El nuevo auditor: cómo la IA está cambiando la recaudación fiscal

Estos modelos analíticos permiten detectar evasores, cruzar información y optimizar fiscalización con mayor precisión.

El uso de inteligencia artificial (IA) y machine learning (ML) en los sistemas fiscales está transformando la forma en que los gobiernos detectan la evasión, cruzan datos y optimizan sus procesos de auditoría. De acuerdo con especialistas de SAS México, la aplicación de modelos analíticos permite a algunas administraciones incrementar su recaudación hasta en un 10%, especialmente en los ingresos derivados de auditorías más precisas y focalizadas.

“Algunos países que ya incluyen el uso de analítica en sus procesos recaudatorios han logrado que el pago de impuestos sea más asertivo”, afirmó Yuri Rueda, experto en fraude fiscal. Esto se traduce en la capacidad de identificar contribuyentes que omiten pagos o declaran menos ingresos de los que realmente perciben. Las tecnologías permiten detectar estos comportamientos mediante el análisis de grandes volúmenes de datos provenientes de diversas fuentes.

Por su parte, Mario Ulloa, experto en gobierno, señaló que los sistemas impulsados por IA ofrecen una ventaja clara frente a metodologías tradicionales que dependen de filtros manuales o herramientas de código abierto con alcances limitados. Los nuevos modelos pueden analizar inconsistencias entre lo reportado en las declaraciones y los ingresos reales, permitiendo a los auditores priorizar los casos más relevantes con mayor precisión.

Entre las soluciones tecnológicas destacadas por los especialistas están las enfocadas en cumplimiento tributario (Tax Compliance), que no solo aumentan la efectividad de la recaudación, sino que también promueven la transparencia fiscal. Otro frente relevante es el de las herramientas para integridad en la gestión pública (Procurement Integrity), diseñadas para rastrear el origen y destino de los fondos recaudados, lo cual contribuye a prevenir actos de corrupción.

Según datos de SAS, la evasión y el fraude fiscal representan una pérdida significativa de ingresos para los estados. En algunos países, las pérdidas por incumplimiento pueden llegar hasta el 70% de lo proyectado. Ante este panorama, Rueda y Ulloa coinciden en que la analítica madura permite agrupar contribuyentes por comportamiento y características específicas, lo que hace más efectiva la fiscalización. Casos como los de Estados Unidos, Reino Unido y Chile ya muestran avances importantes con este enfoque.

Frente a una posible recesión económica mundial, los expertos enfatizan que mejorar la eficiencia de la recaudación no implica cobrar más a los mismos de siempre, sino identificar con mayor precisión las oportunidades de fiscalización efectiva. “Cuando cae el consumo, cae la recaudación. En ese momento, hacer más eficiente el cobro se vuelve crítico”, concluyó Ulloa.

La tecnología, entonces, no solo automatiza procesos: también permite construir sistemas fiscales más justos, resilientes y adaptados a las dinámicas de una economía cambiante.

Le puede interesar: La IA como clave para combatir el crimen financiero en tiempo real