Gobernanza digital e innovación tecnológica en la auditoría de rendimiento

Autor: Abdulrahman Alebrahim, auditor de la Oficina de Auditoría del Estado de Kuwait

En la auditoría de rendimiento se está pasando de las valoraciones retrospectivas manuales a los análisis prospectivos y en tiempo real, gracias a la incorporación progresiva de tecnologías como el análisis del big data, la inteligencia artificial (IA) y los modelos predictivos que están redefiniendo los conceptos de eficiencia y efectividad en la función de auditoría. A medida en que los organismos públicos intensifican su apuesta por los sistemas basados en datos para la toma de decisiones, también se vuelven más complejos los marcos de gobernanza y se acentúa la necesidad de un mayor control de dichos organismos a fin de reforzar la transparencia, la rendición de cuentas y la confianza pública (Agostino, Lourenco y Jorje, 2025). La transformación digital ha proliferado tanto en el sector público como en el privado y ha generado enormes volúmenes de datos estructurados y no estructurados, que son imposibles de analizar de forma exhaustiva y eficaz mediante los enfoques y métodos de auditoría convencionales (Basuki, Atarwaman y Layn, 2025). Por lo tanto, ahora más que nunca, la auditoría de rendimiento requiere innovación y el desarrollo de nuevas herramientas y técnicas para seguir el ritmo de la dinámica del ecosistema de información moderno.

La llegada de la gobernanza digital y de los sistemas integrados ha creado un entorno de auditoría mucho más complejo, que precisa de un monitoreo continuo y mecanismos de vigilancia instantánea capaces de detectar los riesgos y las ineficiencias prácticamente en tiempo real. Para las tareas de planificación, ejecución y seguimiento de una auditoría ya se está recurriendo a las tecnologías emergentes, ya que permiten mapear las diferentes fuentes de datos de la entidad auditada e integrarlas en el plan de auditoría, con lo que la fiscalización de los diferentes procesos resulta más sólida (Sofyani et al., 2026). Y, para detectar anomalías estadísticas, patrones de transacciones ilícitas y fondos ocultos o blanqueados, las Entidades Fiscalizadoras Superiores (EFS) —organismos nacionales independientes encargados de auditar los gastos y los ingresos del Estado— ya utilizan sistemas avanzados de análisis de datos, que ofrecen una precisión mucho mayor que los procesos de auditoría tradicionales, basados solo en documentos físicos y cuyo enfoque de observación es más limitado (Kalaintzis, 2025). Gracias al análisis de datos, el universo de la información ha experimentado una expansión que permite a los auditores incorporar una información implícita y que las auditorías tradicionales no eran capaces de aportar. Las visualizaciones de datos, los dashboards en vivo y las alertas automatizadas proporcionan a los auditores de rendimiento la posibilidad de compartir sus puntos de vista de forma más inmediata con las partes interesadas y de configurar sus planes de auditoría en tiempo real a fin de reducir las ineficiencias en el proceso de auditoría.

Según numerosos estudios de caso publicados por la INTOSAI, la integración del big data y la IA ha servido para mejorar la detección de patrones irregulares en la contratación pública, la evaluación de los programas de bienestar social y el monitoreo de los programas de infraestructuras, que ahora pueden ser mucho más exhaustivos que antes. Una encuesta realizada por la EFS de Egipto reveló que el 92 % de los consultados estaba de acuerdo con la afirmación de que la IA mejora los resultados de auditoría, y que el 87 % respaldaba el uso de la IA en las valoraciones de riesgos (Du, 2026). Esto significa, que una abrumadora mayoría de los profesionales apoya el uso de la IA y del análisis del big data, precisamente por que estas sofisticadas tecnologías complementan la pericia humana de manera significativa.

