Determining the impact of artificial intelligence tools on money laundering prevention and detection in the Period 2020-2025
DOI:
https://doi.org/10.51247/ykcswy61Keywords:
Artificial Intelligence, AML, SMEs, UAFE, Money LaunderingAbstract
Money laundering is one of the main challenges to the integrity of the financial and business system, especially for small and medium-sized enterprises (SMEs), which face technological and internal control limitations in preventing this crime. The objective of this study was to determine the impact of artificial intelligence tools on money laundering prevention and detection during the period 2020-2025. The research adopted a qualitative approach, with a documentary design and a descriptive-analytical scope, based on a review of current regulations, official reports from the Financial and Economic Analysis Unit (UAFE), IFRS for SMEs, statistics on reports of unusual and unjustified transactions, and specialized scientific literature published between 2020 and 2025. The results showed a limited incorporation of artificial intelligence tools in SMEs, attributed mainly to technological, economic, and training constraints. Furthermore, it was found that the financial sector accounted for the largest proportion of suspicious transaction reports, while the non-financial sector exhibited a lower detection capacity, a situation exacerbated by new regulatory requirements demanding timely reporting and automated processes. It is concluded that artificial intelligence significantly strengthens anti-money laundering (AML) prevention and detection mechanisms by improving the analysis of large volumes of information, the early identification of risk patterns, and regulatory compliance
Downloads
References
Arens, A. A., Elder, R. J., & Beasley, M. S. (2016). Auditoría y aseguramiento de servicios (16.ª ed.). Pearson.
Baker Tilly. (2026, 8 de enero). Artificial intelligence in anti-money laundering compliance: A strategic shift from detection to insights. Baker Tilly. https://www.bakertilly.com/insights/ai-aml-compliance-detection-to-insights
Banco Mundial. (2024). Ecuador: Crecimiento resiliente para un futuro mejor. Grupo Banco Mundial. https://documents1.worldbank.org/curated/en/099050924131536292/pdf/P17797312cbabc01b189011ce0839cba821.pdf
Bologna, G. J., & Lindquist, R. J. (1995). Fraud auditing and forensic accounting: New tools and techniques (2.ª ed.). Wiley.
Davenport, T. H., & Ronanki, R. (2018). Inteligencia artificial para el mundo real. Harvard Business Review, 96(1), 108–116.
De Fliese, P. L., Johnson, K. P., & Macleod, R. K. (1975). Montgomery's auditing (9th ed.). The Ronald Press Company.
Escobar Mayorga, D. C., Cabezas Cabezas, H. S., Gil Avilez, R. A., & Ramírez Gómez, L. X. (2025). Inteligencia Artificial y Optimización de Procesos Contables en Ecuador. Sinergia Académica, 8(Especial 1), 648–666. https://doi.org/10.51736/sa764
García-Vera, Y. S., Juca-Maldonado, F. X., & Torres-Gallegos, V. (2023). Automatización de procesos contables mediante Inteligencia Artificial: Oportunidades y desafíos para pequeños empresarios ecuatorianos. Revista Transdiciplinaria de Estudios Sociales y Tecnológicos, 3(3), 68–74. https://doi.org/10.58594/rtest.v3i3.93
González, J., Morocho, J., & Bejarano, H. (2021). Lavado de activos y su efecto en las inversiones del sector empresarial de la ciudad de Machala. Religación: Revista de Ciencias Sociales y Humanidades, 6(28), e210812. https://doi.org/10.46652/religacion.v6i28.812
Guajardo Cantú, G., & Andrade de Guajardo, N. (2018). Contabilidad financiera (7.ª ed.). McGraw-Hill Education.
Hidalgo, M., Bautista, S., Herrera, N., & Mejía, E. (2017). La auditoría financiera: su importancia en las pequeñas y medianas empresas. Boletín de Coyuntura, 1(15), 19. https://doi.org/10.31164/bcoyu.15.2017.656
Hopwood, W. S., Leiner, J. J., & Young, G. R. (2012). Forensic accounting and fraud examination (2.ª ed.). McGraw-Hill Education.
