DOI: 10.26820/recimundo/9.(2).abril.2025.262-277

URL: https://recimundo.com/index.php/es/article/view/2634

EDITORIAL: Saberes del Conocimiento

REVISTA: RECIMUNDO

ISSN: 2588-073X

TIPO DE INVESTIGACIÓN: Artículo de revisión

CÓDIGO UNESCO: 53 Ciencias Económicas

PAGINAS: 262-277

La inteligencia articial en contabilidad y nanzas.

Una revisión sistemática

The artiﬁcial intelligence in accounting and ﬁnance. A systematic review

A inteligência artiﬁcial na contabilidade e nas ﬁnanças.

Uma revisão sistemática

Belgica Cecilia Nájera Núñez1; Hilda Mercedes Blum Alcivar2; Rodrigo Víctor López Coloma3;

Felix Enrique Villegas-Yagual4

RECIBIDO: 10/01/2025 ACEPTADO: 19/03/2025 PUBLICADO: 07/05/2025

1. Magíster en Administración de Empresas Mención en Negocios Internacionales; Contadora Pública Autorizada; Uni-

versidad de Guayaquil; Guayaquil, Ecuador; belgica.najeranu@ug.edu.ec; https://orcid.org/0000-0003-0852-3546

2. Magíster Ejecutivo en Dirección de Empresas con Énfasis en Gerencia Estratégica; Diplomado en Docencia Superior;

Especialista en Gerencia de Proyectos; Diplomado Superior en Gerencia de Marketing; Arquitecto; Universidad de

Guayaquil; Guayaquil, Ecuador; hilda.bluma@ug.edu.ec; https://orcid.org/0009-0005-6017-0815

3. Magíster en Administración de Empresas Mención en Negocios Internacionales; Ingeniero Comercial; Universidad de

Guayaquil; Guayaquil, Ecuador; rodrigo.lopezc@ug.edu.ec; https://orcid.org/0000-0002-6702-6155

4. Magíster en Administración y Dirección De Empresas; Magíster en Docencia Universitaria; Diplomado en Docencia

Superior; Doctor en Ciencias Administrativas; Licenciado en Ciencias de la Educación Especialización Informática;

Profesor de Segunda Enseñanza Especialización Informática y Programación; Ingeniero Comercial; Universidad Es-

tatal de Milagro; Milagro, Ecuador; fvillegasy@unemi.edu.ec; https://orcid.org/0000-0002-4145-3917

CORRESPONDENCIA

Belgica Cecilia Nájera Núñez

belgica.najeranu@ug.edu.ec

Guayaquil, Ecuador

RESUMEN

La creciente integración de la inteligencia artiﬁcial (IA) en diversos sectores ha generado un interés signiﬁcativo en su aplicación dentro

de la contabilidad y las ﬁnanzas. El propósito de esta revisión sistemática es analizar exhaustivamente la literatura cientíﬁca existente para

identiﬁcar las tendencias, oportunidades y desafíos de la adopción de la IA en estas disciplinas. Se llevó a cabo una revisión sistemática

siguiendo la metodología PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). 1 Se realizaron búsquedas

exhaustivas en bases de datos académicas relevantes utilizando términos clave relacionados con la IA, la contabilidad y las ﬁnanzas.

Los estudios identiﬁcados fueron evaluados según criterios de inclusión y exclusión predeﬁnidos, y se sintetizaron cualitativamente para

extraer los hallazgos principales. El análisis de la literatura revela una creciente aplicación de la IA en áreas como la automatización

de procesos contables, la detección de fraudes, el análisis predictivo ﬁnanciero, la gestión de riesgos y el asesoramiento ﬁnanciero

automatizado. Los resultados destacan el potencial de la IA para mejorar la eﬁciencia, la precisión y la toma de decisiones en el ámbito

contable y ﬁnanciero, aunque también se identiﬁcan desafíos relacionados con la implementación, la ética y la necesidad de nuevas

habilidades profesionales. Esta revisión sistemática concluye que la IA está transformando signiﬁcativamente el panorama de la conta-

bilidad y las ﬁnanzas, ofreciendo importantes beneﬁcios pero también planteando desafíos que requieren una cuidadosa consideración.

La investigación subraya la necesidad de una mayor exploración de las implicaciones educativas y profesionales de la IA en estas áreas,

así como el desarrollo de marcos éticos y regulatorios adecuados para su implementación responsable. Esta investigación contribuye al

cuerpo de conocimiento existente al ofrecer una visión integral y actualizada de la aplicación de la inteligencia artiﬁcial en el campo de

la contabilidad y las ﬁnanzas. Al sintetizar la evidencia disponible, identiﬁca las tendencias clave, las oportunidades emergentes y los

desafíos persistentes, proporcionando una base sólida para futuras investigaciones y para la adaptación de los currículos educativos y

las prácticas profesionales a esta transformación tecnológica.

Palabras clave: Inteligencia artiﬁcial, Contabilidad, Finanzas, Revisión sistemática, Automatización.

ABSTRACT

The increasing integration of artiﬁcial intelligence (AI) in various industries has generated signiﬁcant interest in its application within

accounting and ﬁnance. The purpose of this systematic review is to comprehensively analyze the existing scientiﬁc literature to identify

trends, opportunities and challenges of AI adoption in these disciplines. A systematic review was conducted following the PRISMA (Pre-

ferred Reporting Items for Systematic Reviews and Meta-Analyses) methodology. 1 Relevant academic databases were searched exten-

sively using key terms related to AI, accounting and ﬁnance. The identiﬁed studies were evaluated according to predeﬁned inclusion and

exclusion criteria, and qualitatively synthesized to extract the main ﬁndings. The literature review reveals a growing application of AI in

areas such as accounting process automation, fraud detection, ﬁnancial predictive analytics, risk management, and automated ﬁnancial

advice. The results highlight the potential of AI to improve efﬁciency, accuracy, and decision making in accounting and ﬁnance, although

challenges related to implementation, ethics, and the need for new professional skills are also identiﬁed. This systematic review concludes

that AI is signiﬁcantly transforming the accounting and ﬁnance landscape, offering important beneﬁts but also posing challenges that

require careful consideration. The research underscores the need for further exploration of the educational and professional implications

of AI in these areas, as well as the development of appropriate ethical and regulatory frameworks for its responsible implementation. This

research contributes to the existing body of knowledge by providing a comprehensive and up-to-date view of the application of artiﬁcial

intelligence in the ﬁeld of accounting and ﬁnance. By synthesizing the available evidence, it identiﬁes key trends, emerging opportunities,

and persistent challenges, providing a solid foundation for future research and for the adaptation of educational curricula and professional

practices to this technological transformation.

Keywords: Artiﬁcial intelligence, Accounting, Finance, Systematic review, Automation.

RESUMO

A crescente integração da inteligência artiﬁcial (IA) em vários sectores gerou um interesse signiﬁcativo na sua aplicação no domínio da con-

tabilidade e das ﬁnanças. O objetivo desta revisão sistemática é analisar de forma abrangente a literatura cientíﬁca existente para identiﬁcar

tendências, oportunidades e desaﬁos da adoção da IA nestas disciplinas. Foi efectuada uma revisão sistemática seguindo a metodologia

PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). 1 As bases de dados académicas relevantes foram pes-

quisadas exaustivamente utilizando termos-chave relacionados com IA, contabilidade e ﬁnanças. Os estudos identiﬁcados foram avaliados

de acordo com critérios de inclusão e exclusão predeﬁnidos e sintetizados qualitativamente para extrair as principais conclusões. A revisão

da literatura revela uma aplicação crescente da IA em áreas como a automatização de processos contabilísticos, a deteção de fraudes,

a análise preditiva ﬁnanceira, a gestão de riscos e o aconselhamento ﬁnanceiro automatizado. Os resultados destacam o potencial da IA

para melhorar a eﬁciência, a precisão e a tomada de decisões em contabilidade e ﬁnanças, embora também sejam identiﬁcados desaﬁos

relacionados com a implementação, a ética e a necessidade de novas competências proﬁssionais. Esta revisão sistemática conclui que a

IA está a transformar signiﬁcativamente o panorama da contabilidade e das ﬁnanças, oferecendo benefícios importantes, mas também co-

locando desaﬁos que exigem uma análise cuidadosa. A investigação sublinha a necessidade de explorar melhor as implicações educativas

e proﬁssionais da IA nestes domínios, bem como o desenvolvimento de quadros éticos e regulamentares adequados para a sua aplicação

responsável. Esta investigação contribui para o corpo de conhecimentos existente, fornecendo uma visão abrangente e actualizada da

aplicação da inteligência artiﬁcial no domínio da contabilidade e das ﬁnanças. Ao sintetizar as evidências disponíveis, identiﬁca as princi-

pais tendências, as oportunidades emergentes e os desaﬁos persistentes, fornecendo uma base sólida para futuras pesquisas e para a

adaptação dos currículos educacionais e das práticas proﬁssionais a essa transformação tecnológica.

Palavras-chave: Inteligência artiﬁcial, Contabilidade, Finanças, Revisão sistemática, Automatização.

264 RECIMUNDO VOL. 9 N°2 (2025)

Introducción

La inteligencia artiﬁcial (IA) está transfor-

mando rápidamente los campos de la con-

tabilidad y las ﬁnanzas, ofreciendo solucio-

nes innovadoras a problemas tradicionales

y mejorando la eﬁciencia y precisión de los

procesos. Las revisiones sistemáticas re-

cientes han explorado tanto las aplicacio-

nes actuales como los desafíos y oportuni-

dades que surgen con la integración de la

IA en estos sectores (Hasan, 2022; Odonkor

et al., 2024).. Uno de los principales bene-

ﬁcios de la IA en contabilidad y ﬁnanzas es

la automatización de tareas rutinarias, lo

que mejora la precisión de los informes ﬁ-

nancieros y reduce errores, incrementando

así la eﬁciencia en los procesos. Además,

los modelos de IA se aplican con éxito en la

predicción de quiebras, el análisis de pre-

cios de acciones, la gestión de portafolios,

la detección de fraudes y la evaluación de

riesgos, superando en muchos casos a los

métodos tradicionales. En el ámbito de los

servicios ﬁnancieros orientados al cliente, la

IA también se emplea para mejorar la ex-

periencia del usuario mediante evaluacio-

nes crediticias automatizadas y la persona-

lización de productos ﬁnancieros. (Ahmed

et al., 2022; Berdiyeva et al., 2021; Hasan,

2022; Odonkor et al., 2024).

Los tipos y métodos de IA más utilizados

en estos sectores incluyen algoritmos como

las redes neuronales artiﬁciales, XGBoost,

Random Forest y técnicas de aprendizaje

profundo, tanto en modelos independientes

como en enfoques híbridos. (Weber et al.,

2023; Černevičienė & Kabašinskas, 2024).

A medida que la transparencia se vuelve

más crítica en el uso de estas tecnologías,

especialmente en el sector ﬁnanciero, ha

cobrado relevancia la Inteligencia Artiﬁcial

Explicable (XAI), que permite comprender y

justiﬁcar los resultados de los modelos me-

diante herramientas como la importancia de

variables, SHAP y enfoques basados en re-

glas. (Kureljusic & Karger, 2023; Ahmed et

al., 2022; Berdiyeva et al., 2021; Dakalbab

et al., 2024; Odonkor et al., 2024).

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

No obstante, la implementación de la IA

enfrenta varios desafíos. Entre ellos se en-

cuentran la resistencia al cambio organiza-

cional, la necesidad de personal capacita-

do, los altos costos de implementación y

las preocupaciones sobre la privacidad de

los datos. Asimismo, la integración de es-

tas tecnologías plantea cuestiones éticas y

regulatorias que deben abordarse para ga-

rantizar la transparencia, mantener la con-

ﬁanza de los usuarios y cumplir con las nor-

mativas legales vigentes. También se han

identiﬁcado brechas en la investigación,

como la escasa exploración del uso de IA

en la prevención del lavado de dinero y la

falta de estudios sobre la aceptación de es-

tas tecnologías por parte de los empleados.

(Hentzen et al., 2021).

De cara al futuro, es fundamental invertir en

la formación y el desarrollo profesional del

personal para maximizar el potencial de la

IA en contabilidad y ﬁnanzas. Además, se

recomienda continuar ampliando la investi-

gación en áreas emergentes, como la inte-

gración de la IA en operaciones internas y

el diseño de marcos teóricos robustos que

orienten su implementación. La inteligencia

artiﬁcial está revolucionando la contabilidad

y las ﬁnanzas al automatizar procesos, me-

jorar la precisión y permitir análisis predicti-

vos avanzados. (Hentzen et al., 2021; Kure-

ljusic & Karger, 2023; Odonkor et al., 2024).

Aunque persisten desafíos relacionados

con la adopción, la ética y la regulación, el

potencial transformador de la IA en estos

sectores es considerable y seguirá en au-

mento con el avance de la investigación y la

capacidad de adaptación de las organiza-

ciones. (Hentzen et al., 2021; Weber et al.,

2023; Černevičienė & Kabašinskas, 2024;

Odonkor et al., 2024).

Metodología

Esta revisión sistemática se llevará a cabo

siguiendo las directrices del Preferred Re-

porting Items for Systematic Reviews and

Meta-Analyses (PRISMA) 2020 (Page et al.,

2021). El objetivo principal es sintetizar la

265

RECIMUNDO VOL. 9 N°2 (2025)

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA

evidencia disponible sobre la aplicación y

el impacto de la inteligencia artiﬁcial (IA) en

el ámbito de la contabilidad y las ﬁnanzas.

Pregunta de Investigación: ¿Cuáles son las

aplicaciones, los beneﬁcios y los desafíos

de la inteligencia artiﬁcial en el campo de

la contabilidad y las ﬁnanzas, según la evi-

dencia cientíﬁca publicada?

Enfoque general y palabras clave

Esta revisión sistemática adoptará un enfo-

que exhaustivo para identiﬁcar, seleccionar,

evaluar y sintetizar la investigación relevan-

te sobre la inteligencia artiﬁcial en contabili-

dad y ﬁnanzas. La estrategia de búsqueda

se diseñará para capturar la literatura más

amplia posible, incluyendo artículos de in-

vestigación empírica, revisiones, estudios

de caso y ponencias de congresos.

Estrategia de Búsqueda:

Se realizará una búsqueda sistemática y

estructurada en las siguientes bases de

datos electrónicas:

Bases de Datos Generales y Multidiscipli-

narias: Web of Science (Core Collection),

Scopus. Google Scholar. Bases de Datos

Especializadas en Negocios, Contabilidad

y Finanzas: EBSCO Business. Source Pre-

mier. ProQuest ABI/Inform, Emerald Insight

La estrategia de búsqueda se adaptará a

las funcionalidades especíﬁcas de cada

base de datos, utilizando operadores boo-

leanos (AND, OR, NOT) y truncamientos (*)

para maximizar la sensibilidad y la especi-

ﬁcidad de la búsqueda. Palabras Clave y

Términos de Búsqueda: Se empleará una

combinación de palabras clave y términos

de búsqueda relacionados con la inteli-

gencia artiﬁcial y con la contabilidad y las

ﬁnanzas. Estos incluirán: Inteligencia Artiﬁ-

cial (IA): artiﬁcial intelligence, AI, machine

learning, deep learning, natural language

processing, NLP, expert systems, neural ne-

tworks, predictive analytics.

Contabilidad: accounting, accountancy, ﬁ-

nancial accounting, management accoun-

ting, auditing, tax, bookkeeping Finanzas:

ﬁnance, ﬁnancial management, invest-

ment, risk management, ﬁnancial analysis,

ﬁntech. Intersección: application, impact,

use, role, implementation, challenges, be-

neﬁts, opportunities.

Se realizaron búsquedas combinando tér-

minos de cada categoría (por ejemplo, "arti-

ﬁcial intelligence AND accounting", "machi-

ne learning AND ﬁnancial analysis", "AI AND

auditing"). Se explorarán sinónimos y térmi-

nos relacionados para asegurar una cober-

tura exhaustiva. La estrategia de búsqueda

inicial se reﬁnará iterativamente basándose

en los resultados preliminares y las suge-

rencias de expertos en el área.

Criterios de inclusión y exclusión

Los estudios identiﬁcados a través de la es-

trategia de búsqueda se evaluarán según los

siguientes criterios de inclusión y exclusión:

Criterios de Inclusión: Tipo de Estudio: Artícu-

los de investigación empírica (cuantitativa,

cualitativa o mixta), revisiones (sistemáticas

o narrativas), estudios de caso, ponencias

de congresos y libros o capítulos de libros

que aborden directamente la aplicación de

la IA en contabilidad y ﬁnanzas. Población

de Interés: Investigaciones que se centren

en el uso de la IA por profesionales de la

contabilidad y las ﬁnanzas, organizaciones,

o en el impacto de la IA en los procesos y

resultados contables y ﬁnancieros.

Intervenciones o Exposiciones Relevantes:

Estudios que describan, analicen o evalúen

la implementación o el uso de tecnologías

de IA en cualquier área de la contabilidad y

las ﬁnanzas.

Comparadores: Se incluirán estudios que

comparen el uso de la IA con métodos tradi-

cionales o que evalúen diferentes enfoques

de IA. La ausencia de un comparador no

será un criterio de exclusión en sí mismo, ya

que muchos estudios exploratorios son rele-

vantes. Resultados de Interés: Estudios que

reporten sobre los beneﬁcios (por ejemplo,

266 RECIMUNDO VOL. 9 N°2 (2025)

eﬁciencia, precisión, reducción de costos),

desafíos (por ejemplo, éticos, regulatorios,

de implementación), aplicaciones especíﬁ-

cas (por ejemplo, detección de fraude, aná-

lisis predictivo, automatización de tareas), o

el impacto general de la IA en la contabili-

dad y las ﬁnanzas.

