Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 64
INTELIGENCIA ARTIFICIAL GENERATIVA EN LA AUTOMATIZACIÓN CONTABLE Y
LA TOMA DE DECISIONES FINANCIERAS EN LAS PYMES
GENERATIVE ARTIFICIAL INTELLIGENCE IN ACCOUNTING AUTOMATION AND
FINANCIAL DECISION-MAKING IN SMALL AND MEDIUM-SIZED ENTERPRISES
Autores: ¹Carla Guillermina Mendoza Arce, ²Leonardo Freddy Hernández, ³Diego Francisco
Mora Yépez y ⁴Lucio Fabricio Basurto Gustines.
¹ORCID ID: https://orcid.org/0000-0004-2110-6047
²ORCID ID: https://orcid.org/0009-0005-1976-243X
³ORCID ID: https://orcid.org/0009-0002-1043-3718
⁴ORCID ID: https://orcid.org/0009-0001-4175-3426
¹E-mail de contacto: cmendoza75@unemi.edu.ec
²E-mail de contacto: lhernandez@espe.edu.ec
³E-mail de contacto: diego.mora@upec.edu.ec
⁴E-mail de contacto: lbasurtog@ecotec.edu.ec
Afiliación: ¹*Universidad Estatal de Milagro, (Ecuador). ²*Universidad de las Fuerzas Armadas – ESPE, (Ecuador). ³*Universidad
Politécnica Estatal del Carchi, (Ecuador). ⁴*Universidad Tecnológica ECOTEC, (Ecuador).
Artículo recibido: 7 de Octubre del 2026.
Artículo revisado: 9 de Noviembre del 2026.
Artículo aprobado: 9 de Noviembre del 2026.
¹Ingeniera en Negocios Internacionales, graduada de la ESPOL, Guayaquil, (Ecuador). Magíster en Dirección Comercial, graduada de la
Universidad de la Rioja en Logroño, (España). Docente de la Universidad Estatal de Milagro, (Ecuador). Con 6 años de experiencia
laboral.
²Ingeniero en Administración Pública, graduado por la Universidad Central del Ecuador, (Ecuador). Magíster en Gestión Pública,
graduado de la Universidad Central del Ecuador, (Ecuador). Magíster Universitario en Evaluación de la Calidad y Procesos de
Certificación en Educación Superior, graduado de la Universidad Internacional de La Rioja, (España). Doctorando en Administración, en
la Universidad de las Fuerzas Armadas, (ESPE), (Ecuador). Docente en la Facultad de Economía, de la Universidad Central del Ecuador,
(UCE).
³Ingeniero en Finanzas, graduado de la Universidad Central del Ecuador, (Ecuador). Magíster en Educación, con mención en Docencia e
Investigación en Educación Superior, graduado de la Universidad Estatal de Milagro, (Ecuador). Magíster Universitario en Gestión de
Riesgos Financieros, graduado de la Universidad Internacional de la Rioja, (España). Docente con 7 años de experiencia profesional.
⁴Economista, con mención en Gestión Empresarial especialización Finanzas, graduado por la Escuela Superior Politécnica del Litoral,
(Ecuador). Magíster en Economía, con mención en Finanzas y Proyectos Corporativos, graduado de la Universidad de Guayaquil,
(Ecuador). Docente de la Universidad Tecnológica ECOTEC con 10 años de experiencia profesional.
Resumen
La incorporación de inteligencia artificial
generativa en la contabilidad planteó
interrogantes sobre su contribución efectiva a la
gestión financiera de las pequeñas y medianas
empresas. El estudio analizó la aplicación de la
inteligencia artificial generativa en la
automatización contable y la toma de decisiones
financieras de las pymes para comprender sus
aportes operativos, posibilidades de análisis
financiero y limitaciones de implementación.
Se desarrolló una investigación cualitativa,
descriptiva y bibliográfica, de diseño
documental. Los hallazgos distinguieron
avances verificables en automatización de
registros, conciliaciones y controles, asociados
principalmente con tecnologías de inteligencia
artificial general, frente a usos generativos
centrados, en síntesis, consultas e informes. La
utilidad financiera apareció condicionada por la
calidad informativa, las competencias
profesionales y la supervisión humana, mientras
persistieron riesgos de sesgos, opacidad y
dependencia tecnológica. Se concluyó que la
transformación contable exigió diferenciar
capacidades tecnológicas y preservar el juicio
profesional para evitar atribuciones causales
infundadas.
Palabras clave: Inteligencia artificial
generativa, Automatización contable, Toma
de decisiones financieras, Pymes, Gestión
financiera.
Abstract
The incorporation of generative artificial
intelligence into accounting raised questions
about its effective contribution to the financial
management of small and medium-sized
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 65
enterprises. The study analyzed the application
of generative artificial intelligence in
accounting automation and financial decision-
making at SMEs to understand its operational
contributions, potential for financial analysis,
and implementation limitations. A qualitative,
descriptive, and bibliographic study with a
documentary design was conducted. The
findings identified verifiable advances in the
automation of record-keeping, reconciliations,
and controls primarily associated with general
artificial intelligence technologies as opposed
to generative uses focused, in short, on queries
and reports. Financial utility appeared to be
contingent on the quality of information,
professional competencies, and human
oversight, while risks of bias, opacity, and
technological dependence persisted. It was
concluded that accounting transformation
required distinguishing between technological
capabilities and preserving professional
judgment to avoid unfounded causal
attributions
Keywords: Generative artificial intelligence,
Accounting automation, Financial decision-
making, SMEs, Financial management.
Sumário
A incorporação da inteligência artificial
generativa na contabilidade suscitou questões
sobre a sua contribuição efetiva para a gestão
financeira das pequenas e médias empresas. O
estudo analisou a aplicação da inteligência
artificial generativa na automatização
contabilística e na tomada de decisões
financeiras das PME, com o objetivo de
compreender as suas contribuições
operacionais, as possibilidades de análise
financeira e as limitações da sua
implementação. Foi desenvolvida uma
investigação qualitativa, descritiva e
bibliográfica, com um desenho documental. Os
resultados identificaram avanços verificáveis na
automatização de registos, reconciliações e
controlos, associados principalmente a
tecnologias de inteligência artificial geral, em
contraposição a utilizações generativas
centradas, em resumo, em consultas e relatórios.
