¿Qué tan cerca estamos de que la IA entienda la contabilidad?

¡Se necesita superar a Luca Pacioli… y a los sistemas tributarios!

Por Samuel Mantilla – ¿Qué tan cerca estamos de que la IA entienda la contabilidad? ¡Se necesita superar a Luca Pacioli… y a los sistemas tributarios!

Es un hecho que la IA está impactando la teoría y la práctica de la contabilidad.

Pero, ¿la IA entiende la contabilidad? Parece que esto todavía está bastante lejos porque primero se necesita resolver los significados básicos de ‘understanding’ [entender] y de ‘accounting’ [contabilidad/contaduría = el arte/ciencia y las profesiones contabilidad/auditoría].

• Los enfoques conservadores pesan demasiado: anclados en el pasado.  
• La estandarización global se truncó: como el mundo ‘basado en reglas se derrumbó, ahora la adopción es jurisdiccional.
• La profesión de respaldo se diluyó entre la auditoría y la consultoría: la integridad y el escepticismo profesional se convirtieron en una ilusión.
• La carencia de teorías propias: preferencias por ser prácticos.

… no facilitan que la IA transforme la contabilidad y las soluciones son, por lo tanto, fragmentarias.

En la búsqueda de que la IA entienda la contabilidad, la clave está en el entendimiento semántico.

Argumentos tradicionales

El 11 de marzo de 2026 Olga Usvyatsky y Francine McKenna publicaron Part 2: AI data center construction, CIP, all the cash flows and concentration [Parte 2: Construcción del centro de datos de IA, construcción en proceso, todos los flujos de efectivo y concentración].

Dejan claro que:

“Los proyectos vinculados a OpenAI, Anthropic, Meta, Microsoft, Oracle, y Amazon no necesariamente plantean nuevas cuestiones de contabilidad. Más aún, los proyectos incrementan la materialidad de problemas ya conocidos – tales como consolidación y contabilidad del arrendamiento, revelación de los saldos de construcción-en-proceso y desagregación por categoría de PPE, y presentación de cuentas por pagar relacionadas-con-CAPEX. La potencial materialidad de los proyectos de construcción relacionados-con-IA para los balances generales de las organizaciones magnifica revelación insuficiente e inconsistente y, en algunos casos, sugiere que se necesita orientación contable más especifica”. [Traducción de SAMantilla].

Ese enfoque lo desarrollan con bastante detalle. Usan los argumentos que frecuentemente se encuentran en las ‘cartas comentario’ a los borradores para discusión pública de IASB y de FASB:

• No es un nuevo planteamiento contable, durante largos tiempos se ha convivido con ello.
• Ciertamente es un asunto de materialidad.
• Podría mejorarse la revelación (en la cara de los estados financieros o en las notas).
• Nueva orientación sería conveniente.

Con ello se refuerza el sistema actual. Agregan que la concentración es un riesgo material, refiriéndose a que si se ‘debilita’ la demanda por la IA la presión económica puede no distribuirse igualmente entre patrocinadores, desarrolladores, prestamistas, acreedores, proveedores, inquilinos e inversionistas.

En la primera parte habían resaltado los problemas relacionados con la depreciación. Ahora insisten más en las cuentas por pagar y en la cuenta de ‘construcción en proceso’ que perciben necesita más y mejores revelaciones porque es una cuenta ‘intermedia’ antes de capitalizar en PPE. Sus preocupaciones las extienden a los flujos de efectivo, particularmente el ‘flujo de caja libre’.

Su documentación es básicamente la que se obtiene de EDGAR, el sistema de la SEC, fuente común para analistas y periodistas.

En todo caso, insertándose en esa perspectiva conservadora (tradicional), ofrecen un excelente resumen de cómo el ‘establishment’ [incumbents] entiende lo que está ocurriendo con la contabilidad de los centros de datos: centrados en la ‘entidad que reporta’ (individual o que consolida). No avanzan en el entendimiento de la contabilidad de las plataformas [‘las redes’ de entidades que utilizan diferentes formas de contratación legal para sus negocios].

¿Qué tan cerca estamos de que la IA ‘entienda’ la contabilidad?

El 10 de marzo de 2026 Eric Cohen publicó en LinkedIn una interesante nota con el título de How to close are we to AI “understanding” accounting? [¿Qué tan cerca estamos de que la IA ‘entienda’ la contabilidad?].

Hace referencia a un artículo de Microsoft acerca de Copilot Cowork donde resalta el desarrollo más reciente: la creación de un nivel de entendimiento semántico, compuesto por ontologías y glosarios que captura el conocimiento procedimental derivado de los flujos de trabajo de los negocios. El ‘supuesto’ es que se busca que Copilot tenga un entendimiento experto de las tareas realizadas por personas, equipos, clientes, proveedores, y otras entidades del negocio que trabajan juntas para operar el negocio.

Comentando esa nota, Richard Gasca [Data Standarizaton and Reporting Automation Specialist] señaló que ese ‘nivel de entendimiento semántico’ es el paso lógico para superar las actuales limitaciones probabilísticas de los LLM [Large Language Models = Grandes modelos de lenguaje], lo cual es ‘el punto exacto’ en que Gasca y su equipo están trabajando en una iniciativa para mapear instancias de XBRL GL – específicamente asientos de diario – en Terminus DB. La meta es avanzar más allá del almacenamiento relacional tradicional y aprovechar la base de datos de gráficos de documentos para elaborar una robusta ontología contable.

Para el lector poco informado, esta descripción puede parecer un poco extraña, pero equivale al estado del arte de cómo en el presente está avanzando el mundo contable hacia una semántica racional que permita que la IA ‘entienda’ la contabilidad. Ciertamente, el proceso antes descrito del ‘entendimiento experto’: de la práctica actual hacia el ‘entendimiento semántico’.

Se está trabajando en esta dirección, hay resultados tangibles, pero falta mucho camino por recorrer. Claro que, con el ritmo de la IA, las soluciones pueden estar ‘a la vuelta de la esquina’.

En otro comentario a la nota de Cohen, Sridhar Ramamoorti [Associate professor of Accountancy at University of Dayton] resume esto diciendo:

“Claramente, cuando se trata de la rapidez con la que la IA está transformando la profesión contable, tú «ecolocalizas» o «ves» más lejos que el resto de nosotros… ¡Vamos, Eric, vamos! (¡A «batir» por todos los contadores que intentamos entenderlo todo!)” [Traducción de SAMantilla]

Preguntándole a las IA

A raíz de la nota de Cohen y los comentarios de Gasca, le pedí a algunas IA y a diferentes buscadores que me ayudaran a resolver la pregunta de “¿Qué tan cerca estamos de que la IA ‘entienda’ la contabilidad?”

Las respuestas prácticamente son unánimes: depende de qué entendamos por ‘understanding’ y depende de qué entendamos por ‘accounting’. En conclusión: sin solución a la vista dadas las profundas diferencias que hay respecto de estas cosas. Conciliarlas no es asunto sencillo ni de corto plazo.

Parece que todavía estamos bastante lejos porque primero se necesita resolver los significados básicos de ‘understanding’ [entender] y de ‘accounting’ [contabilidad/contaduría = el arte/ciencia y las profesiones contabilidad/auditoría].

Me gustó la respuesta de Copilot. La de Grok está lejos de ser convencional. La de Gemini invita a explorar más.

Qué dice Copilot

La respuesta depende de qué entendamos por entender:

• Procesamiento técnico — La IA ya domina las tareas mecánicas: clasificación de transacciones, conciliaciones, extracción de datos, detección de anomalías, lectura de estados financieros. Esto es competencia operativa, no comprensión conceptual.
• Comprensión normativa — Los modelos actuales pueden explicar normas, comparar marcos (GAAP vs IFRS), identificar criterios de reconocimiento y medición, e incluso razonar sobre casos. Pero su razonamiento depende de patrones estadísticos, no de una semántica interna estable.
• Juicio profesional — Aquí es donde la IA aún está lejos. La contabilidad requiere interpretar incertidumbre, evaluar materialidad, ponderar riesgos, justificar decisiones ante auditores y reguladores. Esto implica prudencia, ética, contexto institucional y experiencia humana.
• Pensamiento contable histórico — Entender la lógica de Pacioli, la evolución del quaderno, la relación entre registro y control, o la filosofía detrás del débito/crédito es algo que la IA puede describir, pero no internalizar como un marco conceptual propio.

Qué falta para una “comprensión” real:

• Modelos que integren razonamiento causal, no solo correlacional.
• Representaciones simbólicas estables de conceptos como patrimonio, devengo, materialidad, sustancia sobre forma.
• Capacidad de justificar decisiones con argumentos auditables, no solo respuestas plausibles.
• Integración con sistemas de control interno y evidencia verificable.

Qué ya puede hacer sorprendentemente bien:

• Explicar normas complejas con claridad
• Detectar inconsistencias en estados financieros
• Simular escenarios contables
• Traducir entre marcos normativos
• Analizar textos históricos y reconstruir estructuras conceptuales

Hacia dónde va: La tendencia apunta a modelos híbridos:

• IA estadística + motores simbólicos
• IA + sistemas de auditoría continua
• IA como copiloto del juicio profesional, no sustituto

Grok es más reflexivo

Señala que la pregunta es intrigante porque la contabilidad opera en múltiples niveles y ‘entender’ significa diferentes cosas dependiendo de los lentes.

En el nivel mecánico/técnico (las reglas y la doble entrada) estamos extremadamente cerca, presumiblemente por los propósitos prácticos:

• La lógica de la teneduría de libros por partida doble ha sido estable desde que Luca Pacioli la formalizó en 1494.
• La contabilidad financiera moderna (GAAP, IFRS) es altamente codificada. Profesionales competentes pueden producir estados financieros consistentes y auditables.
• Los recursos educativos afirman que en menos de 20 minutos se puede comprender aproximadamente el 80% de lo que la mayoría de la gente necesita (centrándose en débitos/créditos, la ecuación contable y los tres estados financieros principales: balance general, estado de resultados y flujo de caja).
• El trabajo contable rutinario (teneduría de libros, preparación de impuestos, presentación básica de reportes) crecientemente está siendo automatizado vía software, herramientas de IA, y aprendizaje de máquina. La ejecución mecánica está prácticamente ‘resuelta’. 

Si ‘entender la contabilidad’ significa ser capaz de mantener los libros, cierre a fin de mes, y leer el conjunto de estados financieros, estamos muy cerca, y para la mayoría de las necesidades del día-a-día lo hemos hechos de manera efectiva.

El nivel de representacional / de la realidad económica. Aquí la imagen cambia dramáticamente. Estamos lejos de ‘entenderlo’ plenamente, y puede que nunca lleguemos allí. La contabilidad intenta representar la realidad económica en términos monetarios, pero enfrenta limitaciones permanentes, estructurales:

• Costo histórico vs valor económico actual.
• Solo se consigue registrar transacciones monetarias: moral de empleados, fortaleza de la marca, exposición al riesgo climático, conexiones políticas, riesgo del personal clave, y la mayoría de los intangibles son ya sea ignorados o se les aproxima de forma burda.
• Estimados y juicio permean todo: provisiones por deudas malas, vidas útiles, pruebas de deterioro, jerarquías del valor razonable, reconocimiento de ingresos ordinarios durante múltiples años, distinciones entre contratos de arrendamiento vs. servicio. Son conjeturas fundamentadas, no hechos objetivos.
• Juegos de sustancia vs forma: transacciones económicamente similares se contabilizan de manera diferente.
• Incompletitud por diseño: de manera deliberada omite muchos elementos principalmente orientados-al-futuro o no-cuantificables, porque intentar forzarlos destruiría la confiabilidad.

