Embed or link this publication

Popular Pages


p. 1

REVISTA SEMESTRAL • Nº 67 - JULIO - DICIEMBRE 2018 05 Cómo la Inteligencia Artificial cambiará nuestras vidas de Contables y qué hacer para no morir en el intento 13 Influencia del comportamiento ético del jefe de ventas en la actuación del vendedor 25 Diversidad y gobernanza: argumentos económicos Páginas centrales Nuestro colegio II Día del Economista de la Región de Murcia 67 JUL. - DIC. 2018

[close]

p. 2



[close]

p. 3

REVISTA SEMESTRAL • Nº 67 - JULIO - DICIEMBRE 2018 gestión REVISTA DE ECONOMÍA 05 Cómo la Inteligencia Artificial cambiará nuestras vidas de Contables y qué hacer para no morir en el intento 14 Influencia del comportamiento ético del jefe de ventas en la actuación del vendedor 28 Diversidad y gobernanza: argumentos económicos Páginas centrales Nuestro colegio 67 JUL. - DIC. 2018 EDITA: Colegio Oficial de Economistas de la Región de Murcia DIRECTOR: Mercedes Palacios Manzano SECCIÓN NUESTRO COLEGIO: Isabel Teruel Iniesta CONSEJO EDITORIAL: • Decanato de Colegio Oficial de Economistas de la Región de Murcia • Directora de la Revista Gestión • Ex Director Fundador de la Revista Gestión FOTOGRAFÍAS: Colegio de Economistas de la Región de Murcia y Freepik MAQUETACIÓN E IMPRESIÓN: Alejandro Gallego, Servicios Gráficos DEPÓSITO LEGAL: MU-520-1997 ISSN: 1137-6317 gestión REVISTA DE ECONOMÍA, no se identifica necesariamente con las opiniones expuestas por los autores de artículos o trabajos firmados. Julio / Diciembre 2018 SUMARIO 04 Editorial 05 13 25 Colaboraciones Cómo la Inteligencia Artificial cambiará nuestras vidas de Contables y qué hacer para no morir en el intento Isabel Martínez Conesa Influencia del comportamiento ético del jefe de ventas en la actuación del vendedor Pedro Juan Martín Castejón, Cristián Sánchez Rodríguez y Sandra de la Flor Juárez Diversidad y gobernanza: argumentos económicos Mercedes Redondo Cristóbal y Francisco Javier Jimeno de la Maza Nuestro colegio • II Día del Economista de la Región de Murcia - Conferencia del Doctor en Economía, Juan Ramón Rallo • Escuela de Economía. Acto de Apertura del Curso 2018/2019 - Conferencia de Rami Aboukhair, CEO del Banco de Santander España - Entrega del Ecónomo Institucional del Colegio • Junta General del Colegio - Conferencia del presidente del Tribunal Superior de Justicia - Entrega del Certificado de colegiado e insignia a los nuevos compañeros • Economistas en Vietnam • El Colegio en las Redes Sociales • Servicio de Estudios Económicos - Publicación “Informe de la Competitividad Regional en España 2018” - Consejo Consultivo - Equipo de Trabajo • El Colegio presente en la Sociedad 31 Información Actual: “Diez años después de la crisis de Lehman Brothers” “Los Economistas de Murcia entregan el Ecónomo Institucional de la corporación a Rami Aboukhair, CEO Santander España, por su excelencia en el sector financiero” “Los Economistas entregan el Ecónomo Institucional de la corporación a Tomás Fuertes” 33 Internet y los Economistas: Direcciones 34 Reseña Literaria

[close]

p. 4

4 gestión REVISTA DE ECONOMÍA Editorial Mercedes Palacios Directora “Gestión-Revista de Economía” Este número lo iniciamos con un trabajo realizado en el ámbito universitario por nuestra compañera Isabel Martínez Conesa de la Universidad de Murcia. Este interesante artículo intenta predecir cómo la implantación de la Inteligencia Artificial va a modificar los modelos de negocio de las empresas. A lo largo del trabajo, trata de dar respuesta a preguntas relacionadas con las medidas adoptadas por las empresas para aprovechar las tecnologías, detallando una serie de prototipos sobre los que se está trabajando, al servicio de la auditoría y la contabilidad, y cómo su futura utilización por los auditores va a modificar su forma de entender el negocio. El segundo trabajo, realizado por Pedro Juan Martín, Cristián Sánchez y Sandra de la Flor, del Departamento de Comercialización e Investigación de Mercados de la Universidad de Murcia, analiza la importancia de las percepciones éticas que los vendedores tienen sobre sus jefes de ventas y hasta qué punto esto influye en el comportamiento ético con sus clientes. Para ello, se estudia la manera en la que repercuten ciertos factores personales como el nivel de estudios y tipo de contrato del vendedor, al igual que determinadas variables situacionales como el tamaño del equipo de ventas y el sector de actividad. Los resultados muestran que la forma en la que los vendedores perciben a sus superiores influye en sus actuaciones éticas frente al cliente. Además, los vendedores con formación universitaria y contrato indefinido presentan mayores niveles éticos que el resto de sus compañeros. El tema de la diversidad de género en el ámbito del gobierno empresarial ha despertado una creciente atención en los últimos tiempos, que se ha manifestado desde distintas esferas institucionales y variados planos de interés. Por ello, el tercer trabajo, realizado por los profesores Mercedes Redondo y Francisco Javier Jimeno de la Universidad de Valladolid, realiza un recorrido por algunos de los principales argumentos expli- cativos que la investigación académica ofrece para que sea posible presuponer la existencia de unos efectos económicos de la diversidad en el consejo de administración, a la luz de tres de los principales enfoques que, con frecuencia, sirven de soporte teórico: la teoría de la agencia, la teoría de dependencia de recursos y la teoría de los stakeholders. Por lo que respecta a nuestro colegio, destacamos el II Día del Economista de la Región de Murcia, con la Conferencia del Doctor en Economía, Juan Ramón Rallo, titulada “Lehman Brothers, diez años después”. En noviembre se celebró el acto de apertura del Curso Académico 2018/2019 de la Escuela de Economía, con la celebración de la Conferencia titulada “La Economía en la era de los cambios” impartida por Rami Aboukhair, CEO del Banco de Santander España. El Servicio de Estudios presentó la publicación del segundo “Informe de la Competitividad Regional en España 2018”, y como en otras ocasiones, el Colegio ha estado presente en la sociedad a través de diversos foros. La información de interés para el Economista y lector en general, reseña de dos libros y las direcciones de Internet concluyen la edición del número 67. Esperando que sea de vuestro agrado, recibir un cordial saludo de todo el Consejo Editorial de la Revista y de la Junta de Gobierno del Colegio de Economistas de la Región de Murcia. REVISTA SEMESTRAL