Idioma: Se incluirán estudios publicados en

inglés y español debido a la disponibilidad

de recursos para su análisis. Se considerará

la posibilidad de incluir otros idiomas si los

recursos lo permiten. Periodo de Tiempo:

No se establecerá una restricción de tiem-

po inicial para asegurar la inclusión de es-

tudios seminales. Sin embargo, durante el

análisis, se prestará atención a la evolución

de la investigación a lo largo del tiempo.

Criterios de Exclusión: Estudios que no se

centren directamente en la aplicación de la

IA en contabilidad y ﬁnanzas (por ejemplo,

aquellos que solo mencionan la IA de ma-

nera tangencial).

Artículos de opinión, editoriales, cartas al

editor o comentarios breves sin datos de in-

vestigación originales. Estudios duplicados.

Estudios con metodología poco clara o con

un riesgo de sesgo inaceptablemente alto

(determinado en la etapa de evaluación de

la calidad). Estudios que se encuentren úni-

camente en forma de resúmenes sin acceso

al texto completo después de los esfuerzos

razonables para obtenerlo.

Justicación de los Criterios:

Estos criterios se han deﬁnido para asegu-

rar que la revisión se centre en la evidencia

más relevante y rigurosa sobre la aplicación

de la IA en contabilidad y ﬁnanzas. La inclu-

sión de diversos tipos de estudios permitirá

obtener una comprensión holística del tema.

La exclusión de estudios con limitaciones

metodológicas signiﬁcativas ayudará a ga-

rantizar la validez de las conclusiones de la

revisión. La restricción de idioma se basa

en la viabilidad de los recursos del equipo

de revisión.

Proceso de selección de estudios

El proceso de selección de estudios se lle-

vará a cabo en varias etapas, siguiendo

un enfoque sistemático para minimizar el

sesgo: Etapa 1: Identiﬁcación. Se realizo la

búsqueda inicial en las bases de datos es-

peciﬁcadas, y los resultados se gestionarán

utilizando un software de gestión referencias

bibliográﬁcas (ver sección 9). Etapa 2: Cri-

bado de Títulos y Resúmenes Dos revisores

examinarán de forma independiente los títu-

los y resúmenes de todos los registros identi-

ﬁcados, aplicando los criterios de inclusión y

exclusión. Se descartarán aquellos estudios

que claramente no cumplan con los criterios.

Se registrarán las razones para la exclusión

en esta etapa. Etapa 3: Evaluación del Texto

Completo Se obtuvieron los textos comple-

tos de los estudios que pasen la etapa de

cribado de títulos y resúmenes. Dos reviso-

res evaluarán de forma independiente cada

texto completo en detalle, aplicando nueva-

mente los criterios de inclusión y exclusión.

Se registrarán las razones para la exclusión

de los estudios en esta etapa.

Gestión de Desacuerdos: Los desacuer-

dos entre los revisores en cualquier etapa

del proceso de selección se resolverán me-

diante discusión y consenso. Si no se llega

a un acuerdo, se consultará a un tercer revi-

sor para tomar una decisión ﬁnal.

Documentación del Proceso: Se documen-

tará detalladamente el proceso de selec-

ción, incluyendo el número de registros

identiﬁcados en cada base de datos, el nú-

mero de registros excluidos en cada etapa

(con las razones), y el número de estudios

incluidos en la revisión ﬁnal. Se utilizará un

diagrama de ﬂujo PRISMA para visualizar el

proceso de selección de estudios.

Herramientas: Se utilizará el software de ges-

tión de referencias bibliográﬁcas Zotero para

organizar y gestionar los registros identiﬁca-

dos. La colaboración entre revisores y el re-

gistro de las decisiones se facilitará mediante

hojas de cálculo compartidas (por ejemplo,

Google Sheets o Microsoft Excel).

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

267

RECIMUNDO VOL. 9 N°2 (2025)

Estrategia de extracción de datos

Se utilizó un formulario de extracción de

datos estandarizado y pre-piloteado para

recopilar informació relevante de los estu-

dios incluidos. Este formulario se diseñará

especíﬁcamente para abordar la pregunta

de investigación y los objetivos de esta revi-

sión. Información a Extraer:

El formulario de extracción de datos inclui-

rá, pero no se limitará a, las siguientes ca-

tegorías de información: Características del

Estudio: Autor(es), año de publicación, país

de origen, diseño del estudio (por ejemplo,

cuantitativo, cualitativo, estudio de caso),

fuente de ﬁnanciación.

Participantes (si aplica): Características de

la población estudiada (por ejemplo, tipo de

profesionales, tamaño de las organizaciones).

Intervenciones/Exposiciones: Descripción

detallada de la tecnología de IA aplicada

(por ejemplo, tipo de algoritmo, software uti-

lizado) y el área de contabilidad o ﬁnanzas

en la que se implementó.

Comparadores (si aplica): Descripción del

grupo de comparación o el método tradicio-

nal utilizado.

Resultados: Medidas de resultado reporta-

das, incluyendo beneﬁcios (eﬁciencia, pre-

cisión, ahorro de costos), desafíos (éticos,

técnicos, regulatorios), aplicaciones espe-

cíﬁcas y cualquier otro hallazgo relevante

relacionado con el impacto de la IA.

Hallazgos Clave y Conclusiones de los

Autores

Aspectos Metodológicos Relevantes para la

Evaluación de la Calidad. Proceso de Ex-

tracción: Dos revisores extraerán de forma

independiente los datos de cada estudio

incluido utilizando el formulario estandari-

zado. Se realizará una reunión inicial para

asegurar la comprensión y la coherencia

en la aplicación del formulario. Garantía de

Consistencia y Precisión: Después de la ex-

tracción inicial, los datos extraídos por los

dos revisores se compararán. Cualquier dis-

crepancia se resolverá mediante discusión

y consenso. Si persiste el desacuerdo, se

consultará a un tercer revisor. Se documen-

tarán todas las decisiones y modiﬁcaciones

realizadas al formulario durante el proceso

de extracción.

Evaluación de la calidad metodológica

(riesgo de sesgo)

La calidad metodológica y el riesgo de ses-

go de los estudios incluidos se evaluarán

utilizando herramientas especíﬁcas apro-

piadas para el diseño de cada estudio.

Estudios Cuantitativos: Se utilizará la he-

rramienta Cochrane Risk of Bias 2 (RoB 2)

para evaluar el riesgo de sesgo en estudios

aleatorizados y no aleatorizados. Esta herra-

mienta evalúa el sesgo en varios dominios,

incluyendo el sesgo de selección, el sesgo

de realización, el sesgo de detección, el

sesgo de desgaste y el sesgo de notiﬁca-

ción. Estudios Cualitativos: Se utilizará la

Critical Appraisal Skills Programme (CASP)

para estudios cualitativos o una herramienta

similar adaptada a los diseños cualitativos

identiﬁcados. Estudios de Caso: Se utiliza-

rá una lista de veriﬁcación adaptada para

evaluar la calidad de los estudios de caso,

considerando aspectos como la claridad de

los objetivos, la descripción detallada del

contexto, la validez de las fuentes de infor-

mación y la claridad de las conclusiones.

Proceso de Evaluación:

Dos revisores evaluarán de forma indepen-

diente el riesgo de sesgo de cada estudio

incluido. Para cada estudio, se emitirá un

juicio sobre el riesgo de sesgo para cada

dominio (por ejemplo, bajo, alto o incier-

to). Se proporcionará una justiﬁcación para

cada juicio, basada en la información repor-

tada en el estudio. Consideración de los Re-

sultados en la Síntesis: Los resultados de la

evaluación del riesgo de sesgo se conside-

rarán al sintetizar la evidencia. Se explorará

la posible inﬂuencia del riesgo de sesgo en

los hallazgos de los estudios. Se podría rea-

lizar un análisis de sensibilidad para evaluar

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA

268 RECIMUNDO VOL. 9 N°2 (2025)

si los resultados de la revisión son robustos

a la exclusión de estudios con alto riesgo

de sesgo.

Síntesis de los datos

La síntesis de los datos se realizará de

acuerdo con la naturaleza y la heterogenei-

dad de los estudios incluidos.

Síntesis Narrativa: Si la heterogeneidad en-

tre los estudios es signiﬁcativa o si los datos

no son apropiados para el metaanálisis, se

realizará una síntesis narrativa. Esta síntesis

proporcionará una descripción detallada y

organizada de los hallazgos de los estudios

incluidos, agrupándolos por temas clave re-

lacionados con las aplicaciones, los beneﬁ-

cios y los desafíos de la IA en contabilidad

y ﬁnanzas. La síntesis narrativa incluirá: Un

resumen de las características de los estu-

dios incluidos. Una descripción de las prin-

cipales aplicaciones de la IA identiﬁcadas.

Una síntesis de los beneﬁcios reportados

(por ejemplo, mejoras en la eﬁciencia, la

precisión, la toma de decisiones). Una sín-

tesis de los desafíos y las barreras identiﬁ-

cadas (por ejemplo, problemas éticos, regu-

latorios, de implementación). Una discusión

de las implicaciones de los hallazgos para

la práctica y la investigación futura. Se uti-

lizarán tablas y ﬁguras para presentar de

manera clara y concisa los datos extraídos

y los resultados de la síntesis.

