Procedimientos analíticos con IA: cómo aplicar la NIA 520 más allá de comparar saldos

TL;DR: La norma no pide una columna de variación porcentual con un comentario al margen. Pide que el auditor forme una expectativa independiente del saldo, verifique la fiabilidad de los datos que la sustentan, fije una diferencia aceptable ligada a la materialidad y corrobore, con evidencia, cualquier variación que la supere. La inteligencia artificial vuelve viables esas cuatro etapas en un tiempo razonable: construye el modelo de expectativa, recalcula sobre la población completa, diseña la corroboración y redacta el papel de trabajo. Lo que no hace, y no debe hacer, es explicar la variación por usted.

Seamos honestos. En muchos encargos que he revisado, un procedimiento analítico es una hoja con el saldo del año, el saldo del año anterior, la variación en pesos y en porcentaje, y una nota que dice «variación razonable según indagación con la gerencia». Eso no es lo que exige la NIA 520. Es una comparación con comentario, y quien la ha defendido en una revisión de calidad sabe cuánto pesa cuando el revisor pregunta: «¿y cuál era su expectativa?».

La razón por la que casi nadie hace el procedimiento completo no es desconocimiento de la norma: es tiempo. Formar una expectativa exige modelar, y modelar exigía, hasta hace poco, horas de hoja de cálculo. Ahí es donde la inteligencia artificial cambia la ecuación. En este artículo explico qué pide la norma, cómo la aplico con IA en cada etapa, con prompts que puede copiar, y en qué errores he visto caer a equipos que confunden velocidad con evidencia.

¿Qué nos dice la NIA 520 y por qué comparar saldos no basta?

La Norma Internacional de Auditoría 520 define los procedimientos analíticos como evaluaciones de información financiera realizadas mediante el análisis de las relaciones plausibles entre datos financieros y no financieros. La definición añade algo que suele olvidarse: también incluyen la investigación de las variaciones o de las relaciones identificadas que sean incongruentes con otra información relevante o que difieran de los valores esperados en un importe significativo.

En otras palabras, la norma 520 expone la responsabilidad del auditor en dos frentes: cuando decide usar procedimientos analíticos como pruebas sustantivas y cuando debe aplicarlos cerca del cierre para evaluar el conjunto. Aplica a cualquier auditoría de información financiera, sin importar el tamaño de la entidad. Los procedimientos analíticos también incluyen, por definición, la investigación de lo que no cuadra: sin esa parte, el procedimiento está incompleto.

Las palabras que cargan el peso son «relaciones plausibles» y «valores esperados». Un análisis de tendencias sobre el mismo saldo que se está probando no forma una relación plausible con nada: compara el registro consigo mismo. La norma tiene dos objetivos para el auditor, y ninguno de los dos se cumple con una variación porcentual:

• Obtener evidencia de auditoría relevante y fiable mediante procedimientos analíticos sustantivos.
• Diseñar y aplicar, cerca del final de la auditoría, procedimientos analíticos que le ayuden a alcanzar una conclusión global sobre si los estados financieros son congruentes con su conocimiento de la entidad.

Un procedimiento analítico riguroso, tal como lo enseño y lo reviso, tiene cuatro pasos: formar una expectativa independiente del importe registrado; verificar la fiabilidad de la información con la que se formó; definir la diferencia aceptable, es decir, el umbral a partir del cual se investiga; y comparar, investigar y corroborar lo que supere ese umbral. El paso uno es el que se omite de forma sistemática, y es exactamente el que la IA hace barato.

¿Cuáles son los tipos de procedimientos analíticos y en qué momento del encargo se usan?

La misma técnica sirve para tres propósitos distintos, y conviene no mezclarlos en el papel de trabajo. Los procedimientos de valoración del riesgo se rigen por la NIA 315; los sustantivos y los del cierre, por la norma de procedimientos analíticos. Esta tabla resume cómo uso la IA en cada momento:

En la etapa de planeación, que traté con detalle en planeación de auditoría con inteligencia artificial, la prueba no produce evidencia sobre afirmaciones: orienta dónde mirar. En la ejecución sí produce evidencia, y por eso las exigencias del párrafo 5 son más estrictas. Al cierre del encargo vuelve a cambiar el propósito: ya no se prueba un rubro, se lee la historia completa.

