Universidad del Zulia (LUZ)
Revista Venezolana de Gerencia (RVG)
Año 31 No. Especial 15, 2026, e31e1538
Enero-Junio
ISSN 1315-9984 / e-ISSN 2477-9423
Como citar: Melendres, E. M., Yambay, E. A., Ortega, J. M., y Yanza, W. G. (2026). Desempeño financiero - contable en empresas socialmente responsables: análisis de modelos de inteligencia artificial. Revista Venezolana De Gerencia, 31(Especial 15), e31e1538. https://doi.org/10.52080/rvgluz.31.e15.38
Desempeño financiero - contable en empresas socialmente responsables: análisis de modelos de inteligencia artificial
Melendres Medina, Edison Marcelo *
Yambay Hernández, Eduardo Andrés **
Ortega Mosquera, Joaquin Marcelo ***
Yanza Chavez, Willian Geovanny****
Resumen
En el contexto empresarial ecuatoriano, la evaluación del desempeño financiero y contable continúa enfrentando limitaciones derivadas del uso de modelos tradicionales, basados principalmente en información histórica, baja integración tecnológica y una escasa capacidad predictiva para la toma de decisiones estratégicas. Esta problemática se acentúa en pequeñas y medianas empresas, donde la adopción de herramientas avanzadas es aún incipiente, lo que restringe la eficiencia, el control financiero y la sostenibilidad organizacional. Frente a este escenario, el presente estudio tiene como objetivo analizar el desempeño financiero y contable en empresas socialmente responsables utilizando modelos de inteligencia artificial. La metodología empleada corresponde a un enfoque mixto; en el componente cualitativo se realizó un análisis documental de literatura científica, normativa y reportes sectoriales, mientras que el componente cuantitativo se apoyó en el análisis comparativo de indicadores financieros, esquemas conceptuales y gráficos de tendencia que reflejan la adopción progresiva de la inteligencia artificial. Se proyecta que los resultados evidencien un impacto positivo de la inteligencia artificial en la eficiencia operativa, la precisión de la información financiera y la capacidad predictiva del desempeño empresarial, aunque también se espera identificar brechas tecnológicas, riesgos de dependencia automatizada y desafíos regulatorios que condicionan su implementación efectiva en el contexto ecuatoriano.
Palabras clave: inteligencia artificial; desempeño financiero; desempeño contable; evaluación empresarial; toma de decisiones gerenciales.
Recibido: 15.01.26 Aceptado: 09.03.26
* Economista; Máster Universitario en Análisis del Entorno Económico en la Universidad Oberta de Catalunya; máster en Seguridad Industrial en la Universidad Nacional de Chimborazo; docente e investigador en la Escuela Superior Politécnica de Chimborazo, Facultad de Administración de Empresas; coordinador de carrera de Contabilidad y Auditoría en la sede Morona Santiago. Email: edison.melendres@espoch.edu.ec ORCID: https://orcid.org/0000-0002-0234-9594
** Ingeniero en Contabilidad y Auditoría CPA, Magíster en Contabilidad y Finanzas con Mención en Gestión Fiscal, Financiera y Tributaria. Máster Universitario en Dirección de Empresas (MBA). Doctorado en Gerencia. Docente de la Escuela Superior Politécnica de Chimborazo. Email: andres.yambay@espoch.edu.ec ORCID: https://orcid.org/0000-0003-4196-4706
*** Ingeniero en Banca y Finanzas; Máster Universitario en Dirección y Gestión Financiera; Diplomado en Gerencia Estratégica de Ventas. Docente e Investigador Universitario en la Escuela Superior Politécnica de Chimborazo, Facultad de Administración de Empresas, Coordinador de Capacitaciones y Desarrollo. Email: joaquin.ortega@espoch.edu.ec ORCID: https://orcid.org/0000-0002-2975-2738
**** Ingeniero de Sistemas Informáticos; Ingeniero en Ejecución en Informática; Tecnólogo en Programación de Sistemas; Magíster en Informática Educativa; Magíster en TICs, mención Administración y Gestión de TI; Magíster en TICS, mención Innovación y Transformación Digital; Docente e Investigador Universitario en la Escuela Superior Politécnica de Chimborazo, Facultad de Administración de Empresas, Carrera Contabilidad y Auditoría y Carrera de Empresas. Email: willian.yanza@espoch.edu.ec ORCID: https://orcid.org/0000-0002-9688-7309
Evaluation of financial and accounting performance in socially responsible companies using artificial intelligence models
Abstract
In the Ecuadorian business context, the evaluation of financial and accounting performance continues to face limitations derived from the use of traditional models, mainly based on historical information, low levels of technological integration, and limited predictive capacity for strategic decision-making. This problem is particularly pronounced in small and medium-sized enterprises, where the adoption of advanced tools remains incipient, restricting efficiency, financial control, and organizational sustainability. In response to this scenario, the present study aims to analyze the influence of artificial intelligence on the evaluation of financial and accounting performance in Ecuadorian companies, identifying its benefits, limitations, and evolution, the methodology employed follows a mixed-methods approach. In the qualitative component, a documentary analysis of scientific literature, regulatory frameworks, and sectoral reports was conducted, while the quantitative component relied on the comparative analysis of financial indicators, conceptual frameworks, and trend graphs that reflect the progressive adoption of artificial intelligence. The results are expected to demonstrate a positive impact of artificial intelligence on operational efficiency, the accuracy of financial information, and the predictive capacity of business performance, however, the study also anticipates identifying technological gaps, risks associated with excessive automation dependence, and regulatory challenges that condition its effective implementation within the Ecuadorian context.