[close]

p. 5

g 5 Cómo la Inteligencia Artificial cambiará nuestras vidas de Contables y qué hacer para no morir en el intento Isabel Martínez Conesa Catedrática Acreditada de la Universidad de Murcia y Vicepresidenta del Círculo de Economía de la Región de Murcia Para todos aquellos que sientan la necesidad de pararse a pensar sobre los cambios que están modificando la profesión de auditor y nuestra forma de vida, solo pretendo ofrecerles un modesto punto de partida para que cada cual haga su propia reflexión y saque sus conclusiones. Digamos que la intención es más hacer preguntas que dar respuestas aunque, naturalmente, en estas páginas se desliza mi opinión. Ha llegado para quedarse y cambiar nuestra vida. La Inteligencia Artificial (en adelante IA) es el motor de la cuarta revolución industrial, junto con la robótica y la biotecnología. Nos pone a prueba y nos seduce porque nos facilita la vida. Desde que nos levantamos con la alarma del móvil ya está presente para facilitarnos el camino más corto, para sugerirnos búsquedas en internet, para completar la frase que no recordamos, para identificarnos por nuestros rasgos o para proponernos compras de acuerdo con nuestros gustos. Es un cambio apasionante que tenemos la suerte de vivir y poder contar a nuestros nietos. Algunos podremos explicar incluso dos disrupciones: la 3.0 digital y la 4.0, con aplicación de nueva tecnología inteligente. En estos momentos es fácil predecir que la IA va a cambiar nuestras vidas e incluso podremos hablar de las tecnologías futuras, que se van a implantar en nuestras vidas. Sin embargo, lo que es tremendamente difícil de predecir es cómo la implantación de la IA va a modificar los modelos de negocio de las empresas. En todas las dis- La Inteligencia Artificial es el motor de la cuarta revolución industrial, junto con la robótica y la biotecnología rupciones aparecen nuevas tecnologías que modifican nuestra vida. Por ejemplo, Kodak inventó la fotografía digital pero no fue capaz de valorar su potencial, mayor al de su negocio existente, basado en la venta de carretes. Tanto es así que tampoco podría ni imaginarse que nosotros haríamos fotos digitales a través de nuestros teléfonos móviles. Otro ejemplo sería la suplantación de los ordenadores por los teléfonos móviles como nuestros asistentes: nadie pudo imaginar que la aparición de los Smartphone modificaría los negocios de los taxis a través de Uber, Cabify o cualquier otra. En definitiva, nueva tecnología, nuevas oportunidades de negocio. ¿Cómo evolucionarán las empresas para aprovechar estas tecnologías y conseguir ser más veraces, eficaces y eficientes? Me voy a atrever, en pocas líneas, a comentar cómo pienso que va a cambiar nuestro trabajo. En primer lugar, intentaré concretar qué es la IA. En segundo lugar, detallaré una serie de prototipos sobre los que se está trabajando, al servicio de la auditoría/contabilidad, y cómo su futura utilización por los auditores va a modificar su forma de entender el negocio. Finalmente, creo necesario concluir con temas como el impacto en el mercado de trabajo, el papel de las Universidades, la seguridad y la ética. No esperéis reflexiones sobre algoritmos, no sabría; sin embargo los seis meses que he pasado en Estados Unidos con el mejor grupo de investigación en IA e Información Financiera, Rutgers University Accounting Lab1, me permiten esbozaros los prototipos sobre los que ya estamos trabajando. La cuestión básica que subyace es si la inteligencia artificial va a modificar nuestro trabajo como contables/ auditores, nos va a sustituir o nos va a permitir ser más transparentes y más eficientes. De acuerdo con la investigación realizada por Frey y Osborne (2013), el 45% 1 http://raw.rutgers.edu/carlab.html NÚMERO 67 I JULIO/DICIEMBRE 2018

[close]

p. 6

6 gestión REVISTA DE ECONOMÍA por ciento de los trabajos actuales son susceptibles a automatización en los próximos diez años y lo que llama la atención es que el reemplazo de contadores y auditores alcanza un 94% de probabilidad. ¿Amenaza u oportunidad? Para mi oportunidad, sin duda. 1. Acerca de la Inteligencia Artificial La IA tiene capacidad de lograr racionalidad y eficiencia a nivel humano en todas las actividades de tipo cognoscitivo, suficiente para engañar a un evaluador humano (Test de Turing2). Los datos son el combustible de la inteligencia artificial. Por ello, desde que en 1943 Warren McCulloch y Walter Pitts propusieron un modelo de neurona del cerebro humano hasta su actual implementación, han sido necesarios algunos cambios. El primero: la digitalización masiva, acompañada del desarrollo de la capacidad de los ordenadores y Bigdata. Quizá no sean tan conocidos los términos MachineLearning, Deep-Learning o Neuronal Networks, como partes de ese intento de replicar la capacidad humana mediante maquinas. Son algoritmos capaces de automatizar las actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas y aprendizaje. La IA aprende de nosotros: primero descubre patrones de nuestro comportamiento (para ello analiza un input de información y su conclusión u output buscando una ley que rija la relación) y, luego, cada nueva información disponible le permite actuar de forma más eficiente, con una capacidad nunca alcanzada por el ser humano. A esto se conoce como Machine-Learning y consta de una red neuronal simple. Por el contrario, Deep-Learning, juega con la base de las relaciones básicas encontradas e indaga nuevas combinaciones más abstractas e innovadoras, simulando la capacidad humana. Estos algoritmos se le suelen identificar como blackbox (caja negra) porque experimentan nuevas soluciones que no controlamos: son racionales desde el punto de vista de las decisiones que se ofrecen, pero no disponemos explícitamente del 2 Alan M. Turing: “Computing Machinery and Intelligence”, Mind LIX 236:433–460, doi:10.1093/mind/LIX.236.433 Los datos son el combustible de la Inteligencia Artificial proceso analítico utilizado. Es decir, pueden hablar e incluso interactuar empáticamente, pero no significa que entiendan lo que dicen. La IA permitirá detectar cosas que el ser humano nunca podría hacer. Se podrán encontrar patrones muy difíciles de descubrir por el cerebro, por más que lo intente. Esto afectará a muchos niveles, tanto relativos a la auditoría o financieros como en el ámbito turístico o el sanitario, la justicia o la inteligencia militar. Es curioso que se hable de minería de datos o de textos. El continuo avance de la IA está llevando a una mejor evaluación de pruebas de auditoría. IBM Watson es el asistente inteligente más famoso. Rápido, seguro y eficiente, es capaz de desarrollar un análisis de textos basado en el aprendizaje profundo que puede leer directamente archivos de texto o incluso direcciones URL. Elimina automáticamente las publicidades, los enlaces de navegación y otros contenidos irrelevantes y crea una lista de características de datos como autores, palabras clave, conceptos, relaciones entre esos conceptos y sentimientos o emociones incorporados3. Desde 2015, IBM hizo un fuerte esfuerzo para agregar capacidades de aprendizaje profundo a Watson, agregando reconocimiento de voz y reconocimiento de imagen con AlchemyAPI. La herramienta utilizada para el análisis de sentimientos y emociones es Alchemy Language API, un servicio en la nube de análisis de texto basado en un profundo aprendizaje proporcionado por IBM Watson4. También recientemente se han utilizado tecnologías de Deep-learning para “aprender” de siete años de estados financieros a través de seis algoritmos de aprendizaje automático. Esto permite examinar datos suficientes para evaluar mejor dónde se encuentran los riesgos actuales. La IA permite incluso predecir los riesgos fu- turos. Esto permitirá a los equipos de auditoría revisar y perfeccionar su enfoque en el informe relativo a las cuestiones clave de la auditoría. También presenta posibilidades increíbles para la detección de fraudes. Fuera del ámbito de la IA pero colaboradores estaría la aplicación de formatos XBRL para el uso de datos y, por supuesto, el uso de Blockchain en el intercambio de información. Sun y Vasarhelyi (2017) analizan el uso de análisis textual, identificación de voz y análi- 3 “Descripción general del Servicio de comprensión del lenguaje natural de IBM Watson” IBM, https://ibm.co/2rIsSQh 4 https://alchemy-language-demo.mybluemix.net/ REVISTA SEMESTRAL

[close]

p. 7

g 7 sis mediante video en su aplicación de Deep-learning en el trabajo de auditoría. Los auditores podrán utilizar sensores, datos biométricos, reconocimiento de voz, intercambio de meta-información, agrupación y sistemas expertos para evaluar clientes y analizar las relaciones entre empresas. Un intercambio de metainformación será desarrollado a partir de datos para examinar de manera eficiente y efectiva las relaciones entre compañías similares. Por ejemplo, los elementos de inventario etiquetados con chips de identifica- La IA permite incluso predecir los riesgos futuros. Esto permitirá a los equipos de auditoría revisar y perfeccionar su enfoque en el informe relativo a las cuestiones clave de la auditoría. También presenta posibilidades increíbles para la detección de fraudes ción por radiofrecuencia (RFID) se pueden usar para el control de producción, la gestión de la cadena de suministro y se pueden almacenar como registros de auditoría del uso del inventario. El software y los archivos de reconocimiento facial y de voz pueden servir como evidencia de respaldo para la seguridad cibernética o, más prosaicamente, como controles de autorización, separación de funciones y meta-controladores. Como la IA requiere datos, la simbiosis perfecta es Bigdata y Deep-learning ya que una mayor cantidad de datos aumentará dramáticamente tanto la capacidad de medir los riesgos como la cantidad de excepciones y anomalías identificadas. Con la utilización del Bigdata en Auditoría podremos identificar y evaluar los riesgos asociados con la aceptación o la continuación de un compromiso de auditoría. Nos permitirá conocer mejor la entidad y su entorno (NIA 315) así como detectar errores significativos en los estados financieros, debido al fraude y pruebas de fraude, teniendo en cuenta los riesgos evaluados (NIA 240). Por otra parte, de acuerdo con la NIA 520 podrá utilizarse la IA en las pruebas sustantivas a fin de evaluar los riesgos de error material o cerca del final de la auditoría para ayudar al auditor a formar una conclusión general. NÚMERO 67 I JULIO/DICIEMBRE 2018

[close]

p. 8

8 gestión REVISTA DE ECONOMÍA 2. Auditoría 4.0 y los junior virtuales generada en las entrevistas de auditores, auditores internos, empleados, auditores predecesores, banqueros, Disponer de esta tecnología supondrá una ventaja asesores legales, aseguradores, analistas u otras partes competitiva importante, por lo poco que conocemos interesadas, puede ser analizada mediante la IA Deep- de los trabajos desarrollados por los Laboratorios de learning (aprendizaje profundo), tanto si viene en for- IA de las grandes firmas de Auditoría; y no es clara su mato texto, como grabaciones de voz o videos. Ahora, futura comercialización. Son conocidos algunos proto- la función de reconocimiento de voz del aprendizaje tipos desarrollados en los trabajos de investigación de profundo puede transcribir y traducir el habla en tiem- Universidades, en su mayoría americanas. Debe quedar po real, independientemente del ruido o los diversos claro que la IA se diseña y entrena para ayudar en ta- acentos de los hablantes, lo que permite el análisis del reas concretas, necesitaremos tantos asistentes como texto y la extracción de emociones, factores de riesgo tareas deban realizar; todavía queda bastante para el y otras ideas directamente. junior virtual. Hablemos de las entrevistas en el proceso de audito- En las siguientes figuras, sobre la base de Issa, Sun y ría. Parece que los futuros Agentes Conversacionales Vasarhelyi, (2016), analizaré fase a fase la audi t   oría. En primer lugar, cómo la auditoría tradicional encuentra Incorporados (ECA)5 serán más eficientes, efectivos y seguros que los humanos. Nos solo harán preguntas evidencias y, posteriormente, cómo sería aplicando pre-diseñadas y registrarán las respuestas sino que, una asistentes inteligentes. vez integradas con el aprendizaje profundo, las ECA pueden leer signos verbales de engaño y hacer preguntas de seguimiento basadas en las res- puestas del entrevistado. (Pickard, Schuetzler, Valacich y Wood, 2017). Del mismo modo, otros   documentos de audio, como Conference Call,      PLANIFICACION   Auditor  examina  la  industria   del  cliente   El  auditor  examina  la   estructura  organizativa  del   cliente,  los  métodos  operativos   y  los  sistemas  contables  y   Ainancieros.   AI  recopila  y  analiza  Big  Data  (exógena)   Los  datos  relacionados  con  la  estructura   organizativa  del  cliente,  los  métodos  operativos  y   los  sistemas  contables  y  Ainancieros  se  incorporan  al   sistema  AI   llamadas telefónicas y reuniones de proyectos, podrían procesarse automáticamente mediante la tecnología de aprendizaje profundo.   Auditor  examina  la  industria       del  cliente   AI  recopila  y  analiza  Big  Data  (exógena)    PLANIFICACIONE   n la  trato, ceflieaelysns ta ltEroeeuuls, c  a   lsdtoduiussAdirite t  nmieatoam o  oénprrrtac o g esliddaxe a  cnoaroenomisnz sb  ioati.f na p t ieibacev l r  aleaaaa s  d t c  d i yevi l q oó   sun   i,rihrailnsootsfr ao  sgiarsnLtlmaeoizmsaa  afdtcisavr t ciamoóo  dsnn e  artlae  cblraldeliceesislenoie s ytnltev a eA,ic d a m lnoooanassn n    tA m cceoiI-ée n  tr o o lads o  e  ssse t   o  riCnpuOcecotrNuraTprtiaoRv r oAasnT  y A a   lC   ION   sobre el cliente y el sector en el que opera, para re- copilar evidencia suficiente para valorar el riesgo de   Carta  de  encargo  preparada  por  el   auditor  con  base  en  el  riesgo   estimado  del  cliente.   Auditor  y  cliente  Airman  contrato.   IA  utiliza  la  estimación  del  nivel  de   riesgo  (Fase  1)  y  calcula  los  honorarios   de  auditoría  y  el  número  de  horas   IA  analiza  una  base  de  datos  de   contratos  y  prepara  el  contrato   Auditor  y  cliente  Airman  contrato.       mau(addciCiatiogóomrnranpímaardraeryisnsa  sdcfpiiieóoje a n Anrlr u e dssjleaoo,   ,td s u ceouthcnoeurosmiitannioel)ofnn o   rtaoarrsmiro  isoe, s s., La utAilizmaecntióarn  ddiaegrainmfaosr  d-e  Alujo,  respuestas  a   páucgsuaierns  eatilos  rnewacroienobosc  yiom  naierrenratdotie  vdsaes  i m ená  geel  ns i e  sst e  ym  laa   m dein  IeAr  yía     COMPRENDIEND O  EL  CONTROL   soEycl  i auautlideliizstao cr  s  uoag  njrueiecgialo u  e  pssatoara  i nd  idfeoerlnmtBiaAiicgciaódrn a     ta aUpsoarr  tdaroránegs d  preaa  rdnaa  tvroeasa l l poizarar.ra   e  aln  taelsizt a  inrlvoesn   tario,  luego     INTERNO  Y   RIESGOS   factores  de  riesgo   Comprensión  del  control  interno   para  determinar  el  alcance,   naturaleza  y  tiempo  de  la  pruebas   sustantivas.   use  AI  para  analizar  el  video  generado   Usar  visualización  y  reconocimiento  de  patrones   IfaAc  atogprraeer sg    a a  d   i  etdo  redineotssigA  eiocs a  tdroe s f  fa  drcaatuotodrsee s   p  y  da  areca  rt  ioidesse  ignloetig. A   aicleasr    Estaría bien poder disponer de un modelo   de planificación del trabajo que, teniendo COMPRENDIEND O I ENRLT I   CEEOSRGNNOTOSR  Y  O  L   Comprensión  de  documentos   (diagramas  de  Alujo,  cuestionarios,   narraciones,  tutorial)   El  auditor  agrega  esta  información   y  utilizaf a scut  ojuriecsio  d  pe a  rrieas  igdoe n   t   iAicar   Comprensión  del  control  interno   para  determinar  el  alcance,   naturaleza  y  tiempo  de  la  pruebas   sustantivas.   Alime  ntar  diagramas  de  Alujo,  respuestas  a   ucsuaers  etilo  rn e    acroindooes c   dyim a  ntaioersnr  patoati r  vdaae  as  i n m eanál i  gezela  nsrilesosts e  y  m  laa   m dein  IeAr  yía       UUssaaIfraAr c  d   vu atroisgosperru n ae e       AaersglaIs a i d z   p    p i  etadaoa c rerdriianóaeo t  n sa  srigAn e   yeioaacs   r all  tdiierozzec asa f o  fa rr  drnc   aeeatoullotE c o  tvdriVesmeieds A s   p tR yie C L   ed a  i oI  OUannrEe  cagvNAt S  rto e e G CioTi dn en  dOIsRseeOt e   Oi ga n rDNl  opareLtE i id g.a D o A      atoi,Ecr l   l  eaoLusrn e    egso       en cuenta todos los datos recopilados, pueda asesorar sobre el nivel de riesgo de auditoría, (tanto riesgo inherente como de cmeonILAeonc  ecsatd oj  serrnieocsgtutlilenotanmue  olúynaac s e m o m l x dunoaieetnnmsi  nmeraioruhnoíaaaonvmd n  idnat e  eeolroon r  pisteahrr e  ocao b o o   cdrnlreieetoas r  coossocsln e  oppptsar n rr oreoatl   vi p  niusúteaas)stoepsai.nrEfEaoxvaaerml-ul eadncei   ód  cneo n   ldaters o   r pli oe  inslígtteiocrsan  pso a y  dr  paer l  c o  cacldie veriAicar  la  correcta  implementación  del   Prueba  de  controles LEcools p n retrgporiaoscrtlraeo i  gndsa  tsicrmeeoa nn  gritteneirnzoonaelr r t ip a n  osnutoe  d a irdnunetrtoeoí ag a mrniáadátuaiclditas.o m   ismendateet  iczaarlisdeafdáPdcrieul-el ba  dRee  edvoacluumaceinótno  ds e  dle  r  lioessg             Quizá terno ylalopsarriteesgmoáss. Ldaifcícai nl   teisdacdominpgreenntde    edreeilncfoornmtraocl iiónn- 5 Son “interfaces de computadora autónomas capaces de interacciones de tipo humano para conducir entrevistas de forma autónoma” (Pickard, Burns y Moffit,, 2013).     REVISTA SEMESTRAL  

