Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad U.N.
Publicado
Auditoría inteligente en tiempo real: análisis visual automatizado desde dispositivos móviles
Smart audit in real time: automated visual analysis from mobile devices•
DOI:
https://doi.org/10.15446/dyna.v93n240.120808Palabras clave:
Inspección digital, reconocimiento visual, verificación contextual, gestión operativa, revisión automatizada, procesamiento inteligente (es)digital inspection, visual recognition, contextual verification, operational management, automated review, intelligent processing (en)
Descargas
Este estudio presenta Smart Audit in Real Time, un sistema móvil diseñado para automatizar la inspección visual de infraestructuras tecnológicas mediante OpenAI GPT-4o Vision. La aplicación captura imágenes, identifica elementos auditables y genera reportes estructurados alineados con normas internacionales de auditoría de TI. Se analizó un conjunto de 50 imágenes procedentes de diversos entornos operativos, obteniéndose 207 hallazgos clasificados en cuatro categorías: seguridad física, ergonomía, condiciones ambientales y cumplimiento normativo. El sistema alcanzó una exactitud global del 83% y un F1-score promedio de 0.65, con un tiempo medio de respuesta de 15.8 segundos por evaluación. Una prueba de chi-cuadrado aplicada a la matriz de confusión confirmó una asociación estadísticamente significativa entre las categorías reales y las predichas, respaldando la confiabilidad del modelo. Los resultados evidencian que la auditoría visual automatizada desde dispositivos móviles puede detectar eficientemente riesgos operativos y generar evaluaciones consistentes sin intervención experta. Esta investigación contribuye a la transformación digital de la auditoría de TI, mejorando la accesibilidad, la precisión y la toma de decisiones en tiempo real.
This study presents Smart Audit in Real Time, a mobile system designed to automate the visual inspection of technological infrastructures using OpenAI GPT-4o Vision. The application captures images, identifies auditable elements, and generates structured reports aligned with international IT auditing standards. A dataset of 50 images from different operational environments was analysed, producing 207 findings grouped into four categories: physical security, ergonomics, environmental conditions, and regulatory compliance. The system achieved an overall accuracy of 83% and an average F1-score of 0.65, with a mean response time of 15.8 seconds per evaluation. A chi-square test applied to the confusion matrix confirmed a statistically significant association between predicted and actual categories, supporting the reliability of the classification. The results show that automated visual auditing from mobile devices can efficiently detect operational risks and produce consistent evaluative outputs without expert intervention. This research contributes to the digital transformation of IT auditing by improving accessibility, precision, and real-time decision-making.
Referencias
[1] Jessica-del-Milagro, P.T., Artificial intelligence in government auditing: emerging ethical challenges. Ciencia Latina Revista Científica Multidisciplinar, 8(4), pp. 5984–5998, 2024. DOI: https://doi.org/10.37811/cl_rcm.v8i4.12812
[2] Reyes, A., AI strategies applied to computer auditing. Technology Rain Journal, 2(2), pp. e18, 2023. DOI: https://doi.org/10.55204/trj.v2i2.e18
[3] Valladares-Albarracín, J.J., and Ordóñez-Parra, Y.L., The application of artificial intelligence in accounting auditing. Multidisciplinary Journal of Research Perspectives, [online]. 4(special), pp. 73–85, 2024. Available at: https://rperspectivasinvestigativas.org/index.php/multidiscipinaria/article/view/172
[4] Tapia-Salvatierra, A.J., Impact of artificial intelligence, blockchain and cloud accounting on the transformation of accounting and auditing practices in Mexico: opportunities, challenges and integration strategies. Ciencia Latina Revista Científica Multidisciplinar, 8(4), pp. 12491–12510, 2024. DOI: https://doi.org/10.37811/cl_rcm.v8i4.13450
[5] Torres, A.B., Rendón, F.G., and Gutiérrez, J.F., Revisión de las técnicas de inteligencia artificial aplicadas en seguridad informática. Revista Ontare, 7, pp. 98–115, 2020. DOI: https://doi.org/10.21158/23823399.v7.n0.2019.2612
[6] Galán-Toral, A.X., and Torres-Palacios, M.M., Optimization of management audit processes through the application of artificial intelligence. EMAC case. Cienciamatria, 10(2), pp. 189–209, 2024. DOI: https://doi.org/10.35381/cm.v10i2.1325
[7] Tosca-Magaña, S.A., Vázquez-Vidal, V., and Martinez-Ortiz, M., The digital revolution in accounting: the impact of artificial intelligence on auditing. FACE: Journal of the Faculty of Economic and Business Sciences, 24(2), pp. 71–78. 2024. DOI: https://doi.org/10.24054/face.v24i2.3119
[8] Ignatov, A., Malivenko, G., Timofte, R., Chen, S., Xia, X., Liu, Z., Zhang, Y., Zhu, F., Li, J., Xiao, X., Tian, Y., Wu, X., Kyrkou, C., Chen, Y., Zhang, Z., Peng, Y., Lin, Y., Dutta, S., Das, S.D., and Shah, N.A., Fast and accurate quantized camera scene detection on smartphones, Mobile AI 2021 Challenge: report. 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 2558–2568. 2021. DOI: https://doi.org/10.1109/cvprw53098.2021.00289
[9] Bustelo, J.L., The intersection between artificial intelligence (AI), complex thinking, and bias audit methodology. Ibero-American Journal of Complexity and Economic Sciences, 2(4), pp. 5–16, 2024. DOI: https://doi.org/10.48168/ricce.v2n4p5
[10] Lucero, L., The role of computer auditing in the era of personal data protection in Ecuador. Technology Rain Journal, 2(2), pp. e17, 2023. DOI: https://doi.org/10.55204/trj.v2i2.e17
[11] Alcocer-Yunda, V.H., Ausay-Carrillo, C.F., Ávila-Pita, S.P., and Sani-Paguay, A.A., Artificial intelligence and digital transformation in auditing to combat fraud and corruption. Revista Científica Multidisciplinaria InvestiGo, 6(15), pp. 316–328. 2025. DOI: https://doi.org/10.56519/39hf4095
[12] Dastagir, R.V., Jami, J.T., Chanda, S., Hafiz, F., Rahman, M., Dey, K., Rahman, M.M., Qureshi, M., and Chowdhury M.M., AI-driven smartphone solution for digitizing rapid diagnostic test kits and enhancing accessibility for the visually impaired. ArXiv (Cornell University). Art. 7, 2024. DOI: https://doi.org/10.48550/arxiv.2411.18007
[13] Li, X., Tian, Y., Zhang, F., Quan, S., and Xu, Y., Object detection in the context of mobile augmented reality. 2020 IEEE International Symposium on Mixed and Augmented Reality (ISMAR), pp. 156–163. 2020. DOI: https://doi.org/10.1109/ismar50242.2020.00037
[14] Li, Y., Dang, X., Tian, H., Sun, T., Wang, Z., Ma, L., Klein, J., and Bissyandé, T.F., An empirical study of AI techniques in mobile applications. Journal of Systems and Software, 219, Art. 112233, 2025. DOI: https://doi.org/10.1016/j.jss.2024.112233
[15] Feng, R., Chen, S., Xie, X., Meng, G., Lin, S.W., and Liu, Y., A performance-sensitive malware detection system using deep learning on mobile devices. IEEE Transactions on Information Forensics and Security, 16, pp. 1563–1578, 2021. DOI: https://doi.org/10.1109/tifs.2020.3025436
[16] Suo, J., Zhang, W., Gong, J., Yuan, X., Brady, D.J., and Dai, Q., Computational imaging and artificial intelligence: the next revolution of mobile vision. Proceedings of the IEEE, 111(12), pp. 1607–1639, 2023. DOI: https://doi.org/10.1109/jproc.2023.3338272
[17] Ignatov, A., Perevozchikov, G., Timofte, R., Zhang, Z., Gao, T., Yang, Y., Zhu, S., Wang, S., Yoon, K., Gankhuyag, G., Moon, H.C., Jeong, T., Kim, Y., Lee, S., Baek, J., Jeong, J., Park, E., Lee, J., Lee, H., and Kim, S., Quantized image super-resolution on mobile NPUs, Mobile AI 2025 Challenge: Report. 2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 1899–1912. 2025. DOI: https://doi.org/10.1109/cvprw67362.2025.00179
[18] Eulerich, M., Masli, A., Pickerd, J., and Wood, D.A., The impact of audit technology on audit task outcomes: evidence for technology-based audit techniques. Contemporary Accounting Research, 40(2), pp. 981–1012. 2023. DOI: https://doi.org/10.1111/1911-3846.12847
[19] Leocádio, D., Malheiro, L., and Reis, J., Artificial intelligence in auditing: a conceptual framework for auditing practices. Administrative Sciences, 14(10), Art. 238, 2024. DOI: https://doi.org/10.3390/admsci14100238
[20] Ilori, O., Nwosu, E., and Naiho, A., Enhancing IT audit effectiveness with agile methodologies: a conceptual exploration. Engineering Science and Technology Journal, 5(6), pp. 1969–1994, 2024. DOI: https://doi.org/10.51594/estj.v5i6.1217
[21] Gauthier, J., and Brender, N., How do the current auditing standards fit the emergent use of blockchain? Managerial Auditing Journal, 36(3), pp. 365–385. 2021. DOI: https://doi.org/10.1108/MAJ-12-2019-2513
Cómo citar
IEEE
ACM
ACS
APA
ABNT
Chicago
Harvard
MLA
Turabian
Vancouver
Descargar cita
Licencia
Derechos de autor 2026 DYNA
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.