Tomemos el caso de la Oficina Nacional de Auditoría de Australia (ANAO), que constituye un ejemplo de aplicación satisfactoria del análisis de datos para la planificación de auditorías de rendimiento basadas en el riesgo en los programas de subvenciones públicas. Mediante la comparación de las bases de datos de licitaciones, adjudicaciones de contratos y plazos de contratación pública, los auditores pudieron identificar contratos adjudicados antes de la finalización del plazo de presentación de ofertas y descubrir así todo tipo de casos de incumplimiento, soborno y prácticas fraudulentas en el sector público (ANAO, 2021).

El uso de plataformas modernas de análisis de datos, como Apache Spark, también se ha extendido ya entre las EFS, pues permiten auditar la totalidad de los datos de una entidad y no solo una muestra seleccionada (Singh et al., 2023). Esto reduce de manera efectiva el riesgo de muestreo y detección que suelen afrontar los auditores y agiliza sustancialmente la detección de anomalías e indicadores de fraude. Otro software, Tableau, integra dashboards interactivos con hojas de trabajo de auditoría y extrae información de millones de puntos de datos, permitiendo detectar patrones sospechosos en la contratación pública, transacciones financieras inusuales o desviaciones con respecto a los benchmarks operativos establecidos –e identificar así, de forma rápida y asequible, cualquier conducta indebida en un organismo público–.

De hecho, el ahorro de tiempo y la relación coste-eficacia suelen ser citados como las principales ventajas de las tecnologías en la auditoría de rendimiento, y el caso de una auditoría medioambiental en la India es un ejemplo paradigmático de ello. Allí, debido a la imposibilidad de acceder sobre el terreno a algunas plantaciones, los auditores se valieron de imágenes de satélite tratadas mediante IA para estimar la altura de los árboles, medir la densidad de las copas e identificar el tipo y la densidad de la vegetación, y fue así como verificaron las aseveraciones en una auditoría medioambiental –con el consiguiente ahorro de tiempo y costes para los auditores, que no tuvieron que desplazarse hasta las plantaciones ni inspeccionarlas físicamente– (Du, 2026). Esta tecnología ha ido evolucionando hacia las tecnologías geoespaciales y los Sistemas de Información Geográfica (SIG), extremadamente valiosos para las auditorías de rendimiento que implican realizar pruebas en proyectos de infraestructura y desarrollo (Almarzooqi, 2021). Los auditores pueden aprovechar las herramientas SIG para visualizar datos espaciales, valorar la ejecución de los proyectos desde el punto de vista topográfico y verificar si las inversiones públicas están en consonancia con los resultados previstos de los proyectos. Constituyen una herramienta sumamente eficaz para evaluar el desempeño en proyectos gubernamentales financiados con el dinero de los contribuyentes, así como para comprobar si los costes y gastos de un proyecto se ajustan a los planes aprobados y los recursos se emplean con eficiencia (Abdulajabbae et al., 2025).

Otro ámbito tecnológico relevante y debatido ampliamente en las revistas especializadas de auditoría lo configuran el análisis de datos en tiempo real y el potencial de la tecnología blockchain. Según un estudio sobre los análisis en tiempo real, existen cada vez más gobiernos que apuestan por las infraestructuras en la nube, sistemas de contratación pública electrónica, plataformas de tesorería y redes digitales, por lo que se están generando unos flujos de datos transaccionales constantes (Koulantzis, 2025). Los auditores pueden incorporar estos flujos de datos a motores analíticos que permiten monitorear las actividades y los movimientos correspondientes en tiempo real. Esto resulta especialmente valioso para la gestión de las finanzas públicas, puesto que la identificación inmediata de anomalías puede parar la malversación de recursos públicos antes de que se produzcan daños graves. Al facilitar una reacción rápida de los responsables ante los riesgos descubiertos, la auditoría en tiempo real también fomenta una mayor responsabilidad. Algo que es de especial relevancia para la auditoría de rendimiento, ya que su alcance es mucho más amplio que el de las auditorías financieras. Su objetivo final es verificar la integridad de una organización en el cumplimiento de las metas que se ha fijado y, en el caso de organismos públicos que manejan recursos de los ciudadanos, es una necesidad imperiosa contar con sistemas de auditoría capaces de detectar anomalías a tiempo y evitar un posible uso indebido de esos fondos públicos (Sofyani et al., 2026).

