Agentes de IA en Auditoría Interna: Automatizar sin Ceder el Juicio Profesional

Un agente de IA podría recibir una solicitud de evidencia, localizar documentos en repositorios autorizados, ejecutar una consulta, comparar resultados con un criterio, preparar un papel de trabajo y avisar que una prueba está lista para revisión. En un flujo bien diseñado, el auditor gana tiempo sin perder control. En uno mal diseñado, el mismo agente puede consultar información que no debía ver, utilizar un criterio desactualizado, interpretar una excepción como conformidad o modificar un registro antes de que alguien detecte el error.

Esa diferencia revela la cuestión central. El principal riesgo de un agente no es solo lo que genera, sino la autoridad que recibe para actuar.

Para Auditoría Interna, el salto desde un asistente generativo hacia un agente exige cambiar la pregunta de control. Ya no basta con evaluar la calidad de una respuesta. Hay que definir qué puede leer, qué herramientas puede utilizar, qué decisiones puede proponer, qué acciones puede ejecutar, qué necesita aprobación y cómo se reconstruirá después cada paso relevante.

El salto decisivo es de respuesta a acción

Un chatbot normalmente responde a una instrucción. Un agente, en cambio, trabaja hacia un objetivo y puede encadenar varias acciones: consultar fuentes, decidir qué herramienta utilizar, llamar a sistemas externos, mantener contexto, verificar condiciones y continuar hasta completar una tarea o alcanzar un límite.

Ese diseño puede ser muy útil en auditoría porque gran parte del trabajo contiene secuencias repetibles: recopilar información, comparar criterios, organizar documentación, ejecutar controles de calidad o monitorear acciones. Pero también amplía la superficie de riesgo.

En 2026, el NIST lanzó su AI Agent Standards Initiative precisamente porque los agentes pueden actuar de forma autónoma e interactuar con datos y sistemas externos. La iniciativa se centra, entre otros temas, en seguridad, identidad e interoperabilidad. Esto también ofrece una advertencia práctica: los estándares específicos para agentes todavía están evolucionando. No existe hoy un único marco maduro que Auditoría Interna pueda adoptar como checklist completo para sus propios agentes.

El NIST AI Risk Management Framework y su perfil para IA generativa siguen siendo referencias útiles para estructurar gobierno, evaluación y tratamiento de riesgos, pero son recursos voluntarios, no requisitos profesionales de auditoría interna.

Un agente de auditoría no debe evaluarse como un chatbot más preciso, sino como un actor digital con autoridad delegada.

Dónde puede aportar valor un agente en el ciclo de auditoría

El mejor caso de uso no suele ser “hacer la auditoría”. Es coordinar partes del trabajo que tienen reglas claras, datos accesibles y resultados verificables.

Etapa	Papel posible del agente	Acción sobre sistemas	Punto de control humano
Planificación	Investigar, comparar políticas, agrupar riesgos y preparar hipótesis o un borrador de programa de trabajo.	Principalmente lectura.	El auditor aprueba objetivos, alcance, criterios y programa.
Trabajo de campo	Clasificar evidencia, orquestar pruebas, ejecutar consultas autorizadas e identificar inconsistencias.	Lectura y ejecuciones técnicas limitadas.	El auditor valida el diseño de prueba y evalúa relevancia, fiabilidad y suficiencia de la evidencia.
Hallazgos y comunicación	Sintetizar evidencia, detectar contradicciones, proponer estructura y mejorar claridad.	Sin envío externo ni modificación final.	Auditor y supervisor aprueban hallazgos, conclusiones y comunicación.
Seguimiento y calidad	Monitorear vencimientos, revisar integridad de papeles de trabajo y comparar evidencia de remediación.	Notificaciones o actualizaciones de bajo riesgo, si están preautorizadas.	Una persona decide cierre, escalamiento y aceptación del trabajo de calidad.

La regla práctica es reservar para las personas las decisiones que cambian el significado profesional del trabajo. Las Normas Globales de Auditoría Interna asignan a la función y a sus profesionales responsabilidades sobre metodología, evidencia, supervisión, documentación, hallazgos, conclusiones y comunicación. Un agente puede apoyar esas actividades, pero utilizarlo no transfiere la responsabilidad profesional.

Controlar la autoridad es más importante que perfeccionar el prompt

Los errores de un asistente pueden quedar dentro de una conversación. Los errores de un agente pueden convertirse en acciones. Por eso, el diseño de control debe comenzar por la autoridad.

Primero, el agente necesita una identidad propia y trazable, con privilegios mínimos. No debería operar con credenciales compartidas de un auditor ni heredar acceso amplio por conveniencia. El acceso de lectura y la capacidad de escritura deben tratarse como niveles distintos de riesgo.

Segundo, las herramientas disponibles deben formar una lista autorizada. Un agente que puede consultar un repositorio aprobado no necesita, por defecto, acceso a correo, carpetas personales, bases productivas o funciones administrativas. Para acciones de mayor impacto, conviene limitar también parámetros, volúmenes, horarios y destinos.

Tercero, deben existir compuertas de aprobación antes de acciones materiales o difíciles de revertir. Emitir una comunicación, cerrar un hallazgo, modificar un papel de trabajo aprobado, cambiar un criterio de prueba o escalar una conclusión son ejemplos donde la automatización puede preparar el paso, pero no debería eliminar la revisión responsable.

Cuarto, la segregación de funciones también aplica al software. El mismo agente no debería crear una conclusión, aprobarla y registrar su cierre sin un control independiente.

Quinto, el diseño necesita condiciones de parada y manejo de excepciones. Si falta evidencia, una fuente no está disponible, aparecen datos contradictorios, una llamada a herramienta falla o el agente excede un umbral definido, la respuesta correcta puede ser detenerse y pedir intervención, no “hacer el mejor esfuerzo”.