Evaluación de la calidad de la evidencia

(GRADE u otro)

Se evaluó la calidad general de la eviden-

cia para los resultados clave utilizando el

sistema Grading of Recommendations As-

sessment, Development and Evaluation

(GRADE). Este sistema evalúa la certeza de

la evidencia en cuatro niveles: alta, modera-

da, baja o muy baja.

Aplicación de los Criterios GRADE: La eva-

luación de la certeza de la evidencia se ba-

sará en los siguientes cinco factores: Ries-

go de sesgo: Evaluación de las limitaciones

metodológicas de los estudios incluidos

(evaluado en la sección 5). Inconsistencia:

Evaluación de la heterogeneidad o la varia-

bilidad de los resultados entre los estudios.

Evidencia indirecta: Evaluación de si la evi-

dencia se aplica directamente a la pregunta

de investigación (por ejemplo, si las pobla-

ciones, las intervenciones o los resultados

son diferentes). Imprecisión: Evaluación de

la amplitud de los intervalos de conﬁanza y el

tamaño de la muestra de los estudios. Sesgo

de publicación: Evaluación de la posibilidad

de que no se hayan publicado estudios im-

portantes (abordado en la sección 8).

Se crearán tablas de resumen de la evidencia

utilizando el formato GRADE para presentar

la certeza de la evidencia para cada resulta-

do clave. Dos revisores evaluarán de forma

independiente la calidad de la evidencia, y

los desacuerdos se resolverán mediante dis-

cusión o la consulta a un tercer revisor.

Gestión de sesgos potenciales

Se tomarán medidas para minimizar y abor-

dar los posibles sesgos que puedan surgir

durante el proceso de la revisión sistemática:

Sesgo de Publicación: Se intentará identiﬁ-

car la literatura gris (por ejemplo, actas de

congresos, informes no publicados) para

mitigar el sesgo de publicación. Se conside-

rará la realización de un gráﬁco de embudo

(funnel plot) si se realiza un metaanálisis con

un número suﬁciente de estudios para eva-

luar visualmente la posible asimetría.

Sesgo de Selección: La realización de la se-

lección de estudios y la extracción de datos

por dos revisores de forma independiente

ayudará a reducir el sesgo de selección.

La documentación detallada de las razones

para la exclusión de estudios también au-

mentará la transparencia.

Sesgo de Realización y Detección: La eva-

luación crítica del riesgo de sesgo de los

estudios individuales (sección 5) conside-

rará estos aspectos. Sesgo de Attrition: Se

prestará atención a las pérdidas signiﬁcati-

vas de participantes en los estudios y cómo

se abordaron en el análisis. Sesgo de Notiﬁ-

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

269

RECIMUNDO VOL. 9 N°2 (2025)

cación: Se evaluará si los estudios reporta-

ron todos los resultados preespeciﬁcados o

si hubo informes selectivos.

Análisis de Sensibilidad: Se planiﬁca reali-

zar análisis de sensibilidad para explorar el

impacto de las decisiones metodológicas

en los resultados de la revisión. Esto podría

incluir: Excluir estudios con alto riesgo de

sesgo para ver si esto afecta las conclusio-

nes generales.

Analizar los resultados por tipo de diseño

de estudio. Considerar el impacto de las

decisiones sobre la inclusión de estudios en

diferentes idiomas (si se incluyeron).

Software y herramientas

Se usaron las siguientes herramientas y

software a lo largo del proceso de revisión:

Gestión de Referencias Bibliográﬁcas: Zo-

tero (o Mendeley) para organizar, almace-

nar y gestionar las referencias identiﬁcadas.

Cribado de Estudios: Rayyan (o Covidence)

para facilitar la colaboración entre revisores

durante el cribado de títulos y resúmenes y

la evaluación del texto completo.

Extracción de Datos: Formularios estandari-

zados creados en hojas de cálculo (Google

Sheets o Microsoft Excel) para la extracción

de datos. Análisis Estadístico (si se realiza

metaanálisis): R (con paquetes como meta

o metafor) o Stata para realizar los análisis

estadísticos, evaluar la heterogeneidad y

generar gráﬁcos. Visualización de Datos:

Tablas y ﬁguras creadas en software de ho-

jas de cálculo o software estadístico para

presentar los resultados de manera clara.

Diagrama de Flujo PRISMA: Se generará

utilizando herramientas online o software

de diagramación.

Colaboración y roles

El equipo de revisión estará compuesto por

[Indicar el número de revisores y sus roles].

Los roles y responsabilidades se distribui-

rán de la siguiente manera: Revisor Princi-

pal [Nombre]: Responsable de la concep-

ción y el diseño de la revisión, la supervisión

general del proceso, la resolución de des-

acuerdos y la redacción ﬁnal del informe.

Resultados

Los estudios recientes destacan diversos

beneﬁcios asociados al uso de la inteligen-

cia artiﬁcial en el ámbito contable, ver tabla

1 del anexo. En primer lugar, la eﬁciencia

y automatización representan uno de los

aportes más relevantes, ya que la IA per-

mite reducir errores humanos, automatizar

tareas repetitivas y optimizar la generación

de reportes ﬁnancieros, como lo señalan

Lino Gamiño (2025) y Liang & Wu (2022).

A modo de ejemplo, se ha documentado su

eﬁcacia en la detección de fraudes durante

auditorías (Valladares-Albarracín & Ordó-

ñez-Parra, 2024), así como en el análisis

predictivo para la gestión ﬁnanciera (Gon-

zález-Mejía et al., 2024). En segundo lugar,

este avance tecnológico ha propiciado una

transformación en los roles profesionales,

orientando las funciones contables hacia el

análisis estratégico y la supervisión de sis-

temas automatizados, según Angulo Bustin-

za et al. (2025). Asimismo, la implementa-

ción de sistemas de IA explicable (XAI) ha

mejorado signiﬁcativamente la transparen-

cia en los procesos de toma de decisiones

y auditorías, facilitando la comprensión de

los resultados por parte de los usuarios ﬁ-

nancieros (Shakdwipee et al., 2023; Weber,

2024). Finalmente, la IA ha demostrado ser

útil en la gestión de riesgos y el cumplimien-

to normativo, al identiﬁcar patrones comple-

jos que favorecen la adecuación a marcos

regulatorios (Hentzen et al., 2021).

No obstante, junto con estos avances, tam-

bién se han identiﬁcado importantes limita-

ciones que restringen el impacto práctico

de estas tecnologías. Por ejemplo, existe

una falta de evidencia empírica, especial-

mente en estudios aplicados a pequeñas

y medianas empresas (PYMEs) o en paí-

ses en desarrollo, lo cual ha sido resaltado

por Córdova Morán (2024) y Hasan (2022).

Además, se evidencian sesgos geográﬁcos

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA

270 RECIMUNDO VOL. 9 N°2 (2025)

en la distribución de la literatura, con una

clara concentración en países como China,

India y algunas regiones de Latinoamérica,

mientras que otras áreas, como África, reci-

ben escasa atención (Odonkor et al., 2024;

Dakalbab et al., 2024). De igual modo, se

observa un déﬁcit en estudios longitudina-

les, lo cual limita la evaluación de los im-

pactos sostenibles a largo plazo (Min, 2024;

Ortega Méndez et al., 2025). A esto se su-

man desafíos éticos y técnicos, tales como

los riesgos relacionados con la privacidad

de los datos, la calidad de la información

utilizada y la falta de estandarización en las

técnicas implementadas (Shakdwipee et

al., 2023; Černeviči, 2024).

Respecto a la distribución de los estudios,

predominan los trabajos con enfoque teóri-

co o de revisión de literatura, que represen-

tan cerca del 70% del total. En contraste,

los estudios empíricos o de caso son aún

limitados, destacando algunos ejemplos

como los de Xiao (2022) y Vasco Delgado

et al. (2024). En términos geográﬁcos, los

países con mayor producción académica

en esta área son México, Colombia y Perú

en Latinoamérica (Tosca Magaña et al.,

2024); China e India en Asia (Min, 2024; Go-

pika, 2024); y Alemania y España en Europa

(Hentzen et al., 2021; Hasan, 2022).

En cuanto a los temas emergentes y futu-

ras líneas de investigación, se identiﬁca

un creciente interés por la IA explicable

(XAI), especialmente en lo que respecta a

la transparencia y claridad en los procesos

de auditoría y toma de decisiones ﬁnancie-

ras (Weber, 2024; Kureljusi, 2024). Además,

emergen estudios sobre el impacto de la IA

en la comunicación institucional, particular-

mente en la elaboración de estrategias co-

municacionales relacionadas con aspectos

ﬁnancieros (Zúñiga et al., 2023). Por otra

parte, se hace evidente la necesidad de

ampliar el enfoque hacia países en desarro-

llo, incluyendo investigaciones aplicadas en

PYMEs y en contextos con limitada infraes-

tructura tecnológica (Odonkor et al., 2024).

