Artificial Intelligence-Enabled Accounting Information Systems and Fraud Detection in Nigeria's Financial Services Sector: The Moderating Role of Natural Language Processing

Resumen Técnico: Sistemas de Información Contable Habilitados por Inteligencia Artificial y Detección de Fraude en el Sector de Servicios Financieros de Nigeria

1. Planteamiento del Problema

La rápida digitalización de los sistemas financieros en las economías emergentes, particularmente en Nigeria, ha mejorado la eficiencia operativa y la inclusión financiera, pero simultáneamente ha aumentado la exposición a fraudes sofisticados impulsados por medios cibernéticos. Los esquemas de fraude contemporáneos —que van desde el fraude de identidad sintética y el phishing hasta las redes coordinadas de engaño digital— a menudo eluden los mecanismos de auditoría convencionales. Los sistemas tradicionales, que dependen de la verificación retrospectiva, el monitoreo basado en reglas y el muestreo periódico, luchan por abordar la velocidad, la complejidad y la naturaleza adaptativa del crimen financiero moderno.

Además, existe una brecha significativa en la literatura respecto a la aplicación de estas tecnologías dentro de los ecososistemas financieros africanos emergentes. La evidencia empírica existente está fuertemente concentrada en economías de Occidente y Asia Oriental tecnológicamente avanzadas, dejando poco exploradas las realidades operativas de las infraestructuras fragmentadas y las condiciones regulatorias en evolución en países como Nigeria. Específicamente, existe un conocimiento limitado sobre cómo el Procesamiento de Lenguaje Natural (NLP, por sus siglas en inglés) modera la relación entre los Sistemas de Información Contable (AIS) habilitados por IA y la efectividad de la auditoría, particularmente en lo que respecta a la interpretación de datos textuales no estructurados y la explicabilidad de las decisiones impulsadas por la IA.

2. Metodología

Diseño y Filosofía de Investigación:
El estudio emplea una filosofía de investigación positivista y un diseño de encuesta transversal cuantitativa. Utiliza un enfoque hipotético-deductivo para probar empíricamente las hipótesis basadas en la teoría sobre las relaciones entre los AIS habilitados por IA, el NLP y la efectividad de la detección de fraude.

Recolección de Datos:

• Población: Profesionales en auditoría, contabilidad, cumplimiento, gestión de fraude y gobernanza de riesgos financieros dentro del sector financiero regulado de Nigeria (bancos comerciales, empresas de seguros y organizaciones FinTech).
• Muestreo: Se utilizó una técnica de muestreo intencional estratificado para asegurar la representación en diversos sectores. De un marco de muestreo de 310 profesionales (obtenidos de los directorios de ICAN y CIBN), se retuvieron 186 respuestas válidas (tasa de respuesta del 74.8%).
• Instrumento: Un cuestionario estructurado con 47 ítems que miden ocho constructos: Recopilación de Datos, Análisis de Datos, Evaluación de Riesgos, Detección, Prevención, Investigación, Auditoría y Efectividad de la Detección de Fraude, y Capacidad de NLP. Los ítems fueron medidos mediante una escala de Likert de cinco puntos.
• Validez y Confiabilidad: La validez de contenido se estableció mediante revisión de expertos. La validez de constructo se evaluó mediante el Análisis Factorial Exploratorio (EFA), eliminando los ítems con cargas inferiores a 0.60. La consistencia interna se confirmó con valores de alfa de Cronbach superiores a 0.70 para todos los constructos. El sesgo de método común se evaluó mediante la prueba de factor único de Harman (34.6% de varianza).

Estrategia Analítica:
Los datos fueron analizados utilizando IBM SPSS Statistics 27 y AMOS 27. El análisis siguió cuatro etapas:

1. Estadísticos descriptivos para resumir los perfiles de los encuestados y la distribución de las variables.
2. Pruebas diagnósticas de normalidad, multicolinealidad (VIF < 10) y supuestos de residuos.
3. Regresión lineal múltiple para examinar la influencia de las dimensiones de los AIS habilitados por IA en la efectividad de la auditoría.
4. Regresión moderada jerárquica para probar el papel moderador del NLP, siguiendo los procedimientos de Baron y Kenny y Cohen et al., con variables centradas en la media para reducir la multicolinealidad.

