Gobernar con la inteligencia artificial

IA en la administración tributaria

Durante muchos años, las administraciones tributarias han utilizado la IA para apoyar actividades en todo su modelo operativo y han estado explorando activamente su potencial para mejorar aún más sus operaciones y los servicios al contribuyente, aumentar el cumplimiento normativo de las obligaciones tributarias y prevenir el fraude fiscal. Están en condiciones de hacerlo; la recopilación y el análisis de datos son el eje de muchos procesos de la administración tributaria, lo que ha facilitado la adopción temprana de sistemas de IA basados en reglas. Estos sistemas han permitido a las administraciones tributarias analizar y extraer información de grandes volúmenes de datos, lo que ha agilizado la detección de incumplimientos y ha permitido destinar con mayor precisión los limitados recursos disponibles a los casos de alto riesgo.

Esta experiencia existente sustenta las investigaciones sobre cómo pueden desplegarse técnicas más avanzadas en un contexto de administración tributaria. Si bien los avances tecnológicos en el ámbito de la IA ofrecen un gran potencial para mejorar y transformar los servicios, también pueden amplificar los riesgos relacionados con el procesamiento de datos confidenciales e introducir nuevas preocupaciones. Por lo tanto, las administraciones tributarias deben hacer especial hincapié en la privacidad, la seguridad y la aplicación confiable de la IA.

Situación actual

Desde 2022, la encuesta del Inventario de Iniciativas de Tecnológica Tributaria (ITTI, por sus siglas en inglés) de la OCDE ha ofrecido una visión de cómo se está aplicando la IA en las administraciones tributarias de todo el mundo. La última encuesta muestra que las principales áreas de aplicación en los países de la OCDE son la detección de la evasión y el fraude fiscal, la asistencia en la toma de decisiones y la mejora de los servicios fiscales (Gráfico 5.1).

Gráfico 5.1. Despliegues de IA en los miembros de la OCDE que utilizan IA en la administración tributaria

Nota: 29 de los 38 miembros de la OCDE declaran utilizar la IA en la administración tributaria en el Inventario de Iniciativas de Tecnológica Tributaria 2024.Fuente: OECD Data Explorer - Inventory of Tax Technology Initiatives 2024 (https://oe.cd/dx/ITTI2024).

Mejoramiento del cumplimiento normativo y la detección de evasión y fraude

Para mejorar el cumplimiento normativo y detectar la evasión y el fraude, la IA se utiliza con frecuencia para descubrir patrones de comportamiento ocultos o nuevas conexiones entre transacciones, activos o contribuyentes dentro de las fuentes de datos que una administración tributaria ya podría tener. A medida que han aumentado las capacidades tecnológicas y los conocimientos internos, se están utilizando técnicas impulsadas por la IA para analizar conjuntos de datos no estructurados, como el texto de documentos escritos a mano y la información de publicaciones públicas en redes sociales, con el fin de profundizar el análisis y descubrir conexiones sobre actividades que podrían indicar evasión fiscal o incumplimiento. Estas técnicas también se utilizan para ayudar a detectar o prevenir ataques fraudulentos contra el sistema fiscal por parte de delincuentes que pueden utilizar la IA para crear solicitudes falsas de devolución a una escala potencialmente muy grande. Por ejemplo, la Autoridad Independiente de Ingresos Públicos (IAPR, por sus siglas en inglés) de Grecia está utilizando la IA para combatir la evasión fiscal detectando problemas de cumplimiento normativo, automatizando procedimientos complejos y permitiendo a los auditores responder en tiempo real1.

Entre los usos más recientes cabe mencionar la aplicación de la capacidad de detección de patrones de los sistemas de IA de las administraciones tributarias a los datos de los sistemas de captación de imágenes para que las administraciones tributarias puedan analizar mapas e imágenes satelitales. Al comparar las imágenes satelitales a lo largo del tiempo, se está utilizando la IA, por ejemplo, para identificar alteraciones inmobiliarias o nuevos edificios o activos imponibles que pueden no haber sido declarados a la autoridad tributaria (Recuadro 5.1). Grecia también ha desarrollado un modelo de IA para geolocalizar piscinas que no han sido declaradas a efectos fiscales2.

Recuadro 5.1.  Detección de desarrollo no declarado de propiedades en Francia

Para mejorar el proceso de detección de construcciones o construcciones no declaradas, la Administración Tributaria francesa (DGFiP) utiliza inteligencia artificial y la mejora de datos a partir de fotografías aéreas tomadas por el Instituto Nacional de Información Geográfica y Forestal (Institut national de l'information géographique et forestière, IGN) en el marco del proyecto Tierra Innovadora (Foncier Innovant).

Los algoritmos permiten extraer los contornos de los edificios y las piscinas de las imágenes aéreas públicas del IGN, que pueden consultarse en el sitio web geoportail.gouv.fr.

A continuación, un proceso informático verifica, a partir de las declaraciones de los propietarios a la DGFiP, si los elementos detectados en las imágenes están correctamente gravados (en particular, en el caso de los impuestos sobre bienes inmuebles). A continuación, un funcionario de la DGFiP verifica sistemáticamente cada anomalía detectada antes de tomar ninguna medida para recordar o, en última instancia, gravar al propietario del inmueble.

Fuente: (OECD, 2022[1]).

