RESUMEN:

El estudio tuvo como objetivo analizar críticamente y sintetizar la evidencia empírica publicada entre enero de 2020 y mayo de 2026 sobre la relación entre las modalidades de explicabilidad de la inteligencia artificial (IA), la confianza, la aceptación y la calidad de las decisiones en las principales funciones de la contabilidad de gestión. Se aplicó una revisión sistemática con síntesis crítica narrativa, de acuerdo con los preceptos de PRISMA 2020 y PRISMA-S. Se ejecutaron búsqueda de estudios en Scopus, SciELO y EBSCO, seleccionándose investigaciones arbitradas y de carácter empírico sobre IA explicable o contextos gerenciales transferibles en materia de resultados humanos y decisiones de contabilidad de gestión. Se recopilaron 98 estudios, después de eliminar seis duplicados quedaron 92 registros, posteriormente se desestimaron 81, quedando 11 informes, cinco no eran de acceso y los seis restantes pasaron a una evaluación de texto completo. Finalmente, tres de ellos se ajustaban a los criterios para la síntesis y los otros tres quedaron fuera. La evidencia directa no va más allá de la estimación de costos. Los trabajos incorporados explican que la transparencia o la explicabilidad son propicias para depositar confianza y hacer uso del consejo de un algoritmo. Conclusivamente, es poca cosa generalizar en cuanto a la presupuestación, el pronóstico, la evaluación del desempeño o el análisis de desviaciones. Hay necesidad de estudios de campo que vayan más allá y ofrezcan una medida objetiva del desempeño, de la confianza calibrada y del uso efectivo, comparando a su vez las modalidades explicativas.

Palabras clave: inteligencia artificial explicable, contabilidad de gestión, confianza, aceptación tecnológica, calidad de las decisiones