Sistemas de inteligencia artificial en contabilidad y auditoría: un análisis bibliométrico y exploratorio Autores: Ioana Florina Coita - University of Economics in Bratislava, Slovakia; University of Oradea, Romania; University of Sofia, Bulgaria (RO) Laura Filip - University of Oradea (RO) Marius Vlad Pop - University of Oradea (RO) Resumen Este estudio examina el papel de la inteligencia artificial (IA) en la contabilidad y la auditoría mediante un diseño en dos etapas que combina un análisis bibliométrico con una evaluación comparativa exploratoria de soluciones basadas en IA. La literatura actual muestra una fragmentación entre las revisiones conceptuales y las descripciones de casos impulsadas por proveedores, mientras que sigue siendo limitada una visión estructurada y transversal de cómo se integran realmente las tecnologías de IA en los flujos de trabajo financieros y de cómo esta integración difiere según el tamaño de la entidad y el perfil de fiabilidad de los sistemas subyacentes. El componente bibliométrico examina 729 artículos revisados por pares e indexados en la base de datos Web of Science (posteriores a 2015), procesados mediante VOSviewer para realizar un análisis de coocurrencia de palabras clave. El componente exploratorio evalúa diez soluciones basadas en IA utilizando un marco que abarca el subconjunto de IA, la categoría funcional, el tamaño de la entidad objetivo, la relevancia para la auditoría y la transparencia arquitectónica declarada. Los resultados bibliométricos indican que el campo se organiza en torno a seis términos dominantes —inteligencia artificial, aprendizaje profundo, aprendizaje automático, rendimiento, clasificación y modelo—, lo que refleja una fuerte convergencia metodológica hacia enfoques supervisados y de aprendizaje profundo. Los resultados exploratorios muestran que las soluciones actuales de IA se agrupan en tres categorías funcionales: automatización de procesos, analítica e inteligencia empresarial, y sistemas predictivos u orientados a la auditoría. Los patrones de adopción difieren según el tamaño de la empresa: las pequeñas y medianas empresas (PYME) obtienen los mayores beneficios de la automatización de procesos y el reconocimiento óptico de caracteres, mientras que las grandes entidades obtienen un mayor valor de los análisis sobre poblaciones completas y de la detección de anomalías basada en métodos de conjunto. El estudio aporta un procedimiento metodológico replicable que vincula el mapeo bibliométrico con la evaluación aplicada de herramientas, un marco comparativo que aborda la arquitectura de IA, a menudo no revelada, detrás de las herramientas de caja negra de los proveedores, y una discusión sobre los límites de fiabilidad. Esta discusión incluye la naturaleza constitutiva —y no meramente errónea— de los fallos probabilísticos de la IA, con implicaciones para el aseguramiento de la auditoría y para marcos regulatorios emergentes como el Reglamento de Inteligencia Artificial de la Unión Europea y la norma ISO/IEC 42001.