{"id":44211,"date":"2026-09-21T15:30:13","date_gmt":"2026-09-21T19:30:13","guid":{"rendered":"https:\/\/intosaijournal.org\/journal-entry\/preparing-for-a-digital-audit-workforce-lessons-learned-from-applying-agentic-ai-at-the-swiss-federal-audit-office\/"},"modified":"2026-10-22T13:55:49","modified_gmt":"2026-10-22T17:55:49","slug":"preparing-for-a-digital-audit-workforce-lessons-learned-from-applying-agentic-ai-at-the-swiss-federal-audit-office","status":"publish","type":"journal-entry","link":"https:\/\/intosaijournal.org\/es\/journal-entry\/preparing-for-a-digital-audit-workforce-lessons-learned-from-applying-agentic-ai-at-the-swiss-federal-audit-office\/","title":{"rendered":"Preparaci\u00f3n para el personal de auditor\u00eda digital: ense\u00f1anzas extra\u00eddas de la aplicaci\u00f3n de la IA ag\u00e9ntica en la Oficina Federal de Auditor\u00eda de Suiza\u00a0"},"content":{"rendered":"\n

Autores: Orlando Willig<\/strong>, (orlando.willig@efk.admin.ch<\/a>) y Marco Schreyer<\/strong>, Oficina Federal de Auditor\u00eda de Suiza (SFAO), Berna, Suiza (marco.schreyer@efk.admin.ch<\/a>)<\/p>\n\n\n\n

1. Un salto tecnol\u00f3gico en la auditor\u00eda p\u00fablica<\/strong><\/h2>\n\n\n\n

La integraci\u00f3n de la inteligencia artificial (IA) en el sector p\u00fablico ha llegado a un punto en el que las Entidades Fiscalizadoras Superiores (EFS) ya no pueden seguir trat\u00e1ndola como un tema ajeno o experimental. Las aplicaciones emergentes de la IA ag\u00e9ntica est\u00e1n empezando a transformar el trabajo de los profesionales que prov\u00e9n servicios basados en el conocimiento, lo que incluye a los auditores. El ritmo de los avances, impulsados tanto por su adopci\u00f3n comercial en el sector privado como por la r\u00e1pida evoluci\u00f3n de los est\u00e1ndares t\u00e9cnicos abiertos, est\u00e1 haciendo que estas tecnolog\u00edas sean relevantes para la auditor\u00eda p\u00fablica ahora mismo, y no en alg\u00fan momento del futuro.<\/p>\n\n\n\n

Algunas se\u00f1ales recientes desde el sector privado ilustran la magnitud de este salto: las \u00abBig Four\u00bb, las cuatro firmas de auditor\u00eda y consultor\u00eda m\u00e1s importantes del mundo, estiman que, para 20291<\/a><\/sup>, agentes de IA desempe\u00f1ar\u00e1n entre el 20 y el 30 por ciento de una auditor\u00eda financiera t\u00edpica. Aunque las EFS operan bajo mandatos muy diferentes, la curva tecnol\u00f3gica subyacente es la misma para todas ellas \u2013y unas medidas de redistribuci\u00f3n de esta magnitud redefinir\u00edan sustancialmente la naturaleza del trabajo de auditor\u00eda\u2013. <\/p>\n\n\n\n

El presente art\u00edculo se basa en las primeras experiencias de la Oficina Federal de Auditor\u00eda de Suiza (SFAO) con el despliegue de la IA ag\u00e9ntica en diferentes entornos de auditor\u00eda, incluidas las auditor\u00edas de rendimiento. Formula una serie de consideraciones que merecen la atenci\u00f3n de las EFS, independientemente de su grado de madurez t\u00e9cnica actual, y esboza la direcci\u00f3n en la que est\u00e1 evolucionando la arquitectura subyacente. El mensaje central es que las EFS no van a poder comprender lo que es la IA ag\u00e9ntica desde fuera. Trabajar con ella en la pr\u00e1ctica \u2013a trav\u00e9s de proyectos de peque\u00f1o alcance y bien definidos, y bajo acuerdos adecuados de protecci\u00f3n de datos y gobernanza\u2013: esa es la forma m\u00e1s segura de desarrollar los conocimientos institucionales requeridos para un uso responsable de la tecnolog\u00eda y seg\u00fan los t\u00e9rminos individuales de cada EFS.<\/p>\n\n\n\n

