Por qué los contables deben adoptar el aprendizaje automático

por Donny C. Shimamoto , Director Ejecutivo, Intraprise TechKnowlogies | 29 de enero de 2018 | 

Actualmente hay mucho temor y exageración en torno a la inteligencia artificial (IA) y su impacto en los contadores. En el Ciclo de Hype de Inteligencia Artificial de Gartner , la mayoría de las aplicaciones de IA están subiendo y alcanzando el pico de las expectativas infladas, lo que significa que las expectativas son altas y que muchas tecnologías ya no cumplen con esas expectativas. Pero esto no significa que la IA se va a ir. Significa que estamos comenzando a impulsar el bombo y descubrir aplicaciones realistas para la inteligencia artificial, algunas de las cuales serán útiles para los contadores y muchas de las cuales serán aprovechadas por las organizaciones que atendemos.

El espectro de la inteligencia artificial

Parte del desafío con una tecnología emergente es que a menudo hay una definición poco clara de qué es y qué no es la tecnología. A medida que los departamentos de mercadotecnia de los vendedores buscan aprovechar la exageración para impulsar las ventas, a menudo comienzan a referirse a las palabras de moda de la tecnología en un sentido amplio y causan confusión adicional en la definición.

Para ayudar a establecer adecuadamente el escenario para analizar las implicaciones de la IA en los contadores, voy a utilizar las amplias categorías de tecnología de IA de:

  • Aprendizaje automático: la capacidad de la computadora para reconocer y aplicar patrones, derivar sus propios algoritmos basados ​​en esos patrones y refinar esos algoritmos en función de los comentarios.
  • Aprendizaje profundo: la capacidad de la computadora para identificar relaciones y asociaciones, y aplicarlas en circunstancias similares (esto en parte lo que hace nuestro cerebro).
  • Razonamiento de máquina: la capacidad de la computadora para aplicar su “comprensión” de datos, relaciones, reglas, etc., para “pensar” a través de las implicaciones de un conjunto particular de información y proporcionar algún análisis o interpretación.
  • Procesamiento del lenguaje natural: la capacidad de la computadora para “entender” el habla humana.
  • Visión por computadora: la capacidad de la computadora para “ver” imágenes y “reconocer” personas, cosas, actividades y estados (p. Ej., Feliz, triste, en movimiento, etc.) en esas imágenes.

De estas categorías, el aprendizaje automático tiene las aplicaciones más amplias disponibles y su funcionalidad puede complementar enormemente las facultades de un contador, por lo que este artículo se centrará en el aprendizaje automático.

Ya has experimentado el aprendizaje automático

El aprendizaje automático es bueno para el “razonamiento inductivo”: cuando se basa en un conjunto de puntos de datos o ejemplos existentes, una computadora puede determinar cuáles son las “reglas” para determinar un resultado. Dé un paso atrás en su clase de estadística en la universidad y podrá recordar técnicas como la regresión lineal, la medición de la correlación y la confiabilidad de varios puntos de datos. En un nivel muy básico, estos son los tipos de análisis que los algoritmos de aprendizaje automático están aplicando para predecir los resultados. Con el poder computacional de una computadora detrás, el aprendizaje automático puede procesar miles de puntos de datos sobre un conjunto dado de situaciones para descubrir cuáles son relevantes y cuáles no, y luego aplicar las reglas inferidas a otro conjunto similar de datos para predecir los resultados

Las sugerencias de Amazon, Kindle y Netflix para los usuarios son un gran ejemplo de esto. Netflix puede usar sus calificaciones de otros shows en su biblioteca y puntos de datos, como género, director, actores, etc., para predecir si le gustará otro programa. Kindle hace algo similar para libros. Amazon utiliza las vistas de productos, el historial de compras de otros compradores y los artículos complementarios a los que están en su carrito para sugerirle productos adicionales que le puedan gustar. Ya sea que te des cuenta o no, ya has aplicado el aprendizaje automático para intentar predecir lo que te puede gustar.

