Curso: Inteligencia Artificial en Auditoría
Información general
Resumen
Adquiere los conocimientos y habilidades necesarias para aplicar herramientas basadas inteligencia artificial en el proceso de optimización de auditoría, con el fin de mejorar la eficiencia, precisión y profundidad en los procesos.
Comprender las bases conceptuales de la inteligencia artificial aplicada a la auditoría.
- Adquirir habilidades prácticas para implementar y utilizar herramientas basadas en inteligencia artificial en el análisis de datos para procesos de auditoría.
- Evaluar el impacto y las implicaciones éticas del uso de inteligencia artificial en el proceso de auditoría en un entorno de aplicación responsable.
Habilidades que desarrollarás
Comprender los fundamentos
Comprender los fundamentos conceptuales, la evolución histórica y el funcionamiento técnico de la inteligencia artificial y de los modelos generativos de lenguaje, así como sus alcances y limitaciones en contextos de auditoría.
Diseñar prompts
Diseñar prompts estratégicos y entornos de contexto (proyectos, bases de conocimiento e instrucciones personalizadas) que produzcan resultados verificables, replicables y trazables.
Aplicar la IA
Aplicar la IA a la planeación de la auditoría: análisis del entorno, universo auditable, evaluación de riesgos, plan anual y programas de auditoría.
Elaborar informes
Elaborar informes de auditoría, informes estratégicos con diseño web, tableros interactivos y presentaciones ejecutivas apoyados en IA.
Evaluar riesgos
Evaluar los riesgos éticos, legales y de protección de datos asociados al uso de IA, y formular lineamientos de uso responsable para la organización.
Contenido
- Breve historia de la IA: de los sistemas expertos al aprendizaje automático, las redes neuronales profundas y los modelos fundacionales.
- Conceptos técnicos esenciales sin tecnicismos innecesarios: machine learning, deep learning, arquitectura transformer, tokens, ventana de contexto, temperatura, embeddings y razonamiento extendido.
- Cómo genera respuestas un modelo de lenguaje y por qué alucina: naturaleza probabilística, sesgos, corte de conocimiento y riesgo de fabricación de datos y citas.
- Panorama de herramientas: Claude, ChatGPT, Gemini, Microsoft Copilot, NotebookLM y soluciones especializadas en analítica de datos.
- Criterios profesionales de selección: capacidad de razonamiento, manejo de archivos y volumen de contexto, integración con el entorno de trabajo, seguridad de la información y costo.
- Qué cambia y qué no cambia en el rol del auditor: automatización de tareas frente a juicio profesional, escepticismo y responsabilidad.
- Anatomía de un prompt profesional: rol, contexto, tarea, restricciones, formato de salida y criterios de calidad esperados.
- Técnicas aplicadas: ejemplos guía, descomposición de tareas complejas, razonamiento paso a paso, autocrítica del modelo y contraste entre herramientas.
- Ingeniería de contexto: proyectos, bases de conocimiento e instrucciones personalizadas alimentadas con normativa, políticas, estatutos y papeles de trabajo de la organización.
- Prompts propios de auditoría: redacción de hallazgos bajo la estructura condición, criterio, causa y efecto; identificación y redacción de riesgos; recomendaciones; cuestionarios de control interno y guiones de entrevista.
- Verificación y trazabilidad: cómo validar la salida del modelo, contrastarla con la fuente y documentar el uso de IA en los papeles de trabajo.
- Construcción de una biblioteca personal y reutilizable de prompts de auditoría.
- Análisis del entorno y del negocio: contexto sectorial, normativo y financiero, con verificación de fuentes.
- Construcción y priorización del universo auditable.
- Evaluación de riesgos asistida por IA: identificación, redacción de riesgos, matriz de probabilidad por impacto, valoración de controles y determinación del riesgo residual.
- Elaboración del plan anual de auditoría: definición de trabajos, asignación de recursos, cronograma y sustentación ante el comité de auditoría.
- Diseño de programas de auditoría por proceso: objetivo, alcance, procedimientos, pruebas y criterios de evaluación.
- Análisis preliminar de estados financieros e indicadores como insumo para el enfoque y la materialidad de la auditoría.
- Preparación, depuración y estructuración de datos (Excel y CSV) con asistencia de IA.
- Pruebas de controles: comprensión del proceso, recorridos, evaluación del diseño y de la efectividad operativa.
- Pruebas sustantivas y analíticas: análisis de tendencias y variaciones, correlaciones, partidas atípicas, duplicados, terceros vinculados, conciliaciones y aplicación de la ley de Benford.
- Muestreo asistido: definición del universo, criterios de selección, tamaño de muestra y documentación del procedimiento.
- Análisis documental masivo: contratos, actas, políticas, procedimientos y normativa aplicable.
- Papeles de trabajo: obtención y referenciación de la evidencia, suficiencia y sustento del hallazgo.
- Límites del uso de IA en la ejecución: qué no debe delegarse al modelo y cómo asegurar el control de calidad del trabajo.
- Redacción asistida del hallazgo y del informe de auditoría; síntesis ejecutiva orientada a la alta dirección.
- Informes estratégicos con diseño web: construcción de informes interactivos en HTML, con narrativa, jerarquía visual y navegación.
- Tableros y dashboards de auditoría: indicadores de gestión, mapas de calor de riesgo, estado de hallazgos y seguimiento a planes de acción.
- Presentaciones ejecutivas para comité de auditoría y junta directiva, generadas y diseñadas con apoyo de IA.
- Seguimiento a planes de acción y medición del cumplimiento.
- Storytelling con datos: cómo lograr que el informe deje de ser un documento y se convierta en una decisión.
- Creación de activos de IA a la medida del área: GPTs personalizados, gemas, skills y proyectos con base de conocimiento propia.
- Casos de aplicación: asistente de normativa institucional, generador de programas de auditoría, revisor crítico de hallazgos, entrevistador de procesos y gestor del plan anual.
- Del prompt suelto al flujo de trabajo: diseño de procesos asistidos y nociones de agentes.
- Uso responsable: confidencialidad, tratamiento de datos personales, propiedad intelectual, sesgos, explicabilidad y responsabilidad profesional.
- Formulación de lineamientos y política de uso de IA para el área de auditoría, con referencia a los marcos del IIA y a estándares internacionales de gestión de riesgos de IA.
- Nota introductoria sobre la auditoría de la inteligencia artificial como nuevo objeto de aseguramiento.
Características
Perfil Docente:
Profesional con experiencia en dirección y ejecución de auditorías internas y externas, y con dominio demostrado en el uso de herramientas de IA generativa aplicadas a procesos contables, financieros y de aseguramiento, así como en el diseño de soluciones propias de IA para áreas de auditoría.
Dependencia
Educación continua
Correo electrónico
diplomados@ucentral.edu.co
Teléfonos
601 323 9868, 601 326 6820 - opción 4
Dirección
Calle 21 n.º 4-79. Edificio 4-79, segundo piso 2