Curso de contabilidad e inteligencia artificial

Lección 1 • El Rol en Evolución de los Contadores

Examina cómo la automatización transforma las tareas contables y las responsabilidades profesionales. Establece expectativas para el desarrollo de habilidades a lo largo del curso.

Lección 2 • Los Datos como Base de la IA

Explica por qué la calidad y estructura de los datos determinan la confiabilidad de los resultados de la IA en contabilidad. Conecta la gobernanza de datos con la información financiera precisa.

Lección 3 • Repaso de Principios Contables Básicos

Cubre la ecuación contable, la contabilidad de partida doble y la estructura de los estados financieros. Ancla las discusiones de IA en fundamentos contables precisos.

Lección 1 • Métodos de Recopilación de Datos Financieros

Cubre la entrada manual, exportaciones de ERP, APIs y web scraping para datos financieros. Establece flujos de datos confiables como requisito previo para las entradas de modelos de IA.

Lección 2 • Transformación de Datos e Ingeniería de Características

Convierte cifras contables sin procesar en características que los modelos de IA pueden interpretar eficazmente. Conecta los datos del libro mayor con las matrices de entrada listas para el modelo.

Lección 3 • Privacidad de Datos y Cumplimiento en Finanzas

Aborda las regulaciones de privacidad, la anonimización de datos y los controles de acceso para registros financieros. Asegura que los proyectos de IA cumplan con las obligaciones de protección de datos.

Lección 4 • Fundamentos de Bases de Datos y Almacenamiento

Introduce bases de datos relacionales, almacenes de datos y almacenamiento en la nube para datos contables. Asegura que los estudiantes puedan organizar y recuperar datos eficientemente para flujos de trabajo de IA.

Lección 1 • Sobreajuste, Subajuste y Regularización

Explica el equilibrio sesgo-varianza y métodos de regularización para construir modelos financieros robustos. Previene predicciones no confiables en sistemas contables en producción.

Lección 2 • Evaluación y Selección del Modelo

Enseña las métricas de exactitud, precisión, exhaustividad y AUC para evaluar el rendimiento del modelo. Permite a los contadores elegir modelos que cumplan con los estándares de precisión financiera.

Lección 3 • Aprendizaje Supervisado en Contabilidad

Cubre algoritmos de regresión y clasificación utilizando conjuntos de datos financieros etiquetados. Habilita directamente la predicción de gastos e ingresos en capítulos posteriores.

Lección 4 • Herramientas Prácticas de AA para Contadores

Introduce bibliotecas de Python y plataformas sin código para construir modelos de AA contable. Reduce la barrera técnica para los contadores que ingresan a flujos de trabajo impulsados por IA.

Lección 1 • Fundamentos del Análisis de Series de Tiempo

Cubre la estacionariedad, autocorrelación y descomposición de datos financieros de series de tiempo. Proporciona la base estadística para todos los modelos de pronóstico en este capítulo.

Lección 2 • Aprendizaje Profundo para Pronóstico Financiero

Introduce modelos LSTM y basados en transformadores para capturar patrones financieros complejos. Extiende la capacidad de pronóstico más allá de los métodos estadísticos clásicos.

Lección 3 • Pronóstico de Flujo de Efectivo y Presupuestos

Aplica modelos de pronóstico específicamente a proyecciones de flujo de efectivo y análisis de variaciones presupuestarias. Conecta los resultados del modelo directamente con decisiones accionables de planeación financiera.

Lección 4 • Modelos de Pronóstico Clásicos

Aplica ARIMA y suavización exponencial a tareas de pronóstico de ingresos y gastos. Establece una línea base de rendimiento antes de introducir alternativas de aprendizaje profundo.

Lección 1 • Detección de Anomalías con Aprendizaje Automático

Aplica bosques de aislamiento, autocodificadores y SVM de una clase a datos de transacciones. Permite la detección de patrones de fraude novedosos no capturados por sistemas basados en reglas.

