IA y Big Data: Optimización y eficiencia en auditorías fiscales e inspecciones tributarias
La reducción de tiempos en auditorías (tiempo real) es un resultado directo y central de la búsqueda de optimización y eficiencia por parte de las administraciones tributarias (AATT) mediante el uso de la inteligencia artificial (IA) y el big data.
La IA permite que las AATT analicen grandes volúmenes de datos a una velocidad y precisión inalcanzables para el ser humano, lo que transforma la forma en que se llevan a cabo las tareas de fiscalización y gestión.
La capacidad de la IA para manejar volúmenes masivos de datos con una velocidad sin precedentes convierte los archivos de datos en "yacimientos de datos" listos para su explotación. Esto es el motor que permite a las AATT ir más allá del análisis descriptivo de lo que ocurrió en el pasado y utilizar el análisis predictivo para anticipar problemas y agilizar la toma de decisiones.
En analogía, si las auditorías tradicionales son como la búsqueda de una aguja en un pajar utilizando solamente una lupa, la IA permite utilizar un imán masivo y ultrarrápido (big data y algoritmos) para identificar instantáneamente dónde se concentran las agujas, optimizando el tiempo del auditor, que ahora solamente necesita examinar las áreas de alto riesgo.
La Reducción de Tiempos y la Eficiencia Operativa
La aplicación de la IA en auditorías fiscales y fiscalización tributaria está íntimamente ligada a la optimización de procesos y el aumento de la eficiencia.
1. Procesamiento en tiempo cuasi-real
Las tecnologías de inteligencia artificial podrían posibilitar que las actuaciones 'robóticas' ocurran en tiempo cuasi-real. El uso de IA en la preselección de fiscalizaciones, junto con información en tiempo real, permite la reducción de tiempos. Por ejemplo, el programa de Suministro Inmediato de Información (SII) de la AEAT española permite recibir los datos de facturación del IVA casi a tiempo real para realizar los controles correspondientes.
2. Automatización de tareas repetitivas
La IA es excelente para automatizar tareas repetitivas, lo que reduce el tiempo y podría aminorar los errores humanos. A su vez, podría liberar recursos humanos para que se reorienten en actividades de mayor valor añadido. Esta automatización es clave para lograr eficiencia y ahorro de costos.
3. Aceleración de procesos
Un objetivo fundamental al aplicar el aprendizaje automático a partir de Big Data es reducir los tiempos entre la recolección de datos, el análisis para obtener información relevante y la utilización de ese resultado para tomar decisiones fundamentadas. Históricamente, en procesos manuales, la IA ha demostrado reducciones drásticas; por ejemplo, el sistema Prometea en Argentina logró una reducción de hasta un 99% en el tiempo requerido para ciertas actuaciones judiciales.
Optimización y enfoque estratégico en auditorías
La optimización de los tiempos se logra enfocando los esfuerzos de fiscalización de manera estratégica y con mayor precisión.
• Análisis de riesgos y selección de casos
Un potencial caso de uso es en el análisis de riesgos y la lucha contra el fraude y la evasión. Las tecnologías de IA procesan grandes volúmenes de datos para identificar patrones y señales de riesgo de evasión fiscal. Esto permite a las autoridades concentrar sus esfuerzos en casos sospechosos, optimizando la detección y prevención de delitos tributarios.
La Administración Tributaria de Noruega (NTA), por ejemplo, utiliza el aprendizaje automático para mejorar la eficiencia en la selección de casos a inspeccionar, clasificando a los contribuyentes según la probabilidad de error en sus declaraciones de IVA, logrando que el porcentaje de inspecciones exitosas se haya más que duplicado en comparación con el proceso manual.
• Auditorías inteligentes
En el marco de las administraciones tributarias, los sistemas de IA podrían analizar grandes cantidades de información financiera y contable para detectar inconsistencias y transacciones inusuales.
La combinación de auditoría con IA realiza la clasificación de las transacciones automáticamente, proporcionando un informe detallado de posibles riesgos. Este enfoque facilita la selección de casos para auditorías más exhaustivas, mejorando la eficiencia y la efectividad.
• Optimización mediante LLM y RPA
Los modelos de lenguaje natural (LLM) son fundamentales para estructurar información desordenada, resumir y procesar grandes volúmenes de información.
En el área de fiscalización, por ejemplo, las administraciones tributarias pueden utilizar informes de auditoría textuales para identificar motivos recurrentes de falta de interés fiscal. Esto permitiría mejorar hipótesis futuras y aumentar la productividad de los auditores impositivos. También se podría usar la IA para la clasificación automática de documentos de los informes finales de descargo (PDFs), permitiendo descartar casos de menor riesgo y obtener resúmenes generales rápidamente.
La automatización robótica de procesos (RPA), utilizada por la administración tributaria de Finlandia en el trabajo de auditoría, permitió reducir la carga de trabajo y mejorar la calidad del trabajo, utilizando robots para la calidad de datos y la recopilación rápida de información de diferentes fuentes.
Requisitos para la optimización de tiempos
Para que esta reducción de tiempos y optimización se materialicen, es esencial abordar desafíos clave relacionados con la materia prima de la IA: los datos.
1. Calidad y volumen de datos
La eficacia de la IA en la optimización de los procesos depende directamente del volumen y la calidad de los datos disponibles. Es crucial prestar atención prioritaria a mejorar la calidad de los datos y revisar la arquitectura de la información de cada organización. Se necesita gestionar los datos a lo largo de su ciclo de vida, desde la creación hasta su destrucción, asegurando la accesibilidad y disponibilidad de datos limpios y útiles.
2. Integración y homogeneización
Los datos valiosos a menudo están dispersos en diversos sistemas y repositorios de la organización, lo que los vuelve complejos de procesar. Es necesario realizar un trabajo de homogeneización de datos e integrar los datos de fuentes heterogéneas en un depósito único.
3. Rol humano y gobernanza
La IA debe verse como una herramienta de apoyo, no como la única fuente de criterio. El personal debe tener la capacidad y la competencia para interpretar y utilizar las observaciones extraídas de los datos. La intervención humana sigue siendo la instancia final de decisión, asegurando la rendición de cuentas y la mitigación de riesgos.
--------------------------------------------------------------------------------
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