De la verificación de datos a la evaluación comparativa más inteligente

En Cerise+STPF, hablamos a menudo de calidad de los datos, fiabilidad y utilidad. Pero detrás de esos términos se esconde un reto práctico: ¿cómo podemos revisar más auditorías, de forma más coherente, y generar información útil para el análisis y la comparación?

Aquí es donde la IA (inteligencia artificial) y la automatización pueden marcar una verdadera diferencia.

Hemos estado desarrollando métodos de revisión automatizados para facilitar el análisis de las auditorías de SPI Online. A medida que aumenta el número de auditorías, revisar manualmente cada respuesta, comentario e inconsistencia se vuelve cada vez más difícil de gestionar. Consideramos que la IA y la automatización son una forma de reforzar la revisión por parte de expertos, no de sustituirla. Nuestro objetivo no es simplemente automatizar los controles y ahorrar tiempo: es mejorar la calidad de las auditorías, reforzar el análisis de datos y producir comparativas más relevantes.

Con ese fin, hemos desarrollado un flujo de trabajo de revisión para las auditorías de SPI Online que combina comprobaciones estructuradas, comparaciones históricas, información contextual sobre las personas involucradas en el proceso de auditoría y análisis respaldado por IA para ayudarnos a evaluar la calidad y fiabilidad de una auditoría de forma más eficaz.

¿Cómo funciona este enfoque?

La automatización ayuda a reducir el trabajo repetitivo, mientras que la IA puede añadir una capa adicional de interpretación cuando sea necesario.

El flujo de trabajo de revisión no evalúa una auditoría de forma aislada. Recopila respuestas de auditoría, comentarios e información contextual de diferentes fuentes, y luego realiza una serie de comprobaciones automatizadas sobre elementos clave como cifras de cartera, totales de prestatarios, desgloses de personal, datos de nóminas, depósitos, agencias, tipos de cambio y valores medios de los préstamos.

También compara cada auditoría con los datos históricos de la institución, lo que nos ayuda a determinar si los resultados actuales están en línea con los presentados anteriormente o si un cambio repentino puede requerir una revisión más detallada. Esto hace que el análisis sea mucho más sólido: la cuestión no es solo si los datos son coherentes en sí mismos, sino si son coherentes para esta institución a lo largo del tiempo.

Además, este enfoque añade un contexto útil en torno al propio proceso de auditoría. Por ejemplo, permite identificar si personas de nuestra Red de Profesionales en GDSA participan en el proceso de auditoría, y si los usuarios vinculados a la institución o al proceso de auditoría han completado los cursos de formación en línea que ofrecemos. Esto nos proporciona un contexto adicional a la hora de interpretar la calidad de la auditoría. Nos ayuda a comprender mejor el entorno en el que se realizó la auditoría, el nivel probable de familiaridad con la metodología de la auditoría y el tipo de apoyo o capacidad que ya pueda existir.

Más allá de las comprobaciones cuantitativas: rangos razonables y controles analíticos.

Una característica importante de este trabajo es que la lógica de revisión va más allá de la simple validación de sí o no. También aplica comprobaciones de razonabilidad y cálculos analíticos para evaluar si los valores comunicados son plausibles y coherentes internamente.

Por ejemplo, el flujo de trabajo verifica si determinadas cifras se encuentran dentro de los rangos esperados, como los tipos de cambio en comparación con los valores de referencia actuales, el tamaño promedio de préstamo, la Tasa Efectiva Anual (TEA), el tamaño de la junta directiva o la remuneración media anual. También compara los desgloses con los totales y comprueba si los valores relacionados se ajustan dentro de un margen aceptable. Además, el análisis examina la coherencia de las respuestas entre las prácticas dentro de los Estándares Universales.

Por ejemplo, si una institución no informa indicadores de resultados o de impacto en la Dimensión 1 sobre Estrategia Social, sería incoherente informar que la gestión se evalúa en función de los logros sociales en la Dimensión 2 - Liderazgo comprometido. Estos controles ayudan a identificar datos que pueden estar técnicamente completos, pero que siguen siendo poco probables, incoherentes o difíciles de interpretar.

Algunos cálculos van más allá. En la revisión de nóminas, por ejemplo, el flujo de trabajo calcula no solo el salario medio global, sino también el salario medio de mujeres y hombres por separado. A partir de ahí, puede derivar indicadores adicionales, como las diferencias salariales entre hombres y mujeres y una relación salarial media basada en la desviación estándar.

Este tipo de revisión cuantitativa nos permite ir más allá de la validación básica y avanzar hacia un análisis más significativo de los patrones, la coherencia y las posibles anomalías en los datos.

Una revisión cualitativa respaldada por IA

El nivel más interesante no es solo la verificación cuantitativa, sino también la revisión cualitativa.

Además de los cálculos, muchas auditorías incluyen comentarios que explican o justifican una respuesta. Esos comentarios son extremadamente útiles para que cada auditoría los interprete y los utilice en la toma de decisiones.

El componente de IA ayuda a evaluar hasta qué punto esos comentarios son realmente informativos. Analiza si un comentario explica las prácticas institucionales, proporciona un contexto útil, hace referencia a documentos o entrevistas, o simplemente repite el indicador. Esto permite distinguir entre las puntuaciones de las auditorías que están bien justificadas y aquellas que pueden parecer completas a simple vista, pero que ofrecen un valor explicativo limitado.

En otras palabras, la herramienta comprueba: "¿Es significativa la explicación?"

Una herramienta para mejorar el análisis humano, no para reemplazarlo.

La herramienta no sustituye al juicio humano en la etapa final.

Sugiere una puntuación de calidad, destaca problemas y pone de manifiesto señales que merecen atención, pero esa evaluación es luego revisada y validada por un experto humano del equipo.

Ese paso humano es esencial. La automatización nos ayuda a aplicar una lógica coherente, ahorrar tiempo en comprobaciones repetitivas y centrar la atención donde más importa; la revisión experta garantiza que la interpretación final siga siendo matizada, fundamentada y creíble. Ahí es donde la IA resulta verdaderamente útil para Cerise+SPTF: no como sustituto de la experiencia, sino como una forma de reforzarla y hacerla más escalable, más coherente y con mayor impacto. Esto nos ayuda a alejarnos de una lectura puramente estática de los resultados de las auditorías y a avanzar hacia una interpretación más informada de la calidad, comparabilidad y fiabilidad.

Un enfoque fundamental para mejorar la evaluación comparativa

Con la revisión sistemática de la calidad de las auditorías, el valor de la evaluación comparativa queda claro.

Si queremos que las evaluaciones comparativas sean relevantes, necesitamos confianza en los datos subyacentes. También necesitamos contexto. Al combinar comprobaciones automatizadas, comparaciones históricas, revisión cualitativa, información sobre formación y participación en la red, y revisión por expertos, podemos seleccionar auditorías de calidad para producir evaluaciones comparativas, análisis y descripciones del estado de las prácticas que sean matizadas, fiables y útiles para la gestión.