{"id":21512,"date":"2023-10-19T08:04:00","date_gmt":"2023-10-19T12:04:00","guid":{"rendered":"https:\/\/intosaijournal.org\/?post_type=journal-entry&p=21512"},"modified":"2023-10-29T22:29:05","modified_gmt":"2023-10-30T02:29:05","slug":"evolution-and-applications-of-artificial-intelligence-in-sais","status":"publish","type":"journal-entry","link":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","title":{"rendered":"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS"},"content":{"rendered":"\n

Autores: <\/strong>Diego Oliveira Farias (oliveiraf@tcu.gov.br<\/a>); Eric Hans Messias da Silva (erichm@tcu.gov.br<\/a>);  Erick Muzart Fonseca dos Santo (erickmf@tcu.gov.br<\/a>); Monique Louise de Barros Monteiro (moniquebm@tcu.gov.br<\/a>); Tib\u00e9rio Cesar Jocundo Loureiro (tiberio.loureiro@tcu.gov.br<\/a>)<\/p>\n\n\n\n

\u00bfQu\u00e9 es la Inteligencia Artificial?<\/strong><\/h2>\n\n\n\n

A lo largo del tiempo, se han dado muchas definiciones al t\u00e9rmino Inteligencia Artificial (IA), y la asociaci\u00f3n del t\u00e9rmino con otros, como aprendizaje autom\u00e1tico y aprendizaje profundo, ha dado lugar a dificultades para una mejor comprensi\u00f3n del tema.<\/p>\n\n\n\n

El aspecto artificial de la IA es relativamente sencillo. Se refiere a cualquier cosa no natural creada por humanos. El uso de t\u00e9rminos como m\u00e1quinas, ordenadores o sistemas tambi\u00e9n puede representarla. La inteligencia, sin embargo, es un concepto mucho m\u00e1s amplio y cuestionado, lo que explica por qu\u00e9 a\u00fan no se ha llegado a un acuerdo para definir la IA (Miaihle y Hodes, 2017).<\/p>\n\n\n\n

La IA puede definirse como el uso de la tecnolog\u00eda digital para crear sistemas capaces de llevar a cabo tareas que normalmente se considera que requieren Inteligencia.<\/p>\n\n\n\n

En este contexto, podemos mencionar la definici\u00f3n de la Organizaci\u00f3n para la Cooperaci\u00f3n y el Desarrollo Econ\u00f3micos (OCDE), que considera la IA como un sistema basado en una m\u00e1quina que puede, para un conjunto espec\u00edfico de objetivos definidos por humanos, hacer predicciones, recomendaciones o decisiones que influyen en entornos reales o virtuales.<\/p>\n\n\n\n

La IA actual consiste principalmente en m\u00e1quinas que utilizan la estad\u00edstica para encontrar patrones en grandes cantidades de datos y realizar tareas repetitivas sin necesidad de una gu\u00eda humana constante. As\u00ed pues, la IA no tiene nada que ver con una soluci\u00f3n tecnol\u00f3gica aplicada a todos los casos, ya que por lo general s\u00f3lo ofrece un buen rendimiento con datos significativos, pertinentes y de alta calidad.<\/p>\n\n\n\n

Redes neuronales artificiales<\/strong><\/h2>\n\n\n\n

Los algoritmos tradicionales de aprendizaje autom\u00e1tico se basan en gran medida en la representaci\u00f3n de los datos para crear relaciones entre ellos y las predicciones a las que pueden conducir. Por ejemplo, consideremos la diferencia entre un sistema de diagn\u00f3stico que depende de la informaci\u00f3n sobre el paciente que le proporciona un m\u00e9dico (por ejemplo, la interfaz cerebro-m\u00e1quina: IMC, grupo sangu\u00edneo, nivel de glucosa en sangre) para proponer un diagn\u00f3stico y un sistema capaz de identificar tumores a partir de una imagen radiogr\u00e1fica. Mientras que los algoritmos tradicionales pueden extraer correlaciones entre el primer grupo de informaci\u00f3n proporcionada por el m\u00e9dico, denominada caracter\u00edsticas o atributos, y un posible diagn\u00f3stico, en el segundo ejemplo, estos sistemas tienen limitaciones a la hora de analizar datos no estructurados como las im\u00e1genes, ya que no pueden extraer el significado de un simple conjunto de p\u00edxeles.<\/p>\n\n\n\n

Una soluci\u00f3n a este problema es utilizar t\u00e9cnicas para aprender las relaciones entre los atributos y la salida (predicci\u00f3n) y la mejor forma de representar los datos de entrada.<\/p>\n\n\n\n