[close]

p. 9

g 9 mente trabajando con textos, datos o videos grabados en las oficinas que reflejen las rutin   as de trabajo du- Entrenando con una serie rante un periodo de tiempo. De toda esta información, el aprendizaje profundo podría ofrec   er una puntuación de casos realizados por el bien continua o cualitativa. Basta establecer una cate- mismo auditor o dentro degoría de datos que el auditor utiliza h   abitualmente Cpaartraa  de  encargo  preparada  por  el   la misma firma, la IA serácatalogar el auditor el control dio a esta ienmteprnreosya.eEl noturetCpnO u  aNtnToRdAovTaAcClooIOnrNau  cnióansAqeuarduuiieetdoiertso  ytri   c m  cloiaendn  obte a  d s  Aeierl  m e cnlai e  ennl   c t reoie.n  stgroat  o.   capaz de establecer modelosde casos realizados por el mismo auditor o dentro de IA  utiliza  la  estimación  del  nivel  de   riesgo  (Fase  1)  y  calcula  los  honorarios   de  auditoría  y  el  número  de  horas   IA  analiza  una  base  de  datos  de   contratos  y  prepara  el  contrato   Auditor  y  cliente  Airman  contrato.   la misma firma, la IA será capaz de e   stablecer modelos abstractos, detectar adbesdtreaccitsoiosn, edse.teLcataprreingcuonntsaissteernícai:a¿s c   yuámnetojosracraslaostosmona necesarios? Depende de la complejidad, cuantos más inconsistencias y mejorar la toma de decisiones casos mejor, pero para el control interno quizá podrían ser suficientes ¿c i  en casos? Cada entren   amien- to funciona por pr   ueba y error hasta que e  l junior virtual esté pre p  arado. Algo parecido a n  uestros junior humanos. S   in em- bargo, las diferen  tes di- mensiones pueden   hacer de cada auditorí  a algo úqdtqanuoudieescaopealsolyagtdahloarmoísa“roadassreedtcaereicssueaoinonnsantta       rueldeemsinsfai”abc,rrluaalalos--l junior virtual.         EVALUACION  DEL   RIESGO  DE   CONTROL   Los  sistemas  de  monitoreo  de  control   continuo  examinan  los  controles   continuamente   IA  ejecuta  la  minería  de  procesos  para   veriAicar  la  correcta  implementación  del   control  interno   Los  registros  se  generan  automáticamente   para  garantizar  su  integridad.   Examen  de  las  políticas  y  procedimientos   de  control  interno  del  cliente.   Evaluación  de  riesgos  para  cada  atributo.   Prueba  de  controles   Reevaluación  del  riesgo   Prueba  de  documentos  de  los  controles.   PRUEBAS   SUSTANTIVAS   Las  pruebas  periódicas  basadas  en  el   muestreo,  y  la  naturaleza,  la  extensión   y  el  tiempo  dependen  de  las  pruebas   de  control  interno    Pruebas  de  detalles  de  una  muestra   de  transacciones.   Prueba  de  detalles  de  saldos  (en  un   cierto  punto  en  el  tiempo).   Procedimientos  analíticos       El  aseguramiento  continuo  de  la  calidad  de  los   datos  garantiza  la  calidad  de  los  datos  y  la   evidencia   IA  examina  la  procedencia  de  los  datos   Prueba  continua  de  detalles  de  transacciones  en   100%  de  la  población.   Prueba  continua  de  detalles  de  saldos  (en  todo   momento).   Reconocimiento  continuo  de  patrones,  detección   de  valores  atípicos,  puntos  de  referencia  y   visualización     NÚMERO 67 I JULIO/DICIEMBRE 2018