Lección 2 • Métodos Estadísticos de Detección de Anomalías

Cubre la puntuación Z, el rango intercuartílico y la Ley de Benford para detectar registros financieros inusuales. Construye el conjunto de herramientas estadísticas utilizado antes de introducir la detección basada en AA.

Lección 3 • Detección de Fraude en Transacciones Financieras

Construye clasificadores de fraude supervisados utilizando conjuntos de datos de transacciones etiquetados con casos de fraude conocidos. Directamente aplicable a la revisión de cuentas por pagar y reportes de gastos.

Lección 4 • Flujos de Auditoría Continua

Diseña flujos automatizados que monitorean transacciones en tiempo real y generan alertas de auditoría. Transforma la práctica de auditoría de una revisión periódica a un aseguramiento continuo.

Lección 1 • Procesamiento Automatizado de Documentos Financieros

Utiliza PLN para extraer datos de facturas, contratos y estados financieros automáticamente. Reduce la entrada manual de datos y acelera el ciclo de cuentas por pagar.

Lección 2 • Análisis de Texto Regulatorio y Cumplimiento

Utiliza PLN para monitorear actualizaciones regulatorias y mapear requisitos a controles internos. Automatiza el análisis de brechas de cumplimiento en grandes volúmenes de texto regulatorio.

Lección 3 • Análisis de Sentimiento para Inteligencia Financiera

Aplica modelos de sentimiento a llamadas de resultados, reportes de analistas y noticias para señales de mercado. Conecta el sentimiento textual a modelos cuantitativos de pronóstico financiero.

Lección 4 • Fundamentos de PLN para Finanzas

Introduce tokenización, lematización y reconocimiento de entidades nombradas en texto financiero. Proporciona la base de PLN necesaria para todas las tareas de automatización documental posteriores.

Lección 1 • Sistemas de Soporte a Decisiones en Finanzas

Integra modelos de IA en sistemas de soporte a decisiones para la asignación de capital y fijación de precios. Conecta los resultados predictivos con marcos de decisión estructurados utilizados por los ejecutivos.

Lección 2 • Normas de Información y Divulgación de IA

Aborda cómo el uso de IA en la información financiera debe divulgarse según las normas vigentes. Prepara a los contadores para documentar los métodos de IA para auditores y reguladores.

Lección 3 • Reportes Gerenciales Impulsados por IA

Construye reportes gerenciales dinámicos que se actualizan automáticamente al llegar nuevos datos financieros. Transforma los reportes de instantáneas estáticas a inteligencia continuamente actualizada.

Lección 4 • Visualización de Datos para Resultados de IA Financiera

Diseña gráficos, mapas de calor y tableros interactivos para comunicar información generada por IA. Asegura que los tomadores de decisiones puedan interpretar y actuar sobre resultados complejos del modelo.

Lección 1 • Construcción de un Marco de Gobernanza de IA

Orienta la construcción de políticas, roles y procesos de revisión para la supervisión de la IA contable. Produce una estructura de gobernanza que los estudiantes pueden adaptar a sus organizaciones.

Lección 2 • Gestión de Riesgos de IA en Contabilidad

Identifica el riesgo de modelo, riesgo de datos y riesgo operativo específicos de las implementaciones de IA contable. Permite a los contadores construir registros de riesgos y planes de mitigación para proyectos de IA.

Lección 3 • Principios Éticos para IA en Finanzas

Cubre la equidad, transparencia, rendición de cuentas y privacidad aplicadas a sistemas de IA financiera. Establece la base ética para todos los marcos de gobernanza en este capítulo.

Lección 4 • Cumplimiento Regulatorio para IA Contable

Mapea los requisitos de gobernanza de IA de reguladores financieros y autoridades de protección de datos. Asegura que las implementaciones de IA cumplan con las obligaciones de auditoría, informes y manejo de datos.