La influencia del cambio tecnológico en la prueba de deterioro

La prueba de deterioro es una herramienta fundamental para evaluar la vida útil de los activos y determinar si deben reemplazarse o repararse. Con el cambio tecnológico constante, la manera en que se ejecuta este proceso también evoluciona. A continuación se analiza cómo el análisis de Big Data y el Machine Learning están transformando la prueba de deterioro, con especial énfasis en el marco normativo aplicable en México.

¿En qué consiste la prueba de deterioro?

La prueba de deterioro es un proceso de evaluación que determina el valor recuperable de un activo —ya sea un inmueble, una máquina o un vehículo— y lo compara con su valor en libros. Conforme a IFRS (IAS 36) y su equivalente en normativa mexicana (NIF C-15 Deterioro en el valor de activos de larga duración y su disposición), las entidades deben reconocer una pérdida por deterioro cuando el valor en libros de un activo excede su monto recuperable.

En la práctica, esta evaluación se realiza al menos una vez al año o cuando existen indicios de deterioro. Si un activo se deprecia más rápido de lo previsto —situación regulada también por la NIF C-6 Propiedades, planta y equipo—, ello puede señalar un problema operativo o tecnológico que requiere acción inmediata.

Big Data aplicado a la prueba de deterioro

El análisis de Big Data permite recopilar y procesar grandes volúmenes de datos para identificar patrones y tendencias que serían indetectables mediante métodos tradicionales. Aplicado a la prueba de deterioro, este enfoque ofrece ventajas concretas:

• Identificación de factores de deterioro: una empresa puede correlacionar variables como horas de uso, temperatura ambiental, humedad y registros de mantenimiento para determinar cuáles aceleran la pérdida de valor de un activo.
• Análisis de mercado en tiempo real: en sectores con alta rotación tecnológica, el Big Data permite rastrear tendencias de precios y obsolescencia, insumos clave para estimar el valor neto de realización que exige la NIF C-8 Activos intangibles.
• Soporte documental ante el SAT: la trazabilidad que generan las plataformas de Big Data fortalece la evidencia requerida por el Código Fiscal de la Federación (CFF) en caso de revisión sobre deducciones por deterioro en términos de la LISR.

Machine Learning y modelos predictivos de deterioro

El Machine Learning es una disciplina de inteligencia artificial que permite a los sistemas aprender de datos históricos y mejorar su desempeño de forma continua. En el contexto de la prueba de deterioro, su principal aportación es el desarrollo de modelos predictivos capaces de anticipar cuándo un activo alcanzará su punto de deterioro significativo.

Por ejemplo, un modelo entrenado con datos de sensores instalados en maquinaria industrial puede predecir con alta precisión el momento en que la máquina requerirá mantenimiento mayor o deberá darse de baja. Esta capacidad predictiva permite a las organizaciones:

1. Planificar inversiones de reposición con mayor certeza financiera.
2. Optimizar el calendario de pruebas de deterioro, concentrando recursos en los activos con mayor riesgo.
3. Respaldar técnicamente los ajustes en la vida útil estimada conforme a NIF C-6, evitando impugnaciones por parte de la autoridad fiscal.

Prueba de deterioro en activos intangibles: el caso del software

En la industria tecnológica, los ciclos de vida de los productos pueden ser extremadamente cortos: la obsolescencia puede producirse en cuestión de meses. Por ello, la prueba de deterioro adquiere una relevancia especial para los activos intangibles, regulados en México por la NIF C-8.

Las empresas deben considerar no solo la obsolescencia tecnológica, sino también los cambios en las preferencias de los usuarios y la dinámica competitiva del mercado. Un software que pierde relevancia frente a soluciones emergentes puede requerir el reconocimiento de una pérdida por deterioro antes de que expire su vida útil originalmente estimada. La correcta aplicación de esta norma impacta directamente en la información financiera presentada ante la CNBV para entidades listadas en la BMV.

Prueba de deterioro en hardware y equipo tecnológico

Los productos de hardware presentan un desafío particular: su valor de mercado puede caer abruptamente ante el lanzamiento de nuevas generaciones. Para los activos categorizados dentro de propiedades, planta y equipo —regulados por NIF C-6—, el Big Data permite rastrear la evolución de precios de modelos equivalentes y estimar con mayor precisión el valor razonable menos los costos de disposición, uno de los componentes del monto recuperable definido en NIF C-15 e IFRS (IAS 36).

Adicionalmente, los equipos electrónicos utilizados en operaciones internas pueden estar sujetos a condiciones ambientales extremas o uso intensivo que aceleran su deterioro físico. La combinación de pruebas de vida útil con análisis de datos operativos proporciona una base técnica sólida para determinar la periodicidad adecuada de las pruebas y el nivel de ajuste contable necesario.

CPCON México: socio especializado en pruebas de deterioro

CPCON México integra metodologías avanzadas de análisis de datos con experiencia normativa profunda en NIF C-6, C-8, C-15 e IFRS (IAS 36) para ofrecer servicios de prueba de deterioro alineados con los requerimientos del SAT, la CNBV y las mejores prácticas internacionales. Nuestros equipos acompañan a las organizaciones en el diseño de políticas de deterioro, la implementación de herramientas tecnológicas de monitoreo y la generación de evidencia documental robusta.