Filósofos de la contabilidad e investigadores críticos desde hace tiempo han señalado que los estados financieros son construcciones sociales: ficciones útiles que le dan forma al comportamiento y la asignación de recursos, pero nunca un espejo completo de la realidad económica.

Escándalos recientes (Wirecard, Luckin, Adani, etc.) nos recuerdan que incluso las auditorías ‘limpias’ pueden pasar por alto tergiversaciones masivas.

De manera que en este nivel más profundo no estamos cerca, y el progreso, en el mejor de los casos, es simbiótico:

• Cada mejoramiento (contabilidad del valor razonable, revelaciones ESG, capitalización del arrendamiento, orientación cripto), cierra una brecha, pero abre otras.
• Crecientemente la contabilidad es vista como una práctica multidimensional: técnica + social + moral. Pero esto está lejos de ser ‘entendido’.
• ¿Le da forma a lo que las sociedades valoran (utilidades de corto plazo sobre la sostenibilidad de largo plazo)?
• Los estándares son compromisos políticos, no verdades platónicas.
• Los estudios de lecturabilidad muestran que incluso los estándares profesionales a menudos son ‘difíciles’ o ‘muy difíciles’ de comprender, incluso para los expertos.

En resumen:

• Si Ud. pregunta si una persona inteligente puede dominar la mecánica de la contabilidad, la respuesta es sí, muy cerca, lograda de manera básica.
• Si Ud. pregunta si la contabilidad puede representar completa y fielmente la realidad económica y organizacional, la respuesta es no, estructuralmente estamos bastante lejos, y probablemente siempre lo estaremos.
• Si Ud. pregunta si la sociedad comprende plenamente las consecuencias más amplias de cómo hacemos la contabilidad, la respuesta es no más rotundo.

Somos excelentes midiendo lo que (hace siglos) decidimos que es medible. Somos mediocres midiendo lo que realmente importa en 2026. Y apenas estamos empezando a comprender cuánto distorsiona el propio sistema de medición las decisiones y la moralidad.

Así que, dependiendo de su definición de «comprensión», estamos en un 95 % o quizás en un 30 o 40 %, y la brecha podría ser permanente.

Gemini invita a explorar más

En 2026, hemos alcanzado el punto de inflexión en que la IA no solo procesa datos, los interpreta en un contexto de contabilidad.

Sin embargo, hay una línea clara entre ‘maestría operacional’ y ‘verdadero entendimiento profesional’.

Así de cerca estamos en el panorama actual:

1. La ‘cercanía operacional’: 90%+

La IA esencialmente ha ‘resuelto’ el lado mecánico de la contabilidad. En 2026, la mayoría de las empresas (cerca del 98% de acuerdo con reportes recientes) usan IA diariamente para:

• Conciliación autónoma
• Auditoria de toda la población
• Preparación de declaraciones tributarias
• 2. La ‘cercanía contextual’: ~ 70%

Estamos en la era de la ‘IA de agentes’ que entiende la intención:

• Más allá de las reglas
• Visión predictiva

• 3. La ‘brecha del juicio’: La frontera final

A pesar de la velocidad de la IA, ‘entender’ en un sentido legal y ético permanece siendo humano:

• Escepticismo profesional
• El requerimiento de ‘explicabilidad’: ¿Qué dice el modelo? ¿Por qué dijo ello? Los humanos como supervisores, validadores de la cadena de razonamiento para asegurar el cumplimiento con las regulaciones.

¿Y los buscadores?

Acentúan la confusión semántica.  Mezclan contabilidad, auditoria y finanzas. Tanto sus técnicas como sus profesionales.

Merecen un tratamiento por separado. Ojalá en otra oportunidad se pueda realizar.

¿Qué es entender contablemente?

Otro aspecto que queda para otra oportunidad es el relacionado con las distintas comprensiones que hay respecto de ‘entender’ y, sobre todo, ‘entender contablemente’.

Como el lector puede observar, hay mucho trabajo por realizar.