A utilidade financeira revelou-se condicionada
pela qualidade da informação, pelas
competências profissionais e pela supervisão
humana, enquanto persistiram riscos de
enviesamento, opacidade e dependência
tecnológica. Concluiu-se que a transformação
contabilística exigiu a diferenciação das
capacidades tecnológicas e a preservação do
julgamento profissional para evitar atribuições
causais infundadas.
Palavras-chave: Inteligência artificial
generativa, Automatização contabilística,
Tomada de decisões financeiras, PME,
Gestão financeira.
Introducción
La transformación digital de la contabilidad ha
desplazado progresivamente el interés
científico desde la ejecución automatizada de
registros hacia la interpretación estratégica de
información financiera (Chávez, 2026). La
inteligencia artificial generativa amplía esta
perspectiva mediante asistentes capaces de
elaborar reportes, procesar documentos y
facilitar consultas especializadas, aunque su
utilidad depende de la validación profesional.
Vera et al. (2026), reconocen que estas
tecnologías complementan las capacidades
analíticas del contador, configurando una
relación de cooperación que cuestiona la
sustitución del juicio humano por sistemas
automatizados. La magnitud del cambio
tecnológico resulta visible en la percepción de
quienes ejercen la profesión contable, aunque su
incorporación empresarial permanece
diferenciada. Macas et al. (2026), identificaron
una percepción favorable hacia la inteligencia
artificial como herramienta cooperativa,
resultado que evidencia aceptación profesional,
sin representar una tasa de implementación
empresarial. Para las pymes, esta distinción
resulta significativa porque la disposición hacia
la tecnología no garantiza su aprovechamiento
operativo ni la generación de información
financiera suficientemente confiable para
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 66
decidir. La adopción de soluciones inteligentes
responde a condiciones empresariales que
exceden la disponibilidad de programas
informáticos, pues intervienen capacidades
profesionales, recursos tecnológicos y criterios
de responsabilidad sobre los datos. Cualchi et
al. (2024), identificaron resistencia al cambio,
insuficiencia de competencias digitales y
preocupaciones éticas como dificultades
asociadas a la incorporación de inteligencia
artificial en la formación contable.
Estas limitaciones permiten comprender por
qué la modernización tecnológica requiere
preparación especializada y no puede
interpretarse únicamente como adquisición de
herramientas capaces de sustituir
procedimientos tradicionales. Una dificultad
menos visible aparece cuando la rapidez del
procesamiento automatizado se confunde con
calidad interpretativa, especialmente ante
resultados que requieren comprobación
documental y valoración profesional.
Villagómez (2025), identificó riesgos de
discriminación algorítmica, desigualdad y
deficiencias de gobernanza asociados al
desarrollo de inteligencia artificial, cuya
consideración resulta pertinente para examinar
decisiones apoyadas tecnológicamente.
Persiste una necesidad analítica específica de
distinguir los beneficios atribuibles a la
automatización contable de las posibilidades
generativas relacionadas con la elaboración de
informes y la interpretación financiera
empresarial. En las pequeñas y medianas
empresas, la incorporación de inteligencia
artificial generativa plantea incertidumbres
sobre su participación efectiva en los
procedimientos contables y la interpretación de
información económica. La literatura
consultada presenta aplicaciones tecnológicas,
beneficios operativos y riesgos profesionales,
pero mantiene insuficientemente diferenciadas
las funciones generativas, los mecanismos de
supervisión humana y su vinculación con las
decisiones financieras empresariales. La
delimitación precedente conduce a la siguiente
pregunta de investigación: ¿Cómo contribuye la
inteligencia artificial generativa a la
automatización contable y la toma de decisiones
financieras en las pymes?
De esta interrogante se desprenden tres
preguntas complementarias que permiten
examinar el fenómeno desde sus dimensiones
operativa, financiera y organizacional: ¿Qué
aplicaciones de inteligencia artificial generativa
se identifican en la automatización de los
procesos contables de las pymes?; ¿Qué aportes
ofrece la inteligencia artificial generativa al
análisis de información y la toma de decisiones
financieras? y ¿Qué limitaciones tecnológicas,
profesionales y éticas condicionan su
implementación en las pymes?
La pertinencia de investigar este fenómeno
responde a la necesidad de comprender cómo
las pymes pueden aprovechar capacidades
tecnológicas sin comprometer la confiabilidad
de sus registros ni la responsabilidad de sus
decisiones. La automatización plantea
exigencias relacionadas con el control de
información, mientras las aplicaciones
generativas introducen nuevas posibilidades de
interpretación financiera. Examinar ambas
dimensiones permite valorar su utilidad
administrativa desde criterios verificables,
evitando asumir que toda innovación
informática produce mejoras empresariales de
manera automática. La novedad científica se
sitúa en examinar conjuntamente dos funciones
habitualmente tratadas desde perspectivas
diferenciadas: la ejecución automatizada de
tareas y la interpretación financiera mediante
sistemas generativos, considerando sus límites
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 67
de aplicación empresarial. Macas et al. (2026),
sostienen que la inteligencia artificial fortalece
el trabajo contable cuando complementa el
juicio profesional, planteamiento que permite
discutir críticamente su incorporación en las
pymes.
Los beneficiarios directos serán propietarios,
administradores y profesionales contables;
indirectamente, proveedores tecnológicos,
instituciones formativas y organismos
vinculados con el fortalecimiento de la gestión
empresarial. En correspondencia con el
problema planteado, el objetivo general de la
investigación es analizar la aplicación de la
inteligencia artificial generativa en la
automatización contable y la toma de decisiones
financieras de las pymes para comprender sus
aportes operativos, posibilidades de análisis
financiero y limitaciones de implementación.
Para alcanzar este propósito, se establecen tres
objetivos específicos: Identificar las
aplicaciones de inteligencia artificial generativa
utilizadas en la automatización de procesos
contables de las pymes; Describir los aportes de
la inteligencia artificial generativa al
procesamiento e interpretación de información
contable para apoyar la toma de decisiones
financieras y Examinar las limitaciones
tecnológicas, profesionales y éticas que
condicionan la implementación de inteligencia
artificial generativa en la gestión contable y
financiera de las pymes. En este sentido, se
conceptualiza a la inteligencia artificial
generativa como una modalidad de aprendizaje
automático capaz de producir contenidos
nuevos mediante patrones adquiridos durante el
entrenamiento, especialmente textos, síntesis y
respuestas formuladas en lenguaje natural. Mo
y Ouyang (2025) destacan su capacidad para
organizar información y elaborar contenidos,
mientras Párraga y Zambrano (2026), describen
aplicaciones de asistentes inteligentes en
informes y documentos contables. Su
particularidad consiste en transformar
instrucciones humanas en productos
interpretables, cuya exactitud requiere
contrastación con registros verificables.
