https://revistascientificas.uach.mx/index.php/excelencia-administrativa
Número:11 Volumen. 5 Año 2026 e 2471 eISSN:2992-8508
Propuesta de Herramientas de inteligencia artificial en el análisis
financiero: Modelo conceptual para la identificación temprana de
riesgos en las PYMES
Proposal of Artificial Intelligence Tools for Financial Analysis: A Conceptual Mo-
del for Early Risk Identification in SMEs
Fecha de recepción: agosto 2026
Fecha de aceptación: septiembre 2026
Esta obra está bajo licencia internacional
Creative Commons Reconocimiento-NoComercial 4.0.
Galaviz Gutierrez Mayra1,
1. M.A.R.H. Mayra Galaviz Gutiérrez, Coordinadora General, Facultad de Contaduría y
Administración, Extensión Delicias, Universidad Autónoma de Chihuahua, C. 7a y Av.
21 Pte. s/n, Delicias, Chihuahua, México. mgalaviz@uach.mx, Teléfono: 639 139 0430.
Correspondencia: M.A.R.H. Mayra Galaviz Gutiérrez
Dirección: Facultad de Contaduría y Administración, Extensión Delicias, Universidad
Autónoma de Chihuahua, C. 7a y Av. 21 Pte. s/n, Delicias, Chihuahua, México.
Teléfono: 639 139 0430
Correo: mgalaviz@uach.mx
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
9
https://revistascientificas.uach.mx/index.php/excelencia-administrativa
Resumen
Las pequeñas y medianas empresas (PYMES) enfrentan dificultades financieras
asociadas con deficiencias en la planeación, interpretación de estados financieros y toma
de decisiones. En este contexto, la inteligencia artificial (IA) ofrece herramientas para
analizar información, identificar patrones y anticipar riesgos. El objetivo de esta
investigación fue proponer, mediante una revisión documental, un modelo conceptual que
integre herramientas de IA al análisis e interpretación de estados financieros para apoyar
la identificación temprana de riesgos financieros y la toma de decisiones preventivas en
las PYMES. Se desarrolló una investigación cualitativa de tipo documental, basada en
literatura científica publicada principalmente entre 2020 y 2026. Los resultados
identificaron factores financieros asociados con dificultades empresariales, así como
tecnologías y aplicaciones de IA orientadas a la automatización, detección de anomalías,
estimación de riesgos, generación de escenarios e interpretación de información
financiera. A partir de estos hallazgos se propone un modelo conceptual que articula la
preparación de datos, el procesamiento mediante IA, el análisis financiero, la generación
de alertas tempranas, la interpretación profesional y la toma de decisiones preventivas.
Se concluye que la IA puede fortalecer el análisis financiero y apoyar la gestión preventiva
de las PYMES, siempre que se sustente en información confiable, capacitación y
supervisión profesional.
Palabras clave: Inteligencia artificial; análisis financieros; PYMES; toma de
decisiones; gestión financiera.
Abstract
Small and medium-sized enterprises (SMEs) face financial difficulties associated
with deficiencies in planning, financial statement interpretation, and decision-making. In
this context, artificial intelligence (AI) offers tools for analyzing information, identifying
patterns, and anticipating risks. The objective of this research was to propose, through a
literature review, a conceptual model that integrates AI tools into the analysis and
interpretation of financial statements to support the early identification of financial risks
and preventive decision-making in SMEs. A qualitative documentary study was conducted
based on scientific literature published mainly between 2020 and 2026. The results
identified financial factors associated with business difficulties, as well as AI technologies
and applications aimed at automation, anomaly detection, risk estimation, scenario
generation, and financial information interpretation. Based on these findings, a conceptual
model is proposed that integrates data preparation, AI-based processing, financial
analysis, early warning generation, professional interpretation, and preventive decision-
making. It is concluded that AI can strengthen financial analysis and support preventive
management in SMEs, provided that its use is based on reliable information, adequate
training, and professional oversight.
Keywords: Artificial intelligence; financial analysis; SMEs; decision-making;
financial management.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
10
Objetivos de la investigación.
General
Proponer, un modelo conceptual que añada herramientas de inteligencia artificial
al proceso de análisis e interpretación de los estados financieros, para apoyar la toma de
decisiones preventivas en las PYMES.
Objetivos específicos
1. Identificar en la literatura científica los factores financieros que están ligados a
dificultades, deterioro o fracaso de las PYMES.
2. Describir las tecnologías y técnicas de inteligencia artificial que aparecen en el
corpus documental y diferenciar esas tecnologías de sus aplicaciones concretas en el
análisis y la interpretación de los estados financieros de las PYMES.
3. Examinar la relación entre las herramientas de inteligencia artificial, las aplica-
ciones financieras de esas herramientas, la información que generan y las decisiones
empresariales que pueden apoyar en las PYMES.
4. Analizar comparativamente los beneficios, las limitaciones y los riesgos que la
literatura reporta sobre la implementación de herramientas de inteligencia artificial en los
procesos de análisis financiero de las PYMES.
Justificación de la investigación
Las pequeñas y medianas empresas son clave para el desarrollo económico por-
que crean empleo, producen bienes y generan riqueza. En los países que forman parte
de la Organización para la Cooperación y el Desarrollo Económicos, las pequeñas y me-
dianas empresas son una gran parte de las unidades empresariales y del empleo del
sector privado. Esa gran parte muestra lo importante que son las pequeñas y medianas
empresas dentro de la economía. (OCDE, 2023). Sin embargo, la permanencia de estas
organizaciones puede verse amenazada por varios factores internos y externos, y la ges-
tión financiera tiene un papel muy importante. Por eso, analizar e interpretar la informa-
ción de los estados financieros ayuda a revisar la liquidez, la rentabilidad, la solvencia, el
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
11
endeudamiento y el desempeño de la empresa. Esa revisión de los estados financieros
brinda datos claros para tomar decisiones. (Brigham & Ehrhardt, 2024).
