SAT, impuestos e Inteligencia Artificial

El Sistema de Administración Tributaria (SAT) ya utiliza la inteligencia artificial (IA) para aumentar la recaudación fiscal, prevenir la evasión de impuestos y clasificar a los contribuyentes.

En mayo, el SAT informó que la recaudación en el primer cuatrimestre de 2024 alcanzó un billón 766,612 millones de pesos, un incremento de 5.5% en comparación con el mismo periodo de 2023.

El SAT dio un paso hacia la modernización tecnológica y la eficiencia en sus procesos de recaudación fiscal con el Plan Maestro 2024. Este plan integra por primera vez el uso de inteligencia artificial y machine learning (aprendizaje automático) para abordar la evasión fiscal y mejorar la exactitud en la identificación de contribuyentes denominados de riesgo.

Los gobiernos que han adoptado Tecnologías de la Información, plataformas digitales y sistemas de inteligencia artificial han logrado incrementar la recaudación de impuestos.

El SAT está desarrollando modelos de analítica de grafos y machine learning. Estas herramientas de IA avanzadas permiten analizar grandes volúmenes de datos y descubrir patrones complejos que serían imposibles de detectar manualmente.

Uno de los principales objetivos del SAT durante la Cuarta Transformación ha sido desmantelar las redes de evasión fiscal, como es el caso de las empresas factureras.

Mediante analítica de grafos, el SAT puede mapear las relaciones entre diferentes entidades y transacciones. Esta técnica revela redes de empresas fachada y operaciones simuladas y ayuda a las autoridades a identificar los actores principales y los patrones de comportamiento evasivos.

Por ejemplo, puede detectar inconsistencias en Comprobantes Fiscales Digitales por Internet (CFDI) vinculados a operaciones de contrabando y empresas fachada. La IA identifica patrones mediante el análisis de transacciones en tiempo real, lo cual facilita la intervención del SAT.

En tanto, el machine learning (una técnica de IA que aprende y se perfecciona de forma autónoma conforme se entrena el algoritmo) sirve para la clasificación de contribuyentes en términos de riesgo, una medida que merece ser cuestionada.

Es decir, al utilizar algoritmos de aprendizaje autónomo, el SAT crea modelos predictivos que evalúan la probabilidad de incumplimiento fiscal de un contribuyente. Estos modelos consideran factores previamente programados, como historial de pagos, patrones de ingresos y actividades económicas.

Esta clasificación permite al SAT focalizar sus esfuerzos en auditorías y revisiones en los contribuyentes de mayor riesgo, optimiza los recursos y mejora la eficiencia de la recaudación fiscal.

La IA puede monitorear actividades económicas consideradas de alto riesgo, como el comercio de combustibles y el sector de la construcción, donde las operaciones simuladas son frecuentes. También patrones de comportamiento que sugieren intentos de fraude al solicitar devoluciones del IVA. Detectar irregularidades en las declaraciones de importación y exportación para reducir el contrabando. Así como detección de prácticas fraudulentas en el manejo de nóminas y pensiones.

Sin embargo, la utilización de IA en la clasificación de contribuyentes de riesgo plantea cuestionamientos legales. Uno de ellos es garantizar que los derechos de los contribuyentes sean respetados. La clasificación de riesgo lleva a un mayor escrutinio y potencialmente a sanciones si los algoritmos no son precisos o si existen sesgos en los datos.

Para mitigar estos riesgos, el SAT debe ser transparente. Por tratarse de una institución pública, los modelos de IA deben auditarse regularmente y asegurarse de que los datos utilizados para el entrenamiento de los algoritmos sean representativos y libres de sesgos. Además, deben existir procedimientos legales para que los contribuyentes puedan apelar decisiones basadas en IA.

Otros países también han implementado la IA en la recaudación de impuestos. El Internal Revenue Service de Estados Unidos utiliza IA para detectar fraudes y mejorar la eficiencia en la auditoría. Los algoritmos analizan patrones de comportamiento fiscal para identificar irregularidades. El Revenue and Customs de Reino Unido adoptó machine learning para identificar inconsistencias en las declaraciones de impuestos y predecir el riesgo de evasión fiscal. España y Brasil hacen lo propio.

Uno de los mayores desafíos en la implementación de IA para la recaudación de impuestos es la preservación de la privacidad de los contribuyentes y el respeto al secreto bancario. Las mejores prácticas en la materia son la “anonimización de datos” (los datos para el entrenamiento de algoritmos son anónimos para proteger la identidad de los contribuyentes), el cifrado de información para prevenir accesos no autorizados y el acceso restringido a datos sensibles sólo por el personal autorizado para garantizar la privacidad.

El SAT recaudó 4 billones 517,730 millones de pesos en 2023, un crecimiento de 12.3%. El uso de IA en el Plan Maestro 2024 tiene el potencial de mejorar la recaudación de impuestos, reducir la evasión fiscal y puede contribuir a incrementar aún más ese porcentaje de cara a los programas sociales comprometidos por la presidenta electa, Claudia Sheinbaum. Pero es importante que la IA no estigmatice a los contribuyentes, éstos tengan certeza jurídica y se implementen de manera ética y transparente.

X: @beltmondi