Tendencias de la inteligencia artificial y sistemas expertos en la contabilidad. Análisis cienciométrico

Abstract

The impact of technological advance of artificial intelligence (AI) and expert systems on business and accounting is major. The research aimed at understanding the application trend of AI and expert systems in business accounting through scientometric indicators based on the evolutionary paradigm and considering mental faculties and activities performed by human beings through computer systems and the theory of computation, including automated reasoning, theorem proof, expert systems, natural language processing, robotics, languages and environments, learning, neural networks, genetic algorithms (López, 2017), as well as emerging and future (general intelligence) cognitive and learning theories (Gómez & Hochel, 2019). PRISMA method, mixed approach and content analysis of 82 articles indexed in Scopus from 1980 to 2025 were used. Results evidence that between years 2019 and 2024 a significant growth of studies, automation of accounting tasks, development of predictive models and cost optimization through neural networks and automated learning algorithms were observed, especially in the United States and China. It is concluded that future research must include the development of hybrid models that combine fuzzy logic, neural networks and expert systems to improve the interpretation of financial data.

El avance tecnológico de la inteligencia artificial (IA) y los sistemas expertos tiene grandes impactos en las empresas y la contabilidad. El objetivo de este estudio es conocer la tendencia de la aplicación de la IA y los sistemas expertos en la contabilidad empresarial a través de indicadores cienciométricos, partiendo del paradigma evolutivo. Para ello, se consideran facultades mentales y actividades realizadas por seres humanos por medio de sistemas de cómputo y la teoría de la computación. Esta última incluye razonamiento automático, demostración de teoremas, sistemas expertos, procesamiento del lenguaje natural, robótica, lenguajes y ambientes, aprendizaje, redes neuronales, y algoritmos genéticos (López, 2017), además de teorías cognitivas y de aprendizaje, emergentes y futuras (inteligencia general) (Gómez & Hochel, 2019). Se utilizó el método PRISMA, un enfoque mixto y el análisis de contenido de 82 artículos indexados en Scopus desde 1980 a 2025. Los resultados muestran un crecimiento significativo de estudios, la automatización de tareas contables, el desarrollo de modelos predictivos, y la optimización de costos a través de redes neuronales y algoritmos de aprendizaje automático entre los años 2019 y 2024, especialmente, en Estados Unidos y China. Se concluye que las futuras líneas de investigación deben incluir el desarrollo de modelos híbridos que combinen lógica difusa, redes neuronales y sistemas expertos para mejorar la interpretación de datos financieros.

O avanço tecnológico da inteligência artificial (IA) e dos sistemas especialistas tem um grande impacto nas empresas e na contabilidade. O objetivo foi conhecer a tendência de aplicação da IA e dos sistemas especialistas na contabilidade empresarial por meio de indicadores cienciométricos, com base no paradigma evolutivo, considerando as faculdades mentais e as atividades realizadas por seres humanos por meio de sistemas computacionais e da teoria da computação, que inclui raciocínio automático, demonstração de teoremas, sistemas especialistas, processamento de linguagem natural, robótica, linguagens e ambientes, aprendizagem, redes neurais, algoritmos genéticos (López, 2017), além de teorias cognitivas e de aprendizagem, emergentes e futuras (inteligência geral) (Gómez & Hochel, 2019). Foi utilizado o método PRISMA, abordagem mista e análise de conteúdo de 82 artigos indexados no Scopus de 1980 a 2025. Os resultados mostram um crescimento significativo entre os anos 2019 e 2024, especialmente nos Estados Unidos e na China, de estudos, automação de tarefas contabilísticas, desenvolvimento de modelos preditivos e otimização de custos por meio de redes neurais e algoritmos de aprendizagem automática. Conclui-se que as futuras linhas de investigação devem incluir o desenvolvimento de modelos híbridos que combinem lógica difusa, redes neurais e sistemas especialistas para melhorar a interpretação de dados financeiros.