Tecnología en la batalla contra el fraude contable

El fraude contable consiste en un golpe al sistema económico global: las empresas generadoras de riqueza exteriorizan a través de estados contables sus situaciones patrimoniales y de resultados. Dichos documentos son utilizados por los diferentes stakeholders para la toma de decisiones canalizando el ahorro, la inversión y la recaudación fiscal. Falsear estados contables es destruir valor.

Dentro de los diversos tipos de fraudes organizacionales, el contable representa uno de los menos recurrentes, pero más costosos para las compañías. Según el Reporte de la Naciones de ACFE 2020, estos eventos son los menos corrientes (solo el 10 % de los casos estudiados), pero con una pérdida media de 954.000 dólares.

Entendemos, dicho esto, que la situación amerita estudiar nuevas herramientas que permitan a los auditores amplificar sus capacidades para la detección oportuna de estos eventos.

A través de la ciencia de datos, es posible explotar los mismos, ya sea para efectuar análisis descriptivos o bien predicciones; en ambos sentidos, con el fin de tomar mejores decisiones. En el primer caso, nos valdremos de determinadas técnicas para evaluar características de un dataset y, sobre ellos, aplicar el método deductivo, yendo de lo general a lo particular; mientras que, mediante el análisis predictivo, se buscará aplicar algoritmos que nos permitan inferir sobre futuros casos no tratados en esta instancia, aplicando, entonces, el método inductivo. Respecto a las técnicas de machine learning hoy disponibles para los auditores, nos basamos tanto en modelos supervisados como no supervisados.

Actualmente existen múltiples técnicas analíticas para poder evaluar potenciales fraudes dentro de un universo de datos. Entre las más utilizadas están el análisis de frecuencias, aplicación de la ley de Benford, indicadores lineales multivariantes, aplicación de redes sociales, redes neuronales, clustering y análisis de anomalías mediante algoritmos de “bosque” (Random Forest, Isolation Forest).

Si bien este abordaje pueda verificar diversas situaciones anómalas dentro de la contabilidad sujeta a revisión, es importante mencionar que no estamos en condiciones de afirmar que todas ellas se deban a fraudes. En principio, porque lo que diferencia un error de un fraude es la intencionalidad, concepto no observable que excede nuestro alcance.

Por otro lado, podemos encontrarnos con situaciones anormales, pero que no han sido un fraude o un error, con lo cual estaríamos ante un falso positivo. No obstante, consideramos que la aplicación de este tipo de herramientas puede potenciar al auditor al facilitarle su planificación y brindarle información valiosa para mejorar su revisión, y al orientarlo con determinados eventos que, en principio, requerirían una mayor atención y que, bajo un enfoque tradicional, podrían quedar fuera de su muestra.

Junto con las técnicas mencionadas en el presente artículo, entendemos que existen múltiples oportunidades de mejoras, como el enriquecimiento de datos de los usuarios, ponderándolos de acuerdo con el perfil del defraudador. Este enriquecimiento podría incluir técnicas de screening por las cuales se puedan observar situaciones financieras personales y, eventualmente, una necesidad (concepto relevante según la teoría del triángulo del fraude) de los colaboradores de la organización sujeta a auditoría. Invitamos a lectores, expertos en contabilidad, forensics y ciencia de datos a continuar explorando para lograr una contribución significativa en una profesión que continúa en plena transformación.

(*) Socio Consultoría, Compliance e

Investigaciones BDO en Argentina.