Cómo la IA está cambiando la detección de fraude en auditoría

De la revisión manual de balances al análisis de grafos: qué automatizamos hoy y qué sigue exigiendo criterio experto.

La inteligencia artificial no detecta fraude: detecta desviaciones respecto de un patrón aprendido. La distancia entre ambas cosas es exactamente el espacio en el que trabaja el auditor. Este artículo no repite que «la IA permite analizar el 100 % de la población». Se centra en lo que ese análisis exige para producir evidencia: cómo se comportan los modelos cuando el fraude es raro, por qué las métricas publicadas suelen estar infladas, qué ve un grafo que no ve un balance y dónde la norma obliga a seguir pensando.

El problema de la tasa base: un modelo excelente que casi siempre se equivoca

Cuando el fraude es raro, la inmensa mayoría de las alertas de cualquier modelo son falsos positivos, aunque el modelo sea muy bueno. Es aritmética, no tecnología. La probabilidad de que una alerta corresponda a un fraude real (el valor predictivo positivo) depende de tres magnitudes: la sensibilidad s, la especificidad e y la prevalencia π.

\mathrm{VPP} = \frac{s\,\pi}{s\,\pi + (1-e)(1-\pi)}

Supongamos un libro diario de 1.000.000 de apuntes con 100 fraudulentos (π = 0,01 %) y un modelo con un 95 % de sensibilidad.

De aquí salen tres consecuencias que rara vez se explican.

• El AUC de la curva ROC engaña. Es insensible al desequilibrio entre clases: un modelo con AUC de 0,95 puede ser inútil en un diario real. Las métricas relevantes son el área bajo la curva precisión–exhaustividad y, sobre todo, la precisión en las k primeras alertas.
• La pregunta correcta es de capacidad. El equipo de auditoría puede investigar un número finito de partidas. Un modelo no se evalúa por «cuánto acierta», sino por cuántos fraudes hay en las 50 o 200 partidas que realmente se van a examinar. La IA es un problema de ordenación, no de clasificación.
• Anomalía no es fraude. Un fraude bien diseñado busca parecerse a lo normal. Los modelos no supervisados encuentran sobre todo errores, excepciones de proceso y operaciones inusuales legítimas. Eso tiene valor, pero no es lo mismo, y el informe de auditoría no puede confundirlos.

Asientos contables: de las reglas a las anomalías locales

La prueba de asientos que exige la NIA-ES 240 sigue siendo, en muchos encargos, un conjunto de filtros: apuntes en fin de semana, importes redondos, usuarios inusuales, asientos posteriores al cierre. Tiene dos debilidades. Los filtros se combinan mal (cada criterio añadido multiplica las partidas o las reduce a cero) y son previsibles: la dirección sabe qué se filtra.

Benford, bien aplicado. La ley de Benford solo es esperable en magnitudes que abarcan varios órdenes y nacen de procesos multiplicativos. Un diario completo mezcla procesos que no la cumplen por diseño: nóminas, amortizaciones calculadas, cuotas fijas. Por eso el análisis global suele dar «no conformidad» sin significado alguno. Se aplica por estrato (proceso, cuenta, usuario) y con el umbral de desviación absoluta media (MAD) de Nigrini: en el primer dígito, por encima de 0,015 hay no conformidad. Y lo más útil para el auditor no suele ser el primer dígito, sino las pruebas de duplicación de importes y de últimos dígitos, que delatan el fraccionamiento justo por debajo de los límites de autorización.

Anomalías globales y locales. El aprendizaje no supervisado cambia el planteamiento: en lugar de definir qué es sospechoso, aprende qué es normal. Schreyer et al. (2017) entrenaron autoencoders profundos sobre diarios reales extraídos de SAP (307.457 y 172.990 líneas) e introdujeron una distinción que debería formar parte del vocabulario del auditor:

• Anomalía global: un valor raro en sí mismo, como una cuenta que casi no se usa o una hora de contabilización atípica. Un isolation forest o una regla la encuentran sin dificultad.
• Anomalía local: una combinación rara de valores que, por separado, son frecuentes. Usuario habitual, cuenta habitual, periodo habitual, pero ese usuario nunca contabiliza en esa cuenta contra esa contrapartida. Es la firma típica de la elusión de controles por la dirección, y ningún filtro univariante la ve.

Los resultados obligan a la humildad: un F1 de 32,9 y 16,9 sobre anomalías sintéticas inyectadas, no sobre fraudes reales. Mejor que las alternativas, pero lejos del «100 % de la población analizado» que se suele vender.

Tres trampas técnicas.

1. La unidad de análisis es el asiento, no la línea. La información está en la partida doble: qué cuentas se mueven juntas. Un cargo a clientes con abono a ventas es trivial; el mismo par, manual, por un usuario de tesorería, el último día del ejercicio, no lo es. Un modelo que puntúa líneas sueltas pierde precisamente esa estructura.
2. El fraude recurrente se aprende como normal. Si el modelo se entrena con el ejercicio auditado y la manipulación se repite cada mes, el patrón fraudulento forma parte de «lo normal». Hay que entrenar con periodos anteriores o con entidades comparables, y vigilar qué contiene la referencia.
3. Deriva del concepto. Un cambio de ERP, una reorganización o una nueva línea de negocio disparan las alertas sin que haya fraude. El modelo necesita mantenimiento, y ese mantenimiento debe quedar documentado.

Estados financieros: lo que enseña el caso Bao

El referente clásico es el M-score de Beneish (1999): ocho índices construidos sobre variaciones interanuales (días de cobro, margen bruto, calidad de activos, crecimiento de ventas, amortización, gastos generales, apalancamiento y devengos totales), con un umbral orientativo de −1,78. Le siguió el F-score de Dechow et al. (2011). Ambos comparten una premisa: el analista decide qué ratios importan.

Bao, Ke, Li, Yu y Zhang (2020), en el Journal of Accounting Research, cuestionaron esa premisa. Entrenaron un modelo de ensemble (RUSBoost, con submuestreo aleatorio para compensar la rareza del fraude) sobre 28 partidas brutas de los estados financieros, sin ratios. Las etiquetas eran los expedientes de la SEC (AAER) entre 1991 y 2008. Y evaluaron con NDCG@k sobre el 1 % de empresas mejor puntuadas, coherente con la lógica de capacidad descrita arriba.

La lectura habitual se quedó en que el aprendizaje automático sobre datos brutos supera a los ratios de experto. La parte más instructiva llegó después. Walker (2021) replicó el código publicado y encontró que el tratamiento del fraude serial fallaba en 17 de los 413 expedientes. Una misma empresa fraudulenta aparecía en entrenamiento y en prueba con identificadores distintos, de modo que el modelo «reconocía» casos que ya había visto. Diez de los 16 aciertos publicados procedían de esos 17 casos. Corregido el error, el valor predictivo positivo bajaba del 4,5 % al 2,5 %, por debajo del 2,63 % de la regresión logística de referencia. Los autores publicaron una fe de erratas.

Para un auditor, el caso deja cuatro lecciones que valen para cualquier herramienta comercial:

•         La fuga de información entre entrenamiento y prueba es el error más frecuente y el más caro. Con datos de panel, la validación debe ser temporal, con separación entre periodos (Bao dejaba dos años) y por entidad, no por observación.

• Incluso sin error, el techo es bajo. Con una prevalencia de en torno al 0,7 % de empresas-año, acertar en 1 de cada 25 señaladas ya era un resultado publicable.
• Las etiquetas son fraudes descubiertos, no fraudes cometidos. El modelo aprende lo que la SEC persigue. El fraude que nunca se detectó queda fuera de la muestra por construcción.
• En España no existe un equivalente a los AAER. Para sociedades no cotizadas no hay etiquetas suficientes para entrenar modelos supervisados propios. Lo realista es combinar detección no supervisada, comparación con entidades similares y conocimiento sectorial.

Grafos: lo que no se ve en un balance

El balance agrega; el fraude rara vez está en un saldo y casi siempre está en una relación. Un grafo representa entidades como nodos y relaciones como aristas, y permite preguntas que una tabla no puede formular: quién está conectado con quién, por cuántos pasos y a través de qué intermediarios.