En los últimos años, la inteligencia artificial ha experimentado una creciente incor-
poración en los procesos empresariales, particularmente en actividades contables, finan-
cieras y administrativas. Su capacidad para automatizar tareas, procesar grandes volú-
menes de información, identificar patrones y apoyar procesos de análisis representa una
oportunidad para transformar funciones tradicionalmente desarrolladas mediante proce-
dimientos manuales (Russell & Norvig, 2021). En el ámbito contable, diferentes investi-
gaciones han identificado aplicaciones relacionadas con automatización de procesos,
análisis de datos, detección de irregularidades y generación de información para apoyar
la toma de decisiones, modificando progresivamente las funciones desempeñadas por
los profesionales de la contaduría y las finanzas (Mat Hussin et al., 2024).
Aunque se han logrado avances, la revisión de la literatura muestra que muchos
estudios tratan por separado la inteligencia artificial, la transformación de la contabilidad,
la automatización de procesos y el análisis financiero. Por eso es necesario juntar esos
temas y mirar cómo se usan las herramientas de inteligencia artificial para analizar e
interpretar los estados financieros y para detectar temprano los factores financieros que
pueden causar el fracaso de las PYMES. Ese vacío de conocimiento es la base de esta
investigación documental, que une tres áreas: la inteligencia artificial, el análisis de esta-
dos financieros y la prevención de riesgos financieros en las empresas.
Esta investigación quiere reunir y examinar el conocimiento científico que exista
para identificar las principales aplicaciones, los beneficios, las limitaciones y los retos de
las herramientas de inteligencia artificial en el análisis financiero. Los resultados deben
ofrecer una base teórica y conceptual que sirva a investigadores, docentes, estudiantes
y gestores empresariales que quieran mejorar los procesos de análisis y la toma de de-
cisiones con tecnologías emergentes. Además, la investigación quiere crear fundamentos
conceptuales para desarrollar y, después, validar modelos de inteligencia artificial aplica-
dos al análisis de estados financieros en las PYMES.
I. INTRODUCCIÓN
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
12
Desde la perspectiva organizacional, la transformación digital es cada vez más
importante para que las PYMES mejoren su productividad y su competitividad. La Orga-
nización para la Cooperación y el Desarrollo Económicos (OCDE, 2023) señala que las
tecnologías digitales pueden ampliar las capacidades de las pequeñas y medianas em-
presas, facilitar su acceso a la información y mejorar diversos procesos empresariales;
sin embargo, su aprovechamiento se encuentra condicionado por factores como las com-
petencias digitales, la disponibilidad de recursos, la infraestructura tecnológica y la capa-
cidad organizacional. Esta situación permite explicar por qué la adopción de inteligencia
artificial no depende exclusivamente de la disponibilidad de herramientas tecnológicas,
sino también de las capacidades internas de cada empresa para integrarlas efectiva-
mente a sus procesos administrativos y financieros. En el contexto internacional, las PY-
MES representan más del 90 % de las empresas existentes y generan aproximadamente
el 70 % del empleo a nivel internacional (INEGI, 2024). En México, las PYMES conforman
más del 99 % de las unidades económicas y aportan una proporción significativa del Pro-
ducto Interno Bruto (PIB); sin embargo, una elevada cantidad de estas organizaciones
enfrenta dificultades para consolidarse y permanecer en el mercado debido a problemas
relacionados con la administración, la planeación estratégica y, principalmente, la gestión
financiera (INEGI, 2024).
Muchas investigaciones dicen que una de las principales causas del fracaso de
una empresa es que los directivos no saben leer la información financiera y no la usan
para tomar decisiones. La mayoría de las empresas hacen estados financieros para cum-
plir con obligaciones fiscales o contables, pero esos estados financieros rara vez se revi-
san de forma completa. Al no revisar los estados financieros se pierde información im-
portante sobre la liquidez, la rentabilidad, la solvencia, la eficiencia operativa y la capaci-
dad de crecimiento (Brigham & Ehrhardt, 2024). Esta situación ocasiona que muchas
decisiones estratégicas se fundamenten en percepciones o experiencias personales, in-
crementando el riesgo de problemas financieros que, en numerosos casos, culminan en
el cierre de la organización.
El análisis de estados financieros constituye una de las herramientas más impor-
tantes para evaluar el desempeño económico de una empresa. A través de técnicas como
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
13
el análisis vertical, análisis horizontal, razones financieras, análisis de tendencias y mo-
delos predictivos, es posible identificar fortalezas, debilidades, riesgos y oportunidades
que apoyan la formulación de estrategias orientadas a mejorar la competitividad organi-
zacional (Gitman et al., 2015). La interpretación de la información financiera ayuda a iden-
tificar temprano los problemas del flujo de efectivo, del endeudamiento, de la rentabilidad
y de la eficiencia operativa. La interpretación permite que la empresa implemente accio-
nes correctivas antes de que la situación financiera se deteriore.
La identificación anticipada de dificultades financieras constituye uno de los cam-
pos en los que las técnicas de inteligencia artificial pueden aportar mayor valor a las
PYMES. Malakauskas y Lakštutienė (2021) analizaron datos de unas 12 000 pequeñas y
medianas empresas. Con esos datos probaron técnicas como la regresión logística, las
redes neuronales artificiales y el Random Forest. El objetivo fue predecir situaciones de
dificultad financiera.
Los resultados mostraron que, al combinar razones financieras con variables his-
tóricas y características empresariales, los modelos predictivos mejoran. Los modelos
predictivos se vuelven más fuertes cuando se usan esas combinaciones.
Esta evidencia muestra que el aprendizaje automático es una herramienta que
complementa al análisis financiero tradicional. El aprendizaje automático genera alertas
anticipadas sobre posibles problemas de solvencia o de continuidad empresarial. Sin em-
bargo, el volumen creciente de información financiera que generan las organizaciones
hace que el análisis tradicional sea cada vez más complejo. La integración de datos de
diferentes sistemas administrativos, financieros y comerciales necesita herramientas que
procesen grandes cantidades de información de forma rápida, precisa y confiable. En
este contexto, la inteligencia artificial (IA) se ha convertido en una de las tecnologías con
mayor potencial para transformar los procesos administrativos y financieros. La inteligen-
cia artificial automatiza tareas, analiza datos de forma avanzada y genera conocimiento
útil para la toma de decisiones. (Russell & Norvig, 2021).