Desde sus funciones predominantes, esta
tecnología puede diferenciarse entre generación
textual, procesamiento documental y asistencia
analítica, clasificación funcional derivada de las
aplicaciones descritas por Párraga y Zambrano
(2026). ChatGPT interviene en consultas y
explicaciones; Claude facilita la lectura de
documentos extensos; Copilot apoya la
elaboración de reportes y el trabajo con hojas de
cálculo. Tales modalidades no representan
capacidades equivalentes de validación
contable, puesto que sus respuestas dependen de
instrucciones y datos suministrados por
usuarios.
La utilidad de los sistemas generativos también
admite dimensiones de accesibilidad, capacidad
de síntesis, apoyo cognitivo y fiabilidad de las
respuestas. Luque et al. (2026), advierten que la
dependencia tecnológica puede debilitar la
evaluación crítica, aun cuando estas
herramientas faciliten actividades intelectuales.
En ámbitos empresariales, su aprovechamiento
queda condicionado por la preparación de
usuarios, la protección de información sensible
y la revisión de productos generados, evitando
confundir fluidez discursiva con evidencia
financiera comprobada y pertinente. La
automatización contable comprende la
ejecución tecnológica de operaciones rutinarias
relacionadas con registro, comprobación,
organización y tratamiento de información
económica, bajo reglas de control que deben
preservar su integridad. Alvarado et al. (2026),
vinculan la inteligencia artificial con mayor
rapidez y precisión en procedimientos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 68
contables, mientras Sánchez y Pincay (2026),
destacan la supervisión de los resultados
automatizados. Esta transformación no elimina
la responsabilidad profesional: desplaza parte
del esfuerzo operativo hacia tareas de
verificación y análisis.
El alcance operativo de la automatización puede
examinarse mediante tres ámbitos: captura y
registro de transacciones, conciliación y
comprobación de datos, y preparación de
reportes para usuarios internos. Macas et al.
(2026), identifican el registro contable, el
análisis de estados financieros y el empleo de
software como dimensiones diferenciadas del
trabajo asistido por inteligencia artificial. Esta
distinción permite evaluar procesos
individualmente, sin asumir que automatizar
registros equivale a interpretar correctamente
sus consecuencias económicas y financieras.
La calidad de una operación automatizada
depende de criterios que exceden la velocidad:
consistencia de datos, posibilidad de revisión,
competencia digital y responsabilidad sobre los
resultados. Macas et al. (2026), muestran que la
valoración de la ética y del análisis financiero
introduce reservas frente a la sustitución del
contador. De allí se desprende una diferencia
relevante entre eficiencia de ejecución y
confiabilidad informativa, pues una tarea
terminada rápidamente requiere correcciones
antes de su utilización administrativa. La toma
de decisiones financieras en las pymes puede
comprenderse como el proceso mediante el cual
sus responsables valoran información
económica y seleccionan cursos de acción sobre
recursos, costos, financiamiento o
sostenibilidad. Pereira et al. (2025), examinan la
asignación de recursos mediante inteligencia
artificial en instituciones educativas, evidencia
sectorial que ilustra posibilidades analíticas sin
demostrar resultados equivalentes en pymes. Su
rasgo principal es combinar datos, restricciones
presupuestarias y juicio gerencial frente a
alternativas económicas inciertas.
Analíticamente, las decisiones financieras
pueden distinguirse según su propósito:
operativas, cuando atienden pagos y costos; de
inversión, cuando comprometen recursos
futuros; y de financiamiento, cuando examinan
fuentes de capital. Esta clasificación sirve para
interpretar las capacidades de análisis y
previsión descritas por Villagómez (2025),
aunque su revisión no constituye una validación
empírica específica para cada categoría
empresarial.
Las decisiones requieren evaluar
consecuencias, plazos y riesgos, no únicamente
disponer de resultados algorítmicos
aparentemente precisos y completos. El proceso
decisorio incorpora dimensiones de
oportunidad informativa, evaluación de
alternativas, valoración del riesgo y
responsabilidad administrativa. Párraga y
Zambrano (2026), destacan el pensamiento
crítico y la interpretación de estados financieros
como capacidades profesionales relevantes,
mientras Pereira et al. (2025), relacionan los
sistemas inteligentes con la distribución de
recursos.
Para las pymes, estas dimensiones permiten
comprender por qué las recomendaciones
tecnológicas deben someterse a restricciones de
liquidez, prioridades comerciales y
comprobación humana técnicamente
fundamentada y responsable. La relación entre
generación inteligente y automatización
contable aparece cuando instrucciones
formuladas en lenguaje natural facilitan
organizar documentos, resumir operaciones o
elaborar borradores de informes. Párraga y
Zambrano (2026), describen asistentes capaces
de procesar información financiera, aunque no
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 69
prueban que ejecuten autónomamente todo el
ciclo contable. El mecanismo conceptual exige
datos de entrada adecuados, procedimientos
definidos y validación posterior; sin estos
componentes, un reporte bien redactado podría
reproducir inconsistencias del registro contable
original existente.
Una segunda conexión surge del tránsito entre
operaciones contables y decisiones financieras:
los datos depurados pueden incorporarse a
informes interpretativos, comparaciones y
escenarios de gestión. Alvarado et al. (2026),
subrayan la utilidad empresarial de información
contable precisa, mientras Macas et al. (2026),
preservan la centralidad del criterio profesional.
La automatización representa aquí una
condición instrumental, no garantía de
decisiones acertadas, porque la pertinencia de
cada alternativa depende también del entorno
empresarial y sus restricciones específicas. La
teoría de la contingencia sostiene que no existe
una configuración administrativa
universalmente eficaz.