El diario como red. Boersma (KPMG, 2019) propuso modelar el libro diario como una red con dos tipos de nodo: cuentas (qué se mueve) y patrones de asiento o procesos de negocio (por qué se mueve). Cada empresa tiene una topología estable: los ingresos llegan a clientes por un número reducido de caminos. Un camino nuevo hacia ventas, o un proceso que solo aparece al cierre, es una anomalía estructural que ninguna prueba sobre importes detecta.

La red de terceros y las partes vinculadas. Proveedores, clientes, empleados y administradores se conectan por atributos compartidos: IBAN, domicilio, teléfono, dominio de correo, administradores comunes. Si a esto se añaden los nombramientos publicados en el BORME, aparecen vínculos a dos o tres saltos que la dirección no ha comunicado. Es la respuesta técnica a un problema estructural de la NIA-ES 550: el auditor depende de la lista de partes vinculadas que le facilita quien tiene interés en omitir alguna. Métricas como la centralidad de intermediación señalan a los nodos puente, y los algoritmos de detección de comunidades (Louvain, Leiden) aíslan grupos que operan casi solo entre sí.

Circularidad. La simulación de ingresos mediante operaciones circulares (A vende a B, B a C y C devuelve a A, con el dinero recorriendo el mismo ciclo) es, formalmente, un ciclo dirigido en el grafo de transacciones. La dificultad está en buscar ciclos que respeten el tiempo, es decir, con fechas crecientes e importes que se conservan salvo una pequeña comisión, y no simples ciclos topológicos, que abundan en cualquier red comercial. Las administraciones tributarias aplican ya aprendizaje de representaciones sobre grafos para desmantelar tramas de facturación circular, como en el estudio sobre el GST del estado indio de Telangana. Es el mismo patrón que el fraude carrusel del IVA intracomunitario.

El cuello de botella: resolver entidades. Antes de analizar un grafo hay que decidir que «Construcciones García, S.L.» y «CONSTRUCCIONES GARCIA SL» son el mismo nodo. Esta decisión no es neutral. Una fusión errónea crea un camino que no existe y, por tanto, una vinculación falsa; una fusión omitida oculta una real. El umbral de similitud es un juicio con consecuencias en la evidencia y debe documentarse como tal. A ello se suma el RGPD: cruzar domicilios de empleados con los de proveedores exige una base jurídica y un análisis de proporcionalidad.

Texto y modelos de lenguaje: dónde aportan y dónde engañan

Las señales lingüísticas son reales, pero débiles y frágiles. Larcker y Zakolyukina (2012) analizaron conferencias con analistas. Los consejeros delegados de empresas que después reexpresaron sus cuentas usaban más palabras de emoción positiva intensa y menos de ansiedad; los directores financieros, más negaciones. Sus modelos superaban al azar en un 6–16 %, comparable a los modelos contables. El problema es que estas señales se degradan en cuanto se conocen: los directivos reciben formación en comunicación y hoy muchos textos corporativos los redacta, en parte, un modelo de lenguaje. Un indicador que el sujeto observado puede manipular deja de medir lo que medía.

Donde un LLM aporta de verdad: contratos frente a contabilidad. El valor más claro no está en «detectar mentiras», sino en leer a escala lo que antes se muestreaba: contratos con clientes, actas, adendas. La pregunta es concreta: ¿hay cláusulas que alteren el reconocimiento de ingresos (derechos de devolución, entregas en consignación, bill-and-hold, contraprestación variable) que el registro contable no refleja? El fraude de ingresos vive a menudo en esa brecha entre lo que dice el documento y lo que dice el asiento.

Por qué su salida no es, por sí sola, evidencia.

• Lo peligroso es el falso negativo. Una invención del modelo suele detectarse al revisar el resultado. Que el modelo «no encuentre» una cláusula no se ve. Antes de apoyarse en una extracción hay que medir su exhaustividad sobre una muestra revisada a mano.
• No determinismo y reproducibilidad. La misma consulta puede dar resultados distintos, y los modelos se actualizan. La NIA-ES 230 exige que un auditor experimentado entienda qué se hizo y con qué resultado. Eso obliga a documentar versión del modelo, instrucciones, parámetros y documentos de entrada.
• El auditado controla los datos de entrada. Es un riesgo nuevo: un documento facilitado por la entidad puede contener texto oculto con instrucciones dirigidas al modelo (prompt injection). En un contexto de fraude, la hipótesis prudente es que alguien lo intentará.