¿Qué son los procedimientos analíticos sustantivos según la NIA 520?

Son los que se diseñan y aplican, solos o en combinación con pruebas de detalle, como respuesta a los riesgos valorados conforme a la NIA 330. Sirven mejor cuando existen grandes volúmenes de transacciones que tienden a ser predecibles en el tiempo: nómina, depreciación, intereses, arrendamientos, comisiones sobre ventas. El párrafo 5 de la norma exige cuatro determinaciones que el auditor debe documentar, y que son el esqueleto de cualquier papel de trabajo defendible:

Antes de realizar procedimientos analíticos sustantivos específicos, hay aspectos clave que conviene resolver por escrito. Primero, si la información contable y operativa que alimentará la expectativa es fiable. Segundo, si la afirmación es predecible o depende de decisiones puntuales de la gerencia. Tercero, cuánta seguridad se busca. El auditor puede utilizar el procedimiento como evidencia principal o complementaria, y puede aplicar distintos modelos según el rubro, pero esa decisión se toma al planear, no al ver el resultado. Es lo que cabe esperar de un trabajo defendible ante cualquier revisión de calidad en una auditoría financiera.

Aquí está la diferencia real entre efectuar procedimientos analíticos sustantivos y hacer una comparación: las cuatro determinaciones se hacen antes de mirar el saldo registrado. Si usted forma la expectativa después de ver la cifra contable, la expectativa ya está contaminada.

¿Cómo construir expectativas del auditor con IA?

La expectativa se construye desde datos independientes del saldo bajo prueba: información operativa, del sector, de periodos anteriores o de cuentas relacionadas que se mueven en la misma dirección. Estos dos prompts son los que uso con más frecuencia; sustituya los corchetes por los datos del encargo y trabaje siempre con información anonimizada, como explico en riesgos de la IA para contadores.

Prompt 1 — Expectativa de ingresos con datos operativos:

Actúa como auditor senior que aplica las normas internacionales de auditoría en un encargo sobre estados financieros en Colombia. Voy a probar el saldo de ingresos por [servicio/producto] del año [AAAA].
Datos independientes de contabilidad que tengo: [unidades vendidas por mes según el sistema operativo, tarifa promedio por contrato, capacidad instalada, número de clientes activos por mes].
1) Construye un modelo de expectativa del ingreso anual a partir de estos datos, mostrando la fórmula y cada supuesto.
2) Califica la precisión del modelo (alta, media o baja) y explica qué factores la limitan.
3) Calcula la expectativa mes a mes y compárala con el saldo registrado de [valor en COP].
4) Indica si la diferencia supera un umbral de [valor] y qué meses concentran la desviación.
No expliques las causas de la diferencia: solo cuantifícala.

Prompt 2 — Expectativa de un gasto predecible:

Necesito una expectativa independiente del gasto por depreciación del año [AAAA] para una empresa colombiana que aplica NIIF para pymes.
Te entrego el módulo de activos fijos con: código, descripción, costo, fecha de adquisición, vida útil en meses, valor residual y método.
Recalcula la depreciación esperada del periodo activo por activo, totalízala y compárala con el gasto registrado de [valor].
Lista los activos cuya depreciación recalculada difiere de la registrada en más de [valor] y clasifica cada diferencia por causa probable: cambio de vida útil, baja no registrada, activo totalmente depreciado que sigue depreciándose o error aritmético.
Entrega el resultado en una tabla y, al final, el total de la diferencia neta.

Nómina, depreciación, intereses y arrendamientos son los candidatos ideales para empezar: relaciones estables, datos disponibles y precisión alta. Para rubros con más juicio, como el deterioro de cartera o las provisiones, el analítico es un complemento de la auditoría de estimaciones contables con IA, no un sustituto.

¿Por qué es importante la fiabilidad de la información en los procedimientos analíticos?

Porque una expectativa formada con datos malos produce una conclusión mala con apariencia de rigor. La norma es explícita: la fiabilidad de la información depende de su fuente (interna o externa), de su comparabilidad, de su naturaleza y relevancia, y de los controles sobre la preparación de esa información. Un presupuesto que la administración prepara y aprueba con seriedad es una fuente aceptable; uno que se ajusta cada mes para que cuadre con lo real, no.

