10. Ley de Benford + LLMs para detectar fraude

Arrancamos el Módulo 4 (Auditoría asistida). Las próximas tres lecciones cubren los tres usos más maduros de IA en auditoría tributaria: detección de anomalías (esta lección), muestreo estadístico inteligente (Lección 11) y workpapers automatizados (Lección 12).

La premisa que vamos a repetir hasta el cansancio: la IA detecta señales; el auditor decide qué hacer con ellas. NIA 240 es explícita: el escepticismo profesional es obligatorio, independientemente de la herramienta usada.

¿Qué es la Ley de Benford?

La Ley de Benford (también llamada "ley del primer dígito") es una observación matemática descubierta en 1881 por Simon Newcomb y formalizada en 1938 por Frank Benford. Dice que, en conjuntos de datos numéricos que abarcan varios órdenes de magnitud y surgen de procesos naturales (incluida la contabilidad legítima), el primer dígito significativo no se distribuye uniformemente.

La distribución esperada del primer dígito es:

Primer dígito	Frecuencia esperada
1	30,1%
2	17,6%
3	12,5%
4	9,7%
5	7,9%
6	6,7%
7	5,8%
8	5,1%
9	4,6%

A primera vista parece contraintuitivo: ¿por qué el 1 aparece más que el 9? La razón matemática es que la ley emerge cuando los datos cubren múltiples órdenes de magnitud (decenas, miles, millones) y los procesos son multiplicativos.

📐 Intuición rápida

Si tus gastos van desde $1.000 hasta $9.999.999, vas a "pasar más tiempo" en el rango $1.000-$1.999 que en $9.000-$9.999 al duplicar montos. Esa asimetría es lo que captura la ley.

¿Por qué se cumple en contabilidad legítima?

La contabilidad de una empresa típica cumple las condiciones de aplicabilidad de Benford:

Múltiples órdenes de magnitud: en un libro mayor hay montos de $50 (un café) hasta $50.000.000 (una compra de activo fijo).
Origen no manipulado: los montos provienen de operaciones reales (ventas, sueldos, compras a proveedores), no de números inventados por una persona.
Volumen suficiente: idealmente >1.000 registros para que el test sea estadísticamente significativo.

Dónde NO se cumple Benford (y por eso no aplica):

Datos con rango muy acotado (ej.: edades de empleados, todas entre 18-70).
Números asignados (RUT, números de factura correlativos, códigos de cliente).
Montos con piso o techo regulatorio (ej.: si todos los gastos están topeados a $1.000.000 por política interna).
Subconjuntos muy pequeños (<500 registros).

Esto último importa: si auditás solo la cuenta "Gastos de representación" con 80 movimientos, no podés concluir nada por Benford. Necesitás volumen.

¿Por qué se "rompe" en datos manipulados?

Cuando un humano inventa montos (por ejemplo, para inflar gastos deducibles, justificar split payments o crear facturas falsas), tiende a:

Elegir dígitos iniciales "psicológicamente cómodos" (4, 5, 6, 7).
Evitar 1 (parece "demasiado bajo") y 9 (parece "demasiado alto y llamativo").
Repetir patrones (montos en $X.999 para quedar justo bajo umbrales de control).
Distribuir uniformemente porque "es lo que parece aleatorio" — y la aleatoriedad real no es uniforme.

El resultado: una distribución de primer dígito plana o invertida respecto a la esperada de Benford. Eso es la señal de anomalía.

🕵️ Caso histórico documentado

El análisis post-mortem del fraude contable de Enron (2001) mostró que los reportes financieros manipulados de los años 2000-2001 violaban la distribución de Benford en varias cuentas clave. El paper académico de Nigrini & Mittermaier (2002) es la referencia clásica.

No es que Benford "hubiera prevenido" Enron por sí solo. Pero es uno de los tests que un auditor diligente podría haber aplicado para tener una señal temprana de algo raro.

Cómo aplicar Benford en la práctica

Tenés dos caminos: Excel (rápido, sin instalar nada) o Python (más robusto para volumen grande).

Opción A: Excel puro

Asumamos que tenés una columna B con 5.000 montos en B2:B5001.

Extraer primer dígito en columna C:
```
=VALUE(LEFT(TEXT(ABS(B2),"0"),1))
```
Contar frecuencias observadas en una tabla aparte (D2:D10 contiene los dígitos 1-9):
```
=COUNTIF($C$2:$C$5001, D2) / COUNTA($C$2:$C$5001)
```
Comparar contra esperado de Benford (E2:E10):
```
=LOG10(1 + 1/D2)
```
Visualizar: gráfico de barras con observado vs esperado.
Test estadístico (chi-cuadrado simplificado):
```
=SUMPRODUCT(((D_obs - D_esp)^2) / D_esp) * N
```
Si el valor supera 15,5 (umbral típico para 8 grados de libertad y p<0,05), tenés evidencia de desviación significativa.