La inteligencia artificial es un conjunto de tecnologías que imitan procesos cogni-
tivos humanos. Los algoritmos de inteligencia artificial aprenden, reconocen patrones,
hacen predicciones y ayudan a resolver problemas complejos. En los últimos años la
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
14
inteligencia artificial ha crecido mucho gracias al aprendizaje automático, al aprendizaje
profundo, al procesamiento del lenguaje natural y a la inteligencia artificial generativa.
Hoy la inteligencia artificial se usa en contabilidad, auditoría, finanzas, logística, merca-
dotecnia y administración estratégica (Dwivedi et al., 2023).
En el mundo financiero la inteligencia artificial ha hecho que se automaticen pro-
cesos que antes necesitaban mucho tiempo y trabajo de personas. Hoy hay herramientas
que pueden revisar estados financieros completos en minutos, calcular indicadores finan-
cieros de forma automática, encontrar errores contables, detectar posibles fraudes, crear
reportes ejecutivos, proyectar escenarios económicos y estimar la probabilidad de insol-
vencia con modelos predictivos. Estas funciones son una oportunidad importante para
que las PYMES mejoren su gestión financiera y tomen decisiones administrativas con
mayor calidad. (Adeyelu et al., 2024; Mat Hussin et al., 2024).
En esta misma línea, Fatenok-Tkachuck et al. (2024) señalan que la inteligencia
artificial puede incorporarse a los procesos contables y analíticos mediante la automati-
zación, sistematización y procesamiento de información. Su aplicación favorece una ges-
tión más eficiente de los datos contables y amplía las posibilidades de análisis para los
responsables de la administración. Desde la perspectiva de las PYMES, estas capacida-
des adquieren especial relevancia debido a que permiten reducir actividades manuales y
orientar los recursos profesionales hacia tareas de interpretación, evaluación y toma de
decisiones financieras.
(Davenport & Kirby, 2016)La inteligencia artificial se puede usar en los procesos
contables y analíticos mediante la automatización, la sistematización y el procesamiento
de información. La inteligencia artificial ayuda a gestionar los datos contables de forma
más eficiente y amplía las posibilidades de análisis para los responsables de la adminis-
tración. Desde la perspectiva de las PYMES, la inteligencia artificial es especialmente
importante porque permite reducir actividades manuales y dirigir los recursos profesiona-
les a tareas de interpretación, evaluación y toma de decisiones financieras. La incorpora-
ción de herramientas de inteligencia artificial también está modificando el papel del pro-
fesional de la contaduría y las finanzas. Tradicionalmente, gran parte del trabajo contable
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
15
se centraba en actividades operativas como el registro de transacciones, conciliaciones
bancarias y elaboración de informes financieros. Sin embargo, la automatización de estas
tareas permite que el profesional concentre sus esfuerzos en funciones de mayor valor
agregado, tales como el análisis estratégico, la consultoría financiera y la planeación or-
ganizacional (Davenport & Kirby, 2016). En consecuencia, la inteligencia artificial no pre-
tende sustituir al profesional contable, sino potenciar sus capacidades analíticas y facilitar
la generación de información útil para la dirección empresarial.
A pesar de las ventajas identificadas en la literatura científica, la implementación
de inteligencia artificial en las PYMES aún enfrenta diversos desafíos. Entre los principa-
les se encuentran la limitada infraestructura tecnológica, los costos de implementación,
la resistencia al cambio organizacional, la escasez de personal especializado, la calidad
de la información financiera y las preocupaciones relacionadas con la privacidad, la se-
guridad de los datos y la ética en el uso de algoritmos inteligentes (Mat Hussin et al.,
2024). Asimismo, la efectividad de estas herramientas depende de que la información
financiera utilizada sea completa, confiable y esté alineada con las Normas de Informa-
ción Financiera y los principios contables aplicables.
Aunque en los últimos años ha crecido mucho la producción científica sobre inte-
ligencia artificial en contabilidad y finanzas, la mayoría de los estudios se ha centrado en
procesos específicos como auditoría automatizada, detección de fraude, análisis predic-
tivo o automatización contable. En cambio, hay poca integración de la evidencia científica
sobre el uso de herramientas de inteligencia artificial para mejorar el análisis e interpre-
tación de los estados financieros como estrategia preventiva del fracaso empresarial en
las pequeñas y medianas empresas. Eso muestra la necesidad de desarrollar investiga-
ciones documentales que integren los principales avances científicos, identifiquen ten-
dencias de aplicación y propongan modelos conceptuales que guíen futuras investigacio-
nes empíricas.
En este contexto, la presente investigación documental tiene como objetivo anali-
zar las principales herramientas de inteligencia artificial aplicadas al análisis de estados
financieros y su contribución como estrategia para prevenir factores asociados al fracaso
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
16
de las PYMES. Para ello se realizó una revisión documental de la literatura científica
reciente publicada entre 2020 y 2026, considerando investigaciones indexadas en bases
de datos académicas y científicas. Los hallazgos permiten identificar las tecnologías más
utilizadas, sus aplicaciones en el ámbito financiero, los beneficios y desafíos de su imple-
mentación, y proponer un modelo conceptual que sirva de referencia para fortalecer la
gestión financiera y la toma de decisiones en las organizaciones.
II. CRITERIOS METODOLÓGICOS
Diseño y alcance de la investigación.
La investigación se hizo con un enfoque cualitativo, tipo documental y con alcance
descriptivo‑analítico. El objetivo fue identificar, analizar e integrar la evidencia científica
sobre el uso de herramientas de inteligencia artificial en el análisis de estados financieros
y su posible ayuda para prevenir factores financieros que hacen que las pequeñas y
medianas empresas (PYMES) fracasen.
Se consideró adecuada la investigación documental porque el objeto de estudio
se abordó mediante la recopilación, revisión, clasificación y análisis crítico de
publicaciones científicas y documentos especializados, sin hacer trabajo de campo. El
análisis permitió ver coincidencias, diferencias, tendencias, aplicaciones y vacíos en la
literatura sobre inteligencia artificial, análisis financiero y permanencia empresarial.
Estrategia de búsqueda documental
La búsqueda se dirigió a publicaciones que traten tres temas: inteligencia artificial
aplicada a contabilidad y finanzas, análisis e interpretación de estados financieros y
factores financieros que influyen en el fracaso o la permanencia de las PYMES.