La IA ayuda aquí de una forma poco vistosa pero muy útil: antes de modelar, le pido que audite el archivo. Filas duplicadas, meses faltantes, cambios de unidad de medida, tarifas fuera de rango, empleados que aparecen en nómina y no en la planta de recursos humanos. Con eso decido si los datos son relevantes y confiables para sustentar la expectativa o si necesito probar primero los controles que los generan, en la lógica de la NIA 500 sobre evidencia de auditoría. Y con datos que salen de un ERP sin gobierno, esa revisión previa suele ser el hallazgo más valioso del procedimiento.

¿Cómo definir el umbral de diferencia aceptable?

Este es el segundo juicio que la IA ayuda a documentar en lugar de improvisar. La norma no da una fórmula, pero sí los factores: la materialidad, el nivel de seguridad que se espera del procedimiento y el riesgo valorado. A mayor riesgo, menor diferencia aceptable. A menor precisión de la expectativa, menor confianza puede depositar en la prueba y más verificación documental necesita. La IA no cambia esa lógica; la vuelve explícita y la deja escrita.

Prompt 3 — Umbral de investigación:

Bajo las normas internacionales de auditoría, ayúdame a definir la diferencia aceptable para un procedimiento analítico sustantivo sobre [rubro].
Materialidad de ejecución del encargo: [valor en COP].
Nivel de seguridad que espero del procedimiento: [evidencia principal de la afirmación / complemento de pruebas de detalle].
Riesgo valorado de incorrección material para la afirmación: [bajo / medio / alto].
Precisión de mi expectativa: [alta / media / baja].
Propón el umbral como fracción de la materialidad de ejecución, justifícalo técnicamente y explica cómo cambiaría si el analítico fuera mi única fuente de evidencia. Redacta la justificación en un párrafo listo para el papel de trabajo.

¿Cómo investigar las variaciones sin caer en «según indagación con la gerencia»?

El párrafo 7 de la norma es claro: cuando el resultado difiere de los valores esperados en un importe significativo, el auditor debe indagar ante la dirección y obtener evidencia adecuada que corrobore las respuestas, y aplicar otros procedimientos si hace falta. La indagación sola no es evidencia. La IA ayuda a diseñar esa corroboración y a redactar el papel de trabajo.

Prompt 4 — Plan de corroboración de explicaciones:

En mi procedimiento analítico de [rubro] encontré una variación de [valor o porcentaje] sobre la expectativa. La gerencia explica que se debe a [explicación textual].
Diseña el plan de corroboración:
1) ¿Qué evidencia documental confirmaría o refutaría esta explicación?
2) ¿Qué otro dato cuantitativo debería moverse en la misma dirección si la explicación es cierta?
3) ¿Qué señal indicaría que la explicación es incompleta o falsa?
Entrega máximo cuatro procedimientos concretos, ordenados por poder probatorio, e indica cuál ejecutaría primero un auditor con presupuesto de tiempo limitado.

Prompt 5 — Documentación del procedimiento completo:

Redacta el papel de trabajo del procedimiento analítico sustantivo que ejecuté, con la estructura que exige la norma: objetivo y afirmaciones cubiertas; expectativa formada (modelo, datos fuente, su fiabilidad y precisión); diferencia aceptable definida y su justificación; comparación con el registro; variaciones investigadas con las explicaciones obtenidas, la evidencia que las corrobora y su referencia; y conclusión.
Datos: [pegar resultados].
Tono técnico, tercera persona, sin adjetivos, listo para revisión del socio del encargo.

¿Cómo se hace la revisión analítica final para alcanzar una conclusión global?

Cerca del cierre, la norma pide procedimientos analíticos que ayuden a formar una opinión de conjunto: ¿los estados financieros son congruentes con lo que el auditor sabe de la entidad? Este uso es sorprendentemente potente con IA. Le entrego las cifras finales junto con el memorando de conocimiento del cliente y le pido que señale cualquier relación que no cuadre con la historia. Es un par de ojos frescos a las once de la noche del cierre.

