auditaitraceabilitytrust

Trazabilidad en auditoría con IA: por qué cada cifra debe volver a su documento origen

Trazabilidad en auditoría con IA: por qué cada cifra debe volver a su documento origen

Un resumen de IA que dice "cuadra" no es evidencia de auditoría. Por qué cada cifra debe poder trazarse hasta su documento origen, y cómo lo resolvemos en G2-F.

Read in:Espanol|English|Catala

El problema: un resumen no es evidencia

Un modelo de IA puede leer miles de facturas, nóminas o extractos bancarios y decirte, en una frase, que todo cuadra. El problema es que un auditor no firma un informe basándose en una frase. Firma basándose en documentos que puede volver a abrir, señalar con el dedo y defender ante un tercero, un socio, un regulador o un cliente que pregunta "¿de dónde sale este número?".

Si la respuesta es "el modelo lo dijo", no hay evidencia. Hay una opinión con muy buena redacción.

Por qué "confía en el modelo" no es un estándar de auditoría

Los modelos de lenguaje se equivocan de forma silenciosa. No fallan como un Excel roto, que al menos avisa con un error visible. Fallan con seguridad: dan una cifra razonable, bien formateada, y coherente con el resto del texto, aunque no coincida con el documento real.

En auditoría eso es exactamente el riesgo que el propio trabajo existe para eliminar. Cualquier proceso que sustituya la revisión documental por una afirmación de un modelo, sin forma de verificarla, no reduce el riesgo de auditoría. Lo traslada, sin decírselo a nadie, del papel al modelo.

Cómo lo resolvemos en G2-F

Cada celda del workbook que genera Jeff no es un valor suelto. Es un valor con un enlace directo a la página exacta del PDF, la imagen o el Excel del que salió. Si una cifra de nómina aparece en la hoja de cálculo, un clic lleva a la línea concreta de la nómina original donde estaba escrita.

Una celda de la cuenta justificativa enlazada al líquido a percibir de la nómina original
El importe de la hoja no es un dato suelto: lleva a la línea exacta del documento del que salió

Esto no es una capa añadida encima del trabajo de la IA. Es la condición para poder usarla en auditoría. El modelo hace el trabajo pesado de leer y extraer a gran volumen, pero la verificación no depende de creerle. Depende de poder comprobarlo, celda por celda, en segundos en lugar de horas.

La decisión de cuadre, paso a paso

Cuadrar una nómina con su transferencia no es una comparación de dos números. Es una cadena de decisiones, y cada una deja rastro: qué documentos se leen, dónde se mira dentro de cada uno, y con qué criterio se decide que dos cosas son la misma.

Los tres pasos del cuadre: extracción por IA, delegación del criterio a un subagente y conciliación final
La zona de interés cambia en cada paso: primero el importe, después la fecha y el concepto

Fíjate en el segundo paso. El importe coincide en los dos documentos desde el principio, así que sería fácil dar el cuadre por bueno ahí mismo. Pero ese mes hay tres nóminas con el mismo líquido, y el abono cae dos días después del devengo. El criterio que resuelve eso, mismo importe más una ventana de días más el NIF en el concepto, es una decisión, y queda escrita junto al resultado.

Eso es lo que separa una conciliación defendible de una coincidencia afortunada.

El principio

La IA acelera la lectura. La evidencia sigue siendo el documento, no el resumen. Cuando esas dos cosas se confunden, se pierde justo lo que hace que un informe de auditoría signifique algo.

Si quieres ver cómo funciona esto sobre documentación real de tu firma, hablemos.

Sergio Garcia

Sergio Garcia

Deja que Jeff hagael trabajo pesado.