Big Data en Fiscalización y Cumplimiento Tributario
El Análisis de Big Data y Datos Masivos es el fundamento operativo y estratégico que ha permitido a las Administraciones Tributarias (AATT) revolucionar los procesos de Fiscalización y Cumplimiento.
La IA y el machine learning son las tecnologías que explotan estos datos para transformar el control fiscal tradicional en una "agencia de datos" centrada en la inteligencia económica y el riesgo.
I. La importancia de los datos masivos en el contexto tributario
El concepto de big data (o macrodatos) describe conjuntos de datos demasiado grandes o complejos para ser tratados con software de procesamiento tradicional. Las AATT se han convertido en organizaciones especializadas en el manejo de grandes volúmenes de datos debido a la complejidad creciente del entorno, la economía digital y la proliferación de transacciones.
Sus características son las 5 V:
• Volumen (Volumen): La cantidad de información es masiva y aumenta exponencialmente. Por ejemplo, el Servicio de Impuestos Internos de EE. UU. (IRS) multiplicó su volumen de datos almacenados por 100 entre 2007 y 2017.
• Variedad (Variety): Los datos provienen de múltiples fuentes y están en diversos formatos, incluyendo datos estructurados (fácilmente organizables, como declaraciones de impuestos) y no estructurados (texto, imágenes, audio, video, etc.).
• Velocidad (Velocity): Se refiere a la velocidad de producción y adquisición de los datos.
• Veracidad (Veracity): Se relaciona con la confiabilidad y calidad de los datos.
• Volatilidad (Volatility): La información cambia rápidamente y su valor puede depender de su temporalidad.
El verdadero valor de estos datos no reside en su simple acumulación o almacenamiento, sino en el tratamiento y la inteligencia que se extrae de ellos.
II. Fiscalización y cumplimiento impulsados por big data
El análisis de big data permite a las AATT ir más allá de las técnicas tradicionales de cruce de datos para invertir en herramientas más avanzadas. Los sistemas de IA y machine learning se nutren de estos macrodatos para identificar patrones, hacer deducciones y predecir resultados con precisión.
El uso del big data en la fiscalización y el cumplimiento puede recurrir a los siguientes mecanismos de analítica:
1. Análisis descriptivo: Responde a la pregunta “qué sucedió o qué sucede”. Se basa en datos históricos para calcular métricas e identificar tendencias, como el cumplimiento en términos de declaraciones presentadas. Sin embargo, por sí solo, no ofrece información transformadora.
2. Análisis predictivo: Intenta predecir “qué sucederá”. En el ámbito fiscal, ayuda a las autoridades a estimar ingresos futuros y a reconocer posibles evasiones fiscales.
3. Análisis prescriptivo: Determina “qué debiéramos hacer”. Emplea técnicas de optimización y machine learning para examinar datos y recomendar acciones para el mejor despliegue posible de recursos.
Aplicaciones específicas en fiscalización:
• Detección de fraude y evasión: Los sistemas de IA pueden cribar enormes cantidades de información para reconocer patrones y anomalías que indican evasión fiscal, lo que permite a las autoridades concentrar sus esfuerzos en casos sospechosos. Costa Rica, por ejemplo, usó big data y minería de datos predictivas para detectar la simulación de pagos.
• Cruces de información multifuente: La IA permite el cruce automático de datos fiscales, bancarios y de otras fuentes, incluyendo redes sociales, para detectar patrones de evasión o inconsistencias en tiempo real.
• Control de grandes patrimonios: El control de los grandes patrimonios es una línea prioritaria para varias administraciones tributarias. Esto se logra mediante la utilización de nuevas técnicas de big data para la obtención y el análisis de información relativa a este tipo de contribuyentes, incluyendo la detección de cambios ficticios de residencia fiscal.
• Auditorías inteligentes: Los sistemas analíticos procesan grandes cantidades de datos financieros y contables, lo que facilita la selección de casos para auditorías más exhaustivas y mejora la eficiencia de las revisiones fiscales. El Big Data y el machine learning se usan como métodos predictivos para evaluar el riesgo fiscal de los contribuyentes.
• Detección de fraude en IVA y aduanas: El big data es esencial para el control del IVA y la detección de fraudes complejos como el fraude carrusel. Sistemas como SISAM en Brasil analizan formularios de declaración de importaciones usando IA que aprende del historial, para estimar la probabilidad de errores y calcular el valor esperado de los ingresos para cada error detectado.
