El Servicio de Administración Tributaria (SAT) puede mejorar la utilización de la inteligencia artificial a su plan maestro de fiscalización con la incorporación de las medidas que utiliza la Unidad de Inteligencia Financiera (UIF) para la detección de prácticas fiscales irregulares, señaló un documento de la Universidad Nacional Autónoma de México (UNAM).
En la fiscalización, se adopta un enfoque estratégico y tecnológico, utilizando inteligencia artificial y machine learning para identificar prácticas fiscales irregulares.
Investigadores de la UNAM señalaron que los resultados de las técnicas Machine Learning que el SAT obtuvo del Centro de Ciencias de la Complejidad (C3); el Instituto de Física de la UNAM, y el Department of Network and Data Science, de la Central European University, es necesario incluir la actuación de los evasores, seleccionando como nodos el Registro Federal de Contribuyentes (RFC), el CFDI y la base de datos del Sistema Financiero que, con fundamento en el artículo 32 B-bis del Código Fiscal de la Federación (CFF), las personas morales y las figuras jurídicas que sean instituciones financieras y residentes en México o en el extranjero con sucursal en México deben implementar, conforme al estándar para el intercambio automático de información sobre cuentas financieras en materia fiscal.
Bajo este contexto, el equipo multidisciplinario de investigadores del C3 y el Instituto de Física de la UNAM, en colaboración con el Department of Network and Data Science, de la Central European University, Hungría, realizaron un análisis utilizando inteligencia artificial y ciencia de redes para estimar el monto de evasión del impuesto al valor agregado (IVA) por la emisión de facturas electrónicas que simulan operaciones, por lo que identificar y describir la forma en que actúan quienes comercializan con CFDI y quienes los aplican para disminuir de forma artificiosa la base tributaria es una realidad.
Así, de un registro de 80 millones de RFC en el periodo 2015-2019, las declaraciones anuales de personas físicas y morales fueron 10 mil 678, a partir de su RFC se identificó a las que están clasificadas como empresas que facturan operaciones simuladas por el SAT, las cuales pueden ser definitivas o presuntas.
A partir de esta información se identifica y caracteriza su comportamiento en las diferentes bases de datos, lo que permite implementar métodos que generalicen sus comportamientos y generen alertas de RFC sospechosos.
El número definitivo de dichas empresas fue de 9 mil 663, y a partir de estos resultados se construyeron redes de emisión de CFDI entre actividades económicas y se implementaron modelos de aprendizaje de máquinas para la identificación de RFC sospechosos.
Derivado de los hallazgos, consideraron que se puede integrar una estrategia para frenar la erosión de la base tributaria con estricto respeto a los derechos del contribuyente y sin la necesidad de judicializar los asuntos, ya que también se debe frenar la saturación de tribunales y resolver el problema de fondo.
Además, indicaron que se puede mejorar al incorporar las técnicas que cuenta la Unidad de Inteligencia Financiera (UIF) para el rastreo y detección de recursos ilícitos para el financiamiento de las campañas políticas.
Deja una respuesta