Monterrey

Verónica Rangel: Lupa digital, transformando la fiscalización con IA en México

“Avanzando hacia el futuro: IA impulsa la fiscalización en México, aumentando la eficacia y reduciendo la evasión con tecnologías innovadoras”.

En México, la adopción de inteligencia artificial (IA) en las administraciones tributarias está marcando un cambio significativo en la forma en que se gestionan los datos fiscales y se combaten las prácticas evasivas.

Más de 50 países a nivel global, ya están utilizando técnicas avanzadas para aprovechar los datos y descubrir activos ocultos o identificar nuevos riesgos en sus administraciones tributarias.

Este avance se ilustra con el ejemplo de Suecia, donde desde mayo de 2021 su Administración Tributaria ha implementado IA en el registro de empresas. Este sistema automatizado clasifica las solicitudes según factores de riesgo predefinidos, optimizando el proceso que anteriormente era manual y prolongado. Como resultado, en menos de un año, redujo significativamente el tiempo de registro empresarial y generó ahorros considerables.

Retos de la IA en la Fiscalización Tributaria de México: Sesgos y Protección de Datos

En el contexto mexicano, la implementación de IA en el Sistema de Administración Tributario está en consonancia con la tendencia global.

La IA se está utilizando cada vez más en la fiscalización para detectar fraudes, patrones de conducta y prácticas de evasión organizada. Sin embargo, junto con los beneficios vienen los desafíos y riesgos inherentes.

Es crucial establecer regulaciones específicas que protejan los derechos y garantías de los contribuyentes, asegurando que la IA se utilice de manera ética, transparente y equitativa. Definitivamente esto requiere una colaboración estrecha entre el gobierno y diversos actores para garantizar una implementación adecuada y responsable de estas tecnologías.

Uno de los principales riesgos asociados con la IA en las administraciones tributarias es el sesgo en el control de riesgos fiscales y la selección de contribuyentes para inspecciones tributarias.

Este sesgo puede surgir cuando los modelos de IA aprenden solo de datos limitados o sesgados, como aquellos de contribuyentes que ya han sido objeto de regularización o sanción, dejando de lado otros casos de defraudación que no han sido detectados.

Para mitigar este riesgo, es fundamental un diseño y uso adecuado de la tecnología, asegurando la calidad y la fiscalización de los datos utilizados para entrenar los modelos de IA.

A pesar de estos desafíos, el potencial de la IA para mejorar la eficiencia y efectividad de las políticas tributarias en México es significativo.

Este cambio cultural no solo implica la adopción de nuevas tecnologías, sino también una transformación en la cultura organizativa de la administración actual, donde la investigación, desarrollo, prueba y aprendizaje son fundamentales para alcanzar resultados tangibles.

IA en Acción: Transformación de Áreas Estratégicas de Fiscalización en México

En la lucha contra el fraude fiscal, el SAT está fortaleciendo el uso de Big Data y minería de datos.

Se destacan áreas estratégicas donde se aplican estos datos de manera innovadora: el análisis de la residencia de contribuyentes, la reducción de errores en las declaraciones fiscales mediante técnicas como “nudge” (empujón), la cual consiste en el envío de comunicados, cartas invitación, como medio de recordatorio, sin recurrir a medidas coercitivas directas, fomentando así una mayor cooperación y cumplimiento fiscal.

Otra de las áreas donde se realiza un énfasis es: la prevención y represión de actividades ilícitas como contrabando y lavado de dinero, el aumento de la eficiencia en las selecciones de fiscalización, y el desarrollo de sistemas automatizados para el análisis de riesgos en precios de transferencia.

SAT Apuesta por IA en Plan Estratégico 2024

El Servicio de Administración Tributaria (SAT) de México ha delineado en su Plan Maestro 2024 el uso de IA para mejorar la planificación en la recaudación de impuestos.

Esto incluye la implementación de modelos avanzados de analítica grafos y machine learning para clasificar contribuyentes de riesgo, identificar redes complejas de evasión y detectar inconsistencias en los Comprobantes Fiscales Digitales por Internet (CFDI) relacionadas con el contrabando y empresas “fantasma”.

Esta tecnología se enfocará en sectores clave como automotriz, bebidas alcohólicas, construcción, farmacéutico, hidrocarburos, logística, plataformas tecnológicas, servicios inmobiliarios, seguros y servicios financieros, así como transporte.

Este anuncio es de gran relevancia para el norte del país, ya que, el sector automotriz en México se concentra mayormente en esta zona, específicamente en los estados de Nuevo León, Coahuila, Chihuahua, y Tamaulipas, donde se encuentra alrededor del 70% de la producción total del sector. En contraste, el sur de México representa aproximadamente el 30% restante de la producción automotriz nacional.

Fiscalización Sostenible en la Ruta hacia la Agenda 2030

La implementación efectiva de IA en fiscalización en México requiere no solo el fortalecimiento de equipos multidisciplinarios y una robusta gobernanza de datos, sino también una atención especial a la claridad, calidad, completitud, seguridad, transparencia y ética en el uso de los datos.

Las lecciones aprendidas de otras jurisdicciones subrayan la importancia de estos elementos para el éxito a largo plazo de estas iniciativas tecnológicas.

En conclusión, la IA ha llegado para transformar la gestión fiscal en México, prometiendo mejorar la efectividad de las políticas tributarias y optimizar la administración de recursos públicos. Sin embargo, su implementación debe ser cuidadosamente gestionada para mitigar riesgos y asegurar que se utilice de manera responsable y en beneficio de todos los ciudadanos.

La autora es miembro del Comité Fiscal – Finanzas de Index Nuevo León.

COLUMNAS ANTERIORES

Víctor Romero: Reutilización de tecnología
ENTRE LÍNEAS 22/07/2024

Las expresiones aquí vertidas son responsabilidad de quien firma esta columna de opinión y no necesariamente reflejan la postura editorial de El Financiero.