Posteriormente, algunas observaciones adi-

cionales permiten comprender la evolución

del campo. Por ejemplo, ciertos autores,

como Hasan y Shakdwipee, han publica-

do estudios similares con enfoques apenas

diferenciados, lo cual genera cierta redun-

dancia temática. A su vez, la interdisciplina-

riedad se presenta como una constante, ya

que la IA se articula no solo con la contabi-

lidad, sino también con áreas como el mar-

keting, las ﬁnanzas y la auditoría, aunque

no siempre con una perspectiva contable

especíﬁca (Devang et al., 2018-2019).

La inteligencia artiﬁcial está transformando

de manera signiﬁcativa el campo contable,

especialmente en términos de automatiza-

ción, transparencia y redeﬁnición de roles.

Sin embargo, persisten importantes bre-

chas en la aplicabilidad práctica, los mar-

cos éticos y la diversidad geográﬁca de los

estudios. Por ende, las futuras investiga-

ciones deberían enfocarse en fortalecer los

enfoques empíricos, ampliar la represen-

tatividad geográﬁca y desarrollar análisis

longitudinales que permitan medir impactos

sostenibles a lo largo del tiempo.

La inteligencia artiﬁcial (IA) está transforman-

do signiﬁcativamente el campo de la contabi-

lidad y las ﬁnanzas al ofrecer mayor eﬁcien-

cia, precisión y capacidad de análisis. Sin

embargo, su adopción también plantea desa-

fíos importantes relacionados con la transpa-

rencia, la aceptación tecnológica y la gestión

del cambio organizacional. En este contexto,

la IA se ha convertido en una herramienta cla-

ve para optimizar procesos y mejorar la cali-

dad de la información ﬁnanciera.

Entre las aplicaciones más destacadas de

la IA en contabilidad y ﬁnanzas se encuen-

tra la automatización de procesos rutina-

rios, como la gestión de facturas, audito-

rías, evaluación de riesgos, generación de

informes ﬁnancieros y administración ﬁscal

(Berdiyeva et al., 2021; Rahim & Chishti,

2024; Peng et al., 2023). Además, los algo-

ritmos de aprendizaje automático permiten

realizar análisis predictivos para anticipar

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

271

RECIMUNDO VOL. 9 N°2 (2025)

quiebras, movimientos en los precios de

acciones, optimizar portafolios de inversión

y detectar fraudes ﬁnancieros o actividades

ilícitas como el lavado de dinero (Ahmed

et al., 2022; Weber et al., 2023). La IA tam-

bién mejora la atención al cliente mediante

el uso de agentes inteligentes y sistemas

expertos, facilitando la resolución eﬁciente

de consultas ﬁnancieras (Berdiyeva et al.,

2021). Asimismo, permite procesar gran-

des volúmenes de datos no estructurados,

lo cual es útil tanto para la gestión pública

como privada (Akbalik et al., 2024).

Los beneﬁcios de incorporar IA en estos

sectores son múltiples. Entre ellos destaca

el aumento de la eﬁciencia operativa y la

reducción de errores humanos gracias a la

automatización y al análisis avanzado (Go-

pika, 2024). Esta tecnología también mejora

la toma de decisiones al proporcionar aná-

lisis en tiempo real y predicciones precisas,

permitiendo una gestión ﬁnanciera más in-

formada y estratégica (Ahmed et al., 2022;

Peng et al., 2023). Además, la IA contribu-

ye a la sostenibilidad al optimizar el uso de

recursos y facilitar decisiones alineadas

con los Objetivos de Desarrollo Sostenible

(ODS) (Peng et al., 2023).

No obstante, existen desafíos que deben ser

superados para lograr una implementación

efectiva. Uno de los principales es la falta

de transparencia y explicabilidad de algu-

nos modelos de IA, lo que puede diﬁcultar

su aceptación en sectores altamente regu-

lados (Yi et al., 2023). La adopción de estas

tecnologías también depende de factores

humanos, como la actitud, las habilidades

técnicas y la disposición al cambio por par-

te de los profesionales del área (Norzelan et

al., 2024). Además, la rápida evolución tec-

nológica exige una actualización constante

de competencias y una adecuada gestión

del cambio organizacional (Yi et al., 2023).

La inteligencia artiﬁcial ofrece enormes

oportunidades para modernizar y mejorar la

contabilidad y las ﬁnanzas. No obstante, su

implementación exitosa requiere enfrentar

retos relacionados con la transparencia de

los modelos, la aceptación tecnológica y la

capacitación continua. Integrar esta tecno-

logía de forma estratégica puede generar

procesos más ágiles, precisos y sosteni-

bles, fortaleciendo así la competitividad de

las organizaciones en un entorno cada vez

más digitalizado.

Discusión de los resultados

Los estudios analizados coinciden en que

la inteligencia artiﬁcial (IA) mejora signiﬁca-

tivamente la eﬁciencia contable mediante

la automatización de tareas repetitivas y la

reducción de errores, lo cual se alinea con

investigaciones previas sobre la digitaliza-

ción en el ámbito ﬁnanciero (por ejemplo,

Sutton et al., 2016). No obstante, esta trans-

formación tecnológica plantea un desafío

paradigmático relacionado con los roles

profesionales. Mientras algunos autores,

como Angulo Bustinza et al. (2025), resaltan

las oportunidades emergentes para funcio-

nes más estratégicas, la falta de formación

en competencias digitales —tema no abor-

dado de forma profunda en los estudios

revisados— podría limitar dicha transición,

especialmente en contextos con menor ni-

vel de desarrollo.

Un aspecto emergente y de creciente rele-

vancia es la inteligencia artiﬁcial explicable

(XAI), especialmente en el ámbito de la audi-

toría, donde la transparencia es crucial para

garantizar la rendición de cuentas. Aunque in-

vestigaciones como la de Weber (2024) des-

tacan el potencial transformador de la XAI, la

escasa implementación práctica revela que

persisten barreras tanto técnicas como cultu-

rales para su adopción a gran escala.

En cuanto a la coherencia con la literatura

existente, los beneﬁcios reportados —como

la detección de fraudes o el análisis predic-

tivo— son consistentes con hallazgos glo-

bales sobre IA en sectores ﬁnancieros (Da-

venport & Ronanki, 2018). Sin embargo, se

evidencia una falta de estudios empíricos

en países en desarrollo, en contraste con la

abundancia de trabajos teóricos en econo-

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA

272 RECIMUNDO VOL. 9 N°2 (2025)

mías emergentes como China o India. Esta

disparidad reﬂeja una brecha preocupante

entre la investigación académica y la apli-

cación real. Una contradicción relevante se

observa en la gestión de riesgos: mientras

Hentzen et al. (2021) subrayan el potencial

de la IA en este ámbito, otros estudios ad-

vierten sobre los riesgos éticos no mitigados

(Shakdwipee et al., 2023), lo que evidencia

una tensión persistente entre innovación

tecnológica y regulación normativa.

Desde una perspectiva práctica, la IA im-

pone nuevos desafíos a los profesionales

contables, quienes deben reorientar sus

competencias hacia habilidades analíticas y

de supervisión de sistemas automatizados,

especialmente en áreas como auditoría y

cumplimiento regulatorio. Para las organiza-

ciones, la adopción de IA no debe limitarse

a la inversión tecnológica, sino que debe ir

acompañada de estrategias éticas y progra-

mas de capacitación, con especial atención

a las PYMEs y a regiones con infraestructura

tecnológica limitada. En el ámbito académi-

co, se vuelve prioritario promover estudios

longitudinales y comparativos que permitan

evaluar los impactos a largo plazo de la IA en

contextos socioeconómicos diversos.

Sin embargo, esta revisión también presen-

ta limitaciones. Existe un sesgo geográﬁco

considerable, ya que el 65% de los estudios

se concentran en Latinoamérica y Asia, lo

cual restringe la posibilidad de generalizar

los resultados a regiones como África o Eu-

ropa del Este. Asimismo, la homogeneidad

metodológica representa una debilidad im-

portante: el predominio de revisiones teóri-

cas (70%) limita la diversidad de enfoques

y afecta la solidez de las conclusiones ob-

tenidas. Además, se detecta una repetición

temática entre algunos estudios, como los

de Hasan y Shakdwipee, lo que podría evi-

denciar una falta de coordinación o articula-

ción entre investigadores del área.

A partir de estas observaciones, se propo-

nen varias líneas de investigación futuras.

En primer lugar, se hace necesario validar

los hallazgos teóricos mediante estudios

empíricos en entornos reales, especialmen-

te en PYMEs y países en vías de desarrollo.

En segundo lugar, se debe profundizar en

el análisis de marcos éticos y normativos

aplicables a la IA en contabilidad, incluyen-

do la elaboración de estándares globales

que guíen su implementación responsable.

Finalmente, resulta urgente estudiar el im-

pacto sociolaboral de esta tecnología, par-

ticularmente en lo referente a la redeﬁnición

de roles, las dinámicas de empleo y la es-

tructura organizacional de las empresas.

