Los numerosos avances tecnológicos de las últimas décadas han dado lugar a un nuevo mundo de herramientas para las administraciones tributarias. En la actualidad, el uso de la inteligencia artificial (IA) está generando tanto entusiasmo como preocupación.

El uso cada vez mayor de la inteligencia artificial por parte de las administraciones tributarias plantea cuestiones que van más allá de la eficiencia. Los sistemas tributarios se basan no solo en la aplicación de la ley, sino también en la legitimidad, la confianza y la percepción de equidad. Si la IA puede ayudar a identificar posibles incumplimientos, automatizar procesos y mejorar los servicios y la experiencia de los contribuyentes, podría contribuir a crear sistemas tributarios más sólidos y equitativos. Sin embargo, si se diseña de forma inadecuada o no se regula lo suficiente, la IA también podría reforzar las desigualdades existentes, reducir la transparencia y debilitar la confianza pública, lo que daría lugar a menores niveles de cumplimiento voluntario.

La cuestión, por lo tanto, no es si las administraciones tributarias deberían adoptar la IA —su capacidad para gestionar grandes volúmenes de datos, cada vez mayores, es innegable—, sino cómo pueden hacerlo de manera que se refuerce la equidad y la rendición de cuentas, al tiempo que se mantiene la confianza en el sistema tributario y en la administración tributaria.

Podemos clasificar, a grandes rasgos, los usos de la IA en la administración tributaria en dos categorías: aplicaciones internas, dentro de los procesos de la administración tributaria, y aplicaciones externas, aquellas que afectan más directamente a la experiencia del contribuyente.

Entre las aplicaciones de IA de uso interno se incluyen la evaluación de riesgos, la selección de casos de auditoría, la detección de fraudes, el análisis de redes, el análisis predictivo, el análisis de documentos y la redacción de documentos. En nuestra opinión, la IA no debería sustituir a las personas a la hora de tomar decisiones importantes y difíciles. Más bien, debería ayudar a los funcionarios de la administración tributaria a procesar las enormes cantidades de información que reciben, tanto en formatos estructurados como no estructurados, para identificar patrones que, de otro modo, podrían pasar desapercibidos, detectar anomalías, realizar análisis de redes, identificar declaraciones de impuestos de alto riesgo y mejorar las estrategias de cumplimiento tributario.

La IA orientada al exterior, o dirigida a los contribuyentes, tiene una finalidad diferente: el objetivo no es la aplicación de la normativa, sino el servicio y la facilitación del cumplimiento. Los chatbots, los asistentes virtuales, los sistemas de respuesta automatizada y las herramientas de orientación personalizada pueden ayudar a los contribuyentes a lidiar con unas obligaciones cada vez más complejas y unas normas tributarias en constante evolución. Al proporcionar información oportuna, por ejemplo, cuando los contribuyentes presentan una declaración de renta, estas tecnologías pueden reducir los costes de cumplimiento y mejorar la experiencia del contribuyente. La IA también puede ayudar a garantizar que se apliquen criterios coherentes, independientemente del canal utilizado o de la persona que preste la asistencia.

Los contribuyentes también pueden utilizar la inteligencia artificial para elaborar documentos y declaraciones de impuestos y, en algunos casos, incluso para decidir si impugnan determinados ajustes tributarios basándose en un análisis de los resultados obtenidos por contribuyentes en circunstancias similares.

Existen ejemplos impresionantes de las posibles mejoras tanto en la productividad como en la estandarización de los procesos, como el uso de asistentes de IA generativa especialmente diseñados por parte de los funcionarios tributarios para atender a los contribuyentes, tal y como se explica en estas entradas de este blog.: A veces Sofia no sabe. Y eso es bueno y   Proyecto Optimus: “La Revolución de la Inteligencia Artificial en los procesos tributarios de São Paulo”. Otro ejemplo es la iniciativa “Kar Saathi”, puesta en marcha recientemente en la India por la administración tributaria: un asistente de inteligencia artificial integrado en el portal de presentación electrónica de declaraciones que ayuda a los contribuyentes respondiendo a preguntas como, por ejemplo, cómo solicitar una deducción.

Debemos tener presente una cosa: las promesas de la IA no deben ocultar los numerosos retos y riesgos potenciales asociados a su uso, como el sesgo algorítmico, la falta de transparencia y las desigualdades en el acceso a la tecnología.

Uno de los riesgos más importantes asociados a la IA es el sesgo algorítmico. Dado que los sistemas de IA aprenden a partir de datos históricos, pueden reproducir o amplificar las disparidades ya presentes en dichos datos. En la administración tributaria, esto puede afectar a la elaboración de perfiles de contribuyentes, la evaluación de riesgos y la selección de auditorías, incluso cuando las características protegidas no se incluyan explícitamente en un modelo. Los resultados también dependen de los objetivos incorporados en el modelo: un sistema optimizado únicamente para obtener resultados en materia de cumplimiento puede producir una distribución del escrutinio diferente a la de otro que también incorpore consideraciones de equidad.

