7 min readSanitized Ai Team

Privacidad de los datos de auditoría: proteger la información sensible en los flujos de trabajo con IA

Data PrivacyData SecurityAI GovernanceComplianceRisk

Las firmas de auditoría manejan parte de la información más sensible de una empresa. Los papeles de trabajo pueden contener datos de nóminas, información de clientes, datos bancarios, contratos, previsiones, documentación de control interno y evidencia sobre posibles errores materiales o fraudes. Cuando se incorpora la inteligencia artificial al flujo de trabajo, esa información puede pasar a nuevos sistemas, cuentas y entornos de proveedores.

Por eso, la privacidad de los datos de auditoría no consiste solo en saber si una herramienta de IA es segura. Consiste en saber qué datos recibe la herramienta, por qué los necesita, adónde va la información, quién puede acceder a ella y cuánto tiempo permanece allí.

Mapee los datos antes de aprobar el flujo de trabajo con IA

Empiece por documentar la información que circulará por el proceso habilitado con IA.

En una herramienta de resumen de documentos, pueden ser contratos, facturas o notas de reuniones cargados. En un asistente de IA conectado a un repositorio de documentos, el conjunto de datos potencial puede ser mucho mayor, porque el sistema puede recuperar archivos automáticamente.

El NIST Privacy Framework recomienda inventariar y mapear las actividades de tratamiento de datos, incluidos los sistemas implicados, los elementos de datos tratados, la finalidad del tratamiento, los terceros y el entorno de tratamiento.

Para los equipos de auditoría, un sencillo mapa de flujo de datos puede responder preguntas prácticas: ¿qué sale del entorno de la firma? ¿El proveedor de IA recibe el documento completo o solo un extracto? ¿Interviene otro proveedor de modelos? ¿Se almacenan las instrucciones o los archivos en otro lugar?

Los controles de privacidad son más fáciles de diseñar una vez que esos recorridos se vuelven visibles.

Minimice los datos del cliente antes de que lleguen al modelo

Una herramienta de IA debería recibir solo la información necesaria para la tarea.

Si el equipo quiere ayuda para categorizar descripciones de transacciones, puede que no necesite nombres de clientes ni números de cuenta. Si se prueba una herramienta de resumen de documentos, puede bastar una muestra censurada o sintética. Si solo importa una sección de un contrato, cargar el acuerdo completo puede crear una exposición innecesaria.

Esto también implica mirar más allá de la información personal evidente. Los datos de auditoría confidenciales pueden incluir resultados financieros aún no publicados, planes de adquisición, deficiencias del control interno, información de precios, detalles de litigios y debates de la dirección.

Trate la confidencialidad como una obligación que abarca todo el ciclo de vida

La privacidad no termina una vez que la información se ha introducido en un sistema aprobado.

El International Ethics Standards Board for Accountants establece que el principio fundamental de confidencialidad se aplica sea cual sea la tecnología utilizada. Su guía sobre tecnología extiende el enfoque a todo el ciclo de vida de los datos, incluidos la recopilación, el uso, la transferencia, el almacenamiento, la difusión y la destrucción lícita.

Pregunte cuánto tiempo se conservan las instrucciones y los archivos cargados, si se usan para entrenar o mejorar modelos, qué empleados o subencargados pueden acceder a ellos, dónde se almacenan y qué ocurre cuando se elimina una cuenta.

Si los datos de un cliente pueden usarse con otra finalidad, como entrenar un modelo de IA, la firma no debería dar por hecho que el uso previsto en el encargo original autoriza automáticamente ese uso secundario. Los materiales sobre tecnología del IESBA abordan expresamente el uso de datos de clientes para entrenar IA y la necesidad de una autorización adecuada.

Revise las integraciones por separado del producto de IA principal

Una aplicación de IA aprobada puede volverse mucho más arriesgada al conectarse con otros sistemas.

Un chatbot independiente solo ve lo que un auditor introduce manualmente. El mismo producto conectado al correo electrónico, al almacenamiento en la nube o a un repositorio de papeles de trabajo podría llegar potencialmente a miles de documentos.

Revise cada integración según la información a la que pueda acceder. Aplique permisos de mínimo privilegio para que la IA reciba solo los repositorios o los datos necesarios para su finalidad aprobada. La aprobación de un proveedor no debería aprobar automáticamente todos los conectores que lance más adelante.

Haga preguntas específicas a los proveedores sobre privacidad

Preguntas genéricas como «¿Es segura su plataforma?» rara vez producen respuestas útiles.