El NIST AI 600-1 recomienda definir roles y responsabilidades para configuraciones humano-IA, políticas de uso aceptable y evaluaciones proporcionales al riesgo. Además, un documento conceptual inicial del NCCoE de NIST sobre identidad y autorización de agentes destaca cuestiones como identificación, autorización, auditoría, no repudio y protección frente a inyección de prompts. Es un borrador, no un estándar obligatorio, pero señala con claridad dónde se está concentrando el riesgo técnico.

Para Auditoría Interna, estas prácticas encajan con obligaciones ya existentes. La Norma 10.3 exige al Director de Auditoría Interna evaluar los recursos tecnológicos, formar a los auditores y colaborar con tecnología y seguridad de la información para implementarlos adecuadamente. La Norma 5.2 exige proteger la confidencialidad, privacidad y seguridad de la información. Un agente que accede a evidencia sensible debe diseñarse desde esas obligaciones, no añadírselas después.

La evidencia debe sobrevivir al agente

Una automatización útil no es necesariamente una automatización auditable.

La Norma 14.1 exige que la información utilizada por Auditoría Interna sea relevante, fiable y suficiente. La Norma 14.6 exige documentar el trabajo de forma que una persona informada y competente pueda repetirlo y llegar a los mismos resultados. Estas expectativas cambian lo que significa “logging” en un flujo agentivo.

No hace falta capturar razonamientos internos ocultos del modelo. La trazabilidad debe basarse en hechos observables: quién o qué inició la tarea; qué fuentes fueron consultadas; qué versión de una política o archivo se utilizó; qué herramientas se llamaron y con qué parámetros; qué resultados se produjeron; qué excepciones ocurrieron; qué acciones se intentaron o completaron; quién aprobó, rechazó o corrigió cada paso relevante; y qué versión del modelo, prompt, flujo y reglas estaba activa.

La distinción es importante. Una explicación generada por el agente puede ayudar al auditor a entender el trabajo, pero no sustituye la evidencia subyacente. Si el agente concluye que 18 excepciones cumplen un criterio, el papel de trabajo debe permitir regresar a la población, a la regla utilizada y a los registros que sustentan esa conclusión.

La trazabilidad también protege frente a cambios. Si una actualización del modelo, un conector nuevo o una modificación del prompt altera el comportamiento, el equipo necesita saber desde cuándo ocurrió y qué trabajos podrían estar afectados.

La calidad debe probar el flujo, no solo el texto

Un agente puede producir redacción impecable y aun así ejecutar un proceso defectuoso. Por eso, la calidad debe evaluar comportamiento completo.

Antes de producción, conviene probar escenarios conocidos con resultados esperados, casos negativos, accesos prohibidos, evidencia contradictoria, fuentes desactualizadas, errores de herramientas, interrupciones, intentos de saltar aprobaciones y entradas diseñadas para manipular instrucciones. Las pruebas deben comprobar tanto la exactitud del resultado como si el agente se abstiene correctamente cuando no tiene suficiente información o autoridad.

Después de desplegarlo, el monitoreo debe incluir métricas que reflejen calidad real: afirmaciones no respaldadas, correcciones del revisor, errores de acción, excepciones de permisos, reejecuciones, tiempo neto ahorrado después de la revisión y porcentaje de tareas que requieren escalamiento humano. “Minutos generados automáticamente” dice poco si luego el supervisor dedica más tiempo a verificar y corregir.

La Norma 12.3 exige metodologías de supervisión, aseguramiento de la calidad y desarrollo de competencias, y mantiene la responsabilidad final del Director de Auditoría Interna incluso cuando parte del trabajo es realizado por otros proveedores. El principio es directamente útil para agentes: introducir automatización no elimina la necesidad de supervisar la calidad del trabajo que entra en el expediente de auditoría.

El perfil de NIST para IA generativa añade otra idea útil: la intensidad de evaluación debe ser proporcional al riesgo. Un agente de solo lectura que revisa formato de papeles de trabajo no necesita la misma arquitectura de control que uno capaz de cambiar estados en el sistema de gestión de auditoría o comunicarse con responsables fuera del equipo.

La madurez se demuestra limitando la autonomía cuando corresponde

Un Practice Guide de IIA Nederland e ISACA Netherlands Chapter publicado en 2026 sitúa los agentes en el extremo avanzado de una hoja de ruta para el uso de IA en Auditoría Interna. Esa progresión es útil, pero no debería interpretarse como una obligación de maximizar autonomía.

Una función madura puede elegir deliberadamente un agente de solo lectura porque el riesgo de escritura no compensa el beneficio. También puede permitir acciones preaprobadas y reversibles —por ejemplo, clasificar documentación, abrir tareas internas o enviar recordatorios controlados— mientras mantiene bajo aprobación humana el alcance, la evaluación de evidencia, los hallazgos, las conclusiones y el cierre.

Antes de aprobar un piloto, un Director de Auditoría Interna debería poder responder seis preguntas: qué decisión o tarea se delega; qué datos y sistemas puede utilizar el agente; qué acciones son irreversibles o materiales; dónde se exige aprobación humana; qué registro permitirá reconstruir cada paso; y qué métricas demostrarán que la calidad mejora después de considerar el esfuerzo de revisión.

El mejor agente de auditoría quizá nunca emita un informe, cierre un hallazgo ni declare que la evidencia es suficiente. Puede limitarse a reducir fricción: reunir información, ejecutar pasos repetibles, vigilar excepciones y preparar mejores insumos para una persona responsable.

Esa es la frontera correcta. En Auditoría Interna, la autonomía crea valor solo cuando la responsabilidad, la evidencia y el control se vuelven más claros, no más difusos.