Hurtado-Guevara, R., & Casanova-Villalba, C. (2022). La auditoría forense como herramienta para la detección de fraudes financieros en Ecuador. Revista Científica Zambos, 1(1). https://doi.org/10.69484/rcz/v1/n1/52
Instituto Nacional de Estadística y Censos. (2023). Principales resultados del Registro Estadístico de Empresas y Establecimientos 2023 (Semestre I). INEC. https://www.ecuadorencifras.gob.ec/documentos/web-inec/Estadisticas_Economicas/Registro_Empresas_Establecimientos/2023/Semestre_I/Principales_Resultados_REEM_2023.pdf
International Auditing and Assurance Standards Board (IAASB). (2009). NIA 240: Responsabilidades del auditor en la auditoría de estados financieros con respecto al fraude. En Manual de pronunciamientos internacionales de control de calidad, auditoría, revisión, otros encargos de aseguramiento y servicios relacionados. International Federation of Accountants (IFAC).
Kieso, D. E., Weygandt, J. J., & Warfield, T. D. (2018). Contabilidad intermedia (16.ª ed.). Wiley.
Kumar, N., Sharma, V., & Sharma, A. (2024). Artificial intelligence in fraud prevention: Exploring techniques, applications, challenges and opportunities. Computer Science & IT Research Journal, 5(6). https://doi.org/10.51594/csitrj.v5i6.1252
Llivisaca-Villazhañay, J. C., Flores-Sigüenza, P. A., Guamán-Guachichullca, N. R., Urdiales, C., & Gento-Municio, Á. M. (2025). Key Drivers of ERP Implementation in Digital Transformation: Evidence from Austro-Ecuadorian SMEs. Administrative Sciences, 15(6), 196. https://doi.org/10.3390/admsci15060196
Mantilla, S. A. (2018). Control interno: Informe COSO. Ecoe Ediciones.
Messier, W. F., Glover, S. M., & Prawitt, D. F. (2017). Servicios de auditoría y aseguramiento: Un enfoque sistemático (10.ª ed.). McGraw-Hill Education.
Oficina de las Naciones Unidas contra la Droga y el Delito (UNODC). (2024). Money laundering. UNODC. https://www.unodc.org/unodc/en/money-laundering/overview.html
Ortega Méndez, J. X., Pinto Arboleda, R. A., Fajardo Bravo, N. J., Zambrano Toapanta, A. Y., & Zambrano Recalde, P. E. (2025). Inteligencia artificial en la auditoría contable: Aplicaciones y desafíos del uso de IA en la auditoría. Sinergia Académica, 8(Especial 2), 624–636. https://doi.org/10.51736/sa.516
Primicias. (2026). Ecuador registró 7.675 reportes de operaciones sospechosas en 2024, el máximo histórico. Primicias. https://www.primicias.ec/economia/finanzas/reportes-operaciones-sospechosas-uafe-record-2024/
Rikhardsson, P., Thórisson, K. R., Bergthorsson, G., & Batt, C. (2022). Artificial intelligence and auditing in small- and medium-sized firms: Expectations and applications. AI Magazine, 43(3), 323–336. https://doi.org/10.1002/aaai.12066
Saavedra-Moreno, M. A., & Saavedra-Moreno, W. F. (2024). Inteligencia artificial en el control interno y auditoría forense: Un enfoque para las pymes en Ecuador. Sinergia Académica, 7(2), 164–184. https://sinergiaacademica.com/index.php/sa/article/download/764/1582
Sigüencia, T. (2025). Incidencia del lavado de activos en la economía de los ecuatorianos: Una revisión sistemática desde el enfoque cualitativo y contable. Ibero Ciencias – Revista Científica y Académica, 4(4). https://doi.org/10.63371/ic.v4.n4.a482
Unidad de Análisis Financiero y Económico (UAFE). (2025, 9 de enero). Resolución No. UAFE-DG-2025-0002: Incorporar como sujetos obligados a reportar a la Unidad de Análisis Financiero y Económico a las personas jurídicas que, entre sus actividades, presten el servicio de blindaje de vehículos. Registro Oficial No. 732, 29 de enero de 2025. https://www.uafe.gob.ec/resoluciones-sujetos-obligados/
Whittington, R., & Pany, K. (2016). Principios de auditoría y otros servicios de aseguramiento (20.ª ed.). McGraw-Hill Education.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Erik David Guerrón-Congo, Christian Gabriel Chacha-Villacres
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