La relevancia de estas preocupaciones ha quedado demostrada en estudios que revelan que los algoritmos diseñados para maximizar distintos resultados en materia de control tributario no producen necesariamente la misma distribución de las inspecciones. Este análisis reveló que los modelos de aprendizaje automático optimizados exclusivamente para clasificar posibles incumplimientos pueden desviar el enfoque de la actividad de control hacia los contribuyentes con rentas bajas o medias, mientras que un modelo de regresión optimizado para predecir el importe potencial de las rectificaciones tributarias desviaría el enfoque hacia los contribuyentes con rentas más altas.

El estudio demuestra, además, que los diseños de modelos alternativos que tienen en cuenta parámetros sociales pueden generar distribuciones diferentes de la cobertura de las auditorías entre los distintos niveles de renta, lo que ilustra que los resultados algorítmicos no solo dependen de los datos utilizados, sino también de los objetivos incorporados en el propio modelo[1]. Además, es posible que las discrepancias no se deban a una selección explícita de destinatarios, sino que surjan más bien de la interacción entre los algoritmos de selección de casos y las características asociadas a las prestaciones, como determinados créditos fiscales o subvenciones dirigidas a grupos concretos de personas.

Otro estudio pone de manifiesto cómo los modelos de riesgo aparentemente neutros pueden generar resultados desiguales entre los distintos grupos demográficos, incluso cuando las características asociadas a dichos grupos no se incluyen directamente en los algoritmos². 

La lección para las administraciones tributarias es que la IA debe servir de apoyo al criterio humano, no sustituirlo. La supervisión debe ir más allá de la decisión final y abarcar el diseño de indicadores de riesgo, la selección de datos de entrenamiento, la evaluación de posibles impactos desiguales y la revisión periódica de los modelos a medida que surjan nuevos datos.

Hay dos principios relacionados que son esenciales: la explicabilidad y la rendición de cuentas. Los funcionarios deben poder comprender y cuestionar una recomendación generada por la IA, mientras que la responsabilidad de las decisiones que afectan a los contribuyentes debe recaer en la administración tributaria y sus funcionarios públicos.

Estos principios se reflejan en los marcos internacionales de gobernanza de la IA, incluidos los Principios de la OCDE sobre IA, el Reglamento de Inteligencia Artificial la Unión Europea (European Union AI Act), y el  Convenio Marco del Consejo de Europa sobre la Inteligencia Artificial  , que hacen hincapié en la supervisión humana, la transparencia, la rendición de cuentas y los derechos fundamentales.

Más allá de las preocupaciones sobre los datos de entrenamiento sesgados, las administraciones tributarias también deberían tener en cuenta la integridad de los datos y documentos procesados por los sistemas de IA. Investigaciones recientes han demostrado que la IA generativa puede ser vulnerable a la inyección de prompts y a otras formas de manipulación adversaria, mediante las cuales unas instrucciones ocultas incrustadas en los documentos digitales influyen en los resultados del modelo sin que el usuario lo sepa. 

Para las administraciones tributarias, podrían surgir riesgos similares si se utilizan sistemas de IA para analizar las declaraciones de los contribuyentes, los contratos, las facturas, la documentación sobre precios de transferencia u otros registros digitales. Esto pone de relieve la necesidad de contar con controles sólidos para detectar instrucciones ocultas, validar los documentos originales y garantizar que las recomendaciones generadas por la IA se revisen de forma independiente antes de que influyan en las decisiones administrativas. Por lo tanto, proteger la integridad de los datos procesados por la IA es tan importante como garantizar la calidad y la imparcialidad de los datos utilizados para entrenar los modelos. 

La IA puede hacer que el razonamiento administrativo resulte más difícil de interpretar, sobre todo cuando modelos complejos influyen en la elaboración de perfiles de riesgo o en las decisiones de cumplimiento. Por lo tanto, la transparencia debe funcionar en dos niveles: los contribuyentes deben saber cuándo los sistemas automatizados han contribuido a un proceso de toma de decisiones, y los funcionarios deben ser capaces de comprender, documentar e incluso cuestionar el papel desempeñado por el modelo. Es esencial mantener la responsabilidad humana, abordar las preocupaciones en materia de privacidad al tiempo que se documentan las interacciones, y utilizar datos oficiales precisos para reducir el riesgo de “alucinaciones”. Debemos recordar que identificar las fuentes puede no ser suficiente.

La brecha digital también merece atención. No todos los contribuyentes poseen el mismo nivel de alfabetización digital, acceso a la tecnología o capacidad para interactuar con los servicios digitales. Estas diferencias podrían dejar a algunos contribuyentes en desventaja o, lo que es peor, convertirlos en blanco de ataques de ingeniería social que podrían afectar a su situación tributaria o suponer un abuso de sus posibles prestaciones.

Es un buen momento para recordar que la tecnología no es ni buena ni mala; sus efectos dependen de cómo la utilicemos. La inteligencia artificial puede aportar ganancias en eficiencia, pero no es, en sí misma, una herramienta para la equidad ni un motor de la desigualdad —y, desde luego, no es neutral—.

Saludos y suerte.

[1] ¹ Ver Black, Elzayn, Chouldechova, Goldin, & Ho, 2022.

118 total views, 41 views today