Acceso usuarios
Gustavo Porporato Daher
Las competencias necesarias en la formación universitaria están siendo redefinidas por la digitalización del trabajo contable y financiero, y por la adopción creciente de herramientas de inteligencia artificial generativa (GenAI). Este estudio analiza la autopercepción de estudiantes de Grado y Posgrado respecto a su dominio de herramientas digitales para el análisis (Excel, Tablas Dinámicas, Analizar Datos, Copilot y ChatGPT) y propone un modelo de entrenamiento progresivo alineado con las necesidades del mercado. Se empleó un diseño cuantitativo, descriptivo- comparativo y transversal, aplicado a una muestra de 157 estudiantes de tres universidades de España, Italia y Argentina. Los resultados evidencian diferencias significativas entre ambos niveles formativos. Los estudiantes de Posgrado manifiestan mayor competencia en herramientas tradicionales basadas en hojas de cálculo, mientras que los de Grado presentan una familiaridad superior con herramientas de GenAI. Estos patrones reflejan trayectorias formativas diferenciadas y cambios emergentes en los procesos cognitivos asociados al uso de tecnologías digitales. A partir de estos hallazgos, se propone un modelo formativo en tres etapas orientado a reforzar el aprendizaje de herramientas digitales, el razonamiento analítico y la validación crítica de los resultados generados por la GenAI. El modelo se evaluó basado en indicadores objetivos de desempeño, los cuales mostraron mejoras relevantes de los estudiantes en el uso de las herramientas evaluadas.
The digitalization of accounting and financial work, and the growing adoption of generative artificial intelligence (GenAI), are reshaping the competencies required in higher education. This study examines the self-perceived digital proficiency of undergraduate and postgraduate students in key analytical tools (Excel, PivotTables, Analyze Data, Copilot, and ChatGPT) and proposes a progressive training model aligned with current market needs. A quantitative, descriptive–comparative, cross-sectional design was applied to a sample of 157 students from three universities in Spain, Italy, and Argentina. Findings reveal significant differences between educational levels. Postgraduate students report higher competence in traditional spreadsheet-based tools, whereas Undergraduate students display greater familiarity with GenAI tools. These patterns reflect differentiated educational trajectories and emerging cognitive shifts associated with the use of digital technologies. Based on these insights, the study proposes a three- stage training model aimed at strengthening digital tool proficiency, analytical reasoning, and the critical validation of GenAI-generated outputs. The model was evaluated using objective performance indicators, which showed substantial improvements in students’ use of the tools assessed.
