ISSN 2953-6367
julio - diciembre 2025
http://revistainvestigo.com
Vol. 6, No. 16, PP. 585-601
https://doi.org/10.56519/s9w1cq21
Revista Científica Multidisciplinaria InvestiGo
Riobamba – Ecuador
Cel: +593 97 911 9620
revisinvestigo@gmail.com
585
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL
FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
LEGAL AND REGULATORY IMPACT ON FRAUD AND
CORRUPTION PREVENTION THROUGH ARTIFICIAL
INTELLIGENCE
Galo Santiago Guzmán Guzmán
1
, Juan Carlos Yánez Carrasco
2
, Héctor Wellington Fierro Torres
3
,
Iván Landivar García Ortega
4
{galosanti@yahoo.es
1
, jyanez@ueb.edu.ec
2
, ignaciohectorfierrotorres25@hotmail.com
3
, ivanlandi_tuco1@hotmail.com
4
}
Fecha de recepción: 11/06/2025 / Fecha de aceptación: 30/06/2025 / Fecha de publicación: 01/07/2025
RESUMEN: La integración de la inteligencia artificial (IA) en los sistemas financieros se
presenta como una herramienta indispensable para combatir el fraude y la corrupción,
fenómenos que no solo desestabilizan la integridad financiera, sino que también socavan la
confianza pública y la seguridad jurídica. Ante la creciente sofisticación de las tipologías
delictivas cibernéticas y la corrupción sistémica, los métodos de investigación y auditoría
tradicionales han demostrado ser insuficientes, lo que exige la adopción de nuevas
tecnologías alineadas con el marco normativo vigente. Esta investigación aborda la imperante
necesidad de respuestas efectivas por parte de los profesionales del derecho y la economía,
investigando el impacto de la IA en los sistemas financieros, con un enfoque prioritario en la
prevención y detección de ilícitos financieros y actos de corrupción. El estudio empleó una
metodología mixta, combinando un riguroso análisis cuantitativo con una profunda
exploración cualitativa, incluyendo una revisión sistemática de la literatura jurídica y técnica,
así como entrevistas a expertos. Los resultados demuestran que la IA es una herramienta
poderosa para el análisis de Big Data, capaz de procesar volúmenes de información hasta un
500% más rápido que los métodos convencionales, lo que se traduce en una agilización
significativa de los procesos de auditoría forense y cumplimiento normativo (compliance).
Además, los algoritmos de IA redujeron el tiempo de cálculo en un 35% y mejoraron la
precisión de detección de anomalías y potenciales fraudes en un 14%, elevando la precisión
general al 92%. La capacidad de la IA para procesar el 100% de los datos disponibles, en
contraste con el 5-10% de los métodos anteriores, y su eficiencia económica, con un ahorro de
costos del 28%, la posicionan como un recurso invaluable en la due diligence y la gestión de
1
Universidad Estatal de Bolívar; Defensoría Pública de Bolívar, https://orcid.org/0009-0000-1430-8274.
2
Universidad Estatal de Bolívar, https://orcid.org/0000-0001-6538-0620.
3
Universidad Estatal de Bolívar; Defensoría Pública, https://orcid.org/0009-0002-3738-8566.
4
Universidad Estatal de Bolívar; https://orcid.org/0009-0006-8780-1776.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
586
riesgos legales. A pesar de sus innegables beneficios, la integración exitosa de la IA en los
sistemas financieros y jurídicos requiere la superación de desafíos técnicos, organizativos,
éticos y, fundamentalmente, normativos. La implementación de estas tecnologías debe ser
meticulosamente planificada para asegurar su compatibilidad con los principios de protección
de datos, la presunción de inocencia, el debido proceso y la responsabilidad jurídica. Estas
tecnologías tienen el potencial no solo de transformar las cadenas de suministro y garantizar
la estabilidad financiera de las empresas, sino también de fortalecer el Estado de Derecho en
la lucha contra el crimen económico.
Palabras clave: Fraude financiero, inteligencia artificial, compliance, auditoría
ABSTRACT:
The integration of artificial intelligence (AI) into financial systems is presented
as an indispensable tool for combating fraud and corruption, phenomena that not only
destabilize financial integrity but also undermine public trust and legal certainty. Given the
growing sophistication of cybercrime typologies and systemic corruption, traditional
investigation and audit methods have proven insufficient, necessitating the adoption of new
technologies aligned with the current regulatory framework. This research addresses the
pressing need for effective responses from legal and economic professionals by investigating
the impact of AI on financial systems, with a priority focus on the prevention and detection of
financial illicit activities and acts of corruption. The study employed a mixed methodology,
combining rigorous quantitative analysis with in-depth qualitative exploration, including a
systematic review of the legal and technical literature, as well as expert interviews. The
results demonstrate that AI is a powerful tool for Big Data analysis, capable of processing
volumes of information up to 500% faster than conventional methods, which translates into a
significant streamlining of forensic audit and compliance processes. Furthermore, AI
algorithms reduced calculation time by 35% and improved the accuracy of anomaly and
potential fraud detection by 14%, raising overall accuracy to 92%. AI's ability to process 100%
of available data, compared to 5-10% for previous methods, and its economic efficiency, with
a 28% cost savings, position it as an invaluable resource in due diligence and legal risk
management. Despite its undeniable benefits, the successful integration of AI into financial
and legal systems requires overcoming technical, organizational, ethical, and, crucially,
regulatory challenges. The implementation of these technologies must be meticulously
planned to ensure compatibility with the principles of data protection, the presumption of
innocence, due process, and legal accountability. These technologies have the potential not
only to transform supply chains and ensure the financial stability of companies, but also to
strengthen the rule of law in the fight against economic crime.
