La importancia de las herramientas tecnológicas en los procesos de auditoría actual

Luego de 3 años de pandemia, hemos podido apreciar cómo ha ido evolucionando a pasos agigantados las tecnologías que nos apoyan y dan soporte a nuestro trabajo, pudimos ver como de un pequeño número de compañías que tenían la posibilidad para sus trabajadores de hacer teletrabajo pasamos un alto porcentaje de las empresas funcionando sin problemas bajo esta modalidad. Estos avances no han estado lejanos a nuestra profesión y es cada vez mas común utilizar, entre los profesionales de auditoría, términos como automatización, análisis de datos, big data, etc. La necesidad de auditar grandes cantidades de datos ha abierto el camino para que los auditores comiencen a explorar diversas opciones, como un enfoque de auditoría basado en controles, auditoría continua y mayor dependencia de procedimientos analíticos, por lo que el análisis de datos está desempeñando un papel cada vez más importante en la profesión de la auditoría.

A un nivel simple, el análisis de datos proporciona la capacidad de ordenar y examinar cualquier dato crudo disponible, para identificar anomalías e interpretar tendencias dentro de los datos. Este no es un concepto particularmente nuevo, aunque ahora hay un movimiento creciente hacia la integración del análisis de datos como parte de la metodología de auditoría. Esto no solo ayuda a obtener evidencia de auditoría, sino que también ayuda a abordar efectivamente las aseveraciones relevantes.

Desde la perspectiva de un auditor, el uso principal del análisis de datos es mejorar la calidad de la auditoría, junto con agregar valor al negocio de los clientes. El análisis de datos permite a los auditores extraer y analizar grandes volúmenes de datos que ayudan a entender al cliente, pero también ayudan a identificar riesgos de auditoría y del negocio.

Un aspecto importante del análisis de datos en el proceso de auditoría es el acceso independiente a los datos y su extracción. Los datos proporcionados por el cliente requieren pruebas de precisión e integridad antes de poder ser utilizados. Si bien la seguridad y la confidencialidad de los datos siempre son motivo de preocupación, las cláusulas de compromiso de auditoría y los entornos de TI seguros garantizan que los datos proporcionados estén protegidos en todo momento.

Con un entorno de TI seguro se garantiza que los datos estén siempre protegidos, lo cual ayuda a mitigar cualquier riesgo de seguridad y confidencialidad. Por otro lado, el aumento en la comprensión proporcionada por los procedimientos analíticos es útil para identificar riesgos asociados con un compromiso, lo que está en línea con un enfoque de auditoría basado en riesgos. Esto permite diseñar pruebas enfocadas en estas áreas identificadas, con lo que posteriormente esto puede mejorarse aún más mediante la asignación de más tiempo del auditor para probar un área de riesgo, en lugar de verificar transacciones de rutina.

A través del uso de análisis de datos, se abre la opción de probar toda la población y se mejora la cobertura de los procedimientos de auditoría. Esto reduce o elimina cualquier riesgo de muestreo y puede obtener un nivel más alto de evidencia de auditoría. Esto es especialmente útil en áreas donde hay grandes volúmenes de transacciones que ocurren con un valor transaccional individual relativamente bajo, o donde se observan transacciones repetitivas.

Los softwares de análisis de datos pueden ayudar a los auditores a extraer y analizar datos de múltiples fuentes de manera sencilla. Esto permite a los auditores realizar análisis personalizados adaptados a los perfiles de riesgo específicos de sus clientes con eficiencia. Las organizaciones a menudo utilizan más de un sistema para procesar y registrar transacciones, lo que permite a los auditores comprender mejor el flujo de datos dentro de la organización e identificar posibles debilidades que podrían resultar en errores materiales en los registros contables.

El análisis de datos de auditoría normalmente utiliza campos de datos que no se ven en los informes generados por los sistemas, como por ejemplo, estos campos pueden incluir la hora de las transacciones, el capturador, los ID de usuario que postean y aprueban, datos transaccionales no resumidos, referencias de transacciones y otros campos similares.

Es posible automatizar los procedimientos realizados por el análisis de datos y guardarlos para su uso futuro. Los análisis pueden ser personalizados y adaptados para industrias, áreas o clientes específicos. También pueden formar parte de los procedimientos generales de auditoría que se realizan en cada auditoría. Esto permite que los procedimientos automatizados sean almacenados y ejecutados en auditorías futuras, lo que aumenta la eficiencia.

Los datos extraídos directamente de una base de datos garantizan que se mantenga su integridad y que los auditores puedan manipularlos según sea necesario. Es común mostrar los datos visualmente para identificar fácilmente cualquier valor atípico o excepción en comparación con una presentación numérica de los datos.

Al evaluar los resultados del análisis, se brinda la oportunidad para que la gerencia participe en una discusión. Esto puede ayudar a generar conciencia sobre cualquier excepción o debilidad identificada dentro de la entidad. El personal contable del cliente puede encontrar alivio de la necesidad de proporcionar grandes volúmenes de datos y reportes de auditoría, ya que los equipos de auditoría extraen los datos directamente de manera regular.

En resumen, todavía existen muchos desafíos que deben superarse cuando los equipos de auditoría buscan integrar sin problemas el análisis de datos en la auditoría externa, pero ya se están aprovechando numerosas ventajas a medida que el análisis de datos se convierte gradualmente en una parte integral del proceso de auditoría. Por otro lado, seguiremos viendo los esfuerzos de las firmas de auditoría en el desarrollo e implementación de herramientas que permitan ir a la vanguardia y obtener ventajas por sobre sus competidores, no sabemos que nos deparará el futuro, pero lo que sí estamos seguros, por ahora, es que aun no existe un modelo de IA capaz de reemplazar el juicio profesional.