Keywords: artificial intelligence; financial performance; accounting performance; business evaluation; managerial decision-making
1. Introducción
En el contexto económico contemporáneo, caracterizado por una creciente complejidad de los mercados, presiones competitivas, exigencias de transparencia y una mayor conciencia social, la evaluación del desempeño financiero y contable se ha consolidado como un eje estratégico para la sostenibilidad de las empresas (Sánchez et al., 2021).
Las organizaciones socialmente responsables enfrentan el desafío de equilibrar resultados económicos con compromisos sociales y ambientales, lo que demanda sistemas de evaluación más integrales, dinámicos y predictivos. En este sentido, los modelos de inteligencia artificial (IA) emergen como herramientas clave al permitir el análisis avanzado de grandes volúmenes de datos financieros y no financieros, facilitando una toma de decisiones más oportuna, objetiva y alineada con los objetivos estratégicos empresariales (Vargas, 2021).
A pesar de los avances tecnológicos disponibles, en países en vías de desarrollo como Ecuador persisten limitaciones significativas en la evaluación del desempeño financiero y contable, particularmente en empresas pequeñas y medianas. Muchas organizaciones continúan utilizando enfoques tradicionales basados en indicadores financieros aislados (Pinzón & Serrato, 2021), con escasa integración de variables sociales, ambientales y prospectivas. Esta situación se acentúa en empresas socialmente responsables, donde la medición del desempeño suele centrarse en el cumplimiento normativo o en reportes estáticos, sin aprovechar el potencial analítico de la inteligencia artificial para evaluar la eficiencia, rentabilidad y sostenibilidad de manera integral (Rosales-Troya & Ordóñez-Parra, 2024).
La problemática central que aborda esta investigación radica en la limitada adopción de modelos de inteligencia artificial para la evaluación del desempeño financiero y contable en empresas socialmente responsables ecuatorianas. En numerosos casos, la gestión del desempeño se concibe como un proceso meramente descriptivo y reactivo (Escobar & Rojas, 2021), sin incorporar herramientas predictivas que permitan anticipar riesgos financieros, optimizar recursos, evaluar el impacto de decisiones estratégicas y fortalecer la transparencia contable. Esta brecha entre las capacidades tecnológicas existentes y su aplicación efectiva restringe la competitividad, la sostenibilidad financiera y la generación de valor a largo plazo (Prux et al., 2021).
Frente a este escenario, el objetivo es analizar el desempeño financiero y contable en empresas socialmente responsables utilizando modelos de inteligencia artificial. A partir de este propósito, se busca evidenciar cómo la integración de técnicas de IA puede fortalecer la gestión financiera, mejorar la calidad de la información contable y apoyar el cumplimiento de objetivos económicos, sociales y ambientales de forma simultánea (Rivera & Henao, 2021).
Para el desarrollo de la investigación se empleará un enfoque metodológico mixto. En la fase cuantitativa, se recopilarán datos financieros, contables y de desempeño social provenientes de empresas socialmente responsables pertenecientes a distintos sectores productivos (Păvăloaia & Necula, 2023), los cuales serán analizados mediante modelos de inteligencia artificial orientados a la evaluación y predicción del desempeño. En la fase cualitativa, se realizará un análisis de la percepción y experiencia de directivos financieros y contadores, con el fin de comprender los factores que influyen en la adopción de estas tecnologías, las barreras existentes y los beneficios percibidos en términos de eficiencia, control y sostenibilidad (Orozco, 2020).