Keywords: Financial fraud, artificial intelligence, compliance, auditing, financial fraud
INTRODUCCIÓN
La era digital ha reconfigurado el panorama de los riesgos financieros y operativos, haciendo
que el fraude y la corrupción sean más complejos y difíciles de detectar mediante métodos
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
587
convencionales. Para el profesional del derecho, esta realidad impone la necesidad de
comprender y aplicar herramientas innovadoras que no solo optimicen la detección de ilícitos,
sino que también garanticen el cumplimiento normativo (compliance) y la mitigación de riesgos
legales. La Inteligencia Artificial (IA) emerge como una solución tecnológica clave, capaz de
procesar y analizar volúmenes masivos de datos para identificar patrones y anomalías que
escapan al ojo humano.
Este estudio se fundamenta en la premisa de que la IA puede ser un catalizador en la
modernización de los procesos de auditoría, transformándolos en mecanismos más eficientes y
precisos para la prevención y el combate del fraude y la corrupción. Desde una perspectiva
jurídica, la adopción de la IA en este ámbito plantea cuestiones fundamentales relacionadas con
la evidencia digital, la cadena de custodia, la validez probatoria de los algoritmos y las
responsabilidades derivadas de su implementación.
El objetivo principal de esta investigación es analizar el impacto de la integración de la IA en los
sistemas financieros, con un enfoque particular en su rol en la prevención y detección de fraude
y corrupción, considerando las implicaciones legales y éticas inherentes. Para ello, se abordan
los siguientes puntos críticos:
Explorar el uso actual de la IA en los servicios financieros y su relevancia para la práctica
jurídica.
Evaluar la eficacia de los sistemas basados en IA para la detección y prevención de ilícitos,
contrastándolos con los métodos tradicionales y su capacidad para generar pruebas
válidas.
Identificar los desafíos y limitaciones jurídicas y técnicas de la implementación de la IA en
la auditoría, incluyendo la interpretabilidad de los modelos y la protección de datos
sensibles.
Analizar el potencial de la IA para fortalecer los procesos de due diligence, auditoría
forense y gestión de riesgos penales y civiles.
Proponer consideraciones clave para una integración efectiva de la IA en los servicios
financieros, garantizando la seguridad jurídica, la transparencia algorítmica y el respeto a
los derechos fundamentales.
Se espera que los hallazgos de este estudio no solo contribuyan al conocimiento técnico y
financiero, sino que también provean una guía esencial para abogados, reguladores y
legisladores en la formulación de políticas y marcos legales que permitan la utilización
responsable y efectiva de la IA en la salvaguarda de la integridad financiera y el combate a la
criminalidad económica. Se enfatizará la necesidad de un marco normativo sólido que garantice
el cumplimiento normativo y la protección de datos (13), fundamentales en cualquier proceso
legal.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
588
MATERIALES Y MÉTODOS
Tipo de Investigación
Este estudio adoptó una metodología mixta, combinando la robustez del análisis cuantitativo de
datos con la profundidad interpretativa del análisis cualitativo. Esta aproximación permitió una
comprensión holística del fenómeno, facilitando la triangulación de resultados y la validación
cruzada de las conclusiones, aspectos cruciales para la solidez probatoria y la validez académica.
Fase Cuantitativa
Población: La población estudiada incluyó artículos científicos, informes técnicos y
estudios publicados entre 2018 y 2024, que abordan la aplicación de la IA en servicios
financieros y su correlación con la prevención de fraude. Se priorizó la literatura que
discute aspectos de cumplimiento, auditoría forense y gestión de riesgos legales.
Muestra: Se seleccionaron un total de 200 publicaciones mediante una búsqueda
sistemática en bases de datos académicas y repositorios de investigación jurídica. Los
criterios de inclusión se basaron en la relevancia del artículo para la detección y
prevención de fraude y corrupción, su impacto metodológico y su pertinencia para las
implicaciones legales.
Fase Cualitativa
Grupo Objetivo: El grupo objetivo estuvo estratégicamente conformado por contadores
forenses, expertos en inteligencia artificial aplicada a finanzas, profesionales de FinTech
con experiencia regulatoria y, fundamentalmente, abogados especializados en derecho
penal económico, derecho financiero y compliance.
Muestreo: Se utilizó un muestreo intencional y selectivo para realizar entrevistas en
profundidad a 30 expertos. El objetivo fue obtener una gama diversa de perspectivas y
experiencias, incluyendo aquellas sobre los desafíos legales y éticos que presenta la IA en
la auditoría, mejorando así la calidad de los datos obtenidos para su posterior análisis
jurídico.