Por otra parte, la tecnología blockchain también ha influido considerablemente en la introducción de innovaciones en las prácticas de auditoría. Los auditores pueden usar la blockchain para verificar la autenticidad de transacciones, monitorear las actividades de la cadena de suministro y evaluar el cumplimiento de obligaciones contractuales (Morgan, 2024). En particular, el denominado contrato inteligente (smart contract) parece tener un gran potencial para la auditoría de rendimiento, ya que estos programas reconocen cuando se cumplen las condiciones subyacentes de un contrato, por lo que disminuye la probabilidad de manipulación manual de los importes contractuales o de distorsión de los resultados financieros (Larikova et al., 2023). Los contratos inteligentes proporcionan a los auditores un mayor grado de transparencia sobre la evidencia digital y permiten visualizar las pistas de auditoría. Esto simplifica, a su vez, la evaluación del rendimiento y la obtención de pruebas del cumplimiento. 

Otra herramienta importante es el análisis predictivo, que los auditores de rendimiento ya emplean para verificar los supuestos aplicados para la presupuestación de los ingresos y gastos públicos. La modelización predictiva permite determinar posibles sobrecostes, fallos operativos, desviaciones previsibles en las cuentas, así como las áreas más propensas a un rendimiento inferior al esperado, basándose en el rendimiento histórico y en futuras variaciones de precios (Govekar, 2025). Los auditores pueden aprovechar estas herramientas para efectuar análisis comparativos e identificar indicadores de mercado, como son los precios u otros índices de competencia, y compararlos con los de su cliente para juzgar la razonabilidad de sus estimaciones. De este modo, también es posible detectar holguras presupuestarias o sobreestimaciones, lo que evitará la asignación inadecuada de recursos públicos.

Gracias a todo ello, los auditores tienen acceso a una información multidisciplinar, que incluye cuestiones como el cambio climático, los efectos de la sostenibilidad, las fluctuaciones de los precios de mercado o los riesgos de ciberseguridad, y que puede integrarse en las auditorías de rendimiento mediante técnicas de análisis de datos impulsadas por la IA. La auditoría de rendimiento está transformándose en un método más ágil que apuesta por la flexibilidad, la adaptabilidad y la participación continua de las partes interesadas. Los ciclos de auditoría son cada vez más cortos, pero también más efectivos, gracias a una planificación y ejecución basadas en datos que han mejorado la precisión y el volumen de las pruebas de auditoría y han proporcionado una pericia multifacética a los auditores de rendimiento. Con todo, organizaciones como la INTOSAI y la OCDE siguen recordando que las técnicas de auditoría innovadoras basadas en la IA o en los datos deberían ir acompañadas de marcos de gobernanza fuertes, una supervisión ética y un criterio profesional, porque los algoritmos también son propensos a cometer errores y a ser manipulados (OCDE, 2026). Pero, a pesar de sus retos, las tecnologías emergentes siguen redefiniendo el modo de llevar a cabo las auditorías de rendimiento en todo el mundo, y los auditores las están incorporando cada vez más para optimizar la detección de errores y la identificación de fraudes –sobre la base de una valoración objetiva de la evidencia digital y con el fin último de reforzar las estructuras de gobernanza y mejorar la transparencia–. 