Se incluyeron publicaciones científicas principalmente entre 2020 y 2026, y se
añadieron obras anteriores cuando su contenido era un referente necesario para la
investigación.
Las fuentes se localizaron en bases de datos y plataformas académicas como
Scopus, Web of Science, ScienceDirect, SpringerLink, Emerald Insight, SciELO, Redalyc
y Google Scholar. Se usaron términos de búsqueda en español e inglés como artificial
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
17
intelligence, financial statement analysis, financial analysis, machine learning, business
failure, SMEs, inteligencia artificial, estados financieros, análisis financiero, fracaso
empresarial y PYMES.
Los términos se combinaron según los ejes de investigación con búsquedas en
español e inglés. La selección final dio prioridad a la pertinencia temática y a la posibilidad
de vincular cada documento con al menos una categoría de análisis. Dado el tamaño del
corpus, los hallazgos se interpretan como una síntesis documental limitada y no como
una representación exhaustiva de toda la producción científica disponible..
Criterios de inclusión y exclusión
Se incluyeron artículos científicos, libros académicos y documentos institucionales
que traten inteligencia artificial, contabilidad, análisis financiero, toma de decisiones,
PYMES y fracaso empresarial; publicaciones en español e inglés; documentos con
información suficiente para identificar sus aportaciones al objeto de estudio; y fuentes de
revistas arbitradas, editoriales académicas u organismos nacionales e internacionales
reconocidos.
Se eliminaron los documentos que estaban repetidos, las publicaciones que no
tenían nada que ver con los objetivos de la investigación, los contenidos que solo eran
comerciales o divulgativos, y los documentos cuya información bibliográfica no se pudo
verificar.
Con los criterios de inclusión y exclusión ya aplicados, se armó el conjunto final de
documentos con 32 fuentes quedando como las más viables a los objetivos plasmados
sólo 17 fuentes, las cuales son artículos científicos, libros académicos y documentos
institucionales que están directamente vinculados a las categorías de análisis que
definimos. Cada fuente se revisó con una matriz de análisis documental donde anotamos
el autor, el año de publicación, el objeto de estudio, la metodología, los hallazgos
principales, las aplicaciones de inteligencia artificial que aparecen y las aportaciones al
análisis financiero y a la prevención de riesgos empresariales.
Procedimiento de análisis
Organizamos la información seleccionada en categorías temáticas:
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
18
a) factores financieros que pueden provocar el fracaso de las PYMES;
b) la importancia de analizar los estados financieros;
c) las tecnologías de inteligencia artificial que se pueden usar en el análisis
financiero;
d) las aplicaciones de esas tecnologías;
e) los beneficios y las limitaciones de su implementación;
f) la posible contribución de la inteligencia artificial para detectar de forma
preventiva los riesgos financieros.
Después hicimos un análisis comparativo e interpretativo de la literatura.
Identificamos en la literatura los puntos en los que los autores coincidían y los puntos
donde diferían. Con esa integración documental definimos los hallazgos más relevantes
y formulamos los conceptos que relacionan el uso de inteligencia artificial, el análisis de
estados financieros y la prevención de los factores financieros que llevan al fracaso de
las PYMES.
III. DISCUSIÓN Y RESULTADOS
3.1 Factores financieros asociados con dificultades y el fracaso de las PY-
MES.
La revisión de los estudios permitió identificar que el fracaso empresarial rara vez
obedece a una única causa. Por el contrario, corresponde a la interacción de diversos
factores administrativos y financieros que, al no ser detectados oportunamente, disminu-
yen la competitividad y sostenibilidad de las organizaciones.
Entre los factores más recurrentes reportados por la literatura destacan:
1. deficiente planeación financiera;
2. falta de análisis de estados financieros;
3. problemas de flujo de efectivo;
4. decisiones basadas en información insuficiente;
5. escasa adopción tecnológica;
6. ausencia de indicadores financieros;
7. limitado conocimiento financiero de los directivos;
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
19
8. baja capacidad para anticipar riesgos.
Estos resultados coinciden con la evidencia reportada por la OCDE (2023), el
INEGI (2024) y estudios recientes sobre riesgo y dificultades financieras en las PYMES
(Malakauskas & Lakštutienė, 2021; Hou et al., 2024), los cuales destacan la importancia
de fortalecer la capacidad de las organizaciones para interpretar información financiera,
monitorear indicadores y anticipar situaciones de riesgo.
Figura 1 Principales factores asociados con el fracaso de las PYMES identifica-
dos en la literatura científica.
Carencia de indicadores
No monitorear
desempeño financiero
Mayor riesgo empresarial
Resistencia al cambio
Baja adopción
tecnológica
Pérdida de competitividad
Flujo de efectivo insuficiente
Baja administración del
capital de trabajo
Insolvencia
Escasa digitalización
Procesos manuales
Baja productividad
Deficiente análisis financiero
Escasa interpretación de
estados financieros
Decisiones incorrectas
Falta de planeación
Ausencia de
presupuestos y
Problemas de liquidez
Factor
Descripción
Impacto organizacional
Nota. Elaboración propia con base en la revisión documental (2026).
3.2 Tecnologias, técnicas y aplicaciones de Inteligencia artificial en el análi-
sis financiero.
La evidencia encontrada permite afirmar que el análisis financiero es uno de los
pilares básicos para fortalecer la gestión empresarial. Sin embargo, la literatura indica
que muchas PYMES no tienen herramientas que les ayuden a interpretar a tiempo la
información financiera, lo que abre la posibilidad de usar tecnologías basadas en inteli-
gencia artificial.
La utilidad de los modelos predictivos también se ve en la evaluación del riesgo
de las pequeñas y medianas empresas. Hou et al. (2024) analizaron el uso de algoritmos
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
20
de aprendizaje automático para predecir el riesgo crediticio de PYMES dentro del finan-
ciamiento de cadenas de suministro. Sus resultados muestran que estas técnicas pue-
den procesar muchas variables financieras y generar estimaciones de riesgo que com-
plementan los métodos tradicionales de evaluación. Por eso, la incorporación de mode-
los de aprendizaje automático al análisis financiero puede ayudar a identificar patrones
de deterioro antes de que los problemas comprometan la capacidad de pago o la esta-
bilidad de la organización.
