Consolidación financiera con IA: qué automatizar, qué controlar y cómo auditarlo

La consolidación es, ante todo, un problema de datos con reglas estrictas

Quien haya vivido un cierre consolidado sabe dónde se van las horas: no en las eliminaciones, sino en perseguir datos. La inteligencia artificial puede reducir de forma significativa ese tiempo y el riesgo de error, pero solo si se aplica a las tareas correctas y bajo un marco de control que un auditor pueda revisar.

Pensemos en un grupo con filiales en varios países. Cada mes recibe balances en planes contables distintos, monedas distintas, calendarios de cierre distintos y niveles de calidad muy desiguales. Antes de aplicar una sola norma de consolidación, el equipo financiero dedica buena parte del cierre a homogeneizar, conciliar y perseguir diferencias. Ese trabajo de preparación —no la eliminación contable en sí— es donde se concentran las horas, los ajustes manuales y, en consecuencia, los errores.

Esto explica por qué la consolidación es un terreno especialmente propicio para la IA: gran volumen de datos semiestructurados, patrones repetitivos de un periodo a otro y un resultado final contrastable. Pero también explica por qué exige más rigor que otros ámbitos: las cuentas anuales consolidadas se formulan bajo responsabilidad de los administradores, se auditan y sirven de base a decisiones de inversores, financiadores y supervisores. Un modelo que "acierta casi siempre" no es suficiente.

El marco normativo no se delega en un modelo

La IA no cambia las reglas de consolidación; cambia cómo se preparan y verifican los datos a los que se aplican. Conviene tener presente qué normas gobiernan cada decisión, porque ninguna de ellas admite un criterio probabilístico:

Ámbito	Referencia	Qué exige
Perímetro y control	NIIF 10; arts. 42 y ss. del Código de Comercio; NOFCAC (RD 1159/2010)	Determinar qué sociedades se consolidan y por qué método, con juicio sobre el control
Combinaciones de negocios	NIIF 3	Valor razonable de activos y pasivos adquiridos, fondo de comercio, intereses minoritarios
Conversión de moneda extranjera	NIC 21	Moneda funcional, tipos de cierre y medios, diferencias de conversión en patrimonio
Operaciones intragrupo	NIIF 10 (B86); NOFCAC	Eliminación de saldos, transacciones y resultados no realizados
Partes vinculadas y desgloses	NIC 24; NIIF 12	Información sobre participaciones y transacciones vinculadas
Presentación	NIC 1; NIIF 18 a partir de 2027	Estructura de los estados y nuevos subtotales en la cuenta de resultados

De aquí se deriva una regla de diseño: las decisiones normativas (perímetro, método, moneda funcional, criterios de eliminación) se parametrizan y documentan como reglas explícitas y aprobadas. La IA puede proponer, detectar y explicar, pero el cálculo que llega a las cuentas consolidadas debe ser determinista, reproducible y trazable hasta el dato de origen.

Dónde aporta valor la IA en el ciclo de consolidación

El mayor retorno está en las fases previas a la eliminación: captura, homogeneización y conciliación. Son tareas de alto volumen, con patrones estables y donde un error humano se propaga en silencio hasta el consolidado.

Fase	Aplicación de IA	Técnica habitual	Control humano
Captura de datos	Lectura de balances y reporting packages en formatos heterogéneos (Excel, PDF, exportaciones de ERP)	Extracción con modelos de lenguaje y validación por cuadre de sumas	Revisión de las extracciones con baja confianza
Mapeo de cuentas	Propuesta de correspondencia entre el plan local de cada filial y el plan de cuentas del grupo	Clasificación supervisada sobre mapeos históricos y descripciones de cuenta	Aprobación de cada mapeo nuevo antes de que entre en producción
Conciliación intercompañía	Emparejamiento de saldos y transacciones entre sociedades, incluso con referencias, fechas o importes no coincidentes	Coincidencia aproximada (fuzzy matching) y modelos de emparejamiento	Validación de las diferencias por encima del umbral de materialidad
Conversión de moneda	Verificación de tipos aplicados y detección de partidas convertidas con el tipo incorrecto	Reglas y contraste con fuentes oficiales de tipos	Aprobación de la tabla de tipos del periodo
Ajustes y eliminaciones	Propuesta de asientos recurrentes y detección de eliminaciones omitidas respecto a periodos anteriores	Comparación con patrones históricos	Aprobación y firma de cada asiento de consolidación
Revisión analítica	Detección de variaciones anómalas por sociedad, cuenta y periodo	Modelos estadísticos de anomalías y series temporales	Explicación documentada de cada alerta relevante
Memoria y desgloses	Borrador de notas explicativas y comentario de variaciones a partir de los datos consolidados	Modelos de lenguaje con datos verificados como única fuente	Revisión técnica y aprobación del texto final

En la práctica, la conciliación intercompañía suele ser el punto de partida con mejor relación entre esfuerzo y resultado: es la fuente más frecuente de retrasos en el cierre de grupos multinacionales, y su resultado es binario y verificable (los saldos cuadran o no cuadran).

Una advertencia importante: los modelos de lenguaje son excelentes leyendo documentos y redactando, pero no deben hacer cuentas. Cualquier cifra que aparezca en un borrador generado debe proceder del motor de consolidación, nunca del propio modelo.

Arquitectura: motor determinista y capa de IA supervisada

La arquitectura que mejor resiste una auditoría separa dos funciones: la IA propone y el motor calcula. Ninguna propuesta del modelo llega a las cuentas consolidadas sin pasar por una aprobación humana y por reglas contables explícitas.

