1.
INTRODUCCIÓN
La incorporación de la Inteligencia Artificial (IA) en el ámbito contable ha generado profundos cambios en la forma de procesar, analizar y presentar información financiera. Este nuevo escenario exige comprender cómo los enfoques de investigación cuantitativa y cualitativa se complementan para estudiar dicha transformación tecnológica. La investigación cuantitativa permite medir el impacto de la IA mediante datos estadísticos, mientras que la cualitativa interpreta las percepciones y experiencias de los profesionales contables. En el contexto boliviano, estas metodologías resultan indispensables para evaluar la preparación del sector frente a la digitalización. Por ello, este documento analiza ambos enfoques para comprender adecuadamente el rol de la IA en la contabilidad moderna.
2. Objetivo
El
objetivo principal de este trabajo es analizar comparativamente la
investigación cuantitativa y cualitativa aplicada al uso de la Inteligencia
Artificial en el campo contable. Se busca identificar cómo cada enfoque aporta
perspectivas diferentes pero complementarias para comprender la digitalización
financiera. Asimismo, se pretende evaluar las ventajas y limitaciones de cada
metodología en el estudio de fenómenos contables automatizados. De igual
manera, se propone resaltar la importancia de integrar ambos enfoques para
obtener análisis más completos y útiles. Finalmente, se enfatiza la necesidad
de fortalecer la formación metodológica de los profesionales contables.
3. Estado del Arte
La
literatura reciente destaca que la investigación cuantitativa ha permitido
medir la eficiencia operativa que la IA aporta en auditorías, registros
contables y análisis predictivos. Paralelamente, diversos estudios cualitativos
exploran cómo los contadores perciben la automatización y cuáles son sus
principales desafíos éticos y laborales. En América Latina, se observa un
crecimiento moderado pero constante en la aplicación de metodologías mixtas
para estudiar la digitalización financiera. Investigaciones bolivianas
emergentes señalan la necesidad de mayor formación tecnológica en las
universidades. En conjunto, el estado del arte demuestra que ambos enfoques son
esenciales para comprender el impacto real de la IA en la contabilidad.
4. Conclusión
El
análisis comparativo entre los enfoques cuantitativo y cualitativo demuestra
que ambos resultan indispensables para estudiar la implementación de la IA en
el campo contable. Mientras la investigación cuantitativa aporta datos precisos
sobre eficiencia y reducción de errores, la cualitativa permite comprender el
proceso humano de adaptación tecnológica. La combinación de ambos enfoques
fortalece la toma de decisiones y mejora la comprensión del fenómeno digital.
En el contexto boliviano, esta integración resulta especialmente relevante debido
a la brecha tecnológica existente. En conclusión, la IA redefine el ejercicio
contable y exige investigaciones metodológicas más completas y actualizadas.
BIBLIOGRAFÍA
Brynjolfsson,
E., & McAfee, A. (2014). The Second Machine Age. New York, NY: W.W. Norton.
Creswell,
J. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods
Approaches (4th ed.). Thousand Oaks, CA: Sage.
Davenport,
T., & Kirby, J. (2016). Only Humans Need Apply. New York, NY: Harper
Business.
Flick,
U. (2014). An Introduction to Qualitative Research (5th ed.). London: Sage.
García,
M. (2021). Inteligencia artificial en procesos contables latinoamericanos.
Revista de Contabilidad y Auditoría, 18(2), 45–59.
Hernández,
R., Fernández, C., & Baptista, P. (2014). Metodología de la investigación
(6a ed.). México: McGraw-Hill.
López,
R. (2019). Automatización de la auditoría financiera mediante IA. Revista
Iberoamericana de Contabilidad, 12(1), 22–34.
Russell,
S., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach (3rd
ed.). London, UK: Pearson.
Sánchez,
P. (2020). Competencias del contador frente a la transformación digital.
Revista Andina de Ciencias Empresariales, 5(3), 11–20.
Torres,
J. (2021). La adopción tecnológica en firmas contables bolivianas. Estudios
Económicos Regionales, 9(4), 67–80.
No hay comentarios:
Publicar un comentario