Finalmente, se espera que los resultados de la investigación permitan evidenciar una brecha relevante entre los enfoques tradicionales de evaluación del desempeño y el potencial de los modelos de inteligencia artificial en el contexto empresarial ecuatoriano. Se anticipa que las empresas que integran herramientas de IA en sus procesos de evaluación financiera y contable presenten mejoras significativas en la eficiencia del uso de recursos, la calidad de la información para la toma de decisiones y la alineación entre desempeño financiero y responsabilidad social. Estos hallazgos podrán servir como referencia académica y práctica para el diseño de modelos de gestión replicables que impulsen una evaluación del desempeño más integral, predictiva y sostenible (Lozano et al., 2021).
2. Desempeño financiero
El desempeño financiero se define como la capacidad de una empresa para utilizar eficientemente sus recursos económicos con el fin de generar rentabilidad, mantener la solvencia y asegurar su continuidad operativa en el tiempo. Desde el enfoque teórico financiero, el desempeño financiero refleja los resultados de las decisiones estratégicas, operativas y administrativas adoptadas por la organización, constituyéndose en un indicador clave del éxito empresarial (Farhan et al., 2017).
El análisis del desempeño financiero permite evaluar si una empresa está cumpliendo sus objetivos económicos y si su estructura financiera es sostenible frente a los riesgos del entorno; en este sentido, no se limita únicamente a la medición de utilidades, sino que abarca una evaluación integral del equilibrio entre ingresos, costos, inversión, financiamiento y generación de valor. La literatura financiera sostiene que un desempeño financiero sólido es condición necesaria para la competitividad, el crecimiento y la permanencia de las empresas en mercados cada vez más dinámicos y exigentes (Arosa et al., 2013).
El desempeño financiero cumple un rol estratégico dentro de la gestión empresarial, ya que proporciona información fundamental para la toma de decisiones a corto, mediano y largo plazo; a través de su análisis, los directivos pueden identificar fortalezas y debilidades financieras, evaluar la eficiencia en el uso de los recursos y determinar la viabilidad de nuevas inversiones o proyectos (Avkiran & Ringle, 2018).
Desde una perspectiva teórica, el desempeño financiero actúa como un mecanismo de control que permite comparar los resultados reales con los objetivos planificados, facilitando la corrección oportuna de desviaciones; asimismo, es un elemento clave para los grupos de interés, como inversionistas, acreedores y organismos de control, quienes utilizan esta información para evaluar el nivel de riesgo y la capacidad de la empresa para cumplir con sus obligaciones (Berrocal et al., 2022).
3. Desempeño Contable
El desempeño contable cumple un rol estratégico dentro de la gestión empresarial, ya que proporciona información fundamental para la toma de decisiones a corto, mediano y largo plazo (García-Meca et al., 2015); a través de su análisis, los directivos pueden identificar fortalezas y debilidades financieras, evaluar la eficiencia en el uso de los recursos y determinar la viabilidad de nuevas inversiones o proyectos (Gaviria et al., 2022).
Desde una perspectiva teórica, el desempeño contable actúa como un mecanismo de control que permite comparar los resultados reales con los objetivos planificados (Frías-Aceituno et al., 2013), facilitando la corrección oportuna de desviaciones. Es un elemento clave para los grupos de interés, como inversionistas, acreedores y organismos de control, quienes utilizan esta información para evaluar el nivel de riesgo y la capacidad de la empresa para
Desde el enfoque teórico, el desempeño contable influye directamente en la transparencia organizacional y en la credibilidad de la empresa frente a los grupos de interés, como inversionistas (Klein, 2002), entidades financieras y organismos de control. La calidad de la información contable reduce la asimetría de información y contribuye a una mejor evaluación del riesgo financiero (Quesado et al., 2024).
El desempeño contable puede analizarse a partir de diversas dimensiones que permiten evaluar la efectividad del sistema contable; entre las principales dimensiones se encuentran la calidad de la información (King-Domínguez et al., 2020), la oportunidad en el registro de las operaciones, la consistencia en la aplicación de normas contables y la utilidad de la información para la toma de decisiones (Florêncio et al., 2023).
La calidad de la información contable se relaciona con su exactitud, integridad y ausencia de errores materiales (Yasser et al., 2017), mientras que la oportunidad se refiere a la capacidad del sistema contable para generar información en el momento adecuado; la consistencia garantiza la comparabilidad de los datos financieros a lo largo del tiempo, y la utilidad se vincula con la capacidad de la información para apoyar procesos de análisis, control y planificación (Saldaña Ponte et al., 2026).