III. Desafíos y requisitos para el uso responsable de datos masivos
El uso de Big Data y la IA en fiscalización implica riesgos altos y requiere una gestión de datos rigurosa, ya que la recopilación y análisis de grandes cantidades de datos personales pueden generar problemas de privacidad.
1. Gobernanza y calidad de datos
La eficacia de las tecnologías de IA depende directamente del volumen y la calidad de los datos disponibles.
• Prioridad: Antes de invertir en costosos desarrollos de IA, es fundamental priorizar la mejora continua de la calidad de los datos y revisar la arquitectura de la información. Sin datos de calidad, los algoritmos de IA no pueden formular predicciones correctas.
• Gestión del ciclo de vida: La gobernanza de datos abarca la gestión desde la creación hasta la destrucción de la información. Se deben llevar a cabo actividades como la limpieza, transformación (homogeneización), normalización y el etiquetado de los datos.
• Interoperabilidad: Los datos valiosos a menudo están dispersos por diversos sistemas y repositorios de datos. Es necesario lograr la integración y unificación de datos de fuentes heterogéneas en un depósito único.
2. Protección de derechos y sesgo algorítmico
El análisis de Big Data genera desafíos éticos que deben mitigarse para garantizar el cumplimiento de los principios de legalidad y equidad.
• Secreto fiscal y privacidad: Las AATT manejan datos sensibles protegidos por el instituto del secreto fiscal. El uso de Big Data para la fiscalización debe garantizar la segregación, anonimización y privacidad de la información.
• Sesgos en los datos: La mayoría de los conjuntos de datos reales tienen sesgos ocultos. Si los sistemas de IA se entrenan con conjuntos de datos sesgados o incompletos (por ejemplo, solo con datos de infractores sancionados), pueden perpetuar e incluso agravar sesgos preexistentes. Es crucial la detección precoz y la mitigación activa de sesgos.
• Transparencia (XAI): Para mantener la confianza y la legitimidad en la fiscalización, los algoritmos deben ser explicables, interpretables y auditables. Esto es vital para asegurar que las políticas públicas, incluidos los algoritmos de fiscalización, no procedan de prácticas discriminatorias.
IV. El futuro: De Control Fiscal a Agencia de Datos
La transformación digital está impulsando la consolidación de los datos de las administraciones tributarias con otras instituciones (aduanas, seguridad social, catastro, etc.) para crear una administración tributaria ampliada y convertir a las administraciones en centros de datos e inteligencia económica. Esta "agencia de datos" permitirá profundizar el control fiscal al hacer que la fiscalización se base en el riesgo y la predeterminación de obligaciones.
El Big Data en la fiscalización es como una enorme malla de pesca digital que, gracias a la IA, no solo es capaz de abarcar todo el océano de transacciones (volumen y variedad), sino que también tiene la inteligencia para seleccionar y retener únicamente los "peces" que cumplen con el perfil de riesgo deseado (precisión y eficiencia) en tiempo real, en lugar de arrastrar manualmente toda la red. Sin embargo, si la malla está mal diseñada o sesgada, solo pescará en las mismas áreas, ignorando nuevos bancos de peces (fraude) y capturando injustamente a especies inocentes (contribuyentes honestos).
--------------------------------------------------------------------------------
Si no puedes concurrir presencialmente, sigue la transmisión del CEAT Centro de Estudios en Administración Tributaria FCE UBA ese día en forma virtual sincrónica: https://www.youtube.com/live/xwzWZjm4ggY?si=tlFLoJGNnx92wOXf
Puedes inscribirte en el siguiente formulario: https://docs.google.com/forms/d/e/1FAIpQLSe__cNXf1Fm0KlpCP3FppKDs92ttx0vl55Rh8L2_L4e7VtRGg/viewform?fbclid=IwY2xjawOJwFpleHRuA2FlbQIxMABicmlkETFxeGdCaEg5NHQ0NFRVSnljc3J0YwZhcHBfaWQQMjIyMDM5MTc4ODIwMDg5MgABHoX9i4IC48Z3E0M4RVsN_6T0SwE1IPTPilemnrPjeMDIXlvyie7E9vIzvE1n_aem_B79S-oN7PtTqQycFEm6DWA&brid=x6-jklz_MmIF1MDSM5JW2g&pli=1
Comentarios
Publicar un comentario