[close]

p. 10

  10 ges   tión REVISTA DE ECONOMÍA EVALUACION  DE  LA   EVIDENCIA   Esto  se  convierte  en   parte  de  la  fase   anterior.   El  auditor  debe  evaluar  la  suficiencia,  claridad   y  aceptabilidad  de  la  evidencia  recolectada.   En  consecuencia,  el  auditor  puede  recolectar   más  evidencia  o  reBrarse  del  compromiso     En relación con las pruebas sustantivas, la ventaja es guramiento necesitamos. La elaboración del informe   trabajar sobre la población completa a fin de tener una de auditoría automatizado es realmente de lo más                       mejor evaluación de riesgo de auditoría, lo que nos simple. permite centrarnos sólo en analizar los valores atípicos y las anomalías, tal y como recomienda la Junta Internacional de Normas de Auditoría y dAesnegauurtaommieantitzoar(sIAe AcSLooBncs o ) snie.sttliLenmuuaoasc s geoo x dnraetadmi  nmneiunoaanmmlniat e  olaonrIsyteA e  oco o  , drneíyta r  caoolpneqtsur  ouel e  EsmVoARiCLnnIOUEeNASdrGCTíeOIRaO O  DNcLdE  D  a  eErLá t   cetxetrosredpvoeIeArtm i  eiAtijcieinavcruao  tlara. á   claMocn or mrinneietncreletoarrl í p   íiiamna a  dtpeendlr e  pnomeroro e  acndemtsaaoctasióo  p.nas E draeny l    este sentido, las graLnosd  reegspiasfrtiraro  gmsa  sraea n s gteidnzaeerr a  sanu u   a  inudtteoitgmoriádrtaíicada. m  treant-e   bajan en un prototipo capaz de realizar el proce- Examen  de  las  políticas  y  procedimientos   de  control  interno  del  cliente.   Evaluación  de  riesgos  para  cada  atributo.   Prueba  de  con  Aturdoitloers  a  grega  información   IANPUFrODuReITbMOaE R  dR  ÍDeeA E  ed   v   o  acluumaceinótno E  dsplc re  i donelnvef o  r i  s a r lia m oe  plvsaseerg  ed caosa o  e d  c m naetstiet,r i  garoód  ulrveniec s  rions.: of    loi, m r emtpcei. o .   ,     IA  utiliza  un  modelo  predictivo  para  estimar  los   diversos  riesgos  identiAicados     El  informe  de  auditoría  puede  ser  continuo  (por   ejemplo,  caliAicado  de  1  a  00)  en  lugar  de   categórico  (limpio,  caliAicado,  adverso,  etc.)     so de recuento de existencias utilizando tecno-   logía de drones, aplicando la IA y el aprendizaje   automático, lo que creará una capacidad que   puede revolucionar áreas de fabricación, cadena     de suministro y gestión de inventario.   A continuación os resumiré algo de lo que se conoce de los prototipos de las grandes firmas, según información de las pro- pias web. Ilustra algo de lo que la PRUEBAS   SUSTANTIVAS   Las  pruebas  periódicas  basadas  en  el   muestreo,  y  la  naturaleza,  la  extensión   y  el  tiempo  dependen  de  las  pruebas   de  control  interno    Pruebas  de  detalles  de  una  muestra   de  transacciones.   Prueba  de  detalles  de  saldos  (en  un   cierto  punto  en  el  tiempo).   Procedimientos  analíticos   El  aseguramiento  continuo  de  la  calidad  de  los   datos  garantiza  la  calidad  de  los  datos  y  la   evidencia   IA  examina  la  procedencia  de  los  datos   Prueba  continua  de  detalles  de  transacciones  en   100%  de  la  población.   Prueba  continua  de  detalles  de  saldos  (en  todo   momento).   Reconocimiento  continuo  de  patrones,  detección   de  valores  atípicos,  puntos  de  referencia  y   visualización   IA puede ofrecer. No puede, por el momento, reemplazar el juicio, el escepticismo o la experiencia que los humanos aportan a su trabajo. Hacer comparaciones o juicios de valor no es la función de este tipo de IA. Las Grandes Firmas han aplicado recientemente IA en varias direccio-       nes mediante la creación de Labo- ratorios de Inteligencia Artificial en Los procedimientos de auditoría manual ahora se pue- cada una de ellas pero con resultados similares. Esta den automatizar con la función de reconocimiento vi- bastante avanzado el prototipo global para expandir el sual del aprendizaje profundo. Por ejemplo, podemos uso de drones en las observaciones de inventario. Con utilizarlos para la prueba de inventario y podrán identi- el fin de mejorar la calidad de la auditoría, este exten- ficar cada uno de los modelos, la cantidad de unidades so proyecto piloto está utilizando tecnología pionera y el estado en que se encuentra cada uno, a través de en la industria para mejorar la precisión y la frecuencia una imagen de video filmado por un dron en el almacén de la recopilación de datos de recuento de inventario. de la empresa. Pero además, podrá reconocer rostros Al innovar el proceso de recuento de existencias utili- de personas, detectar objetos e identificar conceptos zando tecnología de drones innovadora, la inteligencia y tipos de escenas en tiempo real y a una velocidad artificial y el aprendizaje automático crearán una capa- extraordinaria. cidad que puede revolucionar las áreas de fabricación, cadena de suministro y gestión de inventario.   También utilizan tecnologías de aprendiza- je profundo en el proceso de contabilidad de arrendamiento. La IA se utiliza para sim- EVALUACION  DE  LA   EVIDENCIA   Esto  se  convierte  en   parte  de  la  fase   anterior.   El  auditor  debe  evaluar  la  suficiencia,  claridad   y  aceptabilidad  de  la  evidencia  recolectada.   En  consecuencia,  el  auditor  puede  recolectar   más  evidencia  o  reBrarse  del  compromiso   plificar la captura de datos de los contratos al identificar las cláusulas relevantes para el tratamiento contable, como la fecha de inicio del arrendamiento, las cuantías de pago y las opciones de renovación o ter- minación, que brindan un mejor soporte a los clientes en su transición a nuevos es- tándares de contabilidad, como la NIIF 16. Los programas piloto muestran que las he- En definitiva, la capacitación ideal conlleva la eva- rramientas de IA permitirían revisar aproximadamente luación de la evidencia y esto dependerá de nuestra entre el 70% y el 80% de los contenidos de un simple claridad para saber qué buscamos y qué nivel de ase- contrato de arrendamiento, dejando que el resto sea INFORME  DE   AUDITORÍA      Auditor  agrega  información   previa  para  emitir  un  informe.   El  informe  es  categórico:  limpio,   con  salvedades,  adverso,  etc.   REVISTA SE   MESTRAL IA  utiliza  un  modelo  predictivo  para  estimar  los   diversos  riesgos  identiAicados     El  informe  de  auditoría  puede  ser  continuo  (por   ejemplo,  caliAicado  de  1  a  00)  en  lugar  de   categórico  (limpio,  caliAicado,  adverso,  etc.)  