En este contexto, destaca la t\u00e9cnica del aprendizaje por transferencia. Se emplea cada vez m\u00e1s, especialmente en visi\u00f3n por ordenador y procesamiento del lenguaje natural (PLN), donde el conocimiento adquirido por un modelo preentrenado en un dominio\/tarea espec\u00edfico se “transfiere” a otro dominio\/tarea. Esto permite “democratizar” el uso de modelos de IA, ya que se pueden entrenar nuevos modelos con s\u00f3lo una fracci\u00f3n de los datos y recursos computacionales que se utilizar\u00edan si hubiera que ense\u00f1ar un modelo “desde cero”. El aprendizaje por transferencia se inspira en c\u00f3mo aprenden los humanos, ya que rara vez aprendemos algo desde cero, sino que a menudo lo hacemos por analog\u00eda, incorporando la experiencia adquirida previamente a nuevos contextos.<\/p>\n\n\n\n

No cabe duda de que las arquitecturas y estrategias de entrenamiento de redes neuronales adoptadas en los \u00faltimos a\u00f1os han dado lugar a avances considerables en tareas como la traducci\u00f3n de textos, la respuesta a preguntas y los chatbots, incluso en tareas entrenadas desde cero. Sin embargo, los cambios significativos en la distribuci\u00f3n muestral de los datos provocaron una degradaci\u00f3n del rendimiento, lo que indica que los modelos se hab\u00edan especializado en rendir bien solo con entradas espec\u00edficas (por ejemplo, idiomas o tipos de texto concretos).<\/p>\n\n\n\n

Quedan retos por superar para lenguas menos populares que el ingl\u00e9s o incluso para tareas m\u00e1s espec\u00edficas o inexploradas. En el caso de las lenguas, existe un problema con las lenguas menos habladas que tienen una disponibilidad limitada de corpus etiquetados para entrenar modelos de PNL.<\/p>\n\n\n\n

En la d\u00e9cada de 1960, el primer paso hacia el aprendizaje por transferencia fue utilizar espacios vectoriales para representar palabras como vectores num\u00e9ricos. A mediados de la d\u00e9cada de 2010, se introdujeron modelos como word2vec, sent2vec y doc2vec. Estos modelos se entrenaron para expresar palabras, frases y documentos en espacios vectoriales de forma que la distancia entre vectores estuviera relacionada con la diferencia de significado entre las entidades correspondientes. El objetivo del entrenamiento era asociar el significado de una palabra con su contexto, es decir, las palabras adyacentes en el texto, lo que representa un ejemplo de aprendizaje no supervisado.<\/p>\n\n\n\n

Una vez que las palabras, frases o p\u00e1rrafos se representan como vectores, es posible utilizar algoritmos de clasificaci\u00f3n o agrupaci\u00f3n, en los que los datos de entrada se representan como puntos en un espacio vectorial. Por ejemplo, en el caso de la clasificaci\u00f3n, se trata de un enfoque semisupervisado, ya que la tarea de clasificaci\u00f3n est\u00e1 supervisada, pero la representaci\u00f3n de los datos de entrada se obtuvo de forma no supervisada sin dejar de incorporar la sem\u00e1ntica textual.<\/p>\n\n\n\n

Posteriormente, la vectorizaci\u00f3n a nivel de caracteres empez\u00f3 a utilizarse para tratar palabras que no aparec\u00edan en el vocabulario inicial (por ejemplo, palabras nuevas, argot, emojis, extranjerismos o nombres de personas).<\/p>\n\n\n\n

Esta descripci\u00f3n puede entenderse como una forma temprana de aprendizaje de transferencia, ya que el modelo de vectorizaci\u00f3n preentrenado ya puede incrustar un cierto nivel de sem\u00e1ntica o significado a las palabras, frases, etc.<\/p>\n\n\n\n

En 2018, se produjo una verdadera revoluci\u00f3n en el campo de la PNL cuando los investigadores comenzaron a aplicar el aprendizaje de transferencia a un nivel m\u00e1s abstracto, proporcionando no solo modelos de vectorizaci\u00f3n preentrenados, sino redes neuronales enteras preentrenadas en tareas gen\u00e9ricas no supervisadas a un nivel superior. Algunos ejemplos son las redes neuronales que implementan modelos ling\u00fc\u00edsticos, modelos estad\u00edsticos entrenados para predecir la siguiente palabra o conjunto de palabras dados los t\u00e9rminos anteriores. A trav\u00e9s de un proceso conocido como ajuste fino, se puede tomar uno de estos modelos preentrenados y realizar un breve entrenamiento adicional centrado en optimizar el modelo para la tarea espec\u00edfica a entrenar, ajustando los pesos de la red. Este movimiento se conoce incluso como el “momento ImageNet”, a prop\u00f3sito del uso generalizado de redes neuronales preentrenadas en la base de datos ImageNet para diversas aplicaciones en visi\u00f3n por computador.<\/p>\n\n\n\n