Instrumentos
Revisión de Literatura Sistemática: Se realizó una búsqueda exhaustiva en bases de datos
como Scopus, Web of Science, IEEE Xplore y bases de datos jurídicas especializadas (ej.
LexisNexis, Westlaw), utilizando palabras clave relacionadas con IA, auditoría, fraude,
corrupción y términos jurídicos como "compliance", "riesgo legal", "prueba digital" y
"responsabilidad algorítmica". Se aplicaron técnicas de muestreo para analizar la
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
589
información relevante de las variables seleccionadas, con énfasis en la validez y
aplicabilidad legal de los hallazgos.
Entrevista Semiestructurada: Se elaboró un cuestionario que, si bien abordaba aspectos
técnicos y financieros, incorporaba un segmento significativo dedicado a las implicaciones
éticas, normativas y jurídicas de la IA en la auditoría. Esto permitió explorar las
percepciones de los expertos sobre la aceptabilidad legal de la evidencia generada por IA y
los marcos regulatorios necesarios.
Análisis de Datos
Análisis Cuantitativo: Se llevó a cabo una revisión sistemática de la literatura para
identificar tendencias y patrones en las publicaciones, prestando especial atención a
estudios que cuantificaran la eficacia de la IA en la detección de ilícitos financieros y su
impacto en la reducción de litigios o sanciones.
Análisis Cualitativo: Se utilizaron técnicas de codificación abierta, axial y selectiva para
identificar temas emergentes y patrones clave en las respuestas de los expertos. Se prestó
particular atención a las categorías relacionadas con la gobernanza de datos, la
transparencia algorítmica, la responsabilidad civil y penal, y la necesidad de marcos
regulatorios específicos para la IA en el ámbito financiero y de auditoría.
Validación
Se implementó un proceso de revisión por pares por parte de expertos en auditoría y
derecho, garantizando que los resultados fueran evaluados bajo una lente tanto técnica
como jurídica.
Se realizó una sesión de validación con un subgrupo de expertos entrevistados, con el fin
de confirmar la interpretación y la relevancia de los hallazgos, especialmente en lo que
respecta a las implicaciones prácticas y legales de la integración de la IA.
La combinación de análisis cuantitativos con modelos cualitativos proporcionó una base sólida
para comprender las tendencias en el uso de la inteligencia artificial, así como los desafíos y
oportunidades que enfrenta la industria, todo ello enmarcado en un análisis riguroso de sus
consecuencias jurídicas y regulatorias.
RESULTADOS
Los siguientes resultados tienen como objetivo fundamentar los hallazgos respecto a la
integración de la inteligencia artificial (IA) en el sistema financiero, particularmente en el área
de prevención de fraude y corrupción, con una especial atención a sus implicaciones para la
práctica jurídica y el cumplimiento normativo.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
590
Tabla 1. Aplicaciones actuales de la IA en auditoría y su relevancia legal.
Aplicación
Porcentaje de
Firmas
Reducción de
Tiempo (%)
Tasa de
Precisión (%)
Mejora en
Detección de
Fraude (%)
Relevancia Jurídica
Clave
Análisis de datos a
gran escala
87%
62%
N/A
N/A
Análisis para Due
Diligence y Litigio.
Facilita la
identificación de
patrones
transaccionales
anómalos para
auditorías forenses y
la preparación de
evidencia digital.
Detección de
anomalías
N/A
N/A
94%
73%
Alerta temprana de
fraudes. Permite la
acción legal
preventiva y la
recopilación de
pruebas de indicios
de delito.
Automatización de
procesos
91%
N/A
N/A
45% (eficiencia
operativa)
Optimización de
Compliance y
Auditorías Internas.
Reduce errores
operativos,
disminuyendo el
riesgo de sanciones
regulatorias.
Análisis predictivo
N/A
N/A
N/A
82%
(predicción de
riesgo)
Gestión Proactiva de
Riesgos Legales y
Penales. Anticipa
vulnerabilidades que
podrían derivar en
responsabilidades
corporativas o
individuales.
Esta tabla detalla diversas aplicaciones de la inteligencia artificial en la industria de la auditoría y
su concomitante relevancia jurídica. El análisis de Big Data se destaca, con un 87% de las
empresas de auditoría que ya utilizan IA. Desde una perspectiva legal, esta capacidad es
fundamental para la due diligence en fusiones y adquisiciones, así como para la preparación de
casos de litigio y arbitraje donde se requiere el análisis de vastos conjuntos de datos para
identificar patrones y tendencias que podrían constituir evidencia probatoria. La reducción del
tiempo de análisis en un 62% se traduce en una mayor eficiencia en la fase de investigación pre-
litigio y post-litigio.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
591
La detección de anomalías es crítica, con una precisión del 94%. Esta capacidad es invaluable
para la alerta temprana de posibles fraudes o actividades ilícitas, permitiendo a los equipos
legales actuar con celeridad para preservar pruebas, iniciar investigaciones internas y, si es
necesario, entablar acciones legales o presentar denuncias. La mejora del 73% en la detección
de fraudes subraya su eficacia en la identificación de indicios razonables de delito.