Aliu (2025), explica que tecnología, tamaño
empresarial e incertidumbre modifican la
adecuación de los sistemas contables a las
necesidades organizacionales. Su pertinencia
consiste en interpretar por qué una misma
herramienta generativa podría producir
desempeños distintos entre pymes, según sus
recursos, competencias internas, complejidad
operativa y exigencias de control. La teoría
general de sistemas concibe las organizaciones
mediante componentes interdependientes cuyo
funcionamiento no puede explicarse
aisladamente. Domínguez et al. (2024),
recuperan esta perspectiva para comprender la
planificación y la interacción entre unidades
organizacionales y entorno. Aplicada al estudio,
permite reconocer que tecnología generativa,
registros contables, profesionales y decisiones
financieras participan de un circuito de
información; modificar una fase puede alterar
las restantes y exigir mecanismos de
retroalimentación y corrección institucional. La
teoría de los sistemas sociotécnicos, plantea que
el desempeño organizacional depende del ajuste
conjunto entre herramientas y relaciones
humanas.
Ang et al. (2025), destacan la
complementariedad entre capacidades técnicas,
participación, confianza y responsabilidades
operativas. Desde esta perspectiva, introducir
asistentes generativos en la contabilidad exige
rediseñar funciones y controles, sin desplazar la
deliberación profesional, porque la
productividad tecnológica carece de valor
suficiente cuando compromete transparencia y
confiabilidad.
Materiales y Métodos
La investigación adoptó un enfoque cualitativo,
orientado a interpretar críticamente
conocimientos, argumentos y hallazgos
publicados, sin recurrir a mediciones
estadísticas propias ni intervenciones
empresariales directas (Cohen y Gómez, 2019).
Esta elección permitió examinar las
posibilidades y restricciones de la inteligencia
artificial generativa en los procesos contables
de las pymes, atendiendo a la diversidad de
aplicaciones descritas, la responsabilidad
profesional sobre los registros y el significado
administrativo de la información empleada para
sustentar decisiones financieras, sin presumir
relaciones causales previamente determinadas.
El estudio presentó un alcance descriptivo,
destinado a caracterizar fenómenos mediante
sus propiedades, manifestaciones y condiciones
de funcionamiento, sin establecer relaciones
causales comprobadas (Jiménez, 2023). Este
alcance resultó pertinente para distinguir las
aplicaciones generativas de otras herramientas
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 70
automatizadas, precisar las operaciones
contables susceptibles de asistencia tecnológica
e identificar los factores que condicionaban su
aprovechamiento en las pymes; también
permitió describir los usos de la información
financiera sin atribuir mejoras efectivas a
empresas que no fueron evaluadas
directamente.
La investigación bibliográfica se fundamentó en
la revisión crítica de publicaciones académicas,
consideradas testimonios documentados del
conocimiento disponible sobre un problema
definido (Romero et al., 2021). Su elección
respondió a la necesidad de contrastar
aproximaciones conceptuales y hallazgos
relativos a tecnologías generativas,
automatización contable y decisiones
financieras, preservando las diferencias entre
sectores, poblaciones y diseños examinados; de
ese modo, se evitó trasladar
indiscriminadamente resultados de
investigaciones educativas o profesionales a la
realidad operativa de las pequeñas y medianas
empresas.
Los métodos teórico, inductivo-deductivo y
analítico-sintético permitieron examinar
conceptos, contrastar regularidades con
categorías explicativas y recomponer
interpretativamente los componentes del
fenómeno investigado (Hernández et al., 2016).
La inducción facilitó reconocer patrones
recurrentes en las fuentes, mientras la
deducción permitió confrontarlos con las
nociones de automatización, supervisión y
decisión financiera; el análisis distinguió
funciones tecnológicas y condiciones
empresariales, y la síntesis integró sus
conexiones conceptuales sin borrar
discrepancias metodológicas ni convertir
asociaciones documentales en evidencias de
causalidad directa empíricamente demostrada.
El análisis documental consistió en examinar
sistemáticamente fuentes escritas para
identificar evidencias, comparar planteamientos
y construir categorías de interpretación
pertinentes al problema investigado (Albán et
al., 2020). Se consideraron como unidades de
revisión los documentos científicos
suministrados, priorizando aquellos que
trataron inteligencia artificial generativa,
procesos contables, información financiera o
pequeñas y medianas empresas.
Se establecieron como criterios de inclusión la
autoría identificable, fecha de publicación,
desarrollo metodológico y hallazgos
relacionados con alguna dimensión del estudio,
mientras los criterios de exclusión
comprendieron documentos duplicados,
materiales sin respaldo académico y
publicaciones desvinculadas de las variables.
Para delimitar la estrategia de búsqueda se
formularon combinaciones de descriptores
mediante los operadores booleanos AND y OR,
tales como ("inteligencia artificial generativa"
OR "generative AI") AND ("automatización
contable" OR "accounting automation") y
("pymes" OR "SMEs") AND ("financial
decision-making" OR "decisiones financieras").
La información se organizó en matrices de
análisis documental con campos de autor, año,
objetivo, diseño, población, aplicación
tecnológica, hallazgos, limitaciones y
pertinencia temática. Su interpretación
consideró coincidencias, discrepancias y
alcances metodológicos, diferenciando
evidencias empíricas de planteamientos
conceptuales para preservar la consistencia
argumentativa del estudio.
Resultados y Discusión
Los hallazgos se organizaron en una matriz
comparativa según tres categorías: aplicaciones
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 71
tecnológicas, aportes al análisis y decisión
financiera y limitaciones de implementación,
diferenciadas por su procedencia y alcance
investigativo.
Tabla 1. Aplicaciones, aportes y limitaciones de la inteligencia artificial en la gestión contable y
financiera de las pymes.
Autor y año
Aplicaciones
Tecnológica
Análisis y decisiones financieras
Limitaciones de implementación
Análisis de información
Toma de decisiones
Profesionales
Éticas
Luque et al.
(2026)
1. Generación de
ejercicios para
operaciones contables
2. Explicación de
procedimientos y cálculos
financieros
3. Simulación de
situaciones y problemas
empresariales
4. Retroalimentación
sobre respuestas técnicas
1. Interpretación de
resultados generados por IA
2. Evaluación crítica de
información económica
3. Comparación de
escenarios en simulaciones
4. Verificación de
contenidos algorítmicos
1. Razonamiento aplicado a
problemas profesionales
2. Valoración argumentada
de alternativas simuladas
3. Juicio crítico ante
escenarios financieros
4. Justificación técnica de
decisiones hipotéticas
1. Preparación
insuficiente para uso
crítico
2. Diferencias de
experiencia entre
usuarios
3. Posible debilitamiento
del razonamiento
independiente
4. Capacitación limitada
en verificación financiera
1. Reproducción de
sesgos informativos
2. Aceptación acrítica
de resultados generados
3. Debilidades de
gobernanza
institucional
4. Riesgo de
dependencia
algorítmica
Núñez et al.