[close]

p. 11

g 11 Las Grandes Firmas han aplicado recientemente IA en varias direcciones mediante la creación de Laboratorios de Inteligencia Artificial considerado por un humano. Con arrendamientos más complejos (en bienes raíces, por ejemplo), esa cifra sería más del 40% pero, a medida que las herramientas mejoran y las máquinas aprenden, es probable que se puedan leer, gestionar y analizar contratos y datos más complejos. Finalmente, también se está trabajando en una prueba de concepto que conecta la IA con la automatización de procesos robóticos y los chatbots. Con ello mejoraría aún más la precisión de sus equipos y la calidad de sus auditorías, al proporcionar un acceso más inteligente en tiempo real a preguntas técnicas, como las regulaciones de auditoría para un país específico, a través de nuestras diversas plataformas a las que los equipos de auditoría acceden a nivel mundial. Los avances tecnológicos nos permiten estar más informados en nuestra evaluación de riesgo de auditoría y en nuestras pruebas, para enfocarnos en los valores atípicos y las anomalías, en lugar de simplemente agregados y poblaciones homogéneas. En 2016, KPMG se asoció con IBM para adoptar técnicas cognitivas para lograr la garantía de auditoría. Ahora es posible que los sistemas interpreten cantidades masivas de información no estructurada, como acuerdos contractuales, para dirigir al auditor a enfocar sus esfuerzos. Si bien el juicio del auditor difícilmente puede ser reemplazado, la visibilidad sobre grandes volúmenes de datos, así como el enfoque habilitado por el análisis predictivo y cognitivo y la IA seguramente están configurados para dar forma a la profesión en algo más dinámico. 3. Desafíos de la Inteligencia Artificial: profesional y ético Son muchos los desafíos y las etapas que tenemos que pasar para que la tecnología se vulgarice y ayude a los auditores a trabajar de una forma más eficiente y segura. Pero cuanto antes empecemos a familiarizarnos con ella, antes tendremos ese excelente asistente virtual de nuestro trabajo. Creo que ha quedado claro que el junior virtual tiene que ser entrenado y que para que trabaje con nuestro know-how y criterios de auditoría, tendrá que ser entrenado con nuestros encargos anteriores. Cuanto más coherentes entre sí sean nuestros encargos, más sencillo y más eficaz será el entrenamiento. Esto cambiará la estructura de los equipos y la cultura de empresa. La profesión de auditoría se ha organizado tradicionalmente de una forma jerárquica con empleados de nivel inferior que realizan tareas repetitivas de bajo nivel, verificando documentos que sus superiores revisan y opinan. Con la IA, la cooperación en el trabajo entre senior, gerentes y socios cambiará y la estructura de personal será más horizontal ya que todos podrán revisar los papeles de trabajo compartidos sobre los que opinar. Es evidente que IA traerá grandes cambios sociales y en el mercado de trabajo. No debemos preocuparnos, aunque sí ocuparnos: principalmente reemplazará tareas, no trabajos. Ahí está el reto: el 40% de los trabajos que habrá en 2030 no existen hoy. Ocurre en cada revolución industrial: se destruyen tareas y se crean otras nuevas. Existe en cada trabajo toda una capa de interpretación y comunicación de resultados y de viaje emocional que las máquinas no harán. Por ejemplo, los contables de manguitos desaparecerán y en su lugar tendremos que ser contables creativos, expertos en valoración o interpretación de los datos. Al introducir nuestros asistentes virtuales inteligentes en los equipos de auditoría, el componente humano deberá ser menos jerarquizado y más diverso en cuanto a formación; se incluirán nuevos perfiles especializados para permitir la implementación, diversidad de habilidades tanto tecnológicas como relacionadas con una visión más estratégica de los sectores. Coincido con la predicción de Persico y Boillet6, en la que el análisis razonado y la interpretación, siempre valorada, serán más valiosas que nunca, pero se pedirá a los auditores que aporten una gama más amplia de experiencia y conocimientos. Adiós contables de manguitos. Muchos profesionales de auditoría avanzarán hacia el rol de un asesor de negocios confiable, que requerirá habilidades y cualidades interpersonales excepcionales, así como la creatividad para brindar información estratégica, utilizando las herramientas a su disposición. Esta información les dará la capacidad para estar más orientados hacia el futuro y ser más predictivos, ayudando a los clientes a identificar futuros riesgos y oportunidades. Por ello, ¿qué sentido tiene una Universidad que enseña recetas? Formamos a nuestros alumnos en conocimientos pero no nos preocupamos tanto de su entrenamiento personal para gestionar la incertidumbre. Tenemos que preparar a los estudiantes para trabajos que todavía no existen, usando tecnologías que no han sido inventadas, destinadas a resolver problemas que todavía no han sido identificados (Ellen Glazerman – 6 Felice Persico es la vicepresidenta global de aseguramiento en EY y Jeanne Boillet es la líder mundial en innovación de aseguramiento en EY. ¿Cómo impactarán la inteligencia artificial y las tecnologías de aprendizaje profundo en la auditoría?. WWW. SILICONREPUBLIC.COM/ENTERPRESE/AUDIT-AI-FINTECH-EY NÚMERO 67 I JULIO/DICIEMBRE 2018

[close]

p. 12

12 gestión REVISTA DE ECONOMÍA ED E&Y Foundation). Por ello, hemos de integrar en nuestras asignaturas proyectos reales de empresas, haciendo así del proceso educativo una vivencia personal y profesional. Tengo experiencia probada de que hacer, analizar y opinar, tanto si se acierta como si se falla, produce mejores resultados que estudiar en un entorno puramente teórico. El reto es cultural y político: hay que crear en el entorno de la Entidad una cultura interna que pueda apoyar el proceso del cambio. La resistencia es importante: tendencia a hacer las cosas como siempre se han hecho, limitaciones presupuestarias y rigidez del marco legal. Este es un aspecto muy importante: cómo serán las normas que permitan hacer todo esto. Mi experiencia es que en España, para dotar de seguridad y fiabilidad lo que hacemos es poner más reglas y procedimientos que se validan en sí mismos y que olvidan el para qué fueron creados. Y lo peor, al final son ellos los que impiden conseguir ese objetivo. Normas sí, por ejemplo para regular la ciberseguridad, que a muchos nos preocupa. El contexto legal es también un gran desafío puesto que son muchos los aspectos jurídicos que hay que considerar con la llegada de la IA. ¿Qué pasa con la protección de datos? ¿De quién es la responsabilidad jurídica? Finalmente, ¿cómo controlaremos la seguridad informática? No podré entrar ahora también en ese tema, lo dejamos pendiente. Finalmente, para mí el verdadero desafío es ético. ¿Hasta dónde vamos a delegar en la IA la toma decisiones? Tendremos incluso que contemplar la posibilidad de que sea manipulada o de que se nutra de información tendenciosa en la red, dando por ejemplo muestras de xenofobia en sus decisiones, o que pueda ser utilizada para actos de dudosa moralidad; porque en definitiva los robots son programados por seres humanos y se nutren de nuestras vivencias y nuestra forma de pensar. 4. A modo de conclusion Que IA nos sustituya o nos acompañe dependerá de nosotros… Referencias Frey y Osborne (2013): The Future of Employment: How Susceptible Are Jobs to Computerisation? Technological Forecasting and Social Change 114, pp. 254-280. DOI: 10.1016/j.techfore.2016.08.019 Issa, H., Sun, T., & Vasarhelyi, M. A. (2016): Research ideas for artificial intelligence in auditing: The formalization of audit and workforce supplementation. Journal of Emerging Technologies in Accounting, 13 (2), pp.1-20. Pickard, M.; Burns, M. and Moffitt, K (2013): A Theoretical Justification for Using Embodied Conversational Agents (ECAs) to Augment Accounting-Related Interviews. Journal of Information Systems: Fall, 27 (2), pp. 159-176. https://doi.org/10.2308/isys-50561 Pickard, Matthew & Schuetzler, Ryan & Valacich, Joseph & Wood, David. (2017). Next-Generation Accounting Interviewing: A Comparison of Human and Embodied Conversational Agents (ECAs) as Interviewers. SSRN Electronic Journal. 10.2139/ssrn.2959693. Sun, T., & Vasarhelyi, M. A. (2017): Deep learning and the future of auditing: How an evolving technology could transform analysis and improve judgment. CPA Journal, June 2016. REVISTA SEMESTRAL