El OpenAI Generative Pretrained Transformer (GPT) destaca entre las innovaciones pioneras en aprendizaje de transferencia para PNL. Se basa en el modelo de red neuronal denominado Transformer (Vaswani et al, 2017), que permite un mayor paralelismo y rendimiento en comparaci\u00f3n con arquitecturas anteriores que carec\u00edan del mismo grado de paralelismo y ten\u00edan dificultades para tratar textos largos. En su formulaci\u00f3n m\u00e1s reciente – GPT-4 – es capaz de generar autom\u00e1ticamente textos realistas, similares a los escritos por humanos.<\/p>\n\n\n\n

ChatGPT, grandes modelos ling\u00fc\u00edsticos e IA generativa<\/strong><\/h2>\n\n\n\n

En noviembre de 2022, se lanz\u00f3 OpenAI ChatGPT, llevando a la Inteligencia Artificial a una nueva etapa: en pocos d\u00edas, el chatbot se convirti\u00f3 en el logro m\u00e1s famoso de la historia reciente de la tecnolog\u00eda debido a sus impresionantes capacidades de comprensi\u00f3n y generaci\u00f3n de textos.
A pesar de su “inteligencia” y popularidad, el n\u00facleo de ChatGPT se basa en una vieja t\u00e9cnica: el modelado del lenguaje. En una definici\u00f3n sencilla, el modelado del lenguaje se ocupa de utilizar modelos estad\u00edsticos para predecir las secuencias de palabras m\u00e1s comunes en un idioma. Por tanto, no son m\u00e1s que modelos capaces de predecir la siguiente palabra m\u00e1s probable dada una serie de palabras. Cada elemento predicho por el modelo puede reutilizarse para predecir otra palabra, y as\u00ed contin\u00faa este proceso hasta obtener p\u00e1rrafos y textos completos.<\/p>\n\n\n\n

En los \u00faltimos a\u00f1os, los investigadores han empezado a utilizar modelos ling\u00fc\u00edsticos neuronales. En t\u00e9rminos sencillos, se trata de modelos ling\u00fc\u00edsticos implementados como redes neuronales. Supongamos que disponemos de un enorme conjunto de datos de textos. En ese caso, podemos utilizarlo para entrenar una red neuronal cuyo objetivo de optimizaci\u00f3n es generar la palabra m\u00e1s probable a partir de la secuencia de palabras que se le ha dado hasta la iteraci\u00f3n actual. Esta idea se implement\u00f3 inicialmente con redes neuronales recurrentes. Aun as\u00ed, en 2018, la arquitectura Transformer -una nueva familia de modelos basada en modelos de atenci\u00f3n y redes neuronales feed-forward- demostr\u00f3 resultados a\u00fan mejores.<\/p>\n\n\n\n

Despu\u00e9s, a medida que el n\u00famero de par\u00e1metros de estos modelos neuronales aumentaba de millones a miles o billones, pasaron a denominarse grandes modelos ling\u00fc\u00edsticos.<\/p>\n\n\n\n

Una ventaja significativa del entrenamiento de modelos ling\u00fc\u00edsticos proviene del conjunto de datos: no es necesario que sea etiquetado por humanos. Esto ocurre porque, si tenemos un corpus de textos, ya est\u00e1 “anotado” en el sentido de que siempre conocemos la siguiente palabra. Las etiquetas ya est\u00e1n ah\u00ed, incluso en entornos con objetivos de optimizaci\u00f3n ligeramente diferentes (por ejemplo, enmascarar algunas palabras y entrenar el modelo para predecir las palabras enmascaradas). Esta t\u00e9cnica se denomina autosupervisi\u00f3n, pero tambi\u00e9n puede considerarse un tipo de aprendizaje no supervisado (al menos desde el punto de vista de los anotadores humanos).<\/p>\n\n\n\n

Actualmente no disponemos de muchos detalles sobre el funcionamiento interno de ChatGPT: s\u00f3lo sabemos que utiliza t\u00e9cnicas adicionales del aprendizaje por refuerzo, adem\u00e1s del modelado ling\u00fc\u00edstico tradicional. Sin embargo, gracias a su aparici\u00f3n se han lanzado varios modelos ling\u00fc\u00edsticos de c\u00f3digo abierto muy h\u00e1biles. Estos modelos resultan especialmente interesantes para los investigadores y las instituciones gubernamentales porque son econ\u00f3micos en comparaci\u00f3n con los modelos OpenAI Adem\u00e1s, poseemos un control total sobre el modelo, lo que nos permite personalizarlo en funci\u00f3n de nuestras necesidades (por ejemplo, la comprensi\u00f3n de textos jur\u00eddicos).<\/p>\n\n\n\n