La inteligencia artiﬁcial en contabilidad no

debe ser vista únicamente como una he-

rramienta tecnológica, sino como un ver-

dadero catalizador de transformaciones

estructurales en el ámbito profesional y or-

ganizacional. No obstante, su adopción exi-

ge un delicado equilibrio entre innovación,

responsabilidad ética y adaptación contex-

tual. La investigación futura deberá priorizar

la diversidad metodológica y geográﬁca

para cerrar las brechas identiﬁcadas y ase-

gurar que los beneﬁcios de la IA sean inclu-

sivos, sostenibles y socialmente equitativos.

Conclusiones

Los resultados destacan el potencial de la

IA para mejorar la eﬁciencia, la precisión y

la toma de decisiones en el ámbito contable

y ﬁnanciero, aunque también se identiﬁcan

desafíos relacionados con la implemen-

tación, la ética y la necesidad de nuevas

habilidades profesionales. Esta revisión sis-

temática concluye que la IA está transfor-

mando signiﬁcativamente el panorama de

la contabilidad y las ﬁnanzas, ofreciendo

importantes beneﬁcios pero también plan-

teando desafíos que requieren una cuida-

dosa consideración.

La investigación subraya la necesidad de

una mayor exploración de las implicaciones

educativas y profesionales de la IA en es-

tas áreas, así como el desarrollo de marcos

éticos y regulatorios adecuados para su im-

plementación responsable. Esta investiga-

ción contribuye al cuerpo de conocimiento

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

273

RECIMUNDO VOL. 9 N°2 (2025)

existente al ofrecer una visión integral y ac-

tualizada de la aplicación de la inteligencia

artiﬁcial en el campo de la contabilidad y

las ﬁnanzas. Al sintetizar la evidencia dis-

ponible, identiﬁca las tendencias clave, las

oportunidades emergentes y los desafíos

persistentes, proporcionando una base só-

lida para futuras investigaciones y para la

adaptación de los currículos educativos y

las prácticas profesionales a esta transfor-

mación tecnológica.

La inteligencia artiﬁcial (IA) está transforman-

do signiﬁcativamente el campo de la conta-

bilidad y las ﬁnanzas, ofreciendo mayor eﬁ-

ciencia, precisión y capacidad de análisis.

Sin embargo, su adopción también plantea

desafíos importantes relacionados con la

transparencia, la aceptación tecnológica y la

gestión del cambio organizacional. En este

contexto, la IA se ha convertido en una herra-

mienta clave para optimizar procesos y me-

jorar la calidad de la información ﬁnanciera.

Entre las aplicaciones más destacadas de la

IA en contabilidad y ﬁnanzas se encuentra la

automatización de procesos rutinarios, como

la gestión de facturas, auditorías, evaluación

de riesgos, generación de informes ﬁnancie-

ros y administración ﬁscal.

También, los algoritmos de aprendizaje au-

tomático permiten realizar análisis predic-

tivos para anticipar quiebras, movimientos

en los precios de acciones, optimizar porta-

folios de inversión y detectar fraudes ﬁnan-

cieros o actividades ilícitas como el lavado

de dinero. La IA también mejora la atención

al cliente mediante el uso de agentes inte-

ligentes y sistemas expertos, facilitando la

resolución eﬁciente de consultas ﬁnancie-

ras. Asimismo, permite procesar grandes

volúmenes de datos no estructurados, lo

cual es útil tanto para la gestión pública

como privada.

Los beneﬁcios de incorporar IA en estos

sectores son múltiples. Entre ellos desta-

ca el aumento de la eﬁciencia operativa y

la reducción de errores humanos gracias

a la automatización y al análisis avanzado.

Esta tecnología también mejora la toma de

decisiones al proporcionar análisis en tiem-

po real y predicciones precisas, permitien-

do una gestión ﬁnanciera más informada y

estratégica. Además, la IA contribuye a la

sostenibilidad al optimizar el uso de recur-

sos y facilitar decisiones alineadas con los

Objetivos de Desarrollo Sostenible (ODS).

No obstante, existen desafíos que deben ser

superados para lograr una implementación

efectiva. Uno de los principales es la falta

de transparencia y explicabilidad de algu-

nos modelos de IA, lo que puede diﬁcultar

su aceptación en sectores altamente regula-

dos. La adopción de estas tecnologías tam-

bién depende de factores humanos, como la

actitud, las habilidades técnicas y la disposi-

ción al cambio por parte de los profesionales

del área. Además, la rápida evolución tecno-

lógica exige una actualización constante de

competencias y una adecuada gestión del

cambio organizacional.

Bibliografía

Ahmed, S., Alshater, M., Ammari, A., & Hammami,

H. (2022). Artiﬁcial Intelligence and Machine Lear-

ning in Finance: A Bibliometric Review. Research

in International Business and Finance. https://doi.

org/10.1016/j.ribaf.2022.101646

Akbalik, M., Kogut, O., Nizamdinova, A., & Aktureeva,

E. (2024). THE USE OF ARTIFICIAL INTELLIGEN-

CE TO IMPROVE PUBLIC FINANCE ACCOUN-

TING. Bulletin of Toraighyrov University. Econo-

mics series. https://doi.org/10.48081/uoyq4941

Angulo Bustinza, H. D., & Tantalean Lam, E. (2025).

Análisis de la Inteligencia Artiﬁcial en el Entorno

Empresarial: Revisión Sistemática (2018-2023).

Fides et Ratio - Revista de Difusión cultural y cien-

tíﬁca de la Universidad La Salle en Bolivia, 29(29),

263-304. https://doi.org/10.55739/fer.v29i29.171

Berdiyeva, O., Islam, M., & Saeedi, M. (2021). Ar-

tiﬁcial Intelligence in Accounting and Finance:

Meta-Analysis. Volume 3, Issue 1. https://doi.

org/10.37435/nbr21032502

Černevičienė, J., & Kabašinskas, A. (2024). Explai-

nable artiﬁcial intelligence (XAI) in ﬁnance: a sys-

tematic literature review. Artif. Intell. Rev., 57, 216.

https://doi.org/10.1007/s10462-024-10854-8

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA

274 RECIMUNDO VOL. 9 N°2 (2025)

Córdova Morán, M. (2024). Los beneﬁcios de la in-

teligencia artiﬁcial en el desarrollo de actividades

contables: una revisión de la literatura reciente (úl-

timos 10 años). LATAM Revista Latinoamericana

de Ciencias Sociales y Humanidades 5(6), 1326

– 1337. https://doi.org/10.56712/latam.v5i6.3085

Dakalbab, F., Talib, M., Nasir, Q., & Sarouﬁl, T. (2024).

Artiﬁcial intelligence techniques in ﬁnancial tra-

ding: A systematic literature review. J. King Saud

Univ. Comput. Inf. Sci., 36, 102015. https://doi.or-

g/10.1016/j.jksuci.2024.102015

Devang, V., Chintan, S., Gunjan, T., Molina, F., & Fer-

nández, L. (2019). La inteligencia artiﬁcial en el

ámbito contable. Revista Académica: Contribucio-

nes a La Economía.

González-Mejía, S. L., Chamorro-Quiñónez, J. G., &

Rivera-Pizarro, C. F. (2024). Impacto de la inteli-

gencia artiﬁcial en los procesos contables me-

diante revisión de tendencias y desafíos. Multidis-

ciplinary Collaborative Journal, 2(2), 45-56. https://

doi.org/10.70881/mcj/v2/n2/35

Gopika, S. (2024a). Artiﬁcial Intelligence in Ac-

counting And Finance. Recent trends in Mana-

gement and Commerce. https://doi.org/10.46632/

rmc/5/2/12

Gopika, S. (2024b). Artiﬁcial Intelligence in Ac-

counting And Finance. 2, 5(2), 59–62. https://doi.

org/10.46632/rmc/5/2/12

Hasan, A. (2022a). Inteligencia Artiﬁcial (IA) en

Contabilidad y Auditoría: Una Revisión de la Li-

teratura. Open Journal of Business and Mana-

gement, 10, 440-465. https://doi.org/10.4236/

ojbm.2022.101026

Hasan, A. (2022b). Artiﬁcial Intelligence (AI) in Ac-

counting & Auditing: A Literature Review. Open

Journal of Business and Management. https://doi.

org/10.4236/ojbm.2022.101026

Hasan, A. R. (2022). Artiﬁcial Intelligence (AI) in Ac-

counting & Auditing: A Literature Review. Open

Journal of Business and Management, 10(01), 440–

465. https://doi.org/10.4236/ojbm.2022.101026

Hentzen, J., Hoffmann, A., Dolan, R., & Pala, E.

