agenda. Journal of Applied Accounting Research
ahead-of-print, 25(1), 81-104. https://doi.org/10.1108/JAAR-06-2022-0146
Lüthy, I. (2022). Inteligencia artificial y aprendizaje de máquina en diagnóstico y tratamiento del cáncer.
Medicina, 82(5), 798-800.
Mohanty, B., & Mishra, S. (2023). Role of Artificial Intelligence in Financial Fraud Detection. Academy of
Marketing Studies Journal, 27(4), 1-16.
Moreno-Hernández, J., Campos-Molano, J., Medina-Betancourt, Y., & Poloche-Valencia, D. (2023). La
inteligencia artificial como herramienta para la detección del fraude fiscal: Caso Colombia. Revista
Económica, 11(2), 25-35. https://doi.org/10.54753/rve.v11i2.1677
Nava, H. (2008). La investigación jurídica. PANAPO.
Odonkor, B., Kaggwa, S., Uwaoma, P., Olanipekun, A., & Farayola, O. (2024). The impact of AI on
accounting practices: A review: Exploring how artificial intelligence is transforming traditional
accounting methods and financial reporting. World Journal of Advanced Research and Reviews, 21(1),
172-188. https://wjarr.com/
Peng, Y., Ahmad, S., Bani, A., Al Shaikh, M., Daoud, M., & Hussein, F. (2023). Riding the Waves of Artificial
Intelligence in Advancing Accounting and Its Implications for Sustainable Development Goals.
Sustainability, 15(19), 1-12. https://doi.org/10.3390/su151914165
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, agosto, 2024, Volumen V, Número 4 p 2889.
Quevedo-Barros, M., Neira-Neira, M., Quevedo-Vázquez, J., & Quevedo-Cuenca, J. (2020). La
contabilidad forense como herramienta en la detección de fraudes en las empresas. Revista Dominio
de las Ciencias, 6(5), 261-275. http://dx.doi.org/10.23857/dc.v6i5.1597
Rangineni, S., & Marupaka, D. (2023). Analysis of data engineering for fraud detection using machine
learning and artificial intelligence technologies. International Research Journal of Modernization in
Engineering Technology and Science, 5(7), 2137-2146. https://www.doi.org/10.56726/IRJMETS43408
Rodríguez, J. (2023). Auditoría forense en la era de la inteligencia artificial, un enfoque vanguardista
para combatir el fraude financiero. Punto de vista, 14(21), 99-118.
Shoetan, P., & Familoni, B. (2024). Transforming fintech fraud detection with advanced artificial
intelligence algorithms. Finance & Accounting Research Journal, 6(4), 604-625.
https://doi.org/10.51594/farj.v6i4.1036
Valladares-Albarracín, J., & Ordóñez-Parra, Y. (2024). La aplicación de inteligencia artificial en la
auditoría contable. Revista Multidisciplinaria Perspectivas Investigativas, 4(2), 73-85.
https://doi.org/10.62574/rmpi.v4iespecial.172
Yalamati, S. (2023). Identify fraud detection in corporate tax using Artificial Intelligence advancements.
International Journal of Machine Learning for Sustainable Development, 5(2), 1-15.
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este sitio está
disponibles bajo Licencia Creative Commons .