El PCAOB, en su spotlight de julio de 2024, describía un uso todavía mayoritariamente administrativo de la IA generativa en las firmas. Insistía en que la responsabilidad sobre el trabajo sigue en el equipo y señalaba la auditabilidad de los datos de origen y de la salida como preocupación central.

Encaje normativo: la norma ya pide lo difícil

Las NIA-ES no prohíben ni exigen la IA, pero varios de sus requerimientos chocan con cómo funciona un modelo. Conviene resolverlos en el diseño del trabajo, no al documentarlo.

Imprevisibilidad frente a determinismo. La NIA-ES 240 obliga a introducir un elemento de imprevisibilidad en la selección de procedimientos. Un modelo idéntico cada año, con las mismas variables y el mismo umbral, es exactamente lo contrario: la dirección puede aprender qué no señala. La solución elegante es estadística: tratar la puntuación del modelo como un criterio de estratificación.

1. El estrato de mayor riesgo (las k partidas mejor puntuadas) se examina al 100 %.
2. El resto de la población, la que el modelo considera normal, se muestrea aleatoriamente.
3. Los errores hallados en ese segundo estrato permiten estimar la tasa de fallos del propio modelo y proyectarla conforme a la NIA-ES 530.

Así el modelo deja de ser una caja negra en la que se confía y pasa a ser un diseño muestral con inferencia válida. El componente aleatorio aporta, además, la imprevisibilidad que exige la norma.

Integridad de los datos de origen. Antes de cualquier modelo, la NIA-ES 500 exige evaluar la fiabilidad de la información generada por la entidad. En la práctica: conciliar el diario extraído con el balance de sumas y saldos, comprobar la continuidad de la numeración de asientos y verificar que la extracción incluye apuntes manuales, de cierre y de sistemas auxiliares. Un modelo excelente sobre un diario incompleto produce una conclusión falsa con apariencia de rigor.

Riesgo, entorno de TI y respuesta. La NIA-ES 315 (revisada) ya contempla las herramientas y técnicas automatizadas en la valoración del riesgo. Y la NIA-ES 240 mantiene dos presunciones que ningún modelo desactiva: el riesgo de elusión de controles por la dirección y el riesgo de fraude en el reconocimiento de ingresos.

Documentar el cierre de cada alerta. El trabajo real no es generar alertas, sino cerrarlas. La NIA-ES 230 exige poder reconstruir por qué cada partida señalada se consideró explicada y con qué evidencia. Cerrar 400 alertas con «revisado, sin incidencias» es peor que no haberlas generado: documenta que el auditor tuvo la información y no la usó.

Lo que viene. El IAASB publicó en julio de 2025 la NIA 240 revisada, aplicable a auditorías de periodos iniciados a partir del 15 de diciembre de 2026. Refuerza la «perspectiva de fraude» en la valoración del riesgo y en las respuestas, amplía la transparencia en el informe de auditoría de entidades cotizadas y la conecta con la NIA 570 sobre empresa en funcionamiento. Su aplicación en España dependerá de la adaptación que publique el ICAC.

Qué automatizamos hoy y qué sigue exigiendo criterio

La frontera no separa tareas sencillas de tareas complejas. Separa lo que se puede definir sobre los datos de lo que exige entender incentivos, contexto y lo que no está registrado.

Tres límites no son tecnológicos y no van a desaparecer:

• La colusión hace que el fraude sea normal. Cuando varias personas coordinan la operación, los datos son internamente coherentes y no hay anomalía que detectar. Solo la confrontación con evidencia externa e independiente la rompe.
• El sesgo en las estimaciones no es un dato atípico. Diez estimaciones razonables, todas en el extremo favorable del rango, son una manipulación que ningún modelo de anomalías señala, porque cada una por separado es normal.
• El escepticismo no se puede delegar. Un modelo propone dónde mirar; no decide qué explicación de la dirección es insuficiente. Esa decisión, y la responsabilidad que conlleva, sigue siendo del auditor.

La IA no sustituye al auditor experimentado: le obliga a serlo más. Quien no entienda la tasa base, la fuga de datos o la resolución de entidades no sabrá cuándo una herramienta le está dando evidencia y cuándo solo una apariencia de rigor.