La automatización de procesos, adoptada por el 91% de las empresas, genera un aumento del
45% en la eficiencia. Para los abogados especializados en compliance, esto significa una
optimización significativa en la revisión de transacciones, contratos y políticas internas,
reduciendo la exposición a incumplimientos normativos y las subsecuentes sanciones
administrativas o penales.
Finalmente, el análisis predictivo, con una mejora del 82% en la previsión de riesgos, permite
una gestión proactiva de riesgos legales y penales. Esto incluye la identificación de
vulnerabilidades en los controles internos que podrían ser explotadas para el fraude,
permitiendo a las empresas implementar medidas preventivas y robustecer sus sistemas de
gobernanza corporativa. La IA, en este sentido, es una herramienta clave para mitigar la
responsabilidad corporativa (14).
Tabla 2. Eficacia de herramientas basadas en IA frente a métodos tradicionales: implicaciones para la evidencia y
el proceso judicial.
Métodos
Tradicionales
Herramientas de IA
Diferencia (%)
Implicación Jurídica
Fundamental
N/A
Procesa 500% más
datos
+500%
Rapidez en la
Obtención de Pruebas.
Acelera las fases de
descubrimiento de
pruebas (discovery) y
la respuesta a
requerimientos
judiciales o
regulatorios.
N/A
Reduce 35%
-35%
Optimización de
Procesos Legales y
Forenses. Permite a
los equipos legales
centrarse en el análisis
estratégico de la
evidencia en lugar de
la recolección manual.
78%
92%
+14%
Mejora la
Confiabilidad de la
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
592
Evidencia. Aumenta la
solidez probatoria en
casos de fraude,
haciendo más difícil la
refutación en juicio.
N/A
Reduce 40%
-40%
Reducción de Costos
Legales y
Reputacionales.
Menos investigaciones
innecesarias, evitando
litigios infundados y
daños a la reputación.
5-10%
100%
+90-95%
Completitud de la
Investigación.
Garantiza una revisión
exhaustiva de todos
los datos relevantes,
fundamental para la
integridad de la
prueba y la debida
diligencia.
N/A
Reduce 28% en
costos
-28%
Eficiencia en la
Administración de
Justicia. Libera
recursos financieros
que pueden ser re-
invertidos en la
capacitación legal y el
desarrollo de
estrategias jurídicas.
La Tabla 2 ilustra la superioridad de las herramientas de IA frente a los métodos tradicionales,
con implicaciones directas para la práctica legal y la administración de justicia. La asombrosa
velocidad de procesamiento de datos (+500%) es crucial para abogados, ya que permite una
obtención y análisis de evidencia digital en tiempos que antes eran impensables. Esto es vital en
litigios complejos donde el tiempo es un factor determinante y en el cumplimiento de plazos
judiciales o regulatorios.
La reducción del 35% en el tiempo de auditoría se traduce en una mayor eficiencia en las
investigaciones internas y externas, permitiendo a los profesionales del derecho dedicar más
tiempo a la conceptualización y estrategia legal de los casos, en lugar de la tediosa revisión
manual de documentos.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
593
La precisión del 92% en la detección de fraudes de la IA, superando el 78% de los métodos
tradicionales, fortalece la confiabilidad de la evidencia generada. Una mayor precisión en la
detección de ilícitos no solo facilita la imputación de responsabilidades, sino que también
refuerza la posición probatoria de la parte que utiliza estas herramientas, haciendo sus
argumentos más robustos ante tribunales o autoridades reguladoras.
La reducción del 40% en falsos positivos es un beneficio significativo desde una perspectiva legal
y de negocio. Menos "alarmas" incorrectas significan menos investigaciones innecesarias, lo que
a su vez reduce costos legales, protege la reputación de las empresas y evita acusaciones
infundadas.
La cobertura del 100% de los datos en la auditoría es un cambio de paradigma.
Tradicionalmente, solo una muestra limitada (5-10%) de los datos era examinada, lo que dejaba
un amplio margen para la ocultación de irregularidades. La capacidad de la IA para analizar la
totalidad de los datos asegura una investigación más exhaustiva y completa, fundamental para
el principio de verdad material en procesos judiciales y para la debida diligencia corporativa.
Finalmente, la reducción del 28% en costos hace que la implementación de estas soluciones sea
económicamente viable, permitiendo a las empresas y despachos legales re-invertir recursos en
áreas estratégicas, como la capacitación de personal en ciberseguridad jurídica y el desarrollo
de nuevas estrategias de litigio y compliance (15).
Tabla 3. Desafíos y limitaciones en la implementación de IA: barreras jurídicas y operativas.
Desafío
Porcentaje de
Firmas
Comentario
Implicación Jurídica
Complejidad técnica
72%
Dificultades de
experiencia en la
implementación
Necesidad de Expertos Legales
con Conocimiento Tecnológico.
Requiere abogados con
comprensión de IA para
gestionar riesgos técnicos y
regulatorios.