De forma complementaria, (Lokanan & Ramzan, 2024) Los investigadores estu-
diaron varios algoritmos de aprendizaje automático para predecir dificultades financieras
en las empresas. El estudio muestra que, al usar información financiera con modelos de
clasificación, se pueden identificar variables relacionadas con el deterioro de la situación
económica de una organización. Esa evidencia confirma que es útil incluir analítica pre-
dictiva al analizar los estados financieros, porque el objetivo ya no es solo describir re-
sultados pasados, sino también identificar de forma anticipada posibles escenarios de
riesgo.
Uno de los hallazgos más relevantes de esta revisión es la rápida evolución de
las herramientas de inteligencia artificial usadas para apoyar el análisis financiero. Hace
pocos años predominaban los sistemas de inteligencia de negocios (Business Intelli-
gence); hoy la literatura reporta una integración creciente entre modelos de aprendizaje
automático, inteligencia artificial generativa y plataformas analíticas capaces de interpre-
tar grandes volúmenes de información financiera.
Las investigaciones revisadas indican que estas herramientas pueden automati-
zar actividades que antes necesitaban mucho trabajo humano, como el cálculo de razo-
nes financieras, el análisis horizontal y vertical, la interpretación de tendencias, la gene-
ración de reportes ejecutivos, la evaluación del riesgo financiero y la elaboración de es-
cenarios predictivos.
Tabla 1 Principales herramientas de inteligencia artificial utilizadas en el
análisis financiero.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
21
Herramienta o tecnología Aplicación en el análisis financiero Contribución potencial
Interpretación asistida de
Generación y síntesis de
información financiera
reportes
Procesamiento de lenguaje Análisis de documentos e Extracción y síntesis de
natural (PLN) información financiera información financiera
Machine learning Identificación de patrones y Detección y estimación de
(Aprendizaje automático) modelos predictivos riesgos financieros
Analítica y pronósticos Generación de escenarios
financieros y proyecciones
Business intelligence Análisis y visualización de datos Seguimiento dinámico de
con IA financieros indicadores
Automatización inteligente Automatización de cálculos Eficiencia operativa y reducción
de procesos (RPA con IA) e indicadores financieros de errores
Detección de anomalías Análisis integrado a procesos Identificación temprana de
con IA empresariales irregularidades y desviaciones
Sistemas expertos e IA Asistencia en la toma de decisiones Apoyo a la planeación
basada en conocimiento financieras financiera y análisis estratégico
IA generativa
Analítica predictiva
Nota. Elaboración propia a partir de la revisión documental y de la síntesis de las
aplicaciones de inteligencia artificial reportadas en la literatura especializada (Dwivedi et
al., 2023; Fatenok-Tkachuck et al., 2024; Cao & Zhang, 2025; Lin, 2025).
A partir de la comparación de las herramientas identificadas, se ve que su principal
aporte no es solo la automatización de cálculos financieros. La evidencia documental
muestra una evolución: antes había aplicaciones para procesar y visualizar datos, y
ahora hay tecnologías que pueden identificar patrones, generar predicciones y ayudar a
interpretar la información financiera. En este sentido, el aprendizaje automático y la ana-
lítica predictiva son muy importantes para prevenir riesgos, mientras que la inteligencia
artificial generativa y el procesamiento del lenguaje natural pueden facilitar la elaboración
e interpretación de reportes. Sin embargo, estas aplicaciones deben considerarse com-
plementarias al análisis profesional, porque la calidad de los resultados depende de la
confiabilidad de los datos, del contexto empresarial y de la adecuada validación de las
conclusiones generadas.
3.3 Relacion entre herramientas de IA, aplicación financiera, información ob-
tenida y decisión apoyada.
Una aplicación particularmente relevante se encuentra en la preparación y análisis
de información financiera. Lin (2025) sostienen que la inteligencia artificial ayuda a quitar
algunas limitaciones de los métodos tradicionales de información financiera, sobre todo
las que tienen que ver con la rapidez del procesamiento de datos y la profundidad del
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
22
análisis. Con la inteligencia artificial se pueden transformar muchos datos financieros en
información más útil para la gestión. La inteligencia artificial facilita el análisis, la identifi-
cación de tendencias y la generación de información para los responsables de la toma
de decisiones. En las PYMES la inteligencia artificial puede hacer que los estados finan-
cieros sirvan como herramientas de gestión y no solo como documentos para la conta-
bilidad o los impuestos.
La inteligencia artificial tiene un impacto que va más allá de la automatización de
esas tareas contables individuales. Cao y Zhang (2025) señalan que éstas tecnologías
están cambiando la contabilidad y las finanzas. Lo hacen al automatizar tareas rutinarias,
al analizar muchos datos y al mejorar la capacidad de predecir. Las aplicaciones incluyen
información financiera, auditoría, gestión de riesgos y tributación. Al mismo tiempo apa-
recen desafíos éticos y regulatorios. Por eso, la incorporación de IA al análisis financiero
se debe ver como una transformación de los procesos de generación, procesamiento e
interpretación de información, no solo como una herramienta de automatización.
Figura 3. inteligencia artificial en el análisis de estados financieros.
4. Análisis de
tendencias
Identifica patrones y
comportamientos
5. Detección de
anomalías
Identifica datos o
comportamientos
6. Analítica predictiva
Utiliza información
histórica para
generar estimaciones
7. Procesamiento del
lenguaje natural
Analiza y comprende
información textual
8. IA generativa
Genera
explicaciones,
resúmenes y reportes
IA APLICADA
AL
ANÁLISIS
FINANCIERO
1. Análisis horizontal
Compara cuentas
entre diferentes
períodos para
2. Análisis vertical
Examina la
composición de los
estados financieros y
3. Razones
financieras
Calcula y analiza
indicadores de
Nota. Elaboración propia a partir de la revisión documental (2026).
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
23
Como se observa en la Figura 3. Las aplicaciones que se han identificado se
pueden dividir en dos grupos principales.
En el primer grupo están las funciones que ayudan al análisis financiero tradicio-
nal: el análisis horizontal, el análisis vertical, las razones financieras y el análisis de ten-
dencias.