4. Modelos de inteligencia artificial para Empresas
La inteligencia artificial (IA) se define como el conjunto de teorías, métodos y tecnologías que permiten a los sistemas computacionales simular capacidades propias de la inteligencia humana, tales como el aprendizaje, el razonamiento, la predicción y la toma de decisiones. En el contexto empresarial, la IA se ha consolidado como un recurso estratégico para mejorar la eficiencia operativa, optimizar procesos y fortalecer la calidad de las decisiones organizacionales (Gaviria et al., 2022).
Desde un enfoque teórico, la inteligencia artificial aplicada a las empresas trasciende la automatización de tareas repetitivas y se orienta hacia la generación de valor a partir del análisis avanzado de datos. Los modelos de IA permiten identificar patrones complejos (Merediz-Solá & Bariviera, 2019), relaciones no evidentes y tendencias futuras que no pueden ser detectadas mediante métodos tradicionales de análisis, lo que resulta especialmente relevante en entornos caracterizados por alta incertidumbre y competitividad.
La evolución de los modelos de inteligencia artificial en el ámbito empresarial ha estado marcada por el avance en la capacidad de procesamiento, la disponibilidad de grandes volúmenes de datos y el desarrollo de algoritmos más sofisticados (Yermack, 1996). Las empresas adoptaron sistemas expertos y modelos basados en reglas, los cuales replicaban el conocimiento humano mediante estructuras lógicas predefinidas (Vărzaru et al., 2023).
Posteriormente, el surgimiento del aprendizaje automático permitió a los sistemas aprender directamente de los datos, reduciendo la dependencia de reglas explícitas y mejorando la capacidad de adaptación a contextos cambiantes. En la actualidad (Al Farooque et al., 2020), los modelos de IA se caracterizan por su enfoque predictivo y prescriptivo, lo que facilita no solo el análisis del comportamiento pasado, sino también la simulación de escenarios futuros y la recomendación de acciones óptimas (Quesado et al., 2024).
Los modelos de inteligencia artificial empleados en las empresas pueden clasificarse en función de su enfoque y propósito (Améstica-Rivas et al., 2021); entre los más utilizados se encuentran los modelos de aprendizaje supervisado, no supervisado y semisupervisado, así como los modelos de aprendizaje profundo (Florêncio et al., 2023).
Los modelos supervisados se utilizan cuando existen datos históricos etiquetados y permiten realizar predicciones o clasificaciones, siendo ampliamente aplicados en la evaluación del desempeño financiero y en el análisis de riesgos (Ropa-Carrión & Alama-Flores, 2022). Los modelos no supervisados, por su parte, se orientan a la identificación de patrones ocultos o agrupaciones, resultandos útiles para el análisis de comportamiento financiero y la detección de anomalías contables (Saldaña et al., 2026).
Gráfico 1
Importancia de la IA en la toma de decisiones
5. Desempeño financiero y contable
El desempeño financiero y contable representa el grado en que una empresa gestiona de manera eficiente y eficaz sus recursos económicos, garantizando la generación de valor, la sostenibilidad financiera y la confiabilidad de la información contable (Párraga et al., 2021). Desde una perspectiva teórica, este desempeño se fundamenta en la correcta medición, análisis e interpretación de los resultados financieros y contables, los cuales reflejan el impacto de las decisiones estratégicas y operativas adoptadas por la organización (Ropa-Carrión & Alama-Flores, 2022).
La evaluación del desempeño financiero y contable permite identificar la situación económica real de la empresa, evaluar su capacidad de rentabilidad, liquidez y solvencia, así como determinar la calidad de los registros contables que sustentan dichos resultados (Gómez-García et al., 2021). Ambos desempeños se encuentran estrechamente interrelacionados, ya que la información contable constituye la base para el análisis financiero y la toma de decisiones gerenciales (Párraga et al., 2021).
La evaluación del desempeño financiero y contable cumple un rol estratégico en la gestión empresarial, al proporcionar información clave para la planificación, el control y la toma de decisiones. Desde el enfoque teórico, esta evaluación permite a los directivos identificar desviaciones entre los resultados esperados y los obtenidos, facilitando la adopción de medidas correctivas oportunas (Gómez-García et al., 2021).
Asimismo, la evaluación contribuye a fortalecer la transparencia y la credibilidad de la empresa frente a los grupos de interés, tales como inversionistas, entidades financieras, organismos de control y la sociedad en general. En entornos empresariales dinámicos y competitivos, una evaluación adecuada del desempeño financiero y contable se convierte en un factor determinante para la sostenibilidad y continuidad de las organizaciones (Correa-García et al., 2018) (Gráfico 2).