Prompt 6 — Revisión analítica final:

Estos son los estados financieros finales del encargo y este es el resumen de conocimiento de la entidad y su entorno.
Actúa como revisor de calidad del encargo. Identifica cualquier relación entre cifras que sea inconsistente con la historia de la entidad: crecimiento de ingresos frente al costo de ventas, porcentajes de margen bruto por línea, rotaciones de cartera e inventario, endeudamiento y gasto financiero, flujo de efectivo operativo frente a utilidad, indicadores clave de desempeño que reporta la gerencia.
Para cada inconsistencia, formula la pregunta exacta que le harías al equipo del encargo y señala qué evidencia ya existente en el expediente debería responderla.

Si en esa lectura aparecen señales de tensión de liquidez o de deterioro sostenido de márgenes, el siguiente paso no es un ajuste sino una evaluación más profunda, que abordé en negocio en marcha con inteligencia artificial.

Caso aplicado: el analítico de nómina que reemplazó 40 horas de vouching

Un ejemplo con cifras redondas para ver la mecánica completa. Rubro: gasto de personal de una empresa de servicios con 180 empleados. Enfoque tradicional del año anterior: muestra de 45 empleados, verificación de contratos, novedades y pagos; unas 40 horas de trabajo de campo.

1. Expectativa. Con la planta de personal mes a mes (dato de recursos humanos, independiente de contabilidad), los salarios pactados y los parámetros legales del año, la IA construyó la nómina esperada: salario base más factor prestacional más aportes a seguridad social y parafiscales. Precisión del modelo: alta, porque la relación es contractual y estable.
2. Fiabilidad. Antes de modelar, el cruce entre planta de recursos humanos y nómina contable arrojó tres cédulas que estaban en nómina y no en la planta. Se resolvieron antes de seguir; eran retiros con liquidación pendiente.
3. Diferencia aceptable. Materialidad de ejecución de 120 millones de pesos. Como el analítico era la evidencia principal del rubro, el umbral se fijó en un tercio: 40 millones por mes, acumulable.
4. Comparación. Diez meses dentro del umbral. Dos meses, junio y diciembre, con desviaciones de 85 y 130 millones sobre la expectativa.
5. Investigación corroborada. La gerencia explicó: bonificación semestral por resultados. El plan de corroboración del Prompt 4 pidió el acta de junta que aprueba la política de bonos, la liquidación individual con su recálculo y la verificación de que el gasto se registró en el mes del devengo. Todo cuadró en junio. En diciembre apareció una bonificación extraordinaria a dos directivos sin acta de aprobación: hallazgo de control y ajuste por corte.

Total: 12 horas, incluida la documentación. La prueba cubrió el cien por ciento de los meses en lugar del 25 % de los empleados, y encontró lo que el vouching del año anterior no había encontrado. Ese es el argumento definitivo a favor del analítico bien hecho: no es la prueba barata, es la prueba que mira todo. La misma lógica de población completa aplica al rubro donde la NIA 240 presume riesgo de fraude, como describí en auditoría del ciclo de ingresos con IA.

Los cinco errores que invalidan un analítico con IA

1. Construir la expectativa con los mismos datos que se prueban. Si la expectativa de ingresos sale del módulo de facturación, se está comparando el saldo consigo mismo. Los datos deben ser independientes del registro contable bajo prueba.
2. Umbral igual a la materialidad de ejecución. La diferencia aceptable debe ser una fracción de ella; si se espera hasta la materialidad completa para investigar, las incorrecciones medianas pasan en manada.
3. Aceptar la primera explicación de la gerencia. «Fue por el crecimiento del negocio» no es evidencia, es una hipótesis. Se corrobora o no se concluye.
4. Precisión baja con seguridad alta. Si el modelo tiene supuestos débiles, la prueba solo puede ser complemento. Pretender que sustituya la verificación documental con una expectativa floja es autoengaño documentado.
5. No documentar el modelo. El papel de trabajo debe permitir que otro auditor reconstruya la expectativa, incluido el prompt exacto y la versión de la herramienta. «Se comparó contra lo esperado», sin mostrar el cómo, es el analítico de mentira con el que abrimos este artículo. El CTCP ya dejó claro que la herramienta no traslada la responsabilidad, como comenté en qué dice la norma colombiana sobre la IA en la contabilidad.

¿Qué relación tiene la NIA 520 con las NIA 315, 330, 500 y 510?