Calidad y estandarización
de datos
68%
Falta de datos fiables para
entrenamiento
Riesgo de Pruebas Viciadas.
Datos de mala calidad pueden
generar resultados sesgados y
evidencia inadmisible.
Problemas de calidad de
datos
53%
Errores, sesgos e
inconsistencias
Impugnación de la Prueba
Digital. La presencia de errores o
sesgos facilita la impugnación de
los hallazgos de IA en tribunales.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
594
Interpretabilidad de los
modelos
79%
Preocupaciones sobre la
"caja negra"
Principio de Transparencia
Algorítmica. Dificulta la
rendición de cuentas y la
justificación de decisiones
automatizadas ante autoridades
o jueces.
Procesos para explicar
decisiones
45%
Falta de procesos
robustos para
explicaciones
Carga de la Prueba y Debido
Proceso. Complica la
demostración de la racionalidad
de las decisiones basadas en IA,
afectando el derecho a la
defensa.
Consideraciones éticas y
de privacidad
88%
Preocupaciones éticas en
la adopción de IA
Cumplimiento de GDPR, CCPA y
Leyes Nacionales de Protección
de Datos. Riesgo de sanciones
por infracciones de privacidad y
derechos fundamentales.
Conflictos con
regulaciones
62%
Impacto en casos
internacionales
Armonización Jurídica
Internacional. Desafío en la
aplicación de IA en jurisdicciones
con marcos regulatorios
divergentes, afectando la
cooperación judicial.
La Tabla 3 proporciona una visión completa de los desafíos que enfrentan las organizaciones al
implementar soluciones de IA, destacando problemas comunes que, desde una perspectiva
jurídica, representan barreras significativas. La complejidad técnica (72%) impone la necesidad
de abogados con un profundo conocimiento en derecho tecnológico que puedan asesorar sobre
la viabilidad técnica y los riesgos legales asociados a la implementación de sistemas de IA, así
como gestionar la relación con expertos técnicos.
La calidad y estandarización de los datos (68%) es un problema crítico, ya que la eficacia de la IA
depende directamente de la calidad de los datos de entrenamiento. Desde una perspectiva legal,
datos de mala calidad pueden generar resultados sesgados o erróneos, lo que potencialmente
lleva a la inadmisibilidad de la evidencia generada por IA en procesos judiciales o a decisiones
empresariales viciadas con graves consecuencias legales. El 53% de las empresas que ya
enfrentan problemas de calidad de datos corren el riesgo de que sus hallazgos de auditoría sean
fácilmente impugnables en tribunales.
La interpretabilidad de los modelos (79%), conocida como el problema de la "caja negra" de la
IA, es una preocupación fundamental para el derecho. En un proceso judicial, la carga de la
prueba recae sobre quien la presenta, y si las conclusiones de la IA no pueden ser
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
595
razonablemente explicadas, se dificulta la justificación de las decisiones automatizadas y la
rendición de cuentas. La falta de procesos robustos para explicar decisiones (45%) afecta
directamente el debido proceso y el derecho a la defensa, ya que una parte podría no
comprender ni refutar adecuadamente la base de una imputación.
Las consideraciones éticas y las cuestiones de protección de datos (88%) son quizás las barreras
más críticas desde el punto de vista jurídico. El uso de IA implica el procesamiento de datos
personales sensibles, lo que requiere un estricto cumplimiento con normativas como el GDPR, la
CCPA y las leyes nacionales de protección de datos. El incumplimiento puede resultar en multas
sustanciales, daño reputacional y acciones legales por violación de privacidad. Los abogados
deben asegurar que los sistemas de IA implementados respeten los principios de licitud,
finalidad, proporcionalidad y minimización de datos.
Finalmente, los conflictos con regulaciones (62%) evidencian la necesidad de una armonización
jurídica internacional. La aplicación de IA en un entorno globalizado presenta desafíos cuando
las leyes de diferentes jurisdicciones difieren significativamente, lo que puede complicar las
investigaciones transfronterizas y la cooperación judicial internacional en casos de fraude y
corrupción.
Tabla 4. Implicaciones éticas y legales: un mandato para la gobernanza de la IA.
Implicación
Porcentaje
de Expertos
Relevancia para el Abogado
Supervisión humana
en decisiones
91%
Principio de Control Humano Significativo. Las
decisiones cruciales con impacto legal o
patrimonial deben mantener un último nivel de
revisión humana para asegurar la
responsabilidad.
Medidas de
seguridad
implementadas
85%
Ciberseguridad Jurídica y Deber de Diligencia.
Obligación legal de implementar controles
robustos contra filtraciones y accesos no
autorizados para evitar litigios por daños y
perjuicios.
Aumento en
preocupaciones de
privacidad
30%
Gestión de Expectativas y Riesgos
Reputacionales. Abordar proactivamente las
percepciones del público sobre el uso de datos
personales para evitar acciones colectivas y
erosión de la confianza.