Por \u00faltimo, en el Tribunal Federal de Cuentas de Brasil (TCU), lanzamos una herramienta basada en ChatGPT llamada ChatTCU. La versi\u00f3n actual es una envoltura segura sobre el modelo OpenAI subyacente, ya que permite a los auditores traficar mensajes de forma segura sin enviar datos clasificados a OpenAI. En futuras versiones, ampliaremos las funciones de ChatTCU con datos relacionados con la jurisprudencia del TCU, adem\u00e1s de otros datos p\u00fablicos o no p\u00fablicos propiedad de la instituci\u00f3n.<\/p>\n\n\n\n

Conclusiones<\/strong><\/h2>\n\n\n\n

La incorporaci\u00f3n de la IA a la actividad fiscalizadora ofrece a las EFS una oportunidad \u00fanica para mejorar la eficacia y eficiencia de sus operaciones. A trav\u00e9s del an\u00e1lisis automatizado de grandes vol\u00famenes de datos, la IA puede identificar patrones complejos, anomal\u00edas y tendencias en tiempo real, proporcionando valiosos conocimientos a los auditores. Adem\u00e1s, la IA puede agilizar los procesos de revisi\u00f3n y an\u00e1lisis, reduciendo significativamente el tiempo necesario para realizar una auditor\u00eda completa. Al liberar a los profesionales de la auditor\u00eda de tareas rutinarias y repetitivas, la IA les permite centrar su experiencia en el an\u00e1lisis de alto nivel y la toma de decisiones estrat\u00e9gicas. Por \u00faltimo, con el uso de la IA, las EFS pueden reforzar la precisi\u00f3n, exhaustividad y fiabilidad de sus actividades de auditor\u00eda, fortaleciendo as\u00ed la confianza p\u00fablica en las instituciones financieras y los organismos auditados.<\/p>\n","protected":false},"excerpt":{"rendered":"