(2025)
1. Registro automatizado
de ingresos y egresos
2. Conciliación de cuentas
con sistemas inteligentes
3. Detección de
operaciones financieras
sospechosas
4. Preparación de cálculos
y declaraciones tributarias
1. Detección de patrones
transaccionales irregulares
2. Acceso a información
contable oportuna
3. Reconocimiento de
inconsistencias mediante
algoritmos
4. Consulta de
disposiciones fiscales
aplicables
Toma de decisiones
1 . Recomendaciones
basadas en tendencias
detectadas
2. Evaluación tecnológica de
solvencia crediticia
3. Anticipación de
comportamientos
financieros
4. Valoración de
contingencias tributarias
1. Exigencia de
capacitación continua
2. Reentrenamiento ante
automatización laboral
3. Dificultades
interpretativas ante
algoritmos opacos
4. Cooperación entre
especialistas técnicos y
jurídicos
1. Protección de datos
financieros sensibles
2. Responsabilidad
legal ante errores
automáticos
3. Discriminación en
evaluaciones de
solvencia
4. Necesidad de
decisiones auditables y
justificadas
González et al.
(2025)
1. Automatización
robótica de tareas
repetitivas
2. Registro digital de
operaciones contables
3. Clasificación
tecnológica de
transacciones
4. Apoyo informático a
auditoría continua
1. Asociación entre IA y
eficiencia operacional
2. Procesamiento de
grandes volúmenes
contables
3. Identificación de
anomalías para auditoría
4. Mejora potencial de
precisión documental
1. Mayor disponibilidad de
datos gerenciales
2. Planificación de adopción
tecnológica
3. Exploración de escenarios
de riesgo
4. Liberación de tiempo para
análisis estratégico
1. Resistencia al cambio
operativo
2. Necesidad de
competencias digitales
especializadas
3. Transición incompleta
hacia labores analíticas
4. Persistencia de
prácticas contables
convencionales
1. Insuficiencia de
orientaciones de uso
responsable
2. Exigencias sobre
confiabilidad de
reportes
3. Necesidad de
transparencia en
auditorías
4. Vacíos regulatorios
para nuevas
aplicaciones
Govea et al.
(2026)
1. Procesamiento
inteligente de facturas
2. Detección automatizada
de anomalías contables
3. Automatización
robótica de
procedimientos
empresariales
4. Modelos generativos
para tareas cognitivas
1. Integración de datos de
gestión
2. Identificación
algorítmica de tendencias
3. Análisis predictivo de
desempeño financiero
4. Detección continua de
operaciones irregulares
1. Proyecciones de flujos de
caja
2. Evaluación anticipada de
riesgos
3. Alertas de fraude en
operaciones
4. Soporte informativo para
decisiones gerenciales
1. Insuficiente
alfabetización en IA
2. Resistencia a
transformaciones
laborales
3. Necesidad de
competencias
profesionales híbridas
4. Cambios en funciones
del personal contable
1. Sesgos en productos
algorítmicos
2. Marcos regulatorios
todavía insuficientes
3. Responsabilidad
sobre decisiones
automatizadas
4. Necesidad de
gobernanza empresarial
Gutiérrez et al.
(2026)
1. Automatización de
pólizas contables
2. Conciliación bancaria
inteligente
3. Lectura óptica de
comprobantes fiscales
4. Clasificación de
archivos XML
1. Procesamiento de
comprobantes digitales
2. Cruce de extractos y
pólizas
3. Reconocimiento de
patrones transaccionales
4. Análisis de cuentas por
cobrar
Toma de decisiones
1. Proyección de flujos de
efectivo
2. Alertas ante riesgos de
liquidez
3. Evaluación de riesgos con
asesoría
4. Formulación de
estrategias de optimización
fiscal
1. Escasa formación
analítica y tecnológica
2. Resistencia a nuevos
métodos administrativos
3. Persistencia de gestión
empresarial empírica
4. Necesidad de
asesoramiento contable
estratégico
1. Temor a perder
control informático
2. Riesgos de
exposición de datos
fiscales
3. Seguridad durante
intercambios de
documentos
4. Responsabilidad
profesional sobre
información procesada
Espinoza et al.
(2026)
1. Automatización de
tareas de nómina
2. Procesamiento de
información contable y
laboral
3. Integración de
plataformas de gestión
4. Seguimiento de
indicadores
organizacionales
1. Interpretación de datos
administrativos y laborales
2. Identificación de
patrones de desempeño
3. Análisis de riesgos de
gestión
4. Procesamiento de
indicadores de
productividad
1. Información para
asignación de recursos
2. Proyecciones para
planificación empresarial
3. Valoración preventiva de
riesgos
4. Apoyo percibido a la
competitividad
1. Actualización de
habilidades digitales
2. Falta de interpretación
humana suficiente
3. Nuevas
responsabilidades de
supervisión
4. Adaptación del perfil
contable
1. Sesgos en resultados
algorítmicos
2. Transparencia
limitada del
procesamiento
3. Necesidad de
regulación interna
4. Protección de
información sensible
Casanova et al.
(2024)
1. Validación de campos
transaccionales
2. Detección de
comprobantes duplicados
3. Generación preliminar
de reportes
4. Alertas ante
inconsistencias
documentales
1. Integración de datos
comerciales y bancarios
2. Seguimiento de gastos
atípicos
3. Actualización dinámica
de indicadores
4. Evaluación de integridad
y oportunidad
1. Identificación preventiva
de retrasos de cobro
2. Evaluación de cambios en
costos
3. Seguimiento de
inventarios y rentabilidad
4. Orientación de
endeudamiento y liquidez
1. Escasez de talento
especializado
2. Sobrecarga de equipos
contables pequeños
3. Cultura de datos
insuficiente
4. Falta de supervisión de
excepciones
1. Confianza excesiva
en automatización
2. Responsabilidad
sobre excepciones mal
delimitada
3. Reproducción de
prácticas incorrectas
4. Necesidad de
controles de
autorización
Fuente: Elaboración propia.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 72
La comparación permitió reconocer tres
coincidencias principales: la automatización
como transformación operativa, la información
contable como soporte del razonamiento
financiero y la permanencia del criterio
profesional como condición de confiabilidad.