(2021). Artiﬁcial intelligence in customer-facing ﬁ-

nancial services: a systematic literature review and

agenda for future research. International Journal of

Bank Marketing. https://doi.org/10.1108/ijbm-09-

2021-0417

(2019). Artiﬁcial Intelligence in Finance and Ac-

counting. International Journal of Innovative Te-

chnology and Exploring Engineering. https://doi.

org/10.35940/ijitee.l1203.10812s19

Kureljusic, M., & Karger, E. (2023). Forecasting in

ﬁnancial accounting with artiﬁcial intelligence – A

systematic literature review and future research

agenda. Journal of Applied Accounting Research.

https://doi.org/10.1108/jaar-06-2022-0146

Liang, P., & Wu, L. (2022). The Application of Artiﬁ-

cial Intelligence in Accounting. 55–59. https://doi.

org/10.1109/ICCNEA57056.2022.00023

Lino Gamiño, J. A. (2025). La Inteligencia Artiﬁcial

y su Impacto en la Contabilidad Pública un Análi-

sis Teórico.: Artiﬁcial Intelligence and its Impact on

Public Accounting, a Theoretical Analysis. Inicio,

(23), 9–20. https://doi.org/10.32870/dfe.vi23.145

Luthﬁani, A. D. (2024). The Artiﬁcial Intelligence Re-

volution in Accounting and Auditing: Opportunities,

Challenges, and Future Research Directions. Jour-

nal of Applied Business, Taxation and Economics

Research, 3(5), 516–530. https://doi.org/10.54408/

jabter.v3i5.290

Min, L. (2024). Innovative Applications of Artiﬁcial

Intelligence in Accounting an Financial Manage-

ment. Frontiers in Management Science. https://

doi.org/10.56397/fms.2024.12.10

Norzelan, N., Mohamed, I., & Mohamad, M. (2024).

Technology acceptance of artiﬁcial intelligen-

ce (AI) among heads of ﬁnance and accounting

units in the shared service industry. Technological

Forecasting and Social Change. https://doi.or-

g/10.1016/j.techfore.2023.123022

Odonkor, B., Kaggwa, S., Uwaoma, P., Hassan, A., &

Farayola, O. (2024). The impact of AI on accoun-

ting practices: A review: Exploring how artiﬁcial

intelligence is transforming traditional accounting

methods and ﬁnancial reporting. World Journal

of Advanced Research and Reviews. https://doi.

org/10.30574/wjarr.2024.21.1.2721

Ortega Mèndez, J; Pinto Arboleda, R:Fajardo Bravo,

N: Zambrano Toapanta, A; , & Zambrano Recalde,

P. (2025). Inteligencia artiﬁcial en la auditoría con-

table. Aplicaciones y desafíos del uso de IA en la

auditoríaSinergia Académica, 8(Especial 2), 624-

636. https://doi.org/10.51736/sa

Peng, Y., Ahmad, S., Ahmad, A., Shaikh, M., Daoud,

M., & Alhamdi, F. (2023). Riding the Waves of Ar-

tiﬁcial Intelligence in Advancing Accounting and

Its Implications for Sustainable Development

Goals. Sustainability. https://doi.org/10.3390/

su151914165

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

275

RECIMUNDO VOL. 9 N°2 (2025)

Rahim, R., & Chishti, M. (2024). Artiﬁcial Intelligen-

ce Applications in Accounting and Finance. 2024

ASU International Conference in Emerging Tech-

nologies for Sustainability and Intelligent Systems

(ICETSIS), 1782-1786. https://doi.org/10.1109/

ICETSIS61505.2024.10459526

Rohmah, K. L., Arisudhana, A., & Nurhantoro, T. S.

(2022). The Future of Accounting With Artiﬁcial In-

telligence: Opportunity And Challenge. 1(1), 87–

91. https://doi.org/10.35842/icostec.v1i1.5

Santos, L., Maia, A. J., Corrêa, S. R. dos S., Coelho,

N. A. P., Neto, G., & Cruz, G. da. (2024). Accoun-

ting revolution in the digital age: the transformative

power of artiﬁcial intelligence. Aracê. Direitos Hu-

manos Em Revista, 6(3). https://doi.org/10.56238/

arev6n3-239

Shakdwipee, P., Agarwal, K., Kunwar, H., & Singh, S.

(2023a). Artiﬁcial Intelligence in Finance and Ac-

counting: Opportunities and Challenges. https://

doi.org/10.1007/978-981-99-5652-4_17

Shakdwipee, P., Agarwal, K., Kunwar, H., & Singh, S.

(2023b). Artiﬁcial Intelligence in Finance and Ac-

counting: Opportunities and Challenges (pp. 165–

177). Springer International Publishing. https://doi.

org/10.1007/978-981-99-5652-4_17

Tosca Magaña, S. A., Vázquez Vidal, V., & Martínez

Ortiz, M. (2024). La Revolución Digital en la Con-

tabilidad: Impacto de la Inteligencia Artiﬁcial en la

Auditoría. FACE, 24(2), 71–78.

Valladares-Albarracín, J. J. ., & Ordóñez-Parra, Y. L.

. (2024). La aplicación de inteligencia artiﬁcial en

la auditoría contable [The application of artiﬁcial

intelligence in accounting auditing]. Revista Mul-

tidisciplinaria Perspectivas Investigativas, 4(espe-

cial), 73–85. https://doi.org/10.62574/rmpi.v4ies-

pecial.172

Vasco Delgado, J. C. ., Quiroz Rojas, E. O. ., & Vera

Solórzano, M. L. . (2024). La inteligencia artiﬁcial

y su impacto en la aplicación de estrategias de

comunicación institucional de la Universidad de

Guayaquil. Revista Social Fronteriza, 4(6), e46510.

https://doi.org/10.59814/resofro.2024.4(6)510

Weber, P., Carl, K., & Hinz, O. (2023a). Applications

of Explainable Artiﬁcial Intelligence in Finance—a

systematic review of Finance, Information Sys-

tems, and Computer Science literature. Manage-

ment Review Quarterly, 74, 867-907. https://doi.

org/10.1007/s11301-023-00320-0

Weber, P., Carl, K., & Hinz, O. (2023b). Applications

of Explainable Artiﬁcial Intelligence in Finance—a

systematic review of Finance, Information Sys-

tems, and Computer Science literature. Manage-

ment Review Quarterly, 74, 867-907. https://doi.

org/10.1007/s11301-023-00320-0

Weheba, M. A. M. (2024). The Application of Artiﬁ-

cial Intelligence (AI) in Accounting and Auditing: A

Review Literature Narrative. Scientiﬁc Journal of Fi-

nancial Studies and Research Journal of Financial

and Administrative Studies and Research, Faculty

of Commerce, Sadat City University, *

CITAR ESTE ARTICULO:

Nájera Núñez, B. C., Blum Alcivar, H. M., López Coloma, R. V., & Villegas-Ya-

gual, F. E. (2025). La inteligencia artiﬁcial en contabilidad y ﬁnanzas. Una revi-

sión sistemática . RECIMUNDO, 9(2), 262–277. https://doi.org/10.26820/reci-

mundo/9.(2).abril.2025.262-277

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA

276 RECIMUNDO VOL. 9 N°2 (2025)

Anexos

Tabla 1. Resumida para la revisión sistemática sobre el impacto de la inteligencia artiﬁ-

cial (IA) en la contabilidad, basada en el articulo de revisión. La tabla incluye los campos

recomendados para una revisión PRISMA:

Nº

Autor(es)

Año

País

Objetivo del estudio

Diseño

metodológico

Hallazgos clave

Limitaciones

Lino Gamiño, J. A.

2025

México

Analizar teóricamente el impacto de

la IA en la contabilidad pública

Revisión teórica

La IA mejora la eficiencia contable,

reduce errores y redefine roles

profesionales

Falta de estudios

empíricos

González-Mejía et

al.

2024

Colombia

Revisar tendencias y desafíos de la IA

en contabilidad

Revisión de

literatura

Se identifican mejoras en

automatización y análisis predictivo

Escasa evidencia

práctica

Valladares-

Albarracín &

Ordóñez-Parra

2024

Colombia

Analizar aplicación de IA en auditoría

contable

Revisión

documental

La IA potencia la detección de

fraudes y eficiencia en auditoría

Limitada

implementación en

Latinoamérica

Min, L.

2024

China

Analizar aplicaciones innovadoras de

IA en contabilidad y finanzas

Revisión narrativa

Alta adaptabilidad en gestión

financiera y análisis de datos

Carencia de estudios

longitudinales

Córdova Morán, M.

2024

Perú

Evaluar beneficios de la IA en

actividades contables en los últimos

10 años

Revisión de

literatura

Mayor eficiencia y reducción de

costos operativos

Limitado enfoque en

PYMEs

Angulo Bustinza &

Tantalean Lam

2025

Perú/Bolivia

Revisar sistemáticamente estudios

sobre IA en entorno empresarial

(2018–2023)

Revisión

sistemática

Se destaca su impacto transformador

en procesos empresariales

Alta heterogeneidad en

resultados

Hasan, A.

2022

España

Explorar la aplicación de IA en

contabilidad y auditoría

Revisión de

literatura

Automatización de procesos y

mejora en toma de decisiones

Falta de estudios en

países en desarrollo

Shakdwipee et al.

