Clasificación y optimización con IA
La clasificación automática de transacciones, documentos y contribuyentes impulsa la optimización y eficiencia de las administraciones tributarias.
La IA ofrece la capacidad de analizar grandes volúmenes de datos a una velocidad y precisión inalcanzables para el ser humano, lo cual permite mejorar la eficiencia y la precisión de los procesos fiscales.
La clasificación automática de transacciones mediante IA actúa como un filtro inteligente: permite a la administración convertir grandes volúmenes de datos brutos en conocimiento accionable, lo que conduce a una focalización más precisa de los esfuerzos de fiscalización y a la optimización de los recursos, transformando la tarea manual de "buscar una aguja en un pajar" en un proceso automatizado que solamente preselecciona las agujas con mayor interés fiscal para que se realice la inspección por parte de un equipo de fiscalización integrado por humanos.
I. Impacto de la clasificación automática en la eficiencia
Las capacidades de clasificación asistidas por IA pueden resultar en mejoras operacionales y ahorros de costos. La eficiencia se logra tanto al automatizar tareas repetitivas como al optimizar procesos complejos.
1. Aceleración de tareas y ahorro de tiempo:
◦ La clasificación automática puede lograr en un tiempo extremadamente corto lo que, con mecanismos tradicionales, requeriría meses de trabajo por parte de una persona. Este incremento de eficiencia es significativo cuando se aplica a millones de contribuyentes.
◦ La IA puede cargar documentos automáticamente, comprender entradas y clasificarlas correctamente conforme a un sistema único de parámetros predefinidos.
◦ Un caso de uso posible es la Clasificación Automática de Documentos de Descargo de Fiscalización (en formato PDF). Al aplicar modelos de lenguaje natural, se logra estructurar información desordenada y procesar grandes volúmenes para obtener un resumen general de los contenidos.
2. Redirección de Recursos Humanos:
◦ La automatización de tareas de clasificación libera a los servidores públicos para concentrarse en tareas de mayor valor agregado. Sin embargo, es importante tener siempre presente que la IA debe ser vista como una herramienta de apoyo, no como la única fuente de criterio.
◦ En las auditorías, la combinación con IA permite la clasificación automática de transacciones, proporcionando un informe detallado de posibles riesgos y permitiendo la reducción de tiempos al contar con información en tiempo real.
3. Mejora de la calidad de la información:
◦ La clasificación y el análisis de datos son esenciales para transformar datos en información útil que pueda ser explotada. Esto es crucial para la toma de decisiones informadas.
◦ Un caso ilustrativo es la asignación de actividad económica a contribuyentes sin clasificación correcta. Este ejercicio simple, al clasificar contribuyentes en categorías como Comercio o Servicios, puede ser determinante para la gestión de riesgos y el cumplimiento tributario.
II. Optimización a través del análisis de riesgos
El uso más común y estratégico de la clasificación automática en las administraciones tributarias es en el análisis de riesgos y la lucha contra la evasión y el fraude fiscal.
• Segmentación de contribuyentes:
La IA permite la segmentación de contribuyentes con mucha mayor precisión. Por ejemplo, se puede clasificar a los contribuyentes según sus antecedentes de incumplimiento, su comportamiento fiscal o con base en parámetros de facturación.
• Asignación eficiente de recursos:
Al identificar a los contribuyentes con mayor probabilidad de fraude o evasión, las autoridades pueden concentrar sus esfuerzos en casos sospechosos y optimizar sus recursos.
• Inspecciones inteligentes:
La clasificación se utiliza para seleccionar a los contribuyentes que serán sometidos a auditoría. Por ejemplo, en Noruega, el uso de IA para preseleccionar casos de interés fiscal para la fiscalización de IVA duplicó el porcentaje de aciertos en comparación con el proceso manual, lo que demuestra un aumento sustancial en la eficiencia.
• Detección de facturas falsas:
Se pueden construir modelos predictivos, entrenados a partir de casos (como redes neuronales o árboles de decisión), que ayuden a seleccionar facturas para auditar ante la sospecha de que sean falsas.
III. Requisitos clave para la optimización
Para que la clasificación automática genere la eficiencia y optimización esperadas, es imperativo abordar tanto la calidad de los datos como los desafíos éticos.
1. Calidad y gobernanza de datos:
◦ La calidad de los datos utilizados para entrenar los sistemas de IA es un factor crítico para el éxito de su implementación. Sin datos de calidad, los algoritmos de IA no pueden formular predicciones correctas.
◦ Antes de invertir en desarrollos costosos de IA, es fundamental realizar una trilogía de tareas preparatorias: un análisis crítico de procesos, una mejora de la calidad de los datos y una revisión de la arquitectura de la información.
2. Mitigación de sesgos:
◦ La presencia de sesgos en los datos de entrenamiento o en el diseño algorítmico puede afectar negativamente a ciertos grupos de contribuyentes, generando sobrerrepresentación en la selección de casos de potencial interés fiscal, lo cual podría vulnerar principios de equidad fiscal.
◦ La IA debe utilizarse de manera responsable, con salvaguardias adecuadas. Esto incluye garantizar que los datos de entrenamiento sean representativos y precisos para evitar la clasificación errónea de contribuyentes cumplidores.
3. Transparencia y explicabilidad (XAI):
◦ Es fundamental que los modelos utilizados sean explicables (XAI) para generar confianza, permitir la auditoría y evitar sesgos discriminatorios.
◦ La IA debe ser comprensible y verificable por un funcionario o auditor externo antes de tomar una decisión crítica. La explicabilidad ayuda a desarrollar la responsabilidad, la equidad y la transparencia.
--
Te invitamos a continuar reflexionando sobre estos temas en la jornada sobre "Los desafíos de la implementación de la IA en la justicia y administración tributaria", a realizarse el lunes 1 de diciembre de 2025 de 18:30 a 20 h, por Zoom, que organiza la Comisión de Inteligencia Artificial del Centro de Estudios Derecho Financiero y Derecho Tributario de la Facultad de Derecho, Universidad de Buenos Aires #UBA.
Inscripción aquí: https://forms.gle/ke9cmyvQxRTLWnje9
Comentarios
Publicar un comentario