Estas coincidencias no poseen idéntico
respaldo: algunos estudios registraron
percepciones y asociaciones estadísticas,
mientras otros organizaron experiencias
documentales o examinaron competencias
formativas. La diferencia resulta decisiva para
evitar que promesas tecnológicas, estimaciones
sectoriales y resultados observados reciban una
valoración científica equivalente.
Las tensiones identificadas admiten una
clasificación funcional, epistemológica y ética.
La primera enfrenta velocidad de
procesamiento y calidad del control; la segunda
distingue predicción algorítmica, generación
textual e interpretación económica; la tercera
contrapone autonomía informática y
responsabilidad de quienes autorizan
operaciones. La presencia conjunta de estas
tensiones revela que automatizar tareas no
significa producir decisiones acertadas,
especialmente cuando la información inicial
contiene inconsistencias o carece de
trazabilidad suficiente. La tendencia dominante
favorece modelos de asistencia profesional
antes que sustitución integral, con
desplazamiento gradual desde registros
mecánicos hacia análisis, vigilancia de
excepciones y valoración de riesgos.
Sin embargo, las evidencias muestran grados
diferentes de madurez: las aplicaciones
transaccionales cuentan con referencias
operativas más concretas, mientras la
contribución específica de herramientas
generativas a decisiones empresariales
permanece menos delimitada. Las limitaciones
generales incluyen heterogeneidad
metodológica, diferencias nacionales, ausencia
de pruebas comparables en pequeñas empresas
y frecuente agrupación de tecnologías distintas
bajo una misma denominación.
También se observa una brecha entre
capacidades anunciadas, adopción efectiva y
resultados sostenidos. En consecuencia, la
lectura conjunta exige reconocer el potencial
administrativo sin atribuir causalidad a
relaciones descriptivas ni extrapolar
aprendizajes universitarios hacia desempeños
empresariales comprobados. Esta cautela
delimita interpretaciones y preserva la
singularidad de cada estudio. La identificación
de aplicaciones contables evidenció una
diferencia entre automatización convencional y
generación de contenidos: Gutiérrez et al.
(2026), describieron pólizas, conciliaciones y
lectura documental mediante tecnologías
especializadas, mientras Párraga y Zambrano
(2026), caracterizaron asistentes destinados a
interpretar documentos y elaborar informes.
El contraste permitió reconocer funciones
complementarias, pero no intercambiables,
dentro del trabajo contable. La generación
lingüística amplió las posibilidades de consulta;
la ejecución transaccional exigió mecanismos
distintos. Esta distinción evitó atribuir a
modelos generativos capacidades no
verificadas. La automatización adquirió
respaldo empírico parcial en González et al.
(2025), quienes identificaron una asociación
positiva entre inteligencia artificial y eficiencia
operacional, concentrada principalmente en
RPA. Frente a ello, Macas et al. (2026),
diferenciaron automatización del registro e
interpretación financiera, preservando el
criterio profesional como dimensión
independiente. La relación no permitió
establecer causalidad ni aislar efectos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 73
generativos. Su valor interpretativo residió en
mostrar una modernización todavía
transaccional, cuya ampliación hacia funciones
analíticas requería evidencia específica sobre
uso y desempeño.
El tratamiento fiscal constituyó una aplicación
diferenciada: Núñez et al. (2025), examinaron
registros, cálculos tributarios y detección de
operaciones sospechosas, junto con problemas
de responsabilidad jurídica. Casanova et al.
(2024), enfatizaron que los procesos
automatizados exigían depuración previa y
controles sobre las excepciones. Ambas
perspectivas revelaron que rapidez y
cumplimiento no podían equipararse, pues un
procedimiento automatizado podía reproducir
inconsistencias anteriores. La contribución
consistió en situar la integridad documental y la
supervisión normativa como condiciones del
rendimiento contable empresarial.
La dimensión financiera apareció ligada a la
capacidad de anticipación: Govea et al. (2026),
recopilaron aplicaciones predictivas para flujos
de caja, riesgos y fraude, sin atribuir todos esos
mecanismos a sistemas generativos. Pereira et
al. (2025), relacionaron inteligencia artificial y
asignación de recursos en instituciones
educativas, aportando una referencia de gestión
distinta del ámbito empresarial. El contraste
confirmó la pertinencia conceptual del análisis
anticipatorio, pero restringió su extrapolación:
proyectar escenarios no equivalía a acreditar
mejores decisiones financieras en pymes. La
información integrada ofreció otra perspectiva
sobre la decisión empresarial: Casanova et al.
(2024), describieron conexiones entre registros
comerciales, bancarios y tributarios para
identificar desviaciones relevantes. La teoría
general de sistemas, recuperada por Andrade et
al. (2024), permitió interpretar dicha conexión
como dependencia entre procesos, controles y
resultados administrativos. Su aporte no se
redujo a incrementar datos disponibles; exigió
comprender cómo circulaban y se validaban.
Sin esa consistencia, la oportunidad informativa
podía coexistir con recomendaciones
insuficientemente fundamentadas y errores
persistentes.
Las condiciones de adopción revelaron
desigualdades entre capacidades tecnológicas y
recursos organizacionales. Gutiérrez et al.
(2026), señalaron costos, infraestructura y
formación como obstáculos en pymes
mexicanas; Aliu (2025), desde la teoría de la
contingencia, sostuvo que las prácticas
contables dependían del tamaño empresarial, la
tecnología y las condiciones operativas. Esta
relación explicó la improcedencia de proponer
una implementación uniforme, aunque no
cuantificó efectos diferenciados. El aporte
consistió en reconocer que la viabilidad
tecnológica exigía correspondencia con
posibilidades empresariales concretas.
La valoración profesional introdujo una tensión
entre utilidad percibida y control efectivo:
Espinoza et al. (2026), registraron aceptación de
la inteligencia artificial, acompañada de
inquietudes por errores, sesgos y dependencia.
Ang et al. (2025), desde los sistemas
sociotécnicos, plantearon la necesidad de
optimizar conjuntamente componentes
humanos y tecnológicos. La relación amplió la
interpretación más allá de la capacitación
individual: también importaban
responsabilidades, confianza y mecanismos de
supervisión. La percepción favorable no
constituyó evidencia suficiente de seguridad
operativa ni autonomía decisional. La revisión
también identificó una brecha de transferencia
disciplinar. Luque et al. (2026), examinaron
aportes formativos de herramientas generativas
para interpretación, simulación y verificación
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 74
crítica, mientras Sánchez y Pincay (2026),
documentaron desafíos de preparación
profesional en contabilidad. La
complementariedad sustentó la importancia del
razonamiento especializado, aunque los
resultados universitarios no demostraron
cambios en la gestión de pymes. La distinción
preservó el alcance educativo de esa evidencia
y señaló la necesidad de evaluar directamente
aplicaciones generativas dentro de operaciones
empresariales verificables.
