En la primera parte de este artículo [1], abordamos la importancia de integrar los sistemas de la Administración Tributaria con el resto del ecosistema fiscal para alcanzar la «Administración Tributaria 3.0», mencionando que los desafíos funcionales son uno de los tres retos principales de este proceso. En esta segunda parte, nos enfocaremos en dichos desafíos.

Definición de un lenguaje común

Como se establece en la guía práctica para el gobierno de datos en Administraciones Tributarias [2], una excelente referencia brindada por el CIAT, resulta central construir un vocabulario empresarial, compuesto por nombres de datos y definiciones estandarizadas, documentadas en un glosario. Su propósito es garantizar la coherencia y el entendimiento común de los términos fiscales, una cuestión fundamental para el ecosistema tributario.

Por ejemplo, al integrar sistemas, es crucial definir si un dato que representa el monto de una factura se encuentra expresado en moneda local o en la de emisión. Contar con estas definiciones claras ofrece múltiples beneficios, entre los cuales se destacan:

• Evita malentendidos, a partir de una visión compartida sobre los datos
• Optimiza tiempos, al evitar consultas innecesarias y correcciones.
• Unifica la información recibida, al otorgarles un sentido común.

Aunque estas definiciones, a veces, se encuentran detalladas en los documentos de intercambio, en otros casos, no es tan sencillo identificarlas. Como señala el Dr. Peter Aiken en [3], además de tener estas definiciones, es vital que sean conocidas por quienes las utilizan. Por ejemplo, ¿cuáles son las condiciones para que una empresa califique como pequeña y dónde se puede obtener la lista de las que cumplen con ese criterio? Esta información podría ponerse a disposición del ecosistema a través de una simple página web.

Otro aspecto importante de este «vocabulario común» son los datos de referencia, como las tablas de países o unidades de medida. En estos casos, una buena práctica es utilizar estándares internacionales, como la tabla ISO 3166 (https://www.iso.org/iso-3166-country-codes.html). Aprovechar soluciones disponibles para problemas comunes, es parte de lo que las instituciones deberían considerar de cara al modelo 3.0.

Además de los datos de referencia, existen los datos maestros. Según el diccionario DAMA [4], estos son «los datos que proporcionan contexto a la actividad empresarial en forma de conceptos comunes y abstractos». En esta línea, incluyen los detalles de objetos clave como clientes, productos, empleados y proveedores. En el caso de las Administraciones Tributarias, los datos sobre los contribuyentes (nombre y apellido, fecha de inscripción, domicilio, etc.) son, sin duda, los datos maestros por excelencia.

El Estado es responsable de gestionar ambos tipos de datos, lo que plantea el desafío de definir qué organismo se encarga de su actualización y mantenimiento, y cómo pueden los demás organismos utilizarlos en el marco de sus procesos, para evitar que los contribuyentes sean los responsables de proveerlos recurrentemente. Por ejemplo, no sería lógico que dos organismos estatales utilizaran diferentes códigos para los países y o que le solicitaran la misma información a los contribuyentes, de forma independiente, para cada uno de sus servicios. Esta situación no sólo atenta contra la integración, sino que también lleva a la duplicación de datos, a la redundancia en los procesos, y en muchos casos a la generación de inconsistencias que afectan a la calidad de la información en manos del Estado.

Calidad de los datos

Decimos que necesitamos datos de calidad, pero ¿a qué nos referimos? Una definición aceptada es que la calidad es «la idoneidad de los datos para el uso que se les quiere dar». Esta mirada pone el acento en un aspecto central: la calidad se mide en función de un objetivo, y se trabaja en ella para lograr un mejor aprovechamiento de la información con la que se cuenta. Tiene que ver con el nivel en que cumplen con las expectativas, es decir, sobre lo que se espera de ellos, fundamentalmente con relación al propósito para el cual fueron obtenidos en primera instancia.

En el contexto de la integración de sistemas, es muy relevante la calidad de los datos que enviamos y recibimos, y el nivel de confianza que existe en torno a esos intercambios. Por ejemplo, si una administración tributaria recibe datos de impuestos retenidos a empleados, ¿es razonable que el monto de los impuestos supere el valor del sueldo? ¿O que se incluyan en la nómina personas fallecidas?

Por otro lado, cuando se envía información, es fundamental validarla. Una forma de hacerlo es midiendo su calidad a través de un conjunto de métricas para ciertos atributos o dimensiones (por ejemplo, cantidad de casos, monto máximo, mínimo, etc.) y controlar que las mismas mantengan una coherencia a lo largo del tiempo.

En la interacción entre contribuyentes y la Administración Tributaria, la idea de control continuo de transacciones (CTC), como establece el CIAT en [5], exige que los datos se envíen al finalizar la transacción comercial. Un informe reciente del BID [6] señala que la factura electrónica está implementada en casi 90 países. En varios de ellos, la Administración Tributaria utiliza estos datos para prellenar las declaraciones de impuestos. Si una factura consigna mal el monto del IVA retenido, esto perjudica tanto al emisor como al receptor, resultando en declaraciones erróneas.

Para evitar estas situaciones, es necesario un control de datos activo que valide la información lo antes posible. Volviendo al ejemplo de la factura, son los contribuyentes quienes deben reforzar los controles en sus sistemas. Si, aun así, los datos erróneos llegan a la Administración Tributaria, esta debería emitir alertas ante ingresos fuera de rango y rechazar la operación o requerir una confirmación.

Al respecto, considero interesante lo que describe OCDE sobre los errores comunes en el reporte CbC [7]. Este tipo de documentación es de gran utilidad para el sector privado y para los países, que pueden usarla para implementar controles más robustos en sus sistemas.

Sabemos que los datos tienen problemas de calidad, ¿cómo podemos empezar? Lo ideal es elegir un tema sensible que permita ver resultados rápidos y tener en cuenta que la calidad no es un proyecto, sino un proceso de control continuo, que requiere de la definición de métricas y la evaluación constante para medir el nivel con que cumplen las expectativas. Este proceso es compartido entre los actores involucrados, tanto del sector técnico como de negocio e inicia mucho antes de que los datos sean recopilados.

Conclusión

En esta segunda parte del artículo, abordamos los desafíos funcionales de la integración de sistemas, poniendo foco en el lugar que ocupa la construcción de sentido en torno a los datos y la generación de un vocabulario común que pueda plasmarse de forma documental, por ejemplo, en glosarios. También, desde esta perspectiva, resaltamos la relevancia de la calidad de los datos, como un proceso continuo que permita generar confianza sobre  información que se intercambia y sostenerla en el tiempo. En la tercera y última parte, nos enfocaremos en los aspectos legales y de protección de datos, entendiendo la importancia de hacer un uso ético y responsable de los datos en manos de las Administraciones Tributarias, conforme a las regulaciones vigentes y en un marco de respeto hacia los derechos de los contribuyentes.

Referencias