Opción B: Python básico

Tres líneas si usás pandas y scipy:

import pandas as pd
from scipy.stats import chisquare

df = pd.read_excel("libro_mayor_2025.xlsx")
df["primer_digito"] = df["monto"].abs().astype(str).str[0].astype(int)

observado = df["primer_digito"].value_counts(normalize=True).sort_index()
esperado = [0.301, 0.176, 0.125, 0.097, 0.079, 0.067, 0.058, 0.051, 0.046]

chi2, p_valor = chisquare(observado * len(df), [e * len(df) for e in esperado])
print(f"Chi-cuadrado: {chi2:.2f} | p-valor: {p_valor:.4f}")

Si p-valor < 0,05, hay evidencia estadística de desviación. Eso no significa fraude — significa que merece investigación.

⚠️ Tres errores típicos al aplicar Benford

Aplicarlo a datos donde no aplica (poblaciones acotadas, números asignados).

Concluir fraude desde el test (Benford detecta desviación, no causa).

No segmentar: probar Benford sobre TODO el libro mayor puede diluir señales. Segmentá por cuenta, por centro de costo, por proveedor.

Acá entra el LLM: traducir anomalías a lenguaje de comité

El test de Benford te da un resultado técnico: "el chi-cuadrado para la cuenta 5104020 es 28,3 con p-valor 0,0004". Esto no se lo podés mostrar tal cual al comité de auditoría, al socio o al cliente final.

Acá es donde el LLM agrega valor real: una vez que detectaste anomalías estadísticas, le pedís al LLM que las explique en lenguaje natural, accesible para una audiencia no técnica.

Prompt tipo para explicación de hallazgos

Eres asistente de auditoría tributaria. Te paso resultados
de un análisis de Ley de Benford sobre el libro mayor 2025
de un cliente del rubro retail (Chile).

Resultados:
- Cuenta 5104020 (Gastos de representación): chi-cuadrado = 28,3,
  p-valor = 0,0004. Frecuencia observada del dígito 1: 14%
  (esperado 30%). Frecuencia observada del dígito 4: 24%
  (esperado 9,7%).
- Volumen: 1.847 transacciones.
- Monto total: $312.450.000 CLP.

Tareas:
1. Redactá UN párrafo (máx 120 palabras) explicando el hallazgo
   para un comité de auditoría no técnico.
2. NO uses la palabra "fraude". Sí podés usar "anomalía
   estadística" o "patrón inusual".
3. Listá 3 hipótesis posibles que expliquen la desviación.
4. Listá 3 procedimientos de auditoría adicionales sugeridos.
5. Aclará explícitamente que el test estadístico NO prueba
   irregularidad, solo amerita investigación bajo NIA 240.

Salida típica del LLM

Hallazgo: el análisis de la cuenta de gastos de representación
muestra un patrón de distribución de los primeros dígitos de los
montos que se aparta significativamente de la distribución esperada
en datos contables genuinos. Específicamente, hay una sub-representación
de montos que empiezan con 1 y una sobre-representación de montos
que empiezan con 4. Esta desviación no constituye evidencia de
irregularidad, pero según NIA 240 amerita procedimientos de
auditoría adicionales.

Hipótesis posibles:
1. Política interna que aprueba "automáticamente" gastos bajo $5.000
   (lo que concentraría montos en el rango $4.000-$4.999).
2. Eventos corporativos con costos fijos por persona (cenas, viajes)
   que produzcan montos concentrados.
3. Manipulación intencional para mantenerse bajo umbrales de
   autorización gerencial.

Procedimientos sugeridos:
1. Revisar política de aprobación de gastos y umbrales internos.
2. Muestreo dirigido de transacciones con primer dígito 4
   (n=30, estratificado por proveedor).
3. Confirmación con proveedores principales de la cuenta.

Eso es lo que va al workpaper y al comité. El LLM no decidió nada profesional. Tradujo y estructuró. El juicio sobre qué hipótesis investigar primero lo hace el auditor.

🎯 El patrón completo de la lección
Análisis estadístico (Benford)  →  LLM (explicación)  →  Reglas
internas (políticas firma)  →  Auditor (escepticismo profesional)
Es el mismo patrón ganador de la Lección 3, aplicado a auditoría.

Casos LATAM hipotéticos

Para aterrizar, dos casos verosímiles donde Benford + LLM detectan algo que merece investigación.

Caso 1: Gastos de representación inflados (México)

Empresa mediana de servicios profesionales en CDMX. La cuenta "Gastos de representación" tiene 2.300 movimientos en 2025 con monto total de $18.5M MXN. Benford sobre los importes muestra:

Dígito 1: 12% (esperado 30%)
Dígito 4: 28% (esperado 9,7%)
Dígito 9: 14% (esperado 4,6%)

Chi-cuadrado: 41,2. p-valor: <0,0001.

Hipótesis razonable a investigar: hay un umbral interno de autorización en $5.000 MXN. Empleados podrían estar fragmentando comidas reales de $8.000 en dos tickets de $4.500 + $3.500 para evitar aprobación gerencial. El LLM ayuda a redactar el hallazgo para discusión con el cliente; el auditor decide si pedir muestreo dirigido bajo NIA 530.