Gráfico 2
Sistema financiero contable
Fuente: Caminos (2024)
6. Impacto estratégico de la inteligencia artificial en la gestión y el control financiero: Discusión
La inteligencia artificial (IA) ha experimentado una evolución acelerada durante la última década, transformándose en una herramienta estratégica para el análisis, control y evaluación del desempeño financiero y contable de las organizaciones, desde aplicaciones iniciales orientadas a la automatización de tareas operativas hasta modelos avanzados de análisis predictivo y toma de decisiones, la IA ha redefinido la forma en que las empresas gestionan la información financiera, evalúan riesgos y optimizan recursos.
En el contexto del sistema financiero y contable, estos avances han permitido mejorar la eficiencia operativa, fortalecer los mecanismos de control interno y proporcionar información oportuna y precisa para la gestión gerencial, si bien la adopción de inteligencia artificial ha sido más acelerada en economías desarrolladas, países en vías de desarrollo como Ecuador han mostrado una incorporación progresiva, especialmente en el sector financiero, la contabilidad empresarial y los procesos de auditoría y evaluación del desempeño.
En este marco, en el siguiente cuadro 1 presenta una visión cronológica de la evolución de la inteligencia artificial desde el año 2015 hasta 2025, destacando su desarrollo a nivel global y su implementación gradual en el sistema financiero-contable ecuatoriano, este análisis permite comprender el tránsito desde modelos tradicionales de gestión financiera hacia enfoques inteligentes que fortalecen la toma de decisiones, la sostenibilidad empresarial y la evaluación integral del desempeño organizacional (Gráfico 3).
Cuadro 1
Evolución de la IA y su implementación en el Sistema Financiero - Contable en el Ecuador
|
Año |
Evolución de la Inteligencia Artificial (IA) – Global |
Implementación en el Sistema Financiero-Contable en Ecuador |
|
2025 |
IA avanzada para predicción, automatización total y auditoría inteligente. IA integrada con sistemas de gobernanza corporativa global. |
Adopción creciente de IA en empresas privadas y públicas. IA como estándar en evaluación de desempeño financiero y contable. Formación profesional con IA institucionalizada. |
|
2024 |
Ampliación de IA en sistemas financieros internacionales. IA explicable (XAI) para interpretar modelos financieros complejos. |
Implementación de IA explicable en bancos y universidades. Regulación contable ecuatoriana debatida para inclusión de IA. |
|
2023 |
IA híbrida con aprendizaje profundo y reglas de negocio. Modelos generativos aplicados a escenarios financieros. |
Soluciones locales de IA para simulación financiera. Pilotos de sistemas de recomendación contable. Reguladores exploran lineamientos de IA. |
|
2022 |
Procesamiento de lenguaje natural (NLP) para informes financieros. IA en cumplimiento regulatorio y reportes automáticos. |
Uso de NLP en documentos contables. Empresas grandes implementan IA para control de gastos. Consultoras promueven IA en desempeño financiero. |
|
2021 |
IA para predicción avanzada y toma de decisiones. Integración con blockchain y sistemas colaborativos. |
IA en auditoría continua. Analítica avanzada en presupuestos y proyecciones. Colaboración entre empresas tecnológicas y financieras. |
|
2020 |
IA en big data y automatización robótica (RPA). Herramientas contables inteligentes. |
Implementación acelerada por pandemia. Automatización contable crítica. Bancos usan IA en riesgo crediticio. |
|
2019 |
IA generativa y redes neuronales complejas. Mejora de modelos predictivos financieros. |
Instituciones financieras adoptan análisis predictivo. Software inteligente para conciliación y control. Reguladores analizan marcos de IA. |
|
2018 |
IA integrada a ERP avanzados. Automatización inteligente en finanzas. |
Empresas medianas adoptan ERP inteligentes. Universidades incorporan IA en finanzas. Auditoría con soporte tecnológico. |
|
2017 |
Desarrollo de deep learning y predicción financiera. IA en gestión de riesgo. |
Sistemas de análisis multidimensional. Bancos privados usan analítica avanzada. Consultoras promueven IA contable. |
|
2016 |
Redes neuronales y detección de patrones. IA en corporaciones bancarias internacionales. |
Empresas grandes prueban automatización contable. Instituciones financieras analizan herramientas de datos. Regulación tradicional. |
|
2015 |
IA basada en aprendizaje automático tradicional y big data inicial. Chatbots y automatización simple. |
Software contable básico. Análisis financiero tradicional asistido por computadores. Escasa IA en procesos oficiales. |
Gráfico 3
Evolución y adopción de la IA en la evaluación del desempeño financiero y contable en el Ecuador
La evolución de las empresas ecuatorianas en el ámbito financiero y contable entre 2015 y 2025 evidencia una transición progresiva desde modelos tradicionales de registro y control hacia sistemas integrados de gestión financiera orientados a la evaluación estratégica del desempeño. En una primera etapa (2015–2017), las organizaciones se caracterizaron por el uso predominante de procesos contables manuales o semiautomatizados, con análisis financiero limitado a indicadores históricos y descriptivos, lo que restringía la capacidad de evaluar el desempeño de manera integral y prospectiva.