2. Del chatbot al agente: un salto estructural<\/strong><\/h2>\n\n\n\n

La diferencia entre la inteligencia artificial generativa y la ag\u00e9ntica es estructural, no meramente gradual. Mientras que la IA generativa responde a prompts (indicaciones), los sistemas ag\u00e9nticos<\/em> operan de forma aut\u00f3noma para alcanzar unos objetivos definidos a lo largo de unos per\u00edodos prolongados2<\/a><\/sup>, combinando herramientas, memoria y planificaci\u00f3n para descomponer las tareas complejas, acceder a fuentes de datos externas y refinar sus productos bas\u00e1ndose en resultados intermedios.3<\/a><\/sup> 4<\/a><\/sup> 5<\/a><\/sup> 6<\/a><\/sup> 7<\/a><\/sup>   Para la auditor\u00eda de rendimiento, este salto estructural es particularmente significativo, puesto que las auditor\u00edas de rendimiento son, por su propia naturaleza, iterativas, se nutren de m\u00faltiples fuentes y se fundamentan en el criterio profesional.8<\/a><\/sup> Es decir, que requiere precisamente el tipo de recuperaci\u00f3n de informaci\u00f3n entre distintos sistemas y esa s\u00edntesis de evidencias9<\/a><\/sup> para las que las arquitecturas ag\u00e9nticas est\u00e1n dise\u00f1adas espec\u00edficamente (v\u00e9ase la figura 1).<\/p>\n\n\n\n

\"\"
Figura 1: IA generativa frente a IA agencial: arquitectura de un agente de auditor\u00eda basado en IA que combina el uso de herramientas, la memoria y la planificaci\u00f3n. Fuente: Oficina Federal de Auditor\u00eda de Suiza (SFAO)<\/figcaption><\/figure>\n\n\n\n

3. Experiencias iniciales de la Oficina Federal de Auditor\u00eda de Suiza<\/strong><\/h2>\n\n\n\n

En la SFAO, los primeros trabajos con la IA ag\u00e9ntica se concentraron en situaciones de auditor\u00eda concretas, m\u00e1s que en la experimentaci\u00f3n abstracta. Nuestro objetivo fue entender c\u00f3mo se comportaban los agentes al aplicarlos a las tareas esenciales de una auditor\u00eda, es decir: preparar entrevistas, revisar informes, comparar informaci\u00f3n y estructurar hallazgos. Hubo tres \u00e1mbitos en los que resultaron particularmente instructivos: para la preparaci\u00f3n de entrevistas, para el aseguramiento de la calidad de los informes de auditor\u00eda y para la colaboraci\u00f3n entre multitud de agentes en los flujos de trabajo de auditor\u00eda (v\u00e9ase tambi\u00e9n la figura 2).<\/p>\n\n\n\n

3.1 IA ag\u00e9ntica para la preparaci\u00f3n de entrevistas<\/strong><\/h3>\n\n\n\n

Un primer prototipo se centr\u00f3 en apoyar la preparaci\u00f3n de una reuni\u00f3n de seguimiento sobre un encargo de auditor\u00eda. Mediante una configuraci\u00f3n ag\u00e9ntica conectada a una base de datos de auditor\u00eda y a un conjunto de documentos del caso, el agente revis\u00f3 los materiales de ambas fuentes, compar\u00f3 la informaci\u00f3n de diferentes partes del expediente de auditor\u00eda, identific\u00f3 incoherencias y produjo una gu\u00eda de entrevista estructurada en la que se especificaban los puntos que requer\u00edan aclaraci\u00f3n y seguimiento. Este prototipo demostr\u00f3 el valor de la IA ag\u00e9ntica para la s\u00edntesis focalizada de materiales de auditor\u00eda heterog\u00e9neos. Una tarea que normalmente habr\u00eda requerido varias horas de revisi\u00f3n manual se complet\u00f3 en cuesti\u00f3n de minutos, aunque eso s\u00ed, el auditor sigui\u00f3 siendo el responsable de valorar la pertinencia, la exactitud y el tono empleado. La ense\u00f1anza extra\u00edda aqu\u00ed no fue que el agente pudiera tomar el relevo en la preparaci\u00f3n de la auditor\u00eda, sino que pod\u00eda acelerar la recuperaci\u00f3n, la comparaci\u00f3n y la estructuraci\u00f3n en apoyo del criterio profesional humano.<\/p>\n\n\n\n

3.2 IA ag\u00e9ntica para el aseguramiento de la calidad de los informes de auditor\u00eda<\/strong><\/h3>\n\n\n\n

Un segundo prototipo estuvo orientado al aseguramiento de la calidad de los informes de auditor\u00eda, concretamente en el apoyo de la revisi\u00f3n final humana de los borradores de informes mediante un flujo de trabajo estructurado y asistido por IA, desde el examen preliminar hasta la aprobaci\u00f3n final. En este contexto, el sistema chequea el lenguaje, la estructura, la coherencia y la calidad editorial en funci\u00f3n de las fases de revisi\u00f3n definidas, las directrices de redacci\u00f3n espec\u00edficas de la SFAO y la normativa federal aplicable. Este prototipo mostr\u00f3 c\u00f3mo la IA ag\u00e9ntica puede contribuir a una parte del trabajo de auditor\u00eda que es esencial, pero que consume mucho tiempo y se suele documentar de forma desigual. Al compararse el texto original con las revisiones propuestas y documentarse los pasos de revisi\u00f3n, las reglas aplicadas, los puntos pendientes y el estado de aprobaci\u00f3n, se logra una mayor transparencia en el proceso de aseguramiento de la calidad. La ense\u00f1anza extra\u00edda fue que la IA ag\u00e9ntica puede ayudar a aplicar las normas institucionales de forma m\u00e1s coherente, siempre y cuando los revisores humanos sigan siendo los responsables de aceptar, rechazar o adaptar los cambios propuestos.<\/p>\n\n\n\n

3.3 IA ag\u00e9ntica para flujos de trabajo de auditor\u00eda con multitud de agentes<\/strong><\/h3>\n\n\n\n

Un tercer prototipo explor\u00f3 las posibilidades de estructurar la IA ag\u00e9ntica no solo como sistema \u00fanico, sino tambi\u00e9n a modo de equipo de agentes que colaboran entre s\u00ed. En esta prueba de concepto, se desplegaron tres agentes secuencialmente, asumiendo cada uno de ellos un rol de auditor\u00eda distinto: un agente \u2018auditor\u2019 para identificar y extraer entidades relevantes de un documento fuente, un agente \u2018auditor de TI\u2019 para cotejar esas entidades con una base de datos de referencia externa, y un agente \u2018auditor principal\u2019 para sintetizar los hallazgos en un informe de auditor\u00eda estructurado. El prototipo demostr\u00f3 que el reparto del trabajo entre agentes pod\u00eda reflejar el reparto de responsabilidades dentro de un equipo de auditor\u00eda humano. Ning\u00fan agente llev\u00f3 a cabo la tarea completa por s\u00ed solo; cada uno de ellos parti\u00f3 de los resultados del anterior, creando puntos de traspaso susceptibles de servir como puntos de control para la revisi\u00f3n humana10<\/a><\/sup>. La ense\u00f1anza extra\u00edda fue de tipo arquitect\u00f3nico: las tareas de auditor\u00eda complejas pueden descomponerse en pasos espec\u00edficos para cada rol, lo que hace los flujos de trabajo ag\u00e9nticos m\u00e1s transparentes, gestionables y compatibles con la supervisi\u00f3n humana.<\/p>\n\n\n\n

\"\"
Figura 2: Tres flujos de trabajo de auditor\u00eda agencial en los que intervienen agentes de IA dise\u00f1ados por la SFAO. Fuente: Oficina Federal de Auditor\u00eda de Suiza (SFAO)<\/figcaption><\/figure>\n\n\n\n

En paralelo, la SFAO prob\u00f3 los agentes en una serie de tareas internas. El valor de estos experimentos reside menos en sus resultados individuales y m\u00e1s en la amplia experiencia pr\u00e1ctica que proporcionan, tanto a efectos de familiarizaci\u00f3n con la tecnolog\u00eda a nivel institucional como de identificaci\u00f3n de los \u00e1mbitos en los que \u00e9sta aporta un valor a\u00f1adido en la pr\u00e1ctica.<\/p>\n\n\n\n

4. Desaf\u00edos y consideraciones a tomar en cuenta por las EFS<\/strong><\/h2>\n\n\n\n

Las experiencias descritas anteriormente plantean una serie de consideraciones que toda EFS deber\u00eda examinar antes de incorporar la IA ag\u00e9ntica a su rutina. La transici\u00f3n de t\u00e9cnicas de auditor\u00eda asistidas por ordenador (CAAT) a la IA ag\u00e9ntica introduce nuevas formas de dependencia t\u00e9cnica y organizacional: los agentes combinan capacidades de recuperaci\u00f3n, validaci\u00f3n, extracci\u00f3n y an\u00e1lisis, y las manejan con un grado de autonom\u00eda que las herramientas de antes no pose\u00edan. Hay cinco desaf\u00edos relacionados entre s\u00ed que revisten especial relevancia11<\/a><\/sup>.<\/p>\n\n\n\n