3. Contribuciones Clave

• Empirismo Contextual: El estudio proporciona evidencia empírica de Nigeria, una economía emergente caracterizada por una rápida digitalización y fragmentación de infraestructura, extendiendo así la aplicabilidad de la investigación de auditoría inteligente más allá de los contextos desarrollados de Occidente y Asia Oriental.
• Integración Teórica: Ancla la investigación en la Teoría del Diamante del Fraude (incorporando la capacidad como una cuarta dimensión del fraude) y el Modelo de Aceptación de la Tecnología (TAM) (centrándose en la utilidad percibida y la facilidad de uso). Este doble marco explica tanto las condiciones estructurales que facilitan el fraude como las dinámicas institucionales que impulsan la adopción tecnológica.
• Papel Moderador del NLP: La investigación aísla y prueba específicamente el efecto moderador del NLP, abordando un vacío en la literatura sobre cómo las capacidades de interpretación semántica mejoran la efectividad de los sistemas de detección de fraude asistidos por IA en entornos donde los datos textuales no estructurados (por ejemplo, informes de auditoría, narrativas de cumplimiento) son críticos.

4. Resultados

Hallazgos Descriptivos:
Los encuestados generalmente mantuvieron percepciones positivas sobre los AIS habilitados por IA y las capacidades de NLP. "Análisis de Datos" (Media = 3.96) y "Detección" (Media = 3.93) fueron calificados más alto, mientras que "Recopilación de Datos" e "Investigación" obtuvieron puntuaciones más bajas, lo que refleja posibles desafíos de infraestructura e integración.

Prueba de Hipótesis (H1):
El análisis de regresión múltiple reveló que las dimensiones de los AIS habilitados por IA explican colectivamente aproximadamente el 62.6% de la varianza en la efectividad de la auditoría y la detección de fraude ($R^2 = 0.626, p < 0.001$).

• La Prevención emergió como el predictor más fuerte ($\beta = 0.384, p < 0.001$), indicando que el monitoreo proactivo y predictivo es el componente más crítico para una gobernanza de fraude efectiva.
• La Detección ($\beta = 0.173, p < 0.001$), la Recopilación de Datos ($\beta = 0.149, p = 0.001$) y el Análisis de Datos ($\beta = 0.117, p = 0.015$) también mostraron influencias positivas estadísticamente significativas.
• La Evaluación de Riesgos mostró una relación positiva pero marginalmente insignificante ($p = 0.058$), lo que sugiere que su efectividad puede depender de condiciones institucionales complementarias.

Análisis de Moderación (H2):
La regresión moderada jerárquica confirmó que el NLP modera significativamente la relación entre los AIS habilitados por IA y la efectividad de la auditoría.

• La inclusión del NLP mejoró el poder explicativo del modelo ($\Delta R^2 = 0.035, p = 0.002$).
• El término de interacción (IA $\times$ NLP) fue estadísticamente significativo ($\Delta R^2 = 0.013, p = 0.041$).
• Los resultados indican que el NLP actúa como una capacidad complementaria, mejorando la efectividad de los sistemas de IA al extender el análisis desde los datos numéricos estructurados hacia los entornos textuales no estructurados (por ejemplo, narrativas de auditoría, declaraciones de divulgación), mejorando así la interpretación semántica y la precisión investigativa.

5. Significancia y Reivindicaciones

El artículo sostiene que los AIS habilitados por IA y el NLP son cada vez más vitales para fortalecer la gobernanza del fraude, la rendición de cuentas regulatoria y la confianza institucional dentro de los entornos financieros digitales emergentes.

• Significancia Práctica: El estudio argumenta que las instituciones financieras deben transicionar de una auditoría retrospectiva basada en reglas hacia un monitoreo continuo impulsado por inteligencia. Destaca que las capacidades preventivas son el mecanismo más efectivo para mitigar las pérdidas por fraude. Además, postula que el NLP es esencial para abordar la naturaleza de "caja negra" de la IA, traduciendo los resultados algorítmicos en narrativas de auditoría comprensibles, mejorando así la explicabilidad y la defensa regulatoria.
• Significancia Teórica: Los hallazgos extienden la Teoría del Diamante del Fraude al demostrar cómo la IA reduce la dimensión de "oportunidad" del fraude mediante la vigilancia continua y el cumplimiento automatizado. Simultáneamente, los resultados refuerzan el TAM al sugerir que las instituciones adoptan estas tecnologías principalmente debido a su utilidad percibida para mejorar el desempeño de la gobernanza y la eficiencia operativa.
• Limitaciones: Los autores reconocen modestamente que el diseño transversal limita la inferencia causal y que la dependencia de datos de encuestas perceptuales puede introducir sesgos. Sugieren que investigaciones futuras empleen enfoques longitudinales o de métodos mixtos para examinar las implicaciones organizacionales a largo plazo.

En conclusión, el estudio afirma que, si bien los AIS habilitados por IA proporcionan la arquitectura fundacional para la detección de fraude moderna, la integración del NLP es un factor moderador crítico que mejora el alcance analítico, la interpretabilidad y la efectividad general de la gobernanza en ecosistemas financieros complejos y densos en datos como el de Nigeria.