A partir de 2018, la incorporación de sistemas ERP y herramientas digitales permitió una mayor sistematización de la información contable y financiera, facilitando el cálculo periódico de indicadores de liquidez, rentabilidad, actividad y endeudamiento; la evaluación del desempeño continuaba siendo principalmente reactiva, basada en información pasada y dependiente de la interpretación humana, sin apoyo de modelos avanzados de análisis.
El año 2020 marcó un punto de inflexión en este proceso evolutivo, impulsado por la necesidad de continuidad operativa y toma de decisiones ágil frente a la crisis sanitaria. En este contexto, las empresas comenzaron a adoptar tecnologías más avanzadas, entre ellas herramientas de automatización inteligente y analítica de datos, sentando las bases para la integración de la inteligencia artificial en los procesos financieros y contables.
Entre 2021 y 2023, la adopción de inteligencia artificial en la evaluación del desempeño financiero y contable se manifestó en el uso de modelos predictivos, detección automatizada de anomalías contables, simulación de escenarios financieros y análisis avanzado de tendencias. Estas aplicaciones permitieron transformar la evaluación del desempeño desde un enfoque descriptivo hacia uno predictivo y prescriptivo, fortaleciendo la toma de decisiones gerenciales y la gestión del riesgo.
Finalmente, hacia el período 2024–2025, la inteligencia artificial se consolida como un componente estratégico en la evaluación del desempeño empresarial, integrándose en sistemas de análisis financiero automatizado, auditoría continua y evaluación integral de resultados económicos y contables. En este estadio, la IA no solo mejora la precisión y oportunidad de la información, sino que también contribuye a la alineación entre los objetivos financieros, contables y estratégicos de la organización, promoviendo una gestión más eficiente, sostenible y basada en datos.
7. Conclusión
La evidencia analizada a partir de la evolución temporal entre los años 2015–2025 menciona que los esquemas conceptuales y los gráficos de tendencia demuestran que la inteligencia artificial ha generado un impacto significativo y progresivo en la evaluación del desempeño financiero y contable de las empresas ecuatorianas. La adopción de tecnologías basadas en IA ha permitido una transición desde modelos tradicionales, centrados en el análisis histórico, hacia enfoques más integrales, predictivos y estratégicos, fortaleciendo la toma de decisiones gerenciales y la sostenibilidad empresarial.
Entre los impactos positivos, destaca la mejora sustancial en la eficiencia de los procesos contables y financieros; la automatización de registros, conciliaciones, análisis de razones financieras y detección de anomalías ha reducido tiempos operativos, minimizado errores humanos y aumentado la confiabilidad de la información financiera. La incorporación de modelos predictivos ha permitido anticipar escenarios de liquidez, rentabilidad y riesgo, contribuyendo a una evaluación del desempeño más oportuna y alineada con los objetivos estratégicos de las organizaciones.
De igual manera, la inteligencia artificial ha fortalecido la capacidad de análisis del desempeño financiero-contable al integrar grandes volúmenes de datos y generar información de valor para la gestión empresarial; esto se refleja en una mayor precisión en la medición de indicadores clave, una mejor identificación de ineficiencias operativas y una optimización del uso de los recursos financieros, especialmente en empresas que han alcanzado mayores niveles de madurez digital.
No obstante, los resultados también evidencian limitaciones y efectos negativos asociados a la adopción de inteligencia artificial en el contexto ecuatoriano. Una de las principales dificultades radica en la brecha tecnológica y de capacidades profesionales, particularmente en pequeñas y medianas empresas, donde la implementación de IA es aún incipiente o inexistente. Esta desigualdad limita el acceso equitativo a los beneficios de la IA y amplía la diferencia en el desempeño financiero entre organizaciones con distintos niveles de digitalización.
Se identifican riesgos vinculados a la dependencia excesiva de sistemas automatizados, lo que puede debilitar el juicio profesional del contador y del analista financiero si no existe una adecuada supervisión humana. La falta de transparencia en algunos modelos de inteligencia artificial (cajas negras) también representa un desafío para la interpretación de resultados, la auditoría y el cumplimiento normativo, afectando la confianza en los procesos de evaluación del desempeño.