El impacto de los datos sesgados sobre el razonamiento inductivo

Debido a que el razonamiento inductivo “aprende” de los conjuntos de datos existentes, es importante entender si los conjuntos de datos que se utilizan para “enseñar” algoritmos de aprendizaje automático tienen sesgos inherentes. Un ejemplo simplista de esto es que si solo ves películas de terror en Netflix y las clasificas en un nivel alto, y también ves otras películas de bajo presupuesto en Netflix porque no puedes obtenerlas en otra plataforma, Netflix probablemente pronosticará que solo como terror y películas de bajo presupuesto. Netflix no sabe que realmente te gusta una gran variedad de películas, simplemente no tiene acceso a esa información.

Como puede ver, existe el potencial de impactos positivos y negativos a partir de datos parciales. Si los datos sesgados representan el resultado que desea, entonces usar todos los puntos de datos de esa información sesgada es un impacto positivo. Por otro lado, si los datos sesgados causan que el aprendizaje automático proporcione análisis que producirán un impacto negativo, entonces deben establecerse las medidas de seguridad adecuadas para prevenir o detectar el impacto negativo. O redactado de una manera más familiar: debemos asegurarnos de que los controles internos se implementen para administrar los riesgos asociados con un impacto negativo de la aplicación del aprendizaje automático.

Implicaciones de aprendizaje automático para auditores

Existe un gran potencial para el aprendizaje automático para proporcionar análisis ampliados a los auditores. Tenga en cuenta que no dije que reemplazaría a los auditores: el aprendizaje automático es solo otra herramienta en el cinturón de herramientas y técnicas de auditoría asistidas por computadora (CAATT, por sus siglas en inglés) del auditor.

En lugar de tomar muestras de datos, los auditores pueden impulsar todo el libro mayor de una entidad a través del análisis automatizado. Esto, por cierto, no es IA o aprendizaje automático; esta es una capacidad que ya existe en herramientas como IDEA y ACL. Estas herramientas pueden realizar una variedad de análisis, diseñados por humanos, y luego proporcionar listas de excepciones para que el auditor las evalúe. El aprendizaje automático entra en juego cuando el auditor confirma la excepción o invalida esa excepción y la máquina aprende a “mirar” las conclusiones del auditor y trata de identificar puntos de datos adicionales sobre los aspectos positivos o negativos para aplicar a las excepciones adicionales que identifica. De esta forma, aprende a identificar mejor las excepciones.

El riesgo de sesgo de datos en esta aplicación es que si un auditor borra incorrectamente elementos que deberían confirmarse como excepciones, el aprendizaje automático comenzaría a borrar otros elementos que deberían ser excepciones. Por lo tanto, se debe establecer un proceso de revisión para garantizar que las excepciones eliminadas realmente no sean excepciones. Lo contrario también es cierto para las excepciones confirmadas que no deberían ser excepciones.

En una aplicación más avanzada, se podría proporcionar un conjunto de transacciones a una herramienta de inteligencia artificial y el aprendizaje automático identificaría los patrones en las transacciones y podría identificar cómo son las “transacciones normales”. Usando este método, identificaría aquellas excepciones que no coinciden con la norma como excepciones. Esta aplicación de aprendizaje automático también está sujeta a sesgos de datos ya que su imagen de una transacción normal se basa en el conjunto de datos proporcionados. Si el conjunto de datos que se utilizó también tuvo una alta incidencia de transacciones fraudulentas, entonces esas transacciones fraudulentas se pueden interpretar como transacciones normales, ya que están muy presentes en el conjunto de datos del que aprende la inteligencia artificial.

Definitivamente, existe la necesidad futura de un auditor humano incluso cuando el aprendizaje automático comience a aumentar los procedimientos de auditoría. El rol del auditor, tanto para los auditores internos como externos, pasará de la ejecución de los procedimientos al diseño de los procedimientos, la interpretación de los resultados y el monitoreo de la efectividad de la interpretación.

Implicaciones de aprendizaje automático para los contadores gerenciales

Las implicaciones del aprendizaje automático para los contadores administrativos y otros contadores profesionales que trabajan en los negocios y el gobierno son aún mayores que para los auditores. Además del aprendizaje automático que se aplica dentro de las finanzas, también se puede aplicar en otras partes de la organización y los contadores de gestión deben asegurarse de que exista una gobernanza adecuada y controles internos aplicados al aprendizaje automático en toda la organización.