Riesgo de sesgos
algorítmicos
73%
Imparcialidad y No Discriminación. Los abogados
deben velar por que los algoritmos no
perpetúen sesgos que violen derechos
fundamentales o generen resultados
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
596
La Tabla 4 ofrece una perspectiva crucial sobre la gravedad del problema ético y legal de la IA
desde el punto de vista de los expertos, con implicaciones directas para el ejercicio de la
abogacía. El 91% de los expertos enfatizan la supervisión humana en decisiones críticas. Esto
subraya el principio de control humano significativo, un concepto emergente en el derecho de la
IA que sostiene que las decisiones con consecuencias legales, financieras o de derechos
humanos no pueden ser dejadas exclusivamente en manos de algoritmos. Los abogados deben
asegurar que existan mecanismos de revisión y apelación humana para las decisiones generadas
por IA.
La implementación de medidas de seguridad (85%) para proteger los datos en aplicaciones de IA
es un deber de diligencia legal. Las violaciones de datos pueden dar lugar a litigios masivos,
multas regulatorias y daño reputacional. Los abogados deben asesorar sobre la implementación
de políticas de ciberseguridad robustas y planes de respuesta a incidentes, acordes con las
normativas de protección de datos.
Aunque solo el 30% de los profesionales expresan directamente preocupación por la privacidad,
esta cifra puede ser engañosa, ya que el riesgo de sesgos algorítmicos (73%) es una
preocupación significativa que se cruza con la privacidad y la discriminación. Los sistemas de IA
entrenados con datos sesgados pueden perpetuar o incluso amplificar discriminaciones
prohibidas por ley, lo que puede llevar a demandas por violación de derechos fundamentales o
igualdad. La alarmante cifra de que solo el 38% de las empresas han implementado procesos
para mitigar sesgos sugiere una vulnerabilidad legal considerable.
El cumplimiento normativo (67%), especialmente con regulaciones como el GDPR y la CCPA, es
un desafío constante. Los abogados deben ser proactivos en el monitoreo de la evolución
discriminatorios legalmente reprobables.
Procesos para
mitigar sesgos
38%
Defensa y Responsabilidad Algorítmica. La
ausencia de mecanismos de mitigación dificulta
la defensa legal en caso de que un algoritmo sea
cuestionado por sesgo.
Desafíos en
cumplimiento
regulatorio
67%
Navegación en un Marco Legal Complejo.
Demanda una interpretación y aplicación
constante de normativas de protección de datos
y privacidad, y un monitoreo de su evolución.
Necesidad de
nuevas regulaciones
79%
Abogacía por un Marco Legal Adecuado.
Urgente necesidad de desarrollar leyes
específicas para la IA que equilibren la
innovación con la protección de derechos y la
seguridad jurídica.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
597
legislativa y en la adaptación de las prácticas de sus clientes para garantizar la licitud del
procesamiento de datos por IA.
Finalmente, la percepción del 79% de los expertos sobre la necesidad de nuevas regulaciones
específicas para la IA es un llamado urgente a la acción legislativa. Los abogados tienen un rol
crucial en abogar por un marco legal equilibrado que fomente la innovación tecnológica sin
comprometer los derechos fundamentales, la equidad y la transparencia, esenciales para la
aceptabilidad social y jurídica de la IA (17).
DISCUSIÓN
Los datos recopilados demuestran de manera inequívoca que la IA puede potenciar
significativamente la eficiencia y la precisión de las funciones de auditoría, lo cual tiene un
impacto directo y positivo en la prevención y persecución de delitos financieros. La capacidad
de los sistemas de IA para verificar el 100% de las transacciones, combinada con la reducción del
tiempo de revisión y una mayor precisión en la detección de fraudes, representa una revolución
en la obtención de evidencia y la gestión de litigios. Estos resultados respaldan firmemente la
idea de que la IA es una evolución natural y necesaria en el entorno de la auditoría forense y el
cumplimiento normativo (18, 19).
Las complejidades y los desafíos técnicos identificados en este estudio subrayan la imperiosa
necesidad de realizar una inversión estratégica en la planificación, los sistemas y la capacitación
del personal, incluyendo a los profesionales del derecho. Es crucial que los abogados no solo
comprendan los aspectos técnicos de la IA, sino que también desarrollen una experticia en
ciberseguridad jurídica, protección de datos y el análisis de la validez probatoria de la evidencia
digital. Estos resultados confirman la observación de que, en la era de la inteligencia artificial,
existe una necesidad urgente de desarrollar aún más las habilidades y capacidades de los
auditores y, por extensión, de los abogados que interactúan con estos sistemas (20).
Los aspectos éticos y de privacidad de este estudio reflejan los hallazgos sobre cuestiones
jurídicas que surgen del uso de la IA en las auditorías. Dada la necesidad de mitigar el error
humano y reducir el sesgo, la IA debería considerarse como una herramienta para mejorar el
juicio profesional de los auditores y, fundamentalmente, la toma de decisiones legales (21). La
necesidad de eliminar el sesgo algorítmico y garantizar la transparencia es un imperativo ético y
legal, que impacta directamente en la legitimidad y aceptabilidad de las conclusiones de la IA en
un proceso judicial.