Ninguna norma de auditoría se aplica sola, y esta menos que otras. Este es el mapa que uso para ubicar el analítico dentro del encargo:

En Colombia, estas normas hacen parte del marco técnico de aseguramiento de información del Decreto Único Reglamentario 2420 de 2015, cuyo anexo compilatorio 4-2019 fue incorporado por el Decreto 2270 de 2019. Conviene citar ese marco en el papel de trabajo, verificando si hay modificaciones posteriores al anexo.

Preguntas frecuentes

¿Un procedimiento analítico con IA reemplaza las pruebas de detalle?

Depende de la precisión de la expectativa y del riesgo valorado. Para rubros predecibles con datos confiables, un analítico bien construido puede ser la evidencia sustantiva principal. Para riesgos significativos, la NIA 330 exige procedimientos que respondan específicamente al riesgo, y ahí el analítico suele ser complemento. La IA mejora la calidad de la prueba; no modifica la jerarquía de la evidencia.

¿Qué van primero, los procedimientos analíticos o las pruebas de detalle?

Los de valoración del riesgo, en la planeación, van primero por definición. En la ejecución no hay un orden obligatorio: cuando esa prueba es la evidencia principal, conviene ejecutarla antes para dirigir la verificación documental solo hacia lo que quedó fuera del umbral.

¿Qué herramienta uso si mis datos son millones de filas?

Los chats de IA tienen límites de archivo. Para volúmenes grandes, pídale a la IA que genere el script en Python o la consulta SQL y ejecútelo sobre sus datos localmente, o trabaje con extractos agregados: saldos mensuales por cuenta en lugar del detalle transaccional. La expectativa se forma igual; la corroboración baja al detalle solo donde hay variación.

¿Cómo evito que la IA invente la explicación de una variación?

Nunca le pida que explique la variación; pídale que diseñe cómo verificar las explicaciones. La causa real está en los documentos y en la entidad, no en el modelo. Ese cambio de verbo, de «explíqueme» a «ayúdeme a corroborar», es la línea que separa el uso profesional del uso ingenuo.

¿Qué tienen que ver los cuatro tipos de dictamen con los procedimientos analíticos?

La opinión puede ser no modificada o modificada, y la modificada tiene tres formas según la NIA 705: con salvedades, adversa o abstención. Una prueba analítica mal soportada no afecta la opinión de forma directa, pero sí la calidad de la evidencia que la respalda; en una revisión de calidad, un rubro material soportado solo con «variación razonable» equivale a un rubro sin evidencia suficiente.

¿Cuáles son los cuatro elementos del hallazgo que salen de un analítico?

Cuando la investigación de una variación termina en un hallazgo, se documenta con condición (lo que se encontró), criterio (la norma o política incumplida), causa y efecto. En el caso de la nómina, la condición fue la bonificación sin aprobación, el criterio la política de compensación aprobada por junta, la causa una autorización verbal y el efecto el gasto registrado sin soporte.

¿Va a cambiar la NIA 520?

El IAASB tiene en curso un proyecto de revisión conjunta de las NIA 330, 500 y 520, orientado a un marco basado en riesgos y al uso de tecnología en la obtención de evidencia. Mientras no sea norma definitiva y Colombia la incorpore, el marco aplicable sigue siendo el anexo de aseguramiento vigente en el Decreto 2420 de 2015.

Lo que hay que llevarse de todo esto

La norma 520 nunca pidió comparar saldos: pidió formar una expectativa, verificar los datos, fijar un umbral y corroborar. La inteligencia artificial hace que ese procedimiento completo cueste menos que la comparación con comentario que lo sustituía. Pero la IA modela, recalcula y redacta; no forma el juicio sobre la idoneidad del procedimiento ni sobre la suficiencia de la evidencia. Ese juicio, y la firma que lo respalda, siguen siendo suyos.

Los profesionales que dominan estas herramientas ahorran más de 10 horas semanales

No se trata de reemplazar su criterio profesional, sino de potenciarlo con método, controles y evidencia documentada. En el Programa Ejecutivo en IA para la Auditoría enseño paso a paso cómo integrar la IA en el flujo de trabajo diario con resultados medibles.

👉 Ver programa completo · Conozca también los tres programas ejecutivos de IA Contable.

📲 Escríbame por WhatsApp y le cuento cómo funciona.

Autor: Francisco Moreno Díaz — CP · MBA · MBAN · CAIO
Publicado en: IA Contable