Arquitectura de consolidación con IA supervisada · 5 capas

Tres principios sostienen este diseño:

• Separación de funciones. El modelo no escribe directamente en el consolidado. Sus salidas son propuestas que un responsable acepta, corrige o rechaza.
• Reproducibilidad. Los mismos datos y las mismas reglas producen siempre el mismo consolidado, con independencia de la versión del modelo de IA utilizada para prepararlos.
• Trazabilidad completa. Cada cifra puede seguirse hasta el saldo de origen, el mapeo aplicado, la eliminación practicada y la persona que la aprobó.

Riesgos, controles y evidencia para el auditor

Incorporar IA al cierre consolidado añade un nuevo componente al sistema de control interno sobre la información financiera. Debe tratarse con el mismo rigor que cualquier otro sistema que alimenta las cuentas anuales.

Riesgos específicos

• Errores plausibles. Un modelo puede proponer un mapeo o un emparejamiento incorrecto con apariencia razonable. A diferencia de una fórmula rota, no genera un error visible.
• Sesgo de automatización. Cuando la tasa de acierto es alta, el revisor tiende a aprobar sin revisar. El control existe sobre el papel, pero no opera.
• Deriva del modelo. Una adquisición, un cambio de ERP en una filial o una nueva línea de negocio alteran los patrones de los datos y degradan el rendimiento sin aviso.
• Confidencialidad. Los balances de un grupo antes de su publicación son información sensible. Enviarlos a servicios externos exige analizar dónde se procesan, quién accede y si se reutilizan para entrenar modelos.
• Opacidad. Si no puede explicarse por qué se propuso un ajuste, tampoco podrá defenderse ante el auditor.

Controles mínimos

1. Umbrales de confianza y materialidad. Las propuestas con baja confianza o por encima de un importe definido requieren siempre revisión humana expresa.
2. Registro completo. Cada propuesta queda registrada con el dato de entrada, la versión del modelo, el resultado, el usuario que la aprobó y la fecha.
3. Gestión de cambios. Reglas, mapeos y modelos se versionan. Un cambio de modelo se valida con pruebas de regresión sobre cierres anteriores antes de usarse en producción.
4. Métricas de rendimiento por tarea. Precisión de mapeos, porcentaje de emparejamiento automático y falsos positivos de anomalías, medidos en cada cierre.
5. Muestreo de lo aprobado automáticamente. Revisión periódica de una muestra de propuestas aceptadas sin intervención, para detectar deriva y sesgo de automatización.

Qué necesitará el auditor

La NIA-ES 315 (revisada) obliga al auditor a entender el entorno de tecnología de la información de la entidad y sus controles generales. La NIA-ES 500 le exige evaluar la fiabilidad de la información generada por la propia entidad. En auditorías de grupo, la NIA-ES 600 añade la coordinación con los componentes. En términos prácticos, el auditor pedirá poder reejecutar el consolidado desde los datos de origen, revisar la pista de aprobaciones y comprobar que los controles sobre la IA han funcionado durante todo el ejercicio, no solo al cierre.

En el plano regulatorio, el Reglamento (UE) 2024/1689 de Inteligencia Artificial no incluye la consolidación contable entre los usos de alto riesgo de su anexo III. Aun así, la obligación de alfabetización en IA del personal que opera estos sistemas (artículo 4) es aplicable desde el 2 de febrero de 2025, y una política de gobernanza proporcional es la forma razonable de demostrar diligencia. Para grupos con especial sensibilidad sobre sus datos, desplegar los modelos en infraestructura propia o en entornos privados es una alternativa viable que elimina buena parte del riesgo de confidencialidad.

Cómo empezar: una implantación por fases

La experiencia indica que los proyectos que fracasan son los que empiezan por el modelo. Los que funcionan empiezan por los datos y los controles.

1. Diagnóstico del cierre actual. Medir cuánto dura cada fase, dónde se concentran los ajustes manuales y qué diferencias intercompañía se repiten. Sin esta línea base no es posible demostrar mejora.
2. Gobierno del dato. Plan de cuentas del grupo estable, tablas de mapeo documentadas, calendario de cierre y responsables por sociedad. La IA amplifica la calidad de los datos, tanto la buena como la mala.
3. Piloto acotado. Una sola aplicación de alto impacto, normalmente la conciliación intercompañía o el mapeo de cuentas, ejecutada en paralelo al proceso actual durante al menos dos cierres. Se compara el resultado y se ajustan los umbrales.
4. Industrialización con controles. Incorporación al proceso productivo con los controles descritos, política de uso de IA aprobada, formación del equipo y documentación preparada para el auditor. Solo entonces se extiende a otras fases.

La pregunta que de verdad importa

La IA no consolida cuentas: prepara, concilia, detecta y explica, para que el equipo financiero dedique su tiempo al juicio profesional en lugar de a la mecánica. El valor real aparece cuando se combina un motor de consolidación determinista, reglas normativas explícitas y una capa de IA supervisada con pista de auditoría completa. La pregunta para un grupo no es si debe usar IA en su cierre, sino si puede demostrar, ante su auditor y sus administradores, que la usa bajo control.

En Audalia Auditores acompañamos a grupos empresariales en el diseño de procesos de consolidación y en la evaluación de los controles sobre los sistemas que intervienen en su información financiera, incluidos los basados en inteligencia artificial. Si su grupo está valorando este paso, contacte con nosotros.