En el segundo grupo están las funciones que usan inteligencia artificial: la detec-
ción de anomalías, la analítica predictiva, el procesamiento del lenguaje natural y la in-
teligencia artificial generativa.
Con esa combinación, el análisis financiero pasa de ser solo descriptivo a ser más
predictivo y preventivo.
3.4 Análisis comparativo de beneficios, limitaciones y riesgos para las PY-
MES.
Figura 4. Beneficios y limitaciones de la inteligencia artificial en las PYMES
• Capacitación continua
• Integración de herramientas de IA en los procesos
• Establecimiento de políticas éticas
• Fortalecimiento de competencias digitales
IA EN LAS
PYMES
Herramienta de
apoyo para una
gestión
financiera más
inteligente y
sostenible
RETOS Y ESTRATEGIAS
Análisis más profundo
Resistencia al cambio
Mayor calidad de la información
Necesidad de supervisión
Ventaja competitiva
Limitaciones tecnológicas
Rapidez y eficiencia
Riesgos de privacidad y seguridad
Detección temprana de riesgos
Necesidad de capacitación
Mejora en la toma de decisiones
Costos de implementación
BENEFICIOS
LIMITACIONES
Automatización de procesos
Dependencia de la calidad de los
Nota. Elaboración propia a partir de la revisión documental (2026).
La automatización también está modificando los procesos relacionados con audi-
toría y generación de información financiera. Azizah et al. (2025), Con una revisión de
literatura, los autores estudian el papel de la inteligencia artificial en la modernización de
los procesos. Los autores reconocen que la inteligencia artificial puede ayudar en activi-
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
24
dades que antes necesitaban mucha intervención manual. La integración de herramien-
tas inteligentes permite procesos financieros más eficientes y aumenta la capacidad de
análisis de las organizaciones. Pero la incorporación de la inteligencia artificial exige mi-
rar la confiabilidad de los resultados, la supervisión humana y la integración tecnológica
adecuada en los procedimientos contables.
Tabla 2. Sintesis comparativa de beneficios, limitaciones, riesgos e implica-
ciones de las herramientas de IA para las PYMES.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
25
Herramienta o
aplicación
Beneficio
identificado
Limitación o riesgo
Autores que lo
sustentan
Implicación para las
PYMES
Aprendizaje
automático y
modelos
predictivos
Identificación de
patrones y
estimación
anticipada de riesgo
financiero.
Dependencia de la calidad
de los datos y necesidad
de validar los resultados.
Malakauskas &
Lakštutienė
(2021); Hou et al.
(2024); Lokanan &
Ramzan (2024)
Puede complementar el
análisis tradicional
mediante alertas
tempranas, sin sustituir el
juicio profesional.
IA generativa
Síntesis e
interpretación
asistida de
información y
generación de
reportes.
Riesgo de resultados
imprecisos, necesidad de
supervisión humana y
consideraciones éticas.
Dwivedi et al.
(2023); Cao &
Zhang (2025)
Puede agilizar la
elaboración e
interpretación de
información, siempre que
exista revisión profesional.
Procesamiento
del lenguaje
natural (PLN)
Extracción, análisis y
síntesis de
información textual
financiera.
Su utilidad depende de la
calidad, estructura y
contexto de los datos y
documentos analizados.
Dwivedi et al.
(2023); Fatenok-
Tkachuck et al.
(2024)
Facilita transformar
documentos financieros
en información útil para el
análisis y la toma de
decisiones.
Business
intelligence y
analítica
avanzada
Visualización de
indicadores,
seguimiento de
tendencias y
generación de
escenarios.
Requiere infraestructura
tecnológica, integración de
fuentes y competencias
digitales.
Fatenok-
Tkachuck et al.
(2024); Lin (2025)
Puede mejorar el
seguimiento oportuno de
indicadores, pero su
adopción debe ajustarse a
las capacidades de cada
PYME.
Automatización
inteligente de
procesos
Reduce actividades
manuales, tiempos
de procesamiento y
errores operativos.
Costos de
implementación,
resistencia al cambio y
necesidad de personal
capacitado.
Mat Hussin et al.
(2024); Azizah et
al. (2025)
Permite liberar tiempo para
tareas de análisis e
interpretación de mayor
valor agregado.
Detección de
anomalías y
gestión de
riesgos
Apoya la
identificación
temprana de
irregularidades,
desviaciones y
señales de deterioro.
Privacidad, seguridad,
transparencia y
gobernanza de los
sistemas de IA.
Mat Hussin et al.
(2024); Cui (2025)
Puede fortalecer la gestión
preventiva si se combina
con datos confiables,
políticas de seguridad y
supervisión humana.
Nota. Elaboracion propia a partir de la revisión documental. La comparación mues-
tra que los beneficios potenciales de la IA se relacionan con automatización, capacidad
predictiva y generación oportuna de información; sin embargo esos beneficios están con-
dicionados por la calidad de los datos, infraestructura, capacitación, la seguridad, la
transparencia y la supervisión profesional.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
26
a. Modelo conceptual de inteligencia artificial para apoyar la identificación tem-
prana de riesgos financieros en las PYMES.
A partir de la integración de los hallazgos obtenidos en los cuatro objetivos espe-
cificos, se propone un modelo conceptual de inteligencia artificial para apoyar la identifi-
cación temprana de riesgos financieros en las PYMES. Su trazabilidad es la siguiente:
los factores financieros identificados en el objetivo uno justifican el monitoreo de liquidez,
solvencia, endeudamiento, rentabilidad y flujo de efectivo; las tecnologías y aplicaciones
descritas en el segundo objetivo afirman la etapa de procesamiento inteligente; la inter-
acción entre aplicación, información y decisión examinada en el objetivo 3 sustentan las
etapas de alertas, interpretación profesional y decisiónes; y el contraste de beneficios,
limitaciones y riesgos del objetivo cuatro respalda los componentes de calidad de dats,
supervisión humana y retroalimentación. De esta forma cada componente del modelo
emana de categorías revisadas en el corpus documental y no de una validación empírica.