Las diferencias observadas en las regulaciones específicas para el uso de la IA en las auditorías
resaltan la urgencia de la colaboración entre profesionales del derecho, investigadores,
reguladores y legisladores. Es indispensable desarrollar un marco normativo apropiado que
integre estas tecnologías de manera segura, transparente y respetuosa de los derechos
fundamentales, garantizando la seguridad jurídica para todas las partes involucradas (22).
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
598
Los resultados de este estudio no solo amplían y profundizan los hallazgos de investigaciones
anteriores que se han centrado en los beneficios de la IA en la detección de fraudes (ej., 23, 24),
sino que también proporcionan evidencia contundente sobre estos beneficios desde una
perspectiva de eficacia probatoria y reducción de riesgos legales. Además, nuestro hallazgo
sobre la necesidad de interpretar los modelos de IA y la conciliación de la IA con el juicio
humano añaden una nueva dimensión al debate, subrayando la importancia de la interacción
humano-IA en la toma de decisiones con implicaciones jurídicas, ampliando el alcance de la
discusión en foros profesionales y académicos (25).
Este estudio tiene algunas limitaciones, como el sesgo geográfico, la rápida evolución
tecnológica y la dependencia de autoinformes con el inherente riesgo de sesgo. Estas
limitaciones deben ser consideradas al interpretar los resultados y abren nuevas avenidas para
futuras investigaciones, que podrían abordar:
Estudios longitudinales sobre la evolución de la jurisprudencia y las regulaciones en torno
a la IA en auditoría.
Análisis en profundidad de los procesos cognitivos de la interacción humano-IA en la toma
de decisiones judiciales y forenses.
Desarrollo de un modelo multivariante que combine inteligencia artificial y comprensión
humana para la generación de evidencia legalmente admisible.
Análisis exhaustivo de la ética y la gobernanza de la IA en auditoría desde una perspectiva
de derechos humanos y justicia algorítmica.
Evaluación del impacto de la IA en la evaluación del comportamiento criminal y la
perfilación de riesgos, considerando las implicaciones para la privacidad y la presunción de
inocencia.
Esta área de estudio tiene como objetivo proporcionar una comprensión más detallada y
específica de cómo se puede integrar la inteligencia artificial en el proceso de auditoría y, de
manera crucial, en el ámbito jurídico-forense, creando nuevas áreas de especialización y
formación para los profesionales del derecho.
CONCLUSIONES
En primer lugar, es evidente que la inteligencia artificial representa una herramienta poderosa y
necesaria en la lucha contra el fraude y la corrupción en los sistemas financieros. Gracias a su
capacidad para analizar grandes volúmenes de datos en menor tiempo y con mayor precisión,
se ha logrado optimizar significativamente los procesos de auditoría forense y detección de
ilícitos. En este sentido, la IA no solo mejora la eficiencia operativa, sino que también refuerza
los mecanismos de control y transparencia en entornos altamente vulnerables.
Asimismo, desde una perspectiva legal, la adopción de tecnologías basadas en inteligencia
artificial plantea importantes desafíos que no pueden pasarse por alto. Si bien su eficacia
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
599
técnica es indiscutible, es fundamental garantizar que su aplicación se alinee con los principios
del debido proceso, la protección de datos personales y la transparencia en la toma de
decisiones automatizadas. Por tanto, es indispensable que los algoritmos utilizados sean
comprensibles y auditables, a fin de asegurar la validez jurídica de la evidencia que generan y
evitar vulneraciones a derechos fundamentales.
Finalmente, para lograr una integración efectiva y ética de la inteligencia artificial en el ámbito
financiero y jurídico, no basta con desarrollar soluciones tecnológicas avanzadas. Es necesario
también fortalecer los marcos regulatorios, promover la cooperación interinstitucional y, sobre
todo, capacitar a los profesionales del derecho, la auditoría y la tecnología en el manejo
responsable de estas herramientas. Solo así será posible aprovechar plenamente el potencial de
la IA, sin comprometer la seguridad jurídica ni los principios éticos que deben guiar su uso.
REFERENCIAS BIBLIOGRÁFICAS
1. Sun, Y., Li, J., Lu, M., & Guo, Z. (2024). Study of the Impact of the Big Data Era on
Accounting and Auditing. Frontiers in Business, Economics and Management, 13(3), 44–47.
2. Ashir, F., & Mekonen, K. (2024). The Impact of Artificial Intelligence on Auditing:
Navigating Ethical challenges. [Preprint] Disponible en:
https://gupea.ub.gu.se/handle/2077/82941
3. Fedyk, A., Hodson, J., Khimich, N., & Fedyk, T. (2022). Is artificial intelligence improving the
audit process? Review of Accounting Studies, 27(3), 938–985.
4. Munoko, I., Brown-Liburd, H. L., & Vasarhelyi, M. (2020). The Ethical Implications of Using
Artificial Intelligence in Auditing. Journal of Business Ethics, 167(2), 209–234.
5. Alles, M., & Gray, G. L. (2024). The marketing on Big 4 websites of Big Data Analytics in the
external audit: Evidence and consequences. International Journal of Accounting
Information Systems, 54, 100697.