[close]

p. 13

g 13 Influencia del comportamiento ético del jefe de ventas en la actuación del vendedor Pedro Juan Martín Castejón Cristián Sánchez Rodríguez Sandra de la Flor Juárez Universidad de Murcia 1. Introducción Los escándalos empresariales se han incrementado en esta última década, lo que lleva a las empresas a centrarse en las políticas éticas corporativas y en especial en las prácticas que de ellas hacen sus líderes (Mulki et al., 2009). La ética empresarial desempeña un papel imprescindible ya que las cuestiones éticas aparecen en casi todas las funciones de la organización. No obstante, en el ámbito de la fuerza de ventas es de especial relevancia, pues se enfrentan continuamente a una toma de decisiones éticas, debido a su relación más cercana con el mercado. Por ello, sus acciones generan un efecto inmediato en la empresa, no solo en la cifra de ventas sino en otros indicadores subjetivos como la satisfacción, confianza y lealtad del cliente (Román y Iacobucci, 2009). Así pues, este entorno de ventas competitivo, junto con las crecientes exigencias de los clientes, hacen que la presión para producir resultados pueda explicar por qué algunos vendedores caen en la tentación de llevar a cabo conductas poco éticas, o al menos situarse en los límites éticos cuando interactúan con los clientes. En este contexto caracterizado por la presencia de consumidores cada vez más exigentes y sofisticados, es vital la figura y el comportamiento del vendedor como mediador entre el cliente y la organización. Por ello, todo contacto de éste con el comprador debe ser considerado como un “momento de la verdad” (Revilla, 2004). Esto se debe a que las empresas, cada vez dan mayor importancia a la credibilidad y la confianza ante sus clientes y esto se consigue, entre otras cosas, mediante comportamientos éticos. Por tanto, las actividades de venta realizadas desde una perspectiva ética dejan de ser un requisito impuesto por la moralidad y pasan a ser una condición para el mantenimiento de sus clientes y la satisfacción de los mismos (Martín et al., 2011). Esta conducta ética puede estar ocasionada por numerosos factores que enfatizan la susceptibilidad de Las actividades de venta realizadas desde una perspectiva ética dejan de ser un requisito impuesto por la moralidad y pasan a ser una condición para el mantenimiento de sus clientes y la satisfacción de los mismos las situaciones con dilemas éticos. Por consiguiente, el objetivo de este estudio es analizarlos, poniendo énfasis en la influencia de la actuación del jefe de ventas en el comportamiento ético del vendedor, relacionándolo con la manera en la que inciden las variables: formación, tipo de contrato, sector y el tamaño del equipo de ventas, en las actuaciones de la fuerza de ventas. A fin de alcanzar el objetivo expuesto se plantea la siguiente estructura: en primer lugar se establece un marco conceptual, examinando la influencia del jefe de ventas y los factores determinantes del comportamiento ético. A continuación, se recoge la metodología de la investigación y, finalmente, se presentan los resultados y conclusiones, aportando una serie de implicaciones para la gestión de ventas. 2. Influencia de las actuaciones de los jefes de ventas en el comportamiento de los vendedores Son muchas las organizaciones que están tomando conciencia de la relevancia de la ética como fuente generadora de beneficios, pudiendo llegar a ser una ventaja competitiva respecto a sus competidores. Sin NÚMERO 67 I JULIO/DICIEMBRE 2018

[close]

