En octubre de 2025, Deloitte debió reembolsar parte de un contrato al gobierno de Australia: un informe elaborado con apoyo de inteligencia artificial generativa incluía referencias inexistentes y hasta una cita inventada de un fallo judicial. Meses después, KPMG retiró su reporte sobre IA agéntica cuando el Financial Times y el grupo GPTZero revelaron que la mayoría de sus citas eran fabricadas, y empresas como UBS y el NHS británico desmintieron los casos de éxito que se les atribuían. Poco antes, EY Canadá había hecho lo propio con un estudio donde 16 de sus 27 referencias resultaron inventadas. Tres firmas de élite, tres informes que pasaron todos los filtros formales y, aun así, estaban mal. En ninguno falló la tecnología: falló el juicio que debía supervisarla.
Llevo más de doce años en auditoría y riesgo financiero, entre bancos, aseguradoras, corredoras y hoy varios directorios. En ese tiempo, la profesión acostumbró a medirse por volumen: pruebas ejecutadas, papeles de trabajo, hallazgos, casillas marcadas en un checklist. Ese modelo funcionó mientras el trabajo técnico era escaso y caro. Ya no lo es: las grandes firmas están desplegando agentes de inteligencia artificial que revisan poblaciones completas de transacciones, documentan pruebas y redactan hallazgos en una fracción del tiempo. Todo lo que en auditoría es repetible, la máquina lo hará mejor, más rápido y más barato.
La pregunta, entonces, no es si la IA reemplazará al auditor, sino qué parte del auditor era reemplazable. Y la respuesta incomoda: justamente la que confundimos con la esencia del oficio. Porque el verdadero trabajo del auditor nunca fue revisar documentos. Siempre fue tomar decisiones bajo incertidumbre: qué mirar, qué preguntar, a quién creerle y, sobre todo, qué significa lo que encontramos.
Quien haya trabajado en terreno conoce las escenas. La conciliación perfectamente cuadrada mientras el riesgo real vivía fuera del proceso. El control impecablemente documentado que nadie ejecutaba. El directorio que recibe cientos de indicadores sin que ninguno explique el problema de fondo. Los hallazgos menores que, leídos en conjunto, describían un problema cultural. Nada de eso aparece en un dashboard: un modelo puede detectar la excepción, pero interpretarla (entender los incentivos que la produjeron, percibir las señales débiles, leer los silencios de una reunión) sigue siendo un acto humano.
Lo mismo vale en el sentido contrario: desconfiar de la IA por principio sería tan grave como confiar en ella por comodidad. Los modelos generan respuestas verosímiles, no necesariamente verdaderas, y la seguridad de su tono no dice nada sobre su solidez. Por eso la gobernanza de estos sistemas (el riesgo de modelo, los sesgos, la explicabilidad) entra de lleno al perímetro de la auditoría. No es casual que, en el caso de KPMG, los desmentidos vinieran de las propias empresas aludidas y no de un revisor interno: el control formal existía; el juicio, no.
Menos policía, más estratega
Ese es el giro que redefine el rol. Durante décadas, el auditor fue quien revisaba el pasado, con la linterna apuntando hacia atrás. Si la auditoría continua y el monitoreo permanente dejan esa vigilancia en manos de la máquina, el espacio que se abre está adelante: menos policía y más estratega; menos inspector de formularios y más asesor capaz de sostener la conversación incómoda con la alta dirección, esa que ningún sistema tendrá por nosotros. Hacia allá apuntaban, en el fondo, COSO y el modelo de las tres líneas: el valor no está en la evidencia acumulada, sino en el aseguramiento sobre los riesgos que de verdad importan.
Lo veo a diario en la función que hoy lidero. Auditar riesgo financiero e inversiones en un family office significa convivir con instrumentos que no perdonan la ambigüedad: notas estructuradas, derivados, valorizaciones que dependen de supuestos más que de precios. La IA ya nos permite recalcular carteras completas, contrastar valorizaciones y levantar excepciones que antes habrían exigido semanas de muestreo. Pero el trabajo del líder cambió de naturaleza: mi tarea dejó de ser repartir pruebas y pasó a ser decidir dónde vale la pena poner juicio humano, y dónde basta con supervisar a la máquina.
Nadie firma lo que no puede explicar
Eso impone reglas nuevas al equipo. La primera es que nadie firma lo que no puede explicar: si un hallazgo nace de un modelo, el auditor debe poder reconstruir el razonamiento, identificar la fuente y sostenerlo frente a un gerente que lo va a discutir. La segunda es la trazabilidad de la evidencia generada con apoyo de IA, con el mismo estándar que exigimos a cualquier tercero. Y la tercera, quizá la más difícil de instalar, es formar auditores que sepan interrogar al modelo antes que obedecerlo: preguntar qué datos vio, qué supuestos asumió y qué no está viendo. Un equipo que solo valida salidas no es un equipo de auditoría; es un equipo de digitación con mejores herramientas.
Hacia arriba, el desafío es igual de concreto. Cuando la conversación llega al comité, el valor no está en informar cuántas pruebas automatizamos, sino en explicar qué riesgos nuevos trajo esa automatización y cuáles seguimos sin cubrir. Liderar hoy una función de auditoría es, sobre todo, proteger el espacio del juicio: resistir la tentación de acelerar todo porque ahora se puede, y reservar tiempo del equipo para las preguntas que no tienen respuesta automática. Al final, un líder de auditoría no se mide por la cantidad de trabajo que su función produce, sino por la calidad de las preguntas que logra instalar en la organización. Queda, sin embargo, una paradoja. La IA reducirá la incertidumbre técnica: menos errores de cálculo, menos muestras mal tomadas, menos excepciones sin detectar. Pero aumentará la incertidumbre estratégica: nuevos riesgos, nuevas dependencias, decisiones tomadas a una velocidad que los comités no alcanzan a digerir. Y el juicio profesional es precisamente eso: la capacidad de operar en la incertidumbre que no se resuelve con más datos.
Por eso el auditor del futuro será menos experto en checklists y más experto en preguntas. La técnica seguirá siendo la base (nadie interpreta bien lo que no entiende), pero el diferencial estará en la independencia para sostener una conclusión impopular y en el criterio para distinguir el ruido de la señal. Mientras más inteligentes sean las máquinas, más valiosa será la inteligencia humana que las supervisa. La IA responderá cada vez más preguntas, y cada vez mejor; el valor del auditor estará en formular las que nadie se atrevió a hacer.