Referencias

1. Abduljabbar, H, Abdullah, W.M, Bazool, S & Muhsin, A. (2025). AI-Driven Environmental Impact Assessments: Ethical and Legal Considerations (Valoraciones de impacto medioambiental impulsadas por la IA: consideraciones éticas y legales). Environment and Social Psychology. Vol. 10(12). DOI:10.59429/esp.v10i12.3994
2. Agostino, D., Lourenço, R., Jorge, S., Bracci, E., & Cruz, I. (2025). Data science and public sector accounting: Reviewing impacts on reporting, auditing, and accountability practices (La ciencia de datos y la contabilidad del sector público: análisis de las repercusiones en las prácticas de información, auditoría y rendición de cuentas). Public Money & Management, 1-10.
3. Almarzooqi, S. A. (2021). Tecnologías prometedoras para el futuro del trabajo de auditoría del sector público. Revista Internacional de Auditoría Gubernamental – INTOSAI. http://doi.org/10.56251/XGFF4914
4. ANAO. (2021). Using data analytics for risk-based performance audit planning. Case Study (Uso del análisis de datos para la planificación de auditorías de rendimiento basada en riesgos. Estudio de caso). https://www.anao.gov.au/work/speeches-and-papers/using-data-analytics-risk-based-performance-audit-planning
5. Basuki, F. H., Atarwaman, R. J., & Layn, Y. Y. (2025). Big Data Analytics In Public Sector Audit: Transforming Risk Assessment And Fraud Detection (El análisis del big data en la auditoría pública: la transformación de la valoración de riesgos y la detección del fraude). INTERNATIONAL JOURNAL OF FINANCIAL ECONOMICS, 2(3), 986-1002.
6. Du, J. (2026). El uso de las técnicas de Inteligencia Artificial en la auditoría. Q2 2026. Revista Internacional de Auditoría Gubernamental – INTOSAI. https://intosaijournal.org/journal-entry/the-use-of-artificial-intelligence-techniques-in-auditing/?utm_source=chatgpt.com
7. Govekar, M. C. (2025). The Impact of Artificial Intelligence (AI) and Data Analytics on Internal Audit Efficiency (El impacto de la inteligencia artificial (IA) y del análisis de datos en la eficiencia de la auditoría interna). Multidisciplinary Research in Arts, Science & Commerce (Volume-23), 35.
8. Koulantzis, E. (2025). El aprovechamiento del análisis en tiempo real para la rendición de cuentas pública: la evolución digital de las Entidades Fiscalizadoras Superiores. Q3 2025. Revista Internacional de Auditoría Gubernamental – INTOSAI. http://doi.org/10.56251/RLYG9322
9. Larikova, T., Ivankov, V A., & Novichenko, L. (2023). Implementation of blockchain technology in the system of accounting and analytical support for the public sector (Implementación de la tecnología blockchain en el sistema de apoyo contable y analítico del sector público). Eastern-European Journal of Enterprise Technologies, 125(13).
10. Morgan, I. (2024). New auditing perspectives for a blockchain-based accounting system in the public sector (Nuevas perspectivas de auditoría para un sistema contable basado en la blockchain en el sector público). En: Continuous Auditing with AI in the Public Sector (pp. 30-46). CRC Press.
11. OCDE. (2026). The state of artificial intelligence in public audit (El estado actual de la inteligencia artificial en la auditoría pública). OECD. https://read.oecd-ilibrary.org/en/publications/the-state-of-artificial-intelligence-in-public-audit_f4a6c658-en.html?utm_source=chatgpt.com
12. Singh, T., Gupta, S. Satakshi, Kumar, M. (2023). Performance Analysis and Deployment of Partitioning Strategies in Apache Spark (Análisis del rendimiento y despliegue de estrategias de partición en Apache Spark). Procedia Computer Sciences. Vol 218(2) pp. 594-603
13. Sofyani, H., Amalia, R., Abu Hasan, H., & Saleh, Z. (2026). Big data analytics in enhancing public sector auditing: drivers, benefits and the moderating role of auditor certification (El análisis del big data para mejorar la auditoría del sector público: impulsores, beneficios y el papel moderador de la certificación del auditor). Journal of Accounting in Emerging Economies, 16(1), 31-50.