Finalmente, la inteligencia artificial, por sí sola, no garantiza una mejora automática del desempeño financiero y contable; su impacto positivo depende de factores complementarios como la calidad de los datos, la capacitación del talento humano, la adecuación normativa y la integración estratégica de la tecnología en los procesos organizacionales. En este sentido, la IA debe ser concebida como una herramienta de apoyo a la gestión financiera y contable, y no como un sustituto del criterio profesional, para asegurar una evaluación del desempeño equilibrada, ética y sostenible en las empresas ecuatorianas.
Referencias
Al Farooque, O., Buachoom, W., & Sun, L. (2020). Board, audit committee, ownership and financial performance – emerging trends from Thailand. Pacific Accounting Review, 32(1), 54–81. https://doi.org/10.1108/PAR-10-2018-0079
Améstica-Rivas, L., King-Domínguez, A., Cruzat Valenzuela, C., & Stuardo Solar, C. (2021). Consejo de administración y desempeño financiero. Un estudio bibliométrico. Tendencias, 22(1), 180–203. https://doi.org/10.22267/rtend.202102.160
Arosa, B., Iturralde, T., & Maseda, A. (2013). The board structure and firm performance in SMEs: Evidence from spain. Investigaciones Europeas de Direccion y Economia de La Empresa, 19(3), 127–135. https://doi.org/10.1016/j.iedee.2012.12.003
Avkiran, N. K., & Ringle, C. M. (Eds.). (2018). Partial Least Squares Structural Equation Modeling. International Series in Operations Research & Management Science, 267. https://doi.org/10.1007/978-3-319-71691-6
Berrocal, A. M., Domínguez, L., Mariné, F. J., & Ruiz, L. R. (2022). El desempeño financiero de la empresa y la composición del consejo de administración. Revista Mexicana de Economía y Finanzas, 17(2). https://doi.org/10.21919/remef.v17i2.609
Correa-García, J. A., Gómez, S., & Londoño, F. (2018). Indicadores financieros y su eficiencia en la explicación de la generación de valor en el sector cooperativo. Revista Facultad de Ciencias Económicas, 26(2), 129–144. https://doi.org/10.18359/rfce.3859
Escobar, M. E. E., & Rojas, J. C. (2021). Beneficios del uso de tecnologías digitales en la auditoría externa. Revista Facultad de Ciencias Económicas, 29(2), 45–65. https://doi.org/10.18359/rfce.5170
Farhan, A., Obaid, S. N., & Azlan, H. (2017). Corporate governance effect on firms’ performance – evidence from the UAE. Journal of Economic and Administrative Sciences, 33(1), 66–80. https://doi.org/10.1108/JEAS-01-2016-0002
Florêncio, M., Oliveira, L., & Oliveira, H. C. (2023). Management Control Systems and the Integration of the Sustainable Development Goals into Business Models. Sustainability (Switzerland), 15(3). https://doi.org/10.3390/su15032246
Frias-Aceituno, J. V., Rodriguez-Ariza, L., & Garcia-Sanchez, I. M. (2013). The role of the board in the dissemination of integrated corporate social reporting. Corporate Social Responsibility and Environmental Management, 20(4), 219–233. https://doi.org/10.1002/csr.1294
García-Meca, E., García-Sánchez, I. M., & Martínez-Ferrero, J. (2015). Board diversity and its effects on bank performance: An international analysis. Journal of Banking and Finance, 53, 202–214. https://doi.org/10.1016/j.jbankfin.2014.12.002
García-Meca, E., & Sánchez-Ballesta, J. P. (2009). Corporate governance and earnings management: A meta-analysis. Corporate Governance: An International Review, 17(5), 594–610. https://doi.org/10.1111/j.1467-8683.2009.00753.x
Gaviria, D. A. G., Polo, O. C. C., Martínez, E. M. C., & García-Arango, D. A. (2022). Influence of the Fourth Industrial Revolution on the Ethics of the Colombian Accounting Professional. Procedia Computer Science, 215, 626–641. https://doi.org/10.1016/j.procs.2022.12.065
Gómez-García, S. L., Leyva-Ferreiro, G., Murillo-Mora, M. K., & Reyes-Espinosa, M. V. (2021). Financial indicators predictors of failure in transport service cooperatives of the cantón portoviejo (Ecuador). Revista Venezolana de Gerencia, 26(Special Issue 6), 644–663. https://doi.org/10.52080/rvgluz.26.e6.39
King-Domínguez, A., Llinàs-Audet, X., & Améstica-Rivas, L. (2020). Characterization of the scientific production on university ranking. a bibliometric study from 1988 to 2018. Formacion Universitaria, 13(2), 53–62. https://doi.org/10.4067/S0718-50062020000200053