En conjunto, la evidencia distinguió un
desarrollo más documentado de automatización
transaccional frente a aplicaciones generativas
todavía menos verificadas en operaciones y
decisiones financieras de pymes. Las
perspectivas analizadas vincularon eficiencia,
disponibilidad informativa y supervisión
profesional, pero mostraron diferencias entre
asociaciones estadísticas, percepciones y
revisiones documentales. Su contribución
consistió en precisar mecanismos y condiciones
de implementación sin afirmar resultados
causales generalizables. Permanecieron
pendientes evaluaciones empresariales
comparables que diferenciaran tecnologías,
calidad de decisiones y consecuencias
sostenidas de su utilización con rigor.
Conclusiones
El estudio permitió establecer que la
inteligencia artificial aplicada a la contabilidad
ofreció posibilidades diferenciadas para
transformar el procesamiento de operaciones y
ampliar la utilidad administrativa de la
información financiera. Las aplicaciones más
documentadas correspondieron al registro
automatizado, conciliaciones, validación de
documentos y detección de anomalías, mientras
las herramientas generativas destacaron por su
capacidad para elaborar informes, sintetizar
contenidos y facilitar consultas interpretativas.
Esta distinción resultó fundamental: la
automatización de procedimientos no acreditó,
por sí misma, una mejora de las decisiones
financieras, cuya pertinencia continuó
dependiendo de la calidad de los datos y del
juicio profesional.
La relación entre eficiencia contable y gestión
financiera se comprendió como una secuencia
condicionada, no como un efecto automático de
incorporar tecnología. Una información más
oportuna pudo favorecer la identificación de
riesgos, la comparación de alternativas y la
anticipación de necesidades de liquidez; sin
embargo, la evidencia examinada combinó
revisiones documentales, percepciones
profesionales y asociaciones estadísticas que no
permitieron establecer causalidad ni aislar
consistentemente los efectos específicos de los
modelos generativos.
Las limitaciones identificadas revelaron que los
costos de incorporación, la preparación digital
insuficiente, la vulnerabilidad de la información
y la opacidad algorítmica podían restringir el
aprovechamiento de estas soluciones,
particularmente en organizaciones con recursos
limitados. Se recomendó priorizar
procedimientos repetitivos previamente
estandarizados, evaluar la compatibilidad de los
sistemas, establecer protocolos de protección
documental y mantener instancias de
autorización humana para operaciones
sensibles. La capacitación profesional debería
concentrarse tanto en competencias analíticas
como en verificación de resultados,
interpretación normativa y reconocimiento de
respuestas incorrectas, evitando convertir la
facilidad operativa en dependencia tecnológica.
La profundización investigativa requerirá
distinguir experimentalmente las
contribuciones de la inteligencia artificial
generativa respecto de otras tecnologías,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 75
mediante estudios aplicados a pymes de
diferentes tamaños y actividades económicas.
Resultará pertinente comparar calidad de
informes, trazabilidad de registros, costos de
implementación y decisiones adoptadas antes y
después de intervenciones delimitadas,
incorporando seguimiento temporal y criterios
de seguridad.
También convendrá examinar cómo la
supervisión profesional modifica la
confiabilidad de las recomendaciones y qué
capacidades mínimas favorecen una adopción
sostenible. Sin esa diferenciación, las
conclusiones sobre beneficios empresariales
permanecerían expuestas a atribuciones
tecnológicas imprecisas y generalizaciones.
Tales líneas permitirán desplazar el debate
desde el potencial anunciado hacia evidencia
verificable sobre valor financiero,
responsabilidad y viabilidad empresarial.
Referencias Bibliográficas
Albán, G., Verdesoto, A., & Castro, N. (2020).
Metodologías de investigación educativa
(descriptivas, experimentales, participativas
y de investigación-acción). ReciMundo, 4(3),
163–173.
https://doi.org/10.26820/recimundo/4.(3).juli
o.2020.163-173
Aliu, M. B. (2025). Contingency theory in
accounting research: Its application and
relevance. International Journal of Research
and Innovation in Social Science, IX, 833–
843. https://doi.org/10.47772/IJRISS
Alvarado, E., Patiño, Y., Cabrera, P., & Rueda,
L. (2026). La inteligencia artificial en la
educación contable: Una mirada desde los
protagonistas. Revista de Ciencias Sociales y
Económicas, 10(1), 120–137.
https://doi.org/10.18779/csye.v10i1.1120
Ang, K. C. S., Sankaran, S., & Liu, D. (2025).
Advancing sociotechnical systems theory:
New principles for human-robot team design
and development. Applied Ergonomics, 129,
104604.
https://doi.org/10.1016/j.apergo.2025.10460
4
Casanova, C., Herrera, M., Hurtado, R., & De
la Cruz, F. (2024). Impacto de la inteligencia
artificial en los procesos contables y
financieros de las PYMES en Ecuador. CEC
Revista Científica, 1(1), 19–35.
https://doi.org/10.55813/gaea/revistacec/v1/
n1/8
Chávez, G. (2026). La transformación de la
enseñanza de la contabilidad ante la era
digital: Tecnología y pedagogía. Revista
Científica Portal de la Ciencia, 7(1), 152–
164. https://doi.org/10.51247/pdlc.v7i1.713
Cohen, N., & Gómez, G. (2019). Metodología
de la investigación, ¿para qué?: La
producción de los datos y los diseños.
Editorial Teseo.
https://biblioteca.clacso.edu.ar/clacso/se/201
90823024606/Metodologia_para_que.pdf
Cualchi, R., Pasquel, L., & Arteaga, Y. (2024).
Impacto de la IA en la educación contable:
Nuevas herramientas y habilidades. Nexus:
Multidisciplinary Research Journal, 3(2),
164–181.
https://doi.org/10.62943/nrj.v3n2.2024.139
Domínguez, F. J., Alarcón, J. C., Ortega, X. F.,
& González, J. L. (2024). Teoría general de
sistemas: Un enfoque estratégico para la
planificación institucional. Revista
Venezolana de Gerencia, 29(105), 388–400.
https://doi.org/10.52080/rvgluz.29.105.24
Espinoza, M., Cuenca, G., & Laines, Y. (2026).