Pregunte si se conservan las instrucciones, los archivos y los resultados, dónde se procesan, si la información de los clientes se usa para entrenar modelos, qué subencargados participan, si la conservación es configurable y qué notificaciones de incidentes se ofrecen.

El personal del PCAOB ha señalado que las firmas de auditoría reconocen la necesidad de una supervisión sólida del uso de la IA generativa para abordar riesgos como la privacidad y la seguridad de los datos.

Los compromisos contractuales deben coincidir con las afirmaciones técnicas y de privacidad hechas durante la contratación.

Proteja los nuevos registros que crea la IA

Los sistemas de IA pueden crear registros sensibles además de los documentos originales del cliente.

Las instrucciones pueden revelar las cuestiones que investiga el equipo del encargo. Los resultados pueden contener resúmenes de deficiencias de control o información financiera. Los registros de supervisión pueden almacenar datos sensibles que un empleado intentó enviar.

Esos registros necesitan controles de acceso y plazos de conservación adecuados. Un programa de privacidad puede socavarse a sí mismo si un sistema de supervisión copia instrucciones confidenciales en un registro de amplio acceso que se conserva indefinidamente.

El NIST Privacy Framework trata el riesgo de privacidad a lo largo de todo el ciclo de tratamiento de datos, desde la recopilación hasta la eliminación, en lugar de centrarse solo en los datos de origen.

Planifique los errores antes de que ocurran

Incluso con buenos controles, alguien puede cargar el archivo equivocado, usar una cuenta no aprobada o descubrir que una integración expuso más información de la esperada.

La firma debería contar con un proceso de escalamiento claro. Los empleados deben saber a quién acudir, qué información conservar y qué equipos deben evaluar el suceso. Según las circunstancias, pueden intervenir calidad de auditoría, seguridad de la información, privacidad, asuntos jurídicos, riesgos o la dirección del cliente.

Notificar a tiempo es más fácil cuando los empleados saben que un error debe escalarse y no ocultarse.

Reevalúe a medida que se amplía el uso de la IA

Un flujo de trabajo con IA que empieza con información pública puede usarse después con datos reales de encargos. Un proveedor puede añadir memoria, nuevas integraciones, agentes o subencargados distintos. Esos cambios pueden alterar la evaluación de privacidad original.

El trabajo reciente del IAASB sobre tecnología y gestión de la calidad hace hincapié en la gobernanza y la gestión de riesgos a medida que las tecnologías emergentes se integran en los encargos de auditoría y aseguramiento. Sus mesas redondas de 2025 reunieron a más de 240 partes interesadas y se centraron específicamente en mantener la calidad a medida que las herramientas habilitadas con IA se generalizan.

Por tanto, la privacidad de los datos de auditoría debe tratarse como un control continuo y no como un ejercicio de contratación puntual.

Una revisión práctica de la privacidad puede resumirse en cinco preguntas: ¿qué datos entran en el sistema de IA? ¿Necesita el sistema todos ellos? ¿Adónde van los datos? ¿Quién puede acceder a ellos? ¿Cuándo se eliminan?

Si una firma de auditoría puede responder a esas preguntas para cada flujo de trabajo de IA significativo, tendrá una base mucho más sólida para proteger la información sensible sin renunciar a las ventajas de la tecnología.

Cada una de las cinco preguntas anteriores da por hecho que los datos todavía pueden controlarse, pero una vez enviada una instrucción, no se puede retirar. Un extracto de nóminas pegado en una solicitud de resumen, un papel de trabajo completo cargado cuando bastaba una sección o un dato bancario incluido en una instrucción de categorización ya ha salido de las manos del equipo del encargo. Este es el principio sobre el que se ha construido Sanitized Ai: detectar y censurar los identificadores de clientes y otra información sensible del encargo antes de que la instrucción llegue a la herramienta, de modo que la decisión de minimización que tomó su equipo sea la que realmente se mantiene.

Este trimestre, elija el flujo de trabajo con IA que más utiliza su equipo de auditoría y responda por escrito a las cinco preguntas, empezando por qué datos entran en el sistema. Marque los identificadores y las cifras que pueden eliminarse sin cambiar el resultado y haga de esa eliminación el paso predeterminado antes del envío. Si quiere ver cómo puede producirse la censura antes de enviar una instrucción, solicite una demostración y recorra su propio flujo de trabajo con nosotros.

See how Sanitized Ai stops sensitive data from leaving the prompt box. Writing your own rules instead? Start from our free AI acceptable use policy generator.