A lo largo del tiempo, se han dado muchas definiciones al t\u00e9rmino Inteligencia Artificial (IA), y la asociaci\u00f3n del t\u00e9rmino con otros, como aprendizaje autom\u00e1tico y aprendizaje profundo, ha dado lugar a dificultades para una mejor comprensi\u00f3n del tema.<\/p>\n","protected":false},"author":172,"featured_media":21496,"template":"","meta":{"_acf_changed":false,"footnotes":""},"journal-categories":[3589],"content-tags":[947,1125,1207],"country":[2899],"region":[2872],"section":[932],"coauthors":[3570,3571,3572,3574,3573],"class_list":["post-21512","journal-entry","type-journal-entry","status-publish","has-post-thumbnail","hentry","journal-categories-q2-2023-es","content-tags-artificial-intelligence-es","content-tags-it-audit-es","content-tags-science-and-technology-es","country-brazil-5-es","region-olacefs-de-es","section-featured-articles-es"],"acf":[],"yoast_head":"\nEvoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS - INTOSAI Journal<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS - INTOSAI Journal\" \/>\n<meta property=\"og:description\" content=\"A lo largo del tiempo, se han dado muchas definiciones al t\u00e9rmino Inteligencia Artificial (IA), y la asociaci\u00f3n del t\u00e9rmino con otros, como aprendizaje autom\u00e1tico y aprendizaje profundo, ha dado lugar a dificultades para una mejor comprensi\u00f3n del tema.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\" \/>\n<meta property=\"og:site_name\" content=\"INTOSAI Journal\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T02:29:05+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\" \/>\n\t<meta property=\"og:image:width\" content=\"663\" \/>\n\t<meta property=\"og:image:height\" content=\"440\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:site\" content=\"@intosaijournal\" \/>\n<meta name=\"twitter:label1\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data1\" content=\"9 minutes\" \/>\n\t<meta name=\"twitter:label2\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data2\" content=\"Diego Oliveira Farias, Eric Hans Messias da Silva, Erick Muzart Fonseca dos Santo, Monique Louise de Barros Monteiro, Tib\u00e9rio Cesar Jocundo Loureiro\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\",\"url\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\",\"name\":\"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS - INTOSAI Journal\",\"isPartOf\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\",\"datePublished\":\"2023-10-19T12:04:00+00:00\",\"dateModified\":\"2023-10-30T02:29:05+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb\"},\"inLanguage\":\"es-ES\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es-ES\",\"@id\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage\",\"url\":\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\",\"contentUrl\":\"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png\",\"width\":663,\"height\":440,\"caption\":\"Source: Adobe Stock Images,\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/intosaijournal.org\/es\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#website\",\"url\":\"https:\/\/intosaijournal.org\/fr\/\",\"name\":\"INTOSAI Journal\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/intosaijournal.org\/fr\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es-ES\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#organization\",\"name\":\"INTOSAI Journal\",\"url\":\"https:\/\/intosaijournal.org\/fr\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es-ES\",\"@id\":\"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png\",\"contentUrl\":\"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png\",\"width\":736,\"height\":122,\"caption\":\"INTOSAI Journal\"},\"image\":{\"@id\":\"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/x.com\/intosaijournal\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS - INTOSAI Journal","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","og_locale":"es_ES","og_type":"article","og_title":"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS - INTOSAI Journal","og_description":"A lo largo del tiempo, se han dado muchas definiciones al t\u00e9rmino Inteligencia Artificial (IA), y la asociaci\u00f3n del t\u00e9rmino con otros, como aprendizaje autom\u00e1tico y aprendizaje profundo, ha dado lugar a dificultades para una mejor comprensi\u00f3n del tema.","og_url":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","og_site_name":"INTOSAI Journal","article_modified_time":"2023-10-30T02:29:05+00:00","og_image":[{"width":663,"height":440,"url":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_site":"@intosaijournal","twitter_misc":{"Est. reading time":"9 minutes","Written by":"Diego Oliveira Farias, Eric Hans Messias da Silva, Erick Muzart Fonseca dos Santo, Monique Louise de Barros Monteiro, Tib\u00e9rio Cesar Jocundo Loureiro"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","url":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/","name":"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS - INTOSAI Journal","isPartOf":{"@id":"https:\/\/intosaijournal.org\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage"},"image":{"@id":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage"},"thumbnailUrl":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","datePublished":"2023-10-19T12:04:00+00:00","dateModified":"2023-10-30T02:29:05+00:00","breadcrumb":{"@id":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb"},"inLanguage":"es-ES","potentialAction":[{"@type":"ReadAction","target":["https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/"]}]},{"@type":"ImageObject","inLanguage":"es-ES","@id":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#primaryimage","url":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","contentUrl":"https:\/\/intosaijournal.org\/wp-content\/uploads\/2023\/10\/AI.png","width":663,"height":440,"caption":"Source: Adobe Stock Images,"},{"@type":"BreadcrumbList","@id":"https:\/\/intosaijournal.org\/es\/journal-entry\/evolution-and-applications-of-artificial-intelligence-in-sais\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/intosaijournal.org\/es\/"},{"@type":"ListItem","position":2,"name":"Evoluci\u00f3n y aplicaciones de la inteligencia artificial en las EFS"}]},{"@type":"WebSite","@id":"https:\/\/intosaijournal.org\/fr\/#website","url":"https:\/\/intosaijournal.org\/fr\/","name":"INTOSAI Journal","description":"","publisher":{"@id":"https:\/\/intosaijournal.org\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/intosaijournal.org\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es-ES"},{"@type":"Organization","@id":"https:\/\/intosaijournal.org\/fr\/#organization","name":"INTOSAI Journal","url":"https:\/\/intosaijournal.org\/fr\/","logo":{"@type":"ImageObject","inLanguage":"es-ES","@id":"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png","contentUrl":"https:\/\/intosai.nclud.com\/wp-content\/uploads\/2023\/04\/logo.png","width":736,"height":122,"caption":"INTOSAI Journal"},"image":{"@id":"https:\/\/intosaijournal.org\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/intosaijournal"]}]}},"_links":{"self":[{"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry\/21512","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry"}],"about":[{"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/types\/journal-entry"}],"author":[{"embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/users\/172"}],"version-history":[{"count":2,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry\/21512\/revisions"}],"predecessor-version":[{"id":22345,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-entry\/21512\/revisions\/22345"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/media\/21496"}],"wp:attachment":[{"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/media?parent=21512"}],"wp:term":[{"taxonomy":"journal-categories","embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/journal-categories?post=21512"},{"taxonomy":"content-tags","embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/content-tags?post=21512"},{"taxonomy":"country","embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/country?post=21512"},{"taxonomy":"region","embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/region?post=21512"},{"taxonomy":"section","embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/section?post=21512"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/intosaijournal.org\/es\/wp-json\/wp\/v2\/coauthors?post=21512"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}