Inteligencia artificial en la gestión contable y
laboral: Incidencia en la toma de decisiones
empresariales desde la percepción de
profesionales contables. Revista Científica
Sociedad & Tecnología, 9(S2), 1648–1665.
https://doi.org/10.51247/st.v9iS2.825
González, S., Almeida, F., Moreno, D., Onofre,
A., & Romero, G. (2025). Inteligencia
artificial y contabilidad financiera: Un nuevo
paradigma para las empresas ecuatorianas.
ASCE Magazine, 4(4), 1302–1324.
https://doi.org/10.70577/asce.v4i4.490
Govea, E., Mora, J., Menéndez, C., & Calderón,
R. (2026). Inteligencia artificial en la gestión
administrativa, contable y financiera:
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 76
Innovación y toma de decisiones. Revisión
sistemática. RECIAMUC, 10(3), 582–603.
https://doi.org/10.26820/reciamuc/10.(3).ago
s.2026.582-603
Gutiérrez, C., Villegas, E., & Vargas, T. (2026).
Impacto de la inteligencia artificial en los
procesos contables de las pequeñas y
medianas empresas (PyMEs). Ciencia Latina
Revista Científica Multidisciplinar, 10(3),
844–859.
https://doi.org/10.37811/cl_rcm.v10i3.24060
Hernández, R., Fernández, C., & Baptista, M.
(2016). Metodología de la investigación.
McGraw-Hill.
https://www.smujerescoahuila.gob.mx/wp-
content/uploads/2020/05/Sampieri.Met.Inv.p
df
Jiménez, J. (2023). Metodología e
investigación: ¿Es posible superar el
reduccionismo cientificista? Cuadernos de
Pensamiento, 36(2), 21–50.
https://doi.org/10.51743/cpe.392
Luque, Y., Defás, D., Carrillo, E., & Gallardo,
J. (2026). Impacto de la inteligencia artificial
generativa en la formación de competencias
contables y financieras en educación
superior. Ciencia y Educación, 7(8), 251–
265.
https://www.cienciayeducacion.com/index.p
hp/journal/article/view/3365
Macas, C., Jara, K., & Ramón, R. (2026). La
inteligencia artificial y el valor insustituible
del contador: ¿Alianza o reemplazo?
Enfoques. Revista de Investigación en
Ciencias de la Administración, 10(38), 68–
81.
https://doi.org/10.33996/revistaenfoques.v10
i38.245
Mo, H., & Ouyang, S. (2025). (Generative) AI
in financial economics. Journal of Chinese
Economic and Business Studies, 23(4), 509–
588.
https://doi.org/10.1080/14765284.2025.2569
006
Núñez, A., Chaparro, M., Sital, S., Haro, G., &
Ayala, P. (2025). Inteligencia artificial y la
automatización de procesos contables y
fiscales: Implicaciones éticas y legales.
Estudios y Perspectivas Revista Científica y
Académica, 5(3), 2984–3003.
https://doi.org/10.61384/r.c.a..v5i3.1370
Párraga, D., & Zambrano, L. (2026). La
inteligencia artificial en el desarrollo de
competencias profesionales en el área de
contabilidad. Revista Científica
Multidisciplinaria Arbitrada YACHASUN,
10(18), 1684–1704.
https://doi.org/10.46296/yc.v10i18.0890
Pereira, M., Granda, A., Carrión, A., & Chávez,
C. (2025). Inteligencia artificial y
financiación de la educación superior:
Optimización de recursos en los procesos de
enseñanza y aprendizaje. RInCISol, 4(7),
4346–4370.
https://doi.org/10.59282/reincisol.V4(7)4346
-4370
Romero, H., Real, J., & Ordoñez, L. (2021).
Metodología de la investigación (Vol. 1, n.º
1). Edicumbre.
https://www.gob.mx/cms/uploads/attachmen
t/file/133491/METODOLOGIA_DE_INVE
STIGACION.pdf
Sánchez, J., & Pincay, D. (2026). Educación
contable universitaria en la era de la
inteligencia artificial desde la perspectiva
estudiantil. Polo del Conocimiento, 11(3),
485–505.
https://doi.org/10.23857/pc.v11i3.11234
Vera, Y., Cevallos, C., & Angulo, N. (2026). La
inteligencia artificial en la contabilidad: Una
revisión narrativa sobre sus beneficios,
aplicaciones y competencias profesionales
emergentes. Revista Electrónica Formación y
Calidad Educativa (REFCalE), 14(1), 101–
118.
https://doi.org/10.56124/refcale.v14i1.006
Villagómez, A. (2025). El impacto de la
inteligencia artificial en la sociedad: Una
revisión sistemática de su influencia en
ámbitos sociales, económicos y tecnológicos.
Ciencia Latina Revista Científica
Multidisciplinar, 9(1), 8150–8172.
https://doi.org/10.37811/cl_rcm.v9i1.16468
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 11
Noviembre del 2026
Página 77
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Carla Guillermina
Mendoza Arce, Leonardo Freddy Hernández, Diego
Francisco Mora Yépez y Lucio Fabricio Basurto
Gustines.
Declaraciones éticas y editoriales del artículo
Contribución de los autores (Taxonomía CRediT)
Carla Guillermina Mendoza Arce: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal
de los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.
Leonardo Freddy Hernández: curación y organización de los datos, participación en la recolección de información, validación de los resultados
obtenidos y elaboración de representaciones gráficas y visualización de los datos.
Diego Francisco Mora Yépez: provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto
investigativo y revisión editorial del manuscrito antes de su publicación.
Lucio Fabricio Basurto Gustines: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.
Declaración de conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del
presente artículo.
Declaración de financiamiento
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de
existir financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.
Declaración del editor
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica,
transparencia y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego,
garantizando la confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor
declara que el artículo cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.
Declaración de los revisores
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que
sus observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.
Declaración ética de la investigación
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad
de los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben
ajustarse a los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.
Declaración sobre el uso de inteligencia artificial
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción
del manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del
manuscrito ni sustituyen la responsabilidad académica de los investigadores.
Disponibilidad de datos
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las
normas éticas y de confidencialidad establecidas por la investigación.