Caso 2: Split payments para evadir control (Argentina)

Auditoría de una constructora con sede en Buenos Aires. Cuenta "Honorarios profesionales" con 890 pagos durante el ejercicio fiscal. Política interna: pagos sobre $500.000 ARS requieren firma del CFO.

Benford muestra:

Dígito 4: 38% (esperado 9,7%) — concentración masiva.
Casi cero pagos con primer dígito 5, 6, 7 (esperado ~20% combinado).

Hipótesis a investigar: pagos reales de $700.000-$900.000 ARS estarían fragmentándose en dos pagos de $400.000+$400.000 al mismo proveedor con días de diferencia, para evitar la firma del CFO. Es un patrón clásico de split payments, mencionado explícitamente en NIA 240 párrafo A4 como indicador de fraude.

El auditor profundiza con análisis de duplicados sutiles (mismo proveedor + mismo monto +/- 5% + dentro de 7 días). El LLM genera el resumen ejecutivo del hallazgo para el comité.

📍 Caso LATAM real: Receita Federal Brasil — Malha Fina

Más allá de los casos hipotéticos, hay un ejemplo público y verificable de fiscalización masiva asistida por analítica avanzada e IA: el sistema Malha Fina de la Receita Federal do Brasil (RFB).

La RFB cruza masivamente todas las declaraciones de IRPF (Impuesto a la Renta de Personas Físicas) contra NF-e (Notas Fiscais Eletrônicas), eSocial y otras fuentes oficiales. Sus comunicados describen "sistemas informatizados de cruzamento de dados" con uso intensivo de análisis electrónico y técnicas de IA para seleccionar las declaraciones con alta probabilidad de inconsistencia o fraude.

Métricas oficiales reportadas:

Ejercicio (año-base)	Declaraciones en malha fina	Restituições retenidas
IRPF 2023 (2022)	1.366.778	R$ 2,5 bilhões
IRPF 2024 (2023)	1.191.900	R$ 2,9 bilhões

Lo que esto significa para tu firma: si auditás operaciones en Brasil o tu cliente tributa allá, el cruce algorítmico ya está activo del lado del fisco. La fragmentación de pagos, gastos sin respaldo o anomalías estadísticas del estilo que mostramos en los casos hipotéticos arriba ya están siendo flageadas automáticamente antes de que un auditor humano abra el caso. El escepticismo profesional bajo NIA 240 no es opcional: si el sistema marca, el auditor sigue siendo quien decide qué hacer.

🔍 Caveat de fact-check (mayo 2026)

La RFB no separa públicamente cuánto aporta IA vs. reglas estadísticas tradicionales en el filtrado, pero el uso combinado está oficialmente reconocido en sus notas de prensa.

Fuentes oficiales:

IRPF 2023 — malha fina

IRPF 2024 — malha fina

Casos análogos en otras jurisdicciones LATAM (SAT México con modelos de riesgo sobre CFDI para detectar EFOS/EDOS, DIAN Colombia con analítica sobre facturación electrónica) van en la misma dirección, aunque con menos métrica pública disponible a la fecha.

Lo que Benford + LLM NO hacen

Para cerrar con la honestidad de siempre:

❌ No prueban fraude. Detectan desviación estadística. NIA 240 exige procedimientos de auditoría adicionales antes de cualquier conclusión.

❌ No sustituyen muestreo bajo NIA 530. Benford prioriza dónde mirar; la muestra final la define el auditor con criterio profesional (lo vemos en Lección 11).

❌ No funcionan en cuentas con pocos movimientos (<500). Para esas cuentas, los procedimientos sustantivos clásicos siguen siendo el camino.

❌ No reemplazan escepticismo profesional. Si Benford dice "todo OK", el auditor sigue siendo responsable de aplicar NIA 240. La herramienta puede pasar por alto manipulaciones sofisticadas (montos elegidos respetando Benford a propósito).

❌ No le des al LLM acceso a los datos crudos para que "encuentre fraude". El LLM no es un motor estadístico confiable. Hacé el análisis con Excel o Python; al LLM dejalo en su rol: traducir hallazgos a lenguaje natural.

Próximos pasos

Ya tenés el primer caso completo de auditoría asistida por IA: Ley de Benford + LLM para detección y explicación de anomalías. En la Lección 11 seguimos en el mismo módulo con muestreo estadístico inteligente: cómo combinar scoring de riesgo automatizado con juicio profesional bajo NIA 530, sin caer en automation bias.

💡 Ejercicio práctico

Tomá el libro mayor de un cliente real (con datos anonimizados) o usá datasets públicos. Hacé el test de Benford con Excel sobre tres cuentas distintas:

Una con muchos movimientos pequeños (caja chica, gastos generales).

Una con pocos movimientos grandes (activo fijo, contratos).

Una con movimientos medios y volumen alto (proveedores).

Anotá: ¿cuál cumple Benford y cuál no? ¿Por qué? Tu intuición sobre dónde aplica el test vale más que cualquier herramienta automática.

Próxima lección: 11. Muestreo estadístico inteligente con IA