6. Mousa, A., Abdullah, A., & Omar, Z. (2022). The Impact of Big Data Analytics on Audit
Procedures: Evidence from the Middle East. The Journal of Asian Finance, Economics and
Business, 9(2), 93–102.
7. Eulerich, M., Pawlowski, J., Waddoups, N. J., & Wood, D. A. (2022). A Framework for Using
Robotic Process Automation for Audit Tasks. Contemporary Accounting Research, 39(1),
691–720.
8. Liyanagamage, N., & Fernando, M. (2023). Big data, data analytics and artificial
intelligence in accounting: an overview. En: Handbook of Big Data Research Methods.
Edward Elgar Publishing. pp. 32–51.
9. Hamdam, A., Jusoh, R., Yahya, Y., Abdul Jalil, A., & Zainal Abidin, N. H. (2022). Auditor
judgment and decision-making in big data environment: a proposed research framework.
Accounting Research Journal, 35(1), 55–70.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
600
10. Anantharaman, D., Rozario, A., & Parker, C. (Abigail). (2023). Artificial Intelligence and
Financial Reporting Quality. [Preprint] Disponible en:
https://papers.ssrn.com/abstract=4625279
11. Esteban, S. A., Urquía-Grande, E., de Silva, A. M., & Pérez-Estébanez, R. (2021). Big Data,
Accounting and International Development: Trends and challenges. Cuadernos de Gestion,
22(1), 193–213.
12. DeSantis, F., & D’Onza, G. (2020). Big data and data analytics in auditing: in search of
legitimacy. Meditari Accountancy Research, 29(5), 1088–1112.
13. Li, H. (2024). Big Data and Precision Marketing New Era Strategy to Improve Marketing
Effectiveness. Advances in Economics, Management and Political Sciences, 136(1), 108–
113.
14. Werner, M., Wiese, M., & Maas, A. (2021). Embedding process mining into financial
statement audits. International Journal of Accounting Information Systems, 41, 100514.
15. Johnson, M., Jain, R., Brennan-Tonetta, P., Swartz, E., Silver, D., Paolini, J., et al. (2021).
Impact of Big Data and Artificial Intelligence on Industry: Developing a Workforce
Roadmap for a Data Driven Economy. Global Journal of Flexible Systems Management,
22(3), 197–217.
16. Sihombing, R. P., Narsa, I. M., & Harymawan, I. (2023). Big data analytics and auditor
judgment: an experimental study. Accounting Research Journal, 36(2–3), 201–216.
17. Gepp, A., Linnenluecke, M. K., O’Neill, T. J., & Smith, T. (2018). Big data techniques in
auditing research and practice: Current trends and future opportunities. Journal of
Accounting Literature, 40, 102–115.
18. Hasan, A. R., & Hasan, A. R. (2021). Artificial Intelligence (AI) in Accounting & Auditing: A
Literature Review. Open Journal of Business and Management, 10(1), 440–465.
19. Imjai, N., Swatdikun, T., Rungruang, P., Basiruddin, R., & Aujirapongpan, S. (2024).
Empowering generation z accountants in the era of data complexity and open innovation:
Nurturing big data analytics, diagnostic, and forensic accounting skills. Journal of Open
Innovation: Technology, Market, and Complexity, 10(2), 100308.
20. Rezaee, Z., & Wang, J. (2019). Relevance of big data to forensic accounting practice and
education. Managerial Auditing Journal, 34(3), 268–288.
21. Amparo, M., & Ruiz, G. (2023). La utilización de la inteligencia artificial en la función de
control. Revista Española de Control Externo, 25(74-75), 72–91.
22. Morán Vilcherrez, Capacitador CONASERM. (2020). El enfoque de la auditoría en el
entorno de la era digital y la inteligencia artificial. Revista la Junta, 3(2), 15–41.
23. Erazo-Castillo, J., & A-Muñoz, S. D. (2023). Auditoría del futuro, la prospectiva y la
inteligencia artificial para anticipar riesgos en las organizaciones. Novasinergia, 6(1), 105–
119.
IMPACTO LEGAL Y REGULATORIO EN LA PREVENCIÓN DEL FRAUDE Y LA CORRUPCIÓN MEDIANTE LA INTELIGENCIA
ARTIFICIAL
601
24. Amparo, M., & Ruiz, G. (2023). La utilización de la inteligencia artificial en la función de
control. Revista Española de Control Externo, 25(74-75), 72–91.
25. Morán Vilcherrez, Capacitador CONASERM. (2020). El enfoque de la auditoría en el
entorno de la era digital y la inteligencia artificial. Revista la Junta, 3(2), 15–41.
26. European Commission. (2021). Proposal for a Regulation on a European approach for
Artificial Intelligence (AI Act). Brussels. (Referencia para marcos regulatorios de IA).
27. Susskind, R. (2019). Online Courts and the Future of Justice. Oxford University Press.
(Relevancia de la tecnología en la justicia).
28. Veale, M., & Binns, R. (2017). Fairer Than Fair: A Justification for the Individual Fairness
Doctrine in Algorithmic Decisions. Proceedings of the 2017 ACM Conference on Fairness,
Accountability, and Transparency. ACM. (Sesgos algorítmicos).