Figura 5. Modelo conceptual de inteligencia artificial para el análisis finan-
ciero preventivo en las PYME
Propósito del modelo: anticipar riesgos financieros, optimizar la toma de decisiones y fortalecer la gestión financiera de las
PYMES de manera preventiva y sostenible.
8
Decisiones
• Acciones
correctivas
• Planes de
mejora
• Asignación
de recursos
• Gestión de
riesgos
9
Fortalecimiento
• Mayor
estabilidad
financiera
• Sostenibilidad
• Competitividad
• Crecimiento
empresarial
RETROALIMENTACIÓN CONTINUA
Los resultados y decisiones se monitorean constantemente para ajustar modelos,
mejorar la precisión y mantener un análisis financiero preventivo.
1
Estados
• Balance
general
• Estado de
resultados
• Estado de
flujo de
efectivo
• Notas y
anexos
2
Preparación de
• Limpieza de
datos
• Estandarización
• Integración de
fuentes
• Validación de
calidad
3
Inteligencia
• Algoritmos de
aprendizaje
automático
• Modelos
predictivos
• Procesamiento
de lenguaje
natural
4
Análisis
• Análisis
horizontal y
vertical
• Razones
financieras
• Análisis de
tendencias
• Comparaciones
sectoriales
5
Indicadores y
• Indicadores
clave de
desempeño
• Detección de
patrones
• Identificación
de anomalías y
riesgos
6
Alertas
• Generación
de alertas
• Priorización
de riesgos
• Panel de
control
7
Interpretación
• Revisión de
resultados
• Juicio experto
• Contexto
empresarial y
toma de
perspectiva
Nota. Elaboración propia a partir de la revisión documental (2026).
Como se observa en la Figura 5, El modelo empieza con los estados financieros
como fuente principal y sigue con una etapa de preparación de datos para asegurar su
calidad, estandarización e integración. Posteriormente, las herramientas de inteligencia
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
27
artificial procesan la información para apoyar el análisis financiero, identificar indicado-
res, reconocer anomalías y generar alertas tempranas. Los resultados obtenidos nece-
sitan una etapa de interpretación profesional, en la que el contador, el administrador o el
responsable financiero contextualiza la información y decide su pertinencia para la orga-
nización. Esa interpretación es el vínculo entre la tecnología y las decisiones preventivas.
La etapa final se dirige al apoyo de la gestión preventiva de las PYMES con ac-
ciones correctivas, planeación financiera, asignación eficiente de recursos y gestión de
riesgos. El modelo también incluye un proceso de retroalimentación continua, porque las
decisiones y resultados empresariales crean nueva información que puede usarse para
ajustar los procesos analíticos. Como propuesta derivada de una investigación documen-
tal, el modelo es conceptual y requerirá validación empírica posterior para determinar su
aplicabilidad y efectividad en contextos empresariales específicos.
IV. CONCLUSIONES Y RECOMENDACIONES
Conclusiones
La revisión documental permitió integrar la evidencia sobre los factores financie-
ros, tecnologías de IA, aplicaciones, beneficios, limitaciones y riesgos relevantes para el
análisis de estados financieros en las PYMES. Dado que el corpus final comprende 17
fuentes, los hallazgos deben interpretarse como una síntesis documental acotada y no
como evidencia exhaustiva ni como demostración empírica de efectividad.
En relación con el objetivo de identificar los principales factores financieros recu-
rrentes asociados al fracaso de las PYMES, la literatura revisada indica que el fenómeno
es multifactorial. Sin embargo, se observaron con frecuencia deficiencias en la planea-
ción financiera, la administración del flujo de efectivo, el control de los recursos, el segui-
miento de indicadores y el uso limitado de los estados financieros para sustentar deci-
siones empresariales. Estos elementos dejan claro que disponer de información contable
no es suficiente cuando las organizaciones no tienen mecanismos para analizarla, inter-
pretarla y convertirla en información útil para la gestión.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
28
Respecto a las aplicaciones de la inteligencia artificial en el ámbito financiero, la
revisión identificó herramientas y tecnologías de aprendizaje automático, procesamiento
del lenguaje natural, inteligencia artificial generativa y analítica avanzada. Su uso puede
apoyar procesos como el análisis horizontal y vertical, el cálculo e interpretación de ra-
zones financieras, el reconocimiento de tendencias, la detección de anomalías, la gene-
ración de proyecciones y la evaluación de riesgos. La literatura sobre inteligencia artificial
y contabilidad también reconoce su capacidad para automatizar actividades analíticas y
mejorar la calidad de la información utilizada en los procesos de decisión.
Los documentos indican que el análisis financiero tradicional está cambiando ha-
cia métodos que usan inteligencia artificial. Esta transformación es importante porque
permite combinar el estudio de hechos pasados con la capacidad de predecir tendencias,
riesgos y posibles escenarios futuros. La inteligencia artificial ayuda a detectar a tiempo
señales de problemas de liquidez, endeudamiento, rentabilidad, solvencia y eficiencia
operativa.
Los hallazgos también muestran que usar inteligencia artificial trae retos: calidad
y precisión de los datos, seguridad y privacidad de la información, transparencia de los
sistemas automáticos, cumplimiento de normas y necesidad de supervisión profesional.
Estos retos aparecen en estudios recientes sobre la IA en la contabilidad. Por eso, los
resultados de la IA no deben reemplazar el juicio profesional, sino servir como apoyo al
análisis y a la toma de decisiones.
La confiabilidad de los resultados es clave para usar inteligencia artificial en finan-
zas. Los sistemas automáticos pueden procesar y predecir más, pero sus resultados
dependen de la calidad de los datos, de los algoritmos y de los mecanismos de validación
(Cui, 2025). La gobernanza de la IA debe incluir transparencia, responsabilidad, seguri-
dad y supervisión humana, sobre todo cuando los resultados se usan para decisiones de
liquidez, financiamiento, inversión o continuidad empresarial.
En respuesta a la pregunta central del estudio, se concluye que las herramientas
de inteligencia artificial pueden ser una estrategia de apoyo para prevenir problemas
financieros en las PYMES, aunque no garantizan por sí mismas la permanencia de la
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
29
empresa. El fracaso de una organización depende de muchas variables internas y exter-
nas; sin embargo, una mayor capacidad para analizar la información financiera, identifi-
car riesgos y generar alertas a tiempo puede favorecer decisiones preventivas y reducir
la exposición a problemas financieros.