Dentro de la función de controlador, el aprendizaje automático puede aplicarse para ayudar con la clasificación de las transacciones. El razonamiento inductivo podría aplicarse a los datos fuente de las transacciones históricas para ayudar a “predecir” la clasificación de las transacciones adicionales a medida que se registran. Dado que los productos de muchos proveedores tienen una clasificación natural bastante consistente, en su mayor parte esto está bien. Sin embargo, hay algunos proveedores que se pueden colocar en diferentes clasificaciones naturales según cómo se use su producto. Tomemos, por ejemplo, una herramienta de boletín informativo por correo electrónico que se utiliza para proporcionar correos electrónicos promocionales y de marketing a los clientes y que se clasifica como gasto publicitario. Sin embargo, si se utilizó para generar boletines de noticias de los empleados, en su lugar puede clasificarse como relaciones con los empleados o un gasto de TI.

Cuando se utiliza como parte de la planificación y el análisis financiero (FP & A), el aprendizaje automático se puede utilizar para analizar los datos para definir o refinar los modelos de datos utilizados para la predicción. La calidad del conjunto de datos que se utiliza y el riesgo de sesgos inherentes pueden volver a afectar la calidad de las predicciones proporcionadas por el aprendizaje automático. Los contadores de FP & A deben tener cuidado debido a los impactos de los conjuntos de datos utilizados para sus modelos.

Oportunidades en el uso empresarial del aprendizaje automático

Las organizaciones que están explorando el aprendizaje automático también deben abordar las consideraciones adicionales de gobierno y controles internos para los riesgos asociados. A medida que los departamentos fuera de las finanzas buscan emplear el aprendizaje automático, los contadores de FP & A tienen la gran oportunidad de brindar su experiencia en análisis de datos y modelado para ayudar a otros departamentos a desarrollar sus aplicaciones de aprendizaje automático.

Este no es un área que puede abordar solo TI. Se debe obtener una visión holística de los datos, procesos y uso de la información proporcionada por el aprendizaje automático. Para cada proyecto, los contadores en finanzas y auditoría interna deben asegurarse de comprender los requisitos de cumplimiento y evaluar el diseño de controles para mitigar los riesgos de aprendizaje automático a partir de datos sesgados.

Los auditores internos también desempeñan un papel importante en la evaluación del diseño y la efectividad del gobierno y los controles internos sobre el aprendizaje automático, y en la evaluación de la efectividad de los métodos elegidos para reducir el riesgo de impactos negativos de datos sesgados.

Los contadores deben adoptar el aprendizaje automático

La inteligencia artificial como un mito de reemplazo contable es, en realidad, más de lo que se demostrará que está mal. En cambio, un mayor uso de la inteligencia artificial permitirá que los contadores se centren en proporcionar un mejor apoyo para la toma de decisiones en lugar de concentrarse en la recopilación de datos y el análisis manual. El mayor uso de AI también requerirá que los contadores intensifiquen y aborden los riesgos asociados con la IA a través de una gobernanza efectiva y controles internos.

Los contadores deben considerar cómo podemos aprovechar el aprendizaje automático para facilitar nuestro papel como auditores y contadores. También hay una gran oportunidad más allá del contexto financiero para guiar a otros departamentos en su uso del aprendizaje automático y ayudar con el diseño de controles internos sobre sus aplicaciones.

La función de gobierno corporativo también debe ajustarse para abordar la alineación de la estrategia comercial de los riesgos presentados por la tecnología de aprendizaje automático. Se debe establecer una subfunción centrada en la gestión de datos para abordar tanto los riesgos de sesgo de datos como los riesgos de cumplimiento, como la privacidad. Hay áreas que la TI no puede abordar por sí sola ya que no tienen los conocimientos de riesgo y control que los contadores tienen.

Al adoptar el aprendizaje automático como una herramienta, los contadores pueden cambiar de lugar donde estamos dedicando nuestro tiempo de realizar la preparación y análisis de datos menores a la elaboración de ideas de esos análisis. La experiencia de los contadores en el diseño de controles y la comprensión de los sesgos de datos también se puede utilizar para servir a otros departamentos de la organización, ya que los departamentos buscan adoptar el aprendizaje automático.

El aprendizaje automático brinda una oportunidad sin precedentes para los contadores y debemos adoptarlo para mejorar nuestras carreras y la ventaja competitiva que puede proporcionar a las organizaciones a las que servimos.

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s