2023

India

Analizar oportunidades y desafíos de

la IA en contabilidad y finanzas

Revisión en

capítulo de libro

IA ofrece ventajas estratégicas, pero

con riesgos éticos y técnicos

Carencia de evidencia

empírica

Gopika, S.

2024

India

Describir el impacto de la IA en

contabilidad y finanzas

Revisión

conceptual

Apoyo en tareas repetitivas, análisis

de grandes datos

Falta de estudios

comparativos

Liang & Wu

2022

China

Examinar aplicación de IA en

contabilidad

Revisión técnica

IA mejora precisión y velocidad en

reportes contables

Limitado análisis

cualitativo

Nº

Autor(es)

Año

País

Objetivo del estudio

Diseño metodológico

Hallazgos clave

Limitaciones

Hasan, A. R.

2022

Internacional

Revisar literatura sobre IA en

contabilidad y auditoría

Revisión sistemática

Aporta mejoras en eficiencia,

control interno y detección de

fraudes

Enfoque teórico, sin

validación empírica

Hentzen et al.

2021

Alemania

Revisar uso de IA en servicios

financieros orientados al cliente

Revisión sistemática

IA permite personalización,

automatización y reducción de

costos

Escasa integración ética y

regulatoria

Weheba, M. A. M.

2024

Egipto

Revisar la aplicación de IA en

auditoría contable

Revisión narrativa

IA mejora precisión y oportunidad

de informes

Enfoque limitado a

auditoría

Shakdwipee et al.

2023

India

Evaluar oportunidades y desafíos

de la IA en contabilidad y

finanzas

Revisión académica

Identifica potencial en gestión de

riesgos y cumplimiento normativo

Falta de evidencia

aplicada

Weber, P. et al.

2023

Alemania

Revisar el uso de IA explicable

(XAI) en finanzas

Revisión sistemática

interdisciplinaria

XAI mejora transparencia en

decisiones financieras

Pocas aplicaciones

prácticas identificadas

Černevičienė &

Kabašinskas

2024

Lituania

Revisar XAI en finanzas

Revisión sistemática

XAI permite auditorías más

comprensibles y responsables

Enfoque aún emergente,

poco implementado

Kureljusic &

Karger

2023

Alemania

Revisar pronósticos en

contabilidad financiera con IA

Revisión sistemática

Alta precisión predictiva en

informes financieros

Escasa estandarización de

técnicas

Ahmed et al.

2022

Arabia

Saudita

Revisión bibliométrica de IA y

aprendizaje automático en

finanzas

Análisis bibliométrico

Alta producción científica,

creciente interés interdisciplinario

No aborda impacto

cualitativo

Berdiyeva et al.

2021

Uzbekistán

Meta-análisis sobre IA en

contabilidad y finanzas

Meta-análisis

Confirma beneficios en

automatización y reducción de

errores

Heterogeneidad de

muestras y enfoques

Dakalbab et al.

2024

Arabia

Saudita

Revisar técnicas de IA en trading

financiero

Revisión sistemática

IA permite predicciones más

eficientes en mercados bursátiles

Alta dependencia de

calidad de datos

Nº

Autor(es)

Año

País

Objetivo del estudio

Diseño

metodológico

Hallazgos clave

Limitaciones

Odonkor et al.

2024

Ghana

Explorar cómo la IA transforma los métodos

contables tradicionales

Revisión teórica

Redefinición de roles contables y

mejora en reportes financieros

Falta de estudios de

caso

Santos et al.

2024

Brasil

Evaluar el poder transformador de la IA en la

contabilidad

Revisión narrativa

IA como herramienta de

modernización contable

Carencia de enfoque

empírico

Rohmah et al.

2022

Indonesia

Analizar oportunidades y desafíos de la IA en

el futuro de la contabilidad

Revisión

conceptual

IA agiliza procesos y mejora la

toma de decisiones

Enfoque descriptivo

general

Luthfiani, A.

2024

Indonesia

Revisar oportunidades, desafíos y futuras

investigaciones sobre IA en contabilidad y

auditoría

Revisión teórica

IA mejora control, transparencia

y efectividad

Falta aplicación a

entornos locales

Vasco Delgado

et al.

2024

Ecuador

Evaluar el impacto de la IA en estrategias

comunicacionales institucionales

Estudio de caso

documental

IA mejora comunicación

institucional universitaria

No se centra

directamente en

contabilidad

Ortega Méndez

et al.

2025

Ecuador

Analizar aplicaciones y desafíos de la IA en

auditoría contable

Revisión aplicada

IA incrementa precisión y

eficiencia en auditoría

Falta de datos

longitudinales

Xiao, W.

2022

China

Investigar estrategias aplicadas en auditorías

financieras con IA

Estudio de

conferencia

Mejora en eficiencia y detección

de anomalías

Investigación preliminar

Zúñiga et al.

2023

Costa Rica

Evaluar la importancia de la IA en

comunicación y marketing

Estudio mixto

IA mejora segmentación y

efectividad comunicativa

Ámbito parcialmente

contable

Tosca Magaña

et al.

2024

México

Examinar impacto de la IA en auditoría

contable

Revisión

documental

Mejora trazabilidad y control en

auditoría

Falta de aplicación en

PYMEs

Devang et al.

2018–

2019

India /

España

Explorar aplicaciones de IA en contabilidad y

marketing

Revisión mixta

IA facilita integración contable y

comercial

Escasa información

actualizada

Liang & Wu

2022

China

Aplicar IA en procesos contables

Revisión técnica

Aumenta precisión de reportes y

eficiencia

Limitado a contexto

técnico

Shakdwipee et

al.

2023

India

Repetición de análisis sobre IA en

contabilidad y finanzas

Revisión

académica

Identificación de oportunidades

estratégicas

Repetición parcial de

estudio Nº 8

NÁJERA NÚÑEZ, B. C., BLUM ALCIVAR, H. M., LÓPEZ COLOMA, R. V., & VILLEGAS-YAGUAL, F. E.

277

RECIMUNDO VOL. 9 N°2 (2025)

Nº

Autor(es)

Año

País

Objetivo del estudio

Diseño

metodológico

Hallazgos clave

Limitaciones

Odonkor et al.

2024

Ghana

Explorar cómo la IA transforma los métodos

contables tradicionales

Revisión teórica

Redefinición de roles contables y

mejora en reportes financieros

Falta de estudios de

caso

Santos et al.

2024

Brasil

Evaluar el poder transformador de la IA en la

contabilidad

Revisión narrativa

IA como herramienta de

modernización contable

Carencia de enfoque

empírico

Rohmah et al.

2022

Indonesia

Analizar oportunidades y desafíos de la IA en

el futuro de la contabilidad

Revisión

conceptual

IA agiliza procesos y mejora la

toma de decisiones

Enfoque descriptivo

general

Luthfiani, A.

2024

Indonesia

Revisar oportunidades, desafíos y futuras

investigaciones sobre IA en contabilidad y

auditoría

Revisión teórica

IA mejora control, transparencia

y efectividad

Falta aplicación a

entornos locales

Vasco Delgado

et al.

2024

Ecuador

Evaluar el impacto de la IA en estrategias

comunicacionales institucionales

Estudio de caso

documental

IA mejora comunicación

institucional universitaria

No se centra

directamente en

contabilidad

Ortega Méndez

et al.

2025

Ecuador

Analizar aplicaciones y desafíos de la IA en

auditoría contable

Revisión aplicada

IA incrementa precisión y

eficiencia en auditoría

Falta de datos

longitudinales

Xiao, W.

2022

China

Investigar estrategias aplicadas en auditorías

financieras con IA

Estudio de

conferencia

Mejora en eficiencia y detección

de anomalías

Investigación preliminar

Zúñiga et al.

2023

Costa Rica

Evaluar la importancia de la IA en

comunicación y marketing

Estudio mixto

IA mejora segmentación y

efectividad comunicativa

Ámbito parcialmente

contable

Tosca Magaña

et al.

2024

México

Examinar impacto de la IA en auditoría

contable

Revisión

documental

Mejora trazabilidad y control en

auditoría

Falta de aplicación en

PYMEs

Devang et al.

2018–

2019

India /

España

Explorar aplicaciones de IA en contabilidad y

marketing

Revisión mixta

IA facilita integración contable y

comercial

Escasa información

actualizada

Liang & Wu

2022

China

Aplicar IA en procesos contables

Revisión técnica

Aumenta precisión de reportes y

eficiencia

Limitado a contexto

técnico

Shakdwipee et

al.

2023

India

Repetición de análisis sobre IA en

contabilidad y finanzas

Revisión

académica

Identificación de oportunidades

estratégicas

Repetición parcial de

estudio Nº 8

Notas:

• Varios estudios se centran también en au-

ditoría, ﬁnanzas y comunicación institucio-

nal, por lo que su relación con la contabili-

dad puede ser directa o contextual.

LA INTELIGENCIA ARTIFICIAL EN CONTABILIDAD Y FINANZAS. UNA REVISIÓN SISTEMÁTICA