IA para optimización, riesgos y ética pública
La mejora en la gestión de riesgos mediante inteligencia artificial (IA) permitirá la optimización y la eficiencia en las administraciones públicas, especialmente en las administraciones tributarias (AATT) y de seguridad social.
La IA ofrece el potencial de modernizar y perfeccionar operaciones, mejorar la eficiencia y la precisión de los procesos, y proporcionar mejores servicios a los ciudadanos.
La mejora en la gestión de riesgos y la optimización de la eficiencia en la administración pública a través de la IA es una oportunidad innegable. Sin embargo, el éxito de esta transformación está condicionado a la habilidad de la institución para gestionar proactivamente los riesgos éticos y técnicos (principalmente el sesgo y la falta de transparencia). También es importante su compromiso con la calidad de los datos y una gobernanza sólida.
Imagínese la Optimización y la Eficiencia como un coche de carreras de última generación, y la Mejora en la Gestión de Riesgos como los sistemas avanzados de frenado y dirección.
El coche puede ir increíblemente rápido (eficiencia), pero solamente puede ganar la carrera si sus sistemas de seguridad y control están perfectamente calibrados y son confiables (gestión de riesgos, datos de calidad y gobernanza).
Si los sistemas fallan (sesgo o falta de transparencia), la velocidad se convierte en un peligro catastrófico que destruye la confianza, independientemente del potencial del motor.
I. Optimización y eficiencia impulsadas por la IA
La búsqueda de optimización y eficiencia es uno de los principales objetivos estratégicos para la implementación de la IA.
1.1. Aumento de la capacidad operativa y reducción de costos.
Las tecnologías de IA permiten el análisis de grandes volúmenes de datos a una velocidad y precisión inalcanzables para los seres humanos. Esto resulta en el ahorro de costos y una transformación organizacional. La IA automatiza tareas repetitivas, aumentando la precisión y la eficiencia. Por ejemplo, en el análisis de datos masivos, se puede reducir el tiempo entre el acopio de datos, el análisis en busca de información relevante y la toma de decisiones fundamentadas.
1.2. Mejora de la gestión y la toma de decisiones.
La IA y el análisis de datos transforman la información en un activo de conocimiento para la gestión. Permiten la toma de decisiones más informadas, reduciendo errores y acelerando procesos. El uso estratégico de la IA en la administración tributaria busca incrementar la eficacia y eficiencia de las actuaciones, priorizando la asistencia al contribuyente y la prevención.
II. Mejora en la gestión de riesgos mediante analítica avanzada
La gestión de riesgos tributarios es una labor principal de las AATT, entendida como la probabilidad de incumplimiento de las obligaciones. Gracias a las tecnologías, esta gestión ha transitado de modelos limitados a un alcance integral y con mucha mayor precisión.
Los avances en la ciencia de datos y la potencia computacional permiten que la fiscalización se base en el riesgo y en la predeterminación de obligaciones. La IA mejora significativamente la gestión de riesgos a través de las siguientes aplicaciones:
2.1. Identificación y predicción de riesgos
La IA puede identificar patrones, predecir qué contribuyentes tienen mayor probabilidad de evadir impuestos, descubrir tendencias, incoherencias e irregularidades. Las herramientas de predicción y evaluación de riesgos estiman la probabilidad de que algo suceda basándose en datos ya existentes.
2.2. Segmentación y priorización eficiente
La IA ayuda a clasificar y segmentar a los contribuyentes en función de la probabilidad de incumplimiento o riesgo fiscal, permitiendo a las autoridades concentrar sus esfuerzos en casos sospechosos y optimizar sus recursos. En la Administración Tributaria de Noruega (NTA), el uso de aprendizaje automático para la selección de casos a inspeccionar ha duplicado el porcentaje de inspecciones exitosas en comparación con el proceso manual.
2.3. Detección de fraude y anomalías
La IA es crucial para la lucha contra la evasión fiscal y la detección de fraude. Puede analizar relaciones entre contribuyentes para identificar redes de incumplimiento de alto riesgo que no son obvias.
2.4. Análisis prescriptivo proactivo
La analítica prescriptiva responde a la pregunta de qué debemos hacer y sugiere cursos de acción o estrategias para mitigar riesgos futuros. Esto permite a las AATT anticipar problemas y tomar mejores decisiones, facilitando la toma de acciones de control preventivas y la emisión de alertas en tiempo real.
Ejemplos concretos de herramientas de análisis de riesgo incluyen el sistema HERMES de la Agencia Tributaria de España (AEAT), que genera informes de riesgo estandarizados para seleccionar contribuyentes para acciones de gestión, inspección y recaudación.
III. Riesgos críticos y estrategias de mitigación para la eficiencia responsable
Aunque la IA promete una mejora significativa en la eficiencia y la gestión de riesgos, su implementación plantea riesgos críticos que deben mitigarse para garantizar un uso responsable. Para que la eficiencia sea sostenible y ética, es fundamental abordar estos desafíos:
3.1. Gobernanza y principios éticos
Los beneficios esperados de la IA solo se maximizarán si se establecen marcos de gobernanza que aseguren la transparencia, equidad y seguridad de los datos, minimizando los riesgos.
• Supervisión humana: La supervisión humana es un principio no negociable y debe seguir siendo la instancia final de decisión. Es vital evitar la dependencia excesiva del modelo (el personal confía ciegamente en los resultados), reforzando la capacitación continua y estableciendo procedimientos de revisión obligatoria para decisiones críticas. La IA debe verse como una herramienta de apoyo, no como única fuente de criterio.
• Legalidad y explicabilidad (XAI): La legalidad y la explicabilidad de los modelos (XAI) son valores que deben priorizarse sobre la mera eficiencia tecnológica. XAI busca hacer que los sistemas de IA sean comprensibles, interpretables y auditables, lo cual es fundamental para generar confianza, evitar sesgos discriminatorios y abordar el derecho de los contribuyentes a una explicación sobre las decisiones tomadas por la IA.
3.2. Calidad de datos y sesgo algorítmico
La calidad de la salida de cualquier sistema de IA está determinada por la calidad de la entrada ("basura entra, basura sale"). La disponibilidad de datos de calidad es crucial y una prioridad fundamental antes de invertir en desarrollos costosos de IA.
• Riesgo de sesgo: El sesgo algorítmico se produce cuando los datos de entrenamiento reflejan sesgos históricos o debido al diseño del modelo, lo que puede transferir prejuicios humanos y generar discriminación o un trato inequitativo. Esto puede causar un daño no intencional y socavar la confianza en la equidad del sistema.
• Mitigación de sesgos: Se requiere la mitigación activa de sesgos algorítmicos para garantizar la equidad y la justicia social. Esto incluye utilizar conjuntos de datos representativos y la revisión de los modelos por equipos multidisciplinarios (incluyendo expertos en ética y derecho). Es fundamental auditar la composición de los datos y la lógica interna del modelo antes de su despliegue.
• Seguridad de la información: El uso de IA en AATT maneja datos sensibles protegidos por el secreto fiscal, por lo que la ciberseguridad y la protección de datos personales son cruciales. Las estrategias de mitigación contra la fuga de información (violación del secreto fiscal) incluyen aplicar cifrado, acceso restringido y autenticación multifactorial. La gestión de la seguridad de la información (GSI) debe ser un proceso continuo que garantice la protección de los datos a lo largo de su ciclo de vida.
--------------------------------------------------------------------------
Si te interesa el tema, sigamos en contacto: Rodrigo.Gonzalez@economicas.uba.ar
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