100 agentes de IA de KPMG auditan mejor que sus propios contables
KPMG UK presentó los resultados de Project Exponential, un ensayo con más de 100 agentes de IA sobre las cuentas de una compañía del FTSE 250.
Cuando los agentes de KPMG preguntan más que el auditor
Una firma de auditoría acaba de publicar un resultado incomómodo para su propia profesión. En un ensayo real sobre las cuentas de una compañía del FTSE 250, un equipo de más de 100 agentes de inteligencia artificial detectó cifras que necesitaban más investigación y formuló preguntas que los auditores humanos no habían planteado. El proyecto, con nombre en clave Project Exponential, se ha dado a conocer a través del Financial Times y lo ha resumido European Business Magazine.
La diferencia con el uso habitual de la IA en las grandes firmas de auditoría es que aquí no se trata de una herramienta que asiste de forma aislada. Los agentes se repartieron el trabajo: recogieron información, la analizaron, documentaron los datos, redactaron conclusiones preliminares y propusieron pasos siguientes. Además se coordinaron entre ellos, como lo haría un equipo junior con un responsable supervisando. La herramienta se desarrolló durante unos cuatro meses, y el resultado fue que la tecnología llegó a áreas donde los humanos no habían llegado.
Conviene leer con pinzas el titular. KPMG fue cuidadoso al distinguir el experimento de una auditoría estatutaria aprobada: un socio firmó la actuación experimental, pero sus hallazgos no se emplearon como base para aprobar las cuentas. El ensayo, además, se hizo sobre una compañía sin nombrar.
El episodio también dejó claro dónde está el límite. Durante el ensayo, un auditor tuvo que intervenir porque uno de los agentes no supo casar correctamente los requisitos regulatorios con la documentación de la compañía. Ese fallo no invalidó el proyecto, pero resume el estado del arte: el sistema es capaz de llegar más lejos que la gente en la fase analítica y, al mismo tiempo, se equivoca de forma silenciosa en el cruce entre norma y documento. Por eso la supervisión humana siguió siendo obligatoria, no decorativa.
Aun así, KPMG tiene previsto ampliar la iniciativa hasta 20 auditorías de mayor tamaño. La propia firma reconoce que la tecnología todavía no está madura suficiente para desplegarse en miles de encargos. El obstáculo que más se repite no es el modelo, sino los datos: hay empresas que no tienen la información limpia y estructurada que necesitan los agentes para trabajar bien.
El experimento apunta a un cambio en el modelo de negocio de las Big Four. La auditoría tradicional se apoya en equipos grandes de contables junior que hacen trabajo repetitivo y detallado, bajo la supervisión de managers y socios con más experiencia. Los agentes ofrecen un modelo operativo distinto: automatizan buena parte de la recolección, el análisis y la documentación, y dejan a los perfiles senior concentrados en los criterios complejos y las excepciones. Para firmas como KPMG, Deloitte, PwC y EY el atractivo es evidente: auditorías más rápidas, costes operativos potencialmente menores y capacidad para analizar un volumen mucho mayor de información financiera.
La pregunta incómoda es si ese ahorro llegará al cliente. KPMG ha reconocido que existen ahorros de tiempo significativos, pero no ha confirmado que la eficiencia se convierta en honorarios más bajos. Mientras tanto, el Financial Reporting Council británico ya ha avisado de que el uso de IA no debe socavar la independencia, la integridad ni el escepticismo profesional del auditor. Y la responsabilidad final de la opinión de auditoría sigue recayendo en la persona, sea cual sea la tecnología empleada.
Lo que este proyecto no demuestra es que la IA pueda sustituir a los contables o entregar por sí sola una auditoría estatutaria fiable. Lo que sí demuestra es que los agentes ya están poniendo a prueba un terreno que se daba por reservado al criterio experto. La pregunta ya no es si la IA forma parte del proceso de auditoría, sino qué parte acabarán haciendo las máquinas y qué papel quedará para los humanos cuando eso ocurra.
KPMG UK presentó los resultados de Project Exponential, un ensayo con más de 100 agentes de IA sobre las cuentas de una compañía del FTSE 250. Los agentes exploraron los estados financieros más a fondo que el equipo de auditoría y plantearon preguntas que los auditores humanos no habían planteado. El proyecto se desarrolló durante unos cuatro meses y fue validado por un socio, pero sus hallazgos no se usaron como base para una auditoría estatutaria. Un auditor tuvo que intervenir cuando un agente no supo casar los requisitos regulatorios con la documentación de la compañía. KPMG ampliará la iniciativa hasta 20 auditorías, aunque reconoce problemas de madurez y de calidad de datos.
Para quien viene de la telemetría y las redes, el detalle interesante del proyecto no es el titular, sino la arquitectura: un enjambre de agentes que reparte el trabajo, se coordina y entrega resultados a una aplicación que decide. Es exactamente el patrón que ya se repite en la operación de red, donde la correlación de eventos sueltos en tiempo real vale más que el análisis por lotes. La diferencia es que aquí la fuente de datos es el estado financiero y el destino de la decisión es una opinión profesional regulada.
También hay un aviso técnico detrás del fallo del agente que no supo cruzar requisitos y documentación. Cuando un sistema se equivoca en silencio y no hay nadie que detecte el error, el resultado es peor que no tener sistema. En redes lo vemos a diario con las automatizaciones: un script que borra la tabla equivocada, un enrutamiento que nadie revisa, una alarma silenciada hace meses. Por eso la lección de KPMG es la correcta: la supervisión humana no es un trámite regulatorio, es la única red de seguridad cuando el modelo se equivoca con aplomo.
Y hay un matiz de fondo que conviene no pasar por alto. En los entornos que controlo, la IA se despliega sobre instrumentación real y series temporales: temperatura, humedad, latencia, jumbo frames, SNMP. Ahí el error se detecta rápido porque el sensor discrepa. En una auditoría el falso positivo puede pasar meses porque la documentación es ambigua. Ahí la ventaja de los agentes no está en la velocidad, sino en la cobertura: nadie lee 4.000 páginas de anexos con la atención que un modelo puede mantener durante horas. El riesgo, en cambio, es que el modelo forja una conclusión que suena razonable y nadie la discute. La firma que lo hace bien, como parece hacer KPMG, es la que obliga a que cada conclusión automatizada venga con su trazabilidad. Esa es la lección que me llevo: cobertura automatizada, criterio humano y trazabilidad obligatoria.
Referencia y documentación original: European Business Magazine.
https://europeanbusinessmagazine.com/ai-agents-better-questions-kpmg/