En respuesta al objetivo general, la principal aportación del estudio es la pro-
puesta de un modelo conceptual que articula: estados financieros y calidad de datos;
herramientas de inteligencia artificial; análisis de indicadores y detección de anomalías;
y retroalimetación. El modelo sintetiza la evidencia del corpus revisado y propone ruta
de integración de IA al análisis financiero. No incluye un modelo probado ni validado y,
por lo tanto, su aplicabilidad y efectividad deberán evaluarse mediante investigaciones
empíricas posteriores.
Recomendaciones
Según los resultados de la revisión documental, se recomienda que la incorpora-
ción de herramientas de inteligencia artificial en el análisis financiero de las PYMES sea
gradual y cuente con validación profesional. La calidad de los resultados de los sistemas
de inteligencia artificial dependerá mucho de la confiabilidad de la información contable
que se use y de la capacidad de los responsables financieros para interpretar esos re-
sultados.
También se considera necesario fortalecer las competencias digitales y analíticas
de los profesionales de las áreas contables, financieras y administrativas. La capacita-
ción continua es importante para que la inteligencia artificial se integre sin problemas y
para reducir las barreras de adopción. Esa necesidad aparece también en las estrategias
señaladas por investigaciones recientes de la profesión contable.
Se recomienda, además, establecer lineamientos institucionales que protejan la
información financiera, garanticen la privacidad, la transparencia, la responsabilidad y la
supervisión humana de los resultados generados por la inteligencia artificial. Estos me-
canismos son especialmente relevantes cuando los resultados de la inteligencia artificial
se usan como base para decisiones financieras estratégicas.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
30
Desde el punto de vista científico, se sugiere hacer más estudios empíricos que
evalúen cómo la utilización de herramientas de inteligencia artificial afecta la calidad del
análisis financiero y la toma de decisiones en las PYMES. También se propone validar
empíricamente el modelo conceptual presentado en este estudio aplicándolo en peque-
ñas y medianas empresas y midiendo variables como liquidez, solvencia, endeuda-
miento, rentabilidad, flujo de efectivo, detección de riesgos y oportunidad de la informa-
ción. Esa validación permitirá ver en qué medida la integración de herramientas de inte-
ligencia artificial al análisis financiero ayuda a mejorar la calidad de las decisiones y la
capacidad preventiva de las PYMES.
Como limitación de esta revisión, el corpus final de 17 fuentes permite construir
una respuesta conceptual, pero restringe la generalización de hallazgos. Por lo que es
factible ampliar revisiones con protocolos reproducibles.
Adeyelu, O. O., Opeyemi, C. E., & Shonibare, M. A. (2024). The impact of artificial
intelligence on accounting practices: Advancements, challenges, and opportunities. Inter-
national Journal of Management & Entrepreneurship Research, 6(4), 1200–1210.
Azizah, N., Lestari, A., Sari, S., Osya, Z., & Ovami, D. (2025). Peran artificial intel-
ligence dalam modernisasi audit dan pelaporan keuangan: Kajian literatur. Jurnal Riset
Akuntansi dan Bisnis.
Brigham, E. F., & Ehrhardt, M. C. (2024). Financial management: Theory & prac-
tice. Cengage.
Cao, Y., & Zhang, W. (2025). How AI is shaping accounting and finance. The British
Accounting Review, 101650. https://doi.org/10.1016/j.bar.2025.101650 (ScienceDirect)
Cui, B. (2025). The transformative role of AI in financial reporting: Opportunities,
risks, and regulatory implications. Accounting and Finance Research, 14(2), 87.
Davenport, T. H., & Kirby, J. (2016). Only humans need apply: Winners and losers
in the age of smart machines. Harper Business.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
31
Dwivedi, Y. K., Kshetri, N., Hughes, L., et al. (2023). “So what if ChatGPT wrote
it?” Multidisciplinary perspectives on opportunities, challenges and implications of gener-
ative conversational AI for research, practice and policy. International Journal of Infor-
mation Management, 71, 102642.
Fatenok-Tkachuck, A., Skoruk, I., Zakharchuk, I., & Yanush, R. (2024). Use of ar-
tificial intelligence in accounting and analytical processes. Economic Journal of Lesya
Ukrainka Volyn National University, (2), 21–29.
Gitman, L. J., Juchau, R., & Flanagan, J. (2015). Principles of managerial finance.
Pearson Higher Education AU.
Hou, L., Lu, K., & Bi, G. (2024). Predicting the credit risk of small and medium-sized
enterprises in supply chain finance using machine learning algorithms. Managerial and
Decision Economics. https://doi.org/10.1002/mde.4130 (Wiley Online Library)
Instituto Nacional de Estadística y Geografía. (2024). Estudio sobre la demografía
de los negocios 2023. INEGI.
Lin, M. (2025). Application of artificial intelligence technology in financial reporting.
Academic Journal of Business & Management, 7(7).
Lokanan, M. E., & Ramzan, S. (2024). Predicting financial distress in TSX-listed
firms using machine learning algorithms. Frontiers in Artificial Intelligence, 7, 1466321.
https://doi.org/10.3389/frai.2024.1466321 (Frontiers)
Malakauskas, A., & Lakštutienė, A. (2021). Financial distress prediction for small
and medium enterprises using machine learning techniques. Engineering Economics,
32(1), 4–14. https://doi.org/10.5755/j01.ee.32.1.27382 (Inzeko)
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
32
Mat Hussin, N., Mohd Bukhari, N., Nor Hashim, N., Shaipul Bahari, S., & Mohd Ali,
M. (2024). The impact of artificial intelligence on the accounting profession: A concept
paper. Business Management and Strategy, 15(1), 31–50.
Organisation for Economic Co-operation and Development. (2023). OECD SME
and entrepreneurship outlook 2023. OECD Publishing.
Russell, S. J., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th
ed.). Pearson.
PropuestaHerramientas de inteligencia artificial en el análisis financiero: Modelo
conceptual para la identificación temprana de riesgos en las PYMES.
Galaviz Gutiérrez 1,
33