p. 14

14 gestión REVISTA DE ECONOMÍA embargo, en ocasiones la respuesta a lo que está bien o lo que está mal, qué es ético o no, no está del todo clara dentro de la organización. Esto justifica que en el ámbito de la venta personal, no exista consenso en cuanto a la definición de comportamiento ético ni a qué aspectos engloba. En el Cuadro 1 se observan una serie de aproximaciones al concepto de ética, en lo que se refiere al trato de la fuerza de ventas con el cliente: CuCaudardoro1:1:DDeelilimmiitación cconcceeptuaall ddee llaavveennttaaééttiiccaa AUTORES CONCEPTO Cuadro 1: Delimitación conceptual de la venta ética (Dodge, 1973) Comportamiento basado en una orientación a largo plazo y con sentido de responsabilidad social. AUTORES CONCEPTO En este contexto, es conveniente tener en cuenta que la gerencia de ventas y la venta personal son tareas que requieren habilidades (Weitz et al., 2004) (Dodge, 1973) Tener una conducta apropiada y conforme a unos Comportampireintcoipbiaossadeosteanbulencaidoorisenptaocrióenl aglraurpgo de referencia plazo y condeselnintiddoivdideureos.ponsabilidad social. y conocimientos distintos, pues pertenecen a diferentes niveles en la organización. No obstante, la (Weitz(Metaanl.n,i2n0g04y)Reece, 2004) (Manning y Reece, 2004) (Román y Munuera, 2005) FTcpdqoeruoeilmenrnmdiecunariandpuiiirdvondeaisafeddlqCcqFueeceocjouusoooaotm.eeirnadmrmmdbdoeumaplupsanecooteáciátrlsrrdiadtetdabaacfeoamldirlalspeesárirenecjáepoadconoipydetdrtmreiooeallrmaepodlaoafdeáyvqogrlseyuetrfrtsaarimuencenacmlpantlvioeaaoácrtéinsiáiesmtófdhdcpnáoneeoitEtredeemomnllrennrreaeseategofsoaledlyaet.aanlsaerdetadftuseencrileyennaucnocvliialsoacajstoléouiismnónsttniaedetxlaenedtrtgoeeola,aalfsedodsecrequmculalooaaelnvreeqnuieientyvefrtioeeeongnrnrutngíetarhoanraaasedabn,rdelipleemmilunldaiaeevsscdsdemuaenieédscondscatyt(eiaeoMdpcqnocououeorrlneksnoesilfqceelaiigutdmgvueaieerirleer.ga,enciin2ntrltoaa0cfolsinu0rmaid9ddedai)neaes-.tivnetnotsa,spyuelas que está biqenuey lfoaqciuleitesteálmcaol.prreerctteonedceesnararodlliofedreenltaesrneliavceilóens en la oArgsaí npizuaecsió, ne.sNtoosobsustpanetreio, rleasfigduerbaed-el vendedor (Román y Munuera, 2005) con el cliente. Comportarse de forma honestsae yvejuisntafludeidfaoremnagran medida por el driíraenctofor mdeevnetantrasu,npueenstoésrtneocodnefigtruara- la mayoría FuFeunetne:teE:laEbloarbacoiróancpióronppiaroappiaartairpdaertMiradrteínqMueetaarflta.íc(n2il0eitt1e1)ael.l(2c0o1rr1e)c.to con el cliente. desardroelloladse alcacrieolnaceisólenqsudeegsiraatnisfeancctoiórnnoyabrleajnmodiscimmarioeanc(tMtoeru, ilszkianidecotopmalo.p,rr2oa0mlt0o9es)t.enrAivlsaeís- pues, estos Fuente: ElaboraPcioónr porotrpaia pa aparrtteir ddeeMstaarctíannet ualn.(a201s1e)r.ie de acciones scuopnersiiodreersaddeabsenrcíooarnmmfooamspoeénctitocaarésut.incPaeosnrtocronnosdigeutireanbtaej,oécsatreacdteerbizeadreoflpeoxrioanltaors niveles de dentrdoelPnaotorrorgolatarnrPaiaozodrpargacaoairsótntencriaz:odampecsaoitóratcpnea:ondceousnétaatFicscaieagrnsiueudrndaeaen1tsa:recoArciilecaocndoieeorsgnacaeconscniizpsoaiondcceeiroósandcéds:aatoeistbncisesacfioasdrmceecfo-ilóexnpiooycnoraedRsrénoeotsdbitocichrmabeóssritmeeeenloienttlor,i,an2trbsf0aliaunb0jaior6cjáoo)q.meuqspeutreooémléeclenotcemolramolafouslíedlníredozreramrddeadsebebeévetelilcenlalvtesaav. sraPrao(Dracacacovbaniobssoiyyguyiednetec, óémstoe FFigiguurraa11: :AAcccicoionneessppooccoo ééttiiccaass influirá esto en la fuerza de ventas (Davis y Rothstein, 2006). 3. Factores determinantes del comportamiento ético 3. FACTORES DETERMINANTES DEL COMPORTAMIENTO ÉTICO La dirección de ventas puede llevar a cabo políticas que promuevan comportamientos éticos de sus vendedores, o lo que es lo mismo, evitar que se comporten de manera La direnccoióénticad.eEsvtaenstaacscipouneedsevalnleevnarcama incaadboas apoelsíttiicmasulaqruees- promuevan comportamientotsaséaticctousacdieonseuss évtiecnadseednorseus,troatloocqouneloessclioenmteism, coo,nelvaitar que se comporten de mpraonpeiraaenmopéretiscaa.eEinsctalussoacccoionnelossvcaonmepnectaidmoinreasd.aEsnalaeFstii-mular estas actuaciones éticgaus rean2s,usetraotbosceorvnalnosalcgliuennotess,dceoensltaosprcoopmiapeomrtparmesiaenetionsc:luso con los competidores. En la FuenFteu:eEnltaeb:oFErulaacebinóotnrea:pcrEioólpnaibaporaorppaicaaritóairnpdaperrtoKirpüdsiaeteKar yüpsaRtreotrmiryádRneo(2Km0üá0ns8t(e)2.r0y08R).omán (2008). Figura FigurFaig2,usreao2b:sFeravcatnoraelgsuinnofsludyeeenstteoss ceonmeplortamientos: 2: Factorescionmflupyoerntatems ieennetol céotmicpoortamiento ético No solo se trata de situaciones carentes de ética, sino No sNoploartssieoculotlraartsmaeedntetreatsaaitnutadacegioónsneiitcsuaasccaairoelnaetesssaticdsafearecéncttiieócsan, ddseeilncoéliteipnca-ar,ticusilnaromepnaterticularmente antagaónntiacgasónaictleaass(aRatoislmfaaácscnai,tói2sn0fad0ce8cl )icó.lniEesndtteeelt(icRplooiemndátene,c(2oR0mo0m8p)o.árnEt,astm2e0ite0ipn8ot)o.dEpeosctcoeomtippoortadmeiecnotmo portamiento pocopéoticcoo éesticuméontáipecsrsooeubennlsemlupanraovpgberrlnoaetvbmaeleadpmaogranraadglvearesalvpaoesragrpaaaanclricaazisaolcanoiseorgnosaerdgsn,eiazanlúaoicnzsiamocenáimoesnspe,elneasalú,aadnúvomensnátas deonnldaevlaesnta donde las accioancecsidoenelosspdueemeldpoelsenaedmtoespnlpeeuraedcdoesnnspteeunceeudreecnnocntiaesensceuirmecnpocoinarssteaicmnutpeonsrctpaianastreaismpopatroraortsoa.tnrotes.sPpoarraellootros. Por ello dlaetfeorrlmmaianfoaenrnmtelaaamPeqolunuarneelhiqaelolluorqaeduliadereeefcioentelrofjmlreduraidycreaeeercnvetdenolenartsalqudísduepesereeveredcslneoodtlmnaiersaueqln,csuietsqipoeuocrreáodcemdeoimuenvtnfeeelirnurqcmytiuaaaeilsneyaesnenipstnceoufodlap-eueryrasreoaenlnaizl,asrsuesrpuáersonal, será determinlaanhteora dlae ehjoeracedredeejleídrceerrdedleeqlíudieprodceolmeeqruciipaol ycpoomdeerrcial trabatjroacboanjoéxciroteona(léJizxaacitorobss(uJeattrcaaolb.b,as2jo0e1tc4ao)ln.., é2x0i1to4)(.Jacobs et al., 2014). y poder realizar su FuenFtuee: nEtlea:bEorlaacbioórnacpiróonppiaroappiaaratirpaarptiarratirpdaretivradreiovsaaruiotosraeust.ores. 3 REVISTA SEMESTRAL 3 En primer lugar, es relevante que las políticas de la dirección posean influencia sobre la actitud y comportamientos de la fuerza de ventas ya que los valores morales

[close]

p. 15

g 15 En primer lugar, es relevante que las políticas de la dirección posean influencia sobre la actitud y comportamientos de la fuerza de ventas ya que los valores morales pierden importancia si son impuestos por la organización. Sin embargo, si estos valores son identificados como propios y se atribuye énfasis a su importancia, efectivamente serán puestos en práctica. Para ello, es necesario que tanto la dirección de la empresa como los encargados de gestión del equipo de vendedores sirvan de ejemplo con sus propios comportamientos encarnando características personales positivas y tratando de influir en sus empleados mediante la gestión activa de la conducta ética (Chin-Shan y ChiChang, 2014). Debido a que no todas las personas presentan una gran sensibilidad moral, se hace necesario que la empresa Es relevante que las políticas de la dirección posean influencia sobre la actitud y comportamientos de la fuerza de ventas ya que los valores morales pierden importancia si son impuestos por la organización desarrolle una serie de políticas éticas o código ético en la que se establezcan una serie de directrices generales, aplicables por toda la organización, donde se diferencie claramente lo que es ético de lo que no lo es (Kotler y Armstrong, 2016). Por tanto, resulta imprescindible disponer un código ético que sea compartido por todos en la organización y, en particular, por la fuerza de ventas. De la misma manera, existen ciertos rasgos de personalidad y valores propios de los individuos que conducen a distintos comportamientos éticos. La dirección puede tenerlos en cuenta a la hora de seleccionar y reclutar a la fuerza de venta, escogiendo a aquel vendedor cuyos valores morales se adecuen más a la organización. La empresa además, debería proporcionar formación que genere los conocimientos adecuados sobre los productos de la empresa y de la competencia. En el caso de los primeros, es necesario resaltar los beneficios que tiene para el cliente, mientras que en el caso de los competidores, estos deben utilizarse de manera profesional, no haciendo uso de críticas injustificadas. Estas actividades de formación pueden ir enfocadas a que el personal de ventas conozca el procedimiento ante una situación o dilema ético (Küster y Román, 2008). Igualmente, el proceso de evaluación de la actuación es cada vez más visto como un vínculo clave entre el comportamiento de los empleados y los objetivos estratégicos de la organización (Dusterhoff et al., 2014). Por tanto, es importante que la dirección enfatice un NÚMERO 67 I JULIO/DICIEMBRE 2018

[close]

Comments

no comments yet