Klein, A. (2002). Audit committee, board of director characteristics, and earnings management. Journal of Accounting and Economics, 33(3), 375–400. https://doi.org/10.1016/S0165-4101(02)00059-9
Lozano, C., Lozano, P. D., & Mercado, A. L. (2021). Las esferas multipartida como sistema de registro contable gerencial, generación 2021. Quipukamayoc, 29(59), 35–42. https://doi.org/10.15381/quipu.v29i59.19465
Merediz-Solá, I., & Bariviera, A. F. (2019). A bibliometric analysis of bitcoin scientific production. Research in International Business and Finance, 50, 294–305. https://doi.org/10.1016/j.ribaf.2019.06.008
Orozco, I. (2020). De la ética empresarial a la sostenibilidad, ¿por qué debe interesar a las empresas? The Anáhuac Journal, 20(1). https://doi.org/10.36105/theanahuacjour.2020v20n1.03
Párraga, S. M., Pinargote, N. F., García, C. M., & Zamora, J. C. (2021). Indicadores de gestión financiera en pequeñas y medianas empresas en Iberoamérica: una revisión sistemática. Dilemas Contemporáneos: Educación, Política y Valores. https://doi.org/10.46377/dilemas.v8i.2610
Păvăloaia, V. D., & Necula, S. C. (2023). Artificial Intelligence as a Disruptive Technology—A Systematic Literature Review. Electronics (Switzerland), 12(5). https://doi.org/10.3390/electronics12051102
Pinzón, R. H., & Serrato, A. D. (2021). El dilema ético del contador público en Colombia. Una reflexión sobre su función social de garantizar la confianza pública. Cuadernos de Contabilidad, 22, 1–10. https://doi.org/10.11144/javeriana.cc22.decp
Prux, P. R., Momo, F. da S., & Melati, C. (2021). Opportunities and challenges of using blockchain technology in government accounting in brazil. BAR - Brazilian Administration Review, 18(spe). https://doi.org/10.1590/1807-7692bar2021200109
Quesado, P., Silva, R., & Oliveira, H. C. (2024). Management Control Systems and Sustainability: A Bibliometric Analysis. Sustainability (Switzerland), 16(12). https://doi.org/10.3390/su16125067
Rivera, V., & Henao, J. J. (2021). Paradigmas en contabilidad que impiden la incorporación de aspectos diferentes del económico. Cuadernos de Contabilidad, 22, 1–18. https://doi.org/10.11144/javeriana.cc22.pcii
Ropa-Carrión, B., & Alama-Flores, M. (2022). Organizational management: a theoretical analysis for action. Revista Científica de La UCSA, 9(1), 81–103. https://doi.org/10.18004/ucsa/2409-8752/2022.009.01.081
Rosales-Troya, E. A., & Ordóñez-Parra, Y. L. (2024). Desafíos éticos en la integración de tecnologías emergentes en la auditoría financiera. Gestio et Productio. Revista Electrónica de Ciencias Gerenciales, 6(1), 455–472. https://doi.org/10.35381/gep.v6i1.109
Saldaña Ponte, A., Vilcarromero-Hilario, R. D., & Silva-Sánchez, O. (2026). Aplicación de la contabilidad gerencial en las empresas industriales de Latinoamérica: una revisión sistemática (2021- 2025). Revista InveCom, 6(3). https://doi.org/10.5281/ZENODO.17476510
Sánchez, M., Fernández, M., & Díaz, J. (2021). Técnicas e instrumentos de recolección de información: análisis y procesamiento realizado por el investigador cualitativo. Revista Científica UISRAEL, 8(1). https://scispace.com/pdf/tecnicas-e-instrumentos-de-recoleccion-de-informacion-3knzkmceid.pdf
Vargas, A. H. (2021). La banca digital: Innovación tecnológica en la inclusión financiera en el Perú. Industrial Data, 24(2), 99–120. https://doi.org/10.15381/idata.v24i2.20351
Vărzaru, A. A., Bocean, C. G., Criveanu, M. M., Budică-Iacob, A. F., & Popescu, D. V. (2023). Assessing the Contribution of Managerial Accounting in Sustainable Organizational Development in the Healthcare Industry. International Journal of Environmental Research and Public Health, 20(4). https://doi.org/10.3390/ijerph20042895
Yasser, Q. R., Mamun, A. Al, & Rodrigs, M. (2017). Impact of board structure on firm performance: evidence from an emerging economy. Journal of Asia Business Studies, 11(2), 210–228. https://doi.org/10.1108/JABS-06-2015-0067
Yermack, D. (1996). Higher market valuation of companies with a small board of directors. Journal of Financial Economics, 40(2), 185–211. https://doi.org/10.1016/0304-405X(95)00844-5.