Publicación:
Respuestas a preguntas en contratos de arrendamiento bajo la normativa ASC (Accounting Standards Codification) 842 utilizando grandes modelos de lenguaje

dc.contributor.advisorOlarte Hernández, Tomás
dc.contributor.authorArmendáriz Peña, David Adrián
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Ciencias de Datos y Analíticaspa
dc.creator.emaildarmendar@eafit.edu.co
dc.date.accessioned2025-06-06T16:07:17Z
dc.date.available2025-06-06T16:07:17Z
dc.date.issued2025
dc.descriptionLa normativa ASC 842, parte de los GAAP (Generally Accepted Accounting Principles en inglés) en Estados Unidos, establece reglas para registrar arrendamientos en los balances financieros, mejorando la transparencia y la comparabilidad. Sin embargo, su implementación presenta retos significativos, como interpretar contratos complejos y extraer información clave, tareas que suelen realizarse de forma manual, lo que implica altos costos y errores. Esta tesis desarrolla un sistema automatizado para responder preguntas relevantes sobre contratos de arrendamiento, utilizando Procesamiento de Lenguaje Natural, Grandes Modelos de Lenguaje y Generación Aumentada por Recuperación. El objetivo es reducir la dependencia de consultores externos al identificar información necesaria para elaborar memorandos técnicos contables de manera automática. Se utilizó la metodología GenAI Lifecycle, que incluye la vectorización de texto mediante modelos de embeddings y el almacenamiento de datos en bases vectoriales como Pinecone. Con contratos de arrendamiento obtenidos de la SEC (Security Exchange Comission en inglés), el sistema se desarroló para responder preguntas clave como fechas, nombres de arrendatarios, opciones de compra o renovación, alcanzando una precisión de al menos el 70%. Los resultados demuestran que el sistema reduce significativamente los tiempos y costos asociados al análisis de contratos, mejorando la precisión en el cumplimiento de la normativa ASC 842. Este enfoque tiene implicaciones prácticas para la industria contable, al ofrecer una solución escalable que democratiza el acceso a herramientas avanzadas de inteligencia artificial, permitiendo a las empresas gestionar de manera eficiente sus procesos normativos. Este trabajo representa un avance significativo en la integración de inteligencia artificial para resolver problemas reales en la contabilidad, fomentando la innovación en la extracción y análisis de información normativa.
dc.description.abstractThe ASC 842 standard, part of GAAP (Generally Accepted Accounting Principles) in the United States, establishes rules for recording leases in financial statements, enhancing transparency and comparability. However, its implementation poses significant challenges, such as interpreting complex contracts and extracting key information, tasks often performed manually, leading to high costs and errors. This thesis develops an automated system to address relevant questions about lease contracts using Natural Language Processing, Large Language Models, and Retrieval Augmented Generation. The goal is to reduce reliance on external consultants by identifying the information needed to draft technical accounting memos automatically. The GenAI Lifecycle methodology was employed, including text vectorization using embedding models and data storage in vector databases like Pinecone. Using lease contracts obtained from the Security Exchange Comission, the system was developed to answer key questions such as dates, purchase options, or renewal terms, achieving at least 70% accuracy. The results demonstrate that the system significantly reduces the time and costs associated with contract analysis, improving the accuracy in compliance with ASC 842. This approach has practical implications for the accounting industry, offering a scalable solution that democratizes access to advanced artificial intelligence tools, enabling companies to efficiently manage their regulatory processes. This work represents a significant step forward in integrating artificial intelligence to solve real-world accounting problems, fostering innovation in the extraction and analysis of regulatory information.
dc.identifier.urihttps://hdl.handle.net/10784/35417
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Ciencias Aplicadas e Ingeniería. Área Computación y Analíticaspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Ciencias de los Datos y Analíticaspa
dc.relation.urihttps://github.com/DavidArmendariz/eafit-tesis
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectGrandes modelos de lenguaje
dc.subjectGeneración aumentada por recuperación
dc.subjectCodificación de normas contables
dc.subjectNorma de contabilidad ASC 842
dc.subjectContabilidad de arrendamientos
dc.subject.keywordLarge Language Models
dc.subject.keywordRetrieval-Augmented Generation
dc.subject.keywordAccounting Standards Encoding
dc.subject.keywordASC 842 Accounting Standard
dc.subject.keywordLease Accounting
dc.subject.lembCIENCIA DE LA INFORMACIÓN
dc.subject.lembAUTOMATIZACIÓN
dc.subject.lembCONTRATOS DE ARRENDAMIENTO
dc.titleRespuestas a preguntas en contratos de arrendamiento bajo la normativa ASC (Accounting Standards Codification) 842 utilizando grandes modelos de lenguaje
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaInforme
dspace.entity.typePublication

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
DavidArmendariz_2025.pdf
Tamaño:
3.09 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafit 1.pdf
Tamaño:
110.84 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras_signed.pdf
Tamaño:
564.66 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción: