Caso BBVA: un asistente de IA ayuda a estructurar análisis de auditoría

BBVA describe validación de datos, diseño de pruebas y código reproducible con supervisión del auditor.

Equipo enginerIT· 3 min de lectura

La IA estructura el análisis; el auditor conserva la conclusión

BBVA publicó un caso de un asistente interno basado en ChatGPT Enterprise que ayuda a auditoría a revisar calidad de datos, diseñar pruebas analíticas, generar código reproducible e interpretar resultados. La fuente estima una mejora de productividad cercana al 10% en auditorías intensivas en datos, no como resultado auditado universal, sino como expectativa del banco. El auditor supervisa y conserva validación, juicio y conclusión. El caso se diferencia de un chatbot: el asistente guía una tarea analítica y documenta pasos que deben revisarse.

Validar los datos antes de analizarlos

El sistema ayuda a comprobar consistencia y calidad de entrada, mostrando registros y criterios utilizados. El auditor confirma procedencia, alcance y tratamiento de valores ausentes antes de interpretar resultados. No ejecutes análisis con datos no autorizados.

Estructurar pruebas reproducibles

Una prueba registra pregunta, columnas, filtros, conteos y supuestos. El código generado debe revisarse, ejecutarse en un entorno controlado y guardar versión. Una explicación convincente no garantiza que la consulta mida lo que el equipo pretende.

Mostrar trazabilidad hasta la conclusión

Enlaza resultado con dataset, consulta, código y versión del análisis. Conserva fragmentos y número de registros para repetir el resultado. La conclusión final se redacta y valida por el profesional, sin atribuir riesgo al primer patrón que aparezca.

Reducir variación entre equipos

Un marco común puede ayudar a auditores con diferentes niveles de experiencia. Define plantillas y estándares de revisión, y permite que la persona adapte la prueba a contexto. La automatización debe hacer explícita una diferencia, no esconderla para forzar un formato común.

Identificar riesgos antes de lanzar

BBVA menciona errores de análisis o código, datos inadecuados, pérdida de trazabilidad y confianza excesiva. Prueba cada uno: datos erróneos, consulta mal planteada, origen no permitido y resultado incompleto. La respuesta segura incluye límites y revisión necesaria.

Interpretar la estimación de productividad

El 10% estimado se aplica a auditorías que requieren uso intensivo de datos, según la propia fuente. Para una empresa pequeña, mide horas de limpieza, preparación, revisión y repetición en muestras reales. La eficiencia no compensa una prueba inválida.

Aplicación para una pyme

Empieza con análisis interno de datos no sensibles, casos reproducibles y revisión por una persona responsable. El agente redacta código o checklist, no modifica los datos originales. Conserva informe y evidencia para que otra persona pueda repetirlo.

Fuentes y documentación

BBVA — How BBVA uses an AI assistant to analyze data in Internal Audit — Caso comunicado por la empresa o proveedor tecnológico; las declaraciones y métricas se atribuyen a esa fuente y no son resultados auditados ni extrapolables a una pyme.

Repite un análisis con datos de prueba y verifica código, supuestos y conteos.

La persona experta firma la interpretación; el agente deja las operaciones reproducibles.

Cuéntanos qué necesitas →