Asistencia en los procesos de toma de decisiones administrativas

Para que los procesos administrativos sean más eficientes, las administraciones tributarias están desplegando IA para automatizar sus procesos internos, por ejemplo, ayudando a clasificar y distribuir casos o tareas similares. Del mismo modo, la IA se utiliza habitualmente para diferenciar casos sencillos y estandarizados, que pueden resolverse mediante la automatización, de casos complejos, como los contenciosos fiscales, en los que los funcionarios de la administración tributaria son más necesarios tanto por su experiencia como por su capacidad para emitir juicios. Esta aplicación permite un uso más eficiente de los recursos humanos y tecnológicos (Recuadro 5.2).

Recuadro 5.2.  Mejoramiento en la toma de decisiones en Brasil

Brasil tenía alrededor de 140 000 millones USD en impuestos liquidados a la espera de resoluciones en recursos de los tribunales de lo contencioso-administrativo. La sentencia de apelación tarda unos seis años. En el marco del Proyecto de resolución de litigios en materia de IA, Brasil utilizó el ML supervisado (ML) para distribuir grupos de archivos similares entre los mismos funcionarios, con el fin de agilizar la administración del archivo y la adopción de decisiones. Los primeros ensayos, realizados con una muestra de 2 000 archivos etiquetados manualmente, mostraron que los algoritmos supervisados pueden alcanzar una sensibilidad y especificidad de más del 80 %.

Brasil también empleó algoritmos de agrupamiento para completar los archivos total o parcialmente. Además, se está desarrollando una herramienta de asistencia para la elaboración de informes basada en la web para apoyar el análisis de los funcionarios y ayudarles en su objetivo de reutilizar bloques de texto. Los recursos de la herramienta incluyen la presentación de grupos de archivos y párrafos sugeridos y el realce de oraciones que resultaron ser importantes para el proceso de agrupamiento. Los funcionarios pueden etiquetar archivos y párrafos, y las etiquetas se utilizan para mejorar sugerencias futuras.

Fuente: (OECD, 2022[1]).

Mejoramiento de los procesos de evaluación de riesgos

Uno de los principales motivos por los que las administraciones tributarias adoptan la IA es su capacidad para analizar datos con el fin de puntuar y priorizar riesgos. Con la IA, las administraciones tributarias pueden procesar grandes volúmenes de datos de los contribuyentes —desde declaraciones históricas hasta registros de transacciones e información de pagos digitales— para elaborar sofisticados modelos de riesgo y, a continuación, asignar puntuaciones de riesgo a tipos específicos de comportamiento o transacciones. Estos modelos ayudan a las administraciones tributarias a identificar rápidamente los posibles incumplimientos y a centrar los recursos en ellos. Ahora que la capacidad predictiva de estos sistemas ha aumentado, las administraciones tributarias pueden tratar de identificar posibles problemas más rápidamente, evitar que se agraven y ayudar a los contribuyentes a presentar sus declaraciones correctamente. Para garantizar la confiabilidad de estos modelos de riesgo, es esencial que los datos de la formación sean exactos. Recuadro 5.3 en Austria se ofrece un ejemplo. Como otro ejemplo, en el mercado griego de combustibles, la IAPR ha desarrollado un sistema de análisis que utiliza datos de diversas fuentes para componer más de 100 criterios diferentes de análisis de riesgos3.

Recuadro 5.3.  Mejoramiento de los controles de cumplimiento normativo con analítica predictiva en Austria

Desde 2014, la administración tributaria austriaca aplica algoritmos de ML a través del Centro de Competencia de Analítica Predictiva (PACC, por sus siglas en inglés), una unidad especializada del Ministerio Federal de Finanzas. Encargado de modernizar la gestión de riesgos, el PACC trabaja para mejorar la recaudación de impuestos, la auditoría y la detección de fraudes. Organizado en cuatro áreas temáticas (Analítica Predictiva, Analítica Avanzada, Analítica Fiscal y Analítica Aduanera), el PACC aborda una amplia gama de desafíos en todo el sistema fiscal.

En 2023, los modelos de riesgo del PACC analizaron alrededor de 6,5 millones de casos en los sectores del impuesto sobre la renta, el impuesto de sociedades y el valor agregado, así como en las transacciones aduaneras. Los análisis detectaron casos de declaración falsa en las liquidaciones fiscales de los empleados e identificaron actividades fraudulentas, que dieron lugar a unos ingresos fiscales adicionales de aproximadamente 185 millones de euros. También se examinaron casi 27,5 millones de casos para comprobar su cumplimiento normativo, de los cuales 375 000 se consideraron para un examen más detallado debido a perfiles de riesgo inverosímiles. Las técnicas avanzadas, como los árboles de decisión, los modelos de regresión y la minería de texto, respaldan las auditorías retrospectivas y en tiempo real, mientras que los proyectos en curso tratan de ampliar las capacidades analíticas para incluir, por ejemplo, modelos generativos.

Fuente: https://www.bmf.gv.at/en/press/press-releases/2024--New/August-2024/BMF-generated-around-EUR-185-million-in-tax-income-from-AI-in-2023-.html.

Mejoramiento de servicios al contribuyente

Ayudar a los contribuyentes a cumplir sus obligaciones tributarias es una actividad de larga data de las administraciones tributarias que suelen utilizar métodos de implementación de servicios que requieren mucha mano de obra, como los centros de atención telefónica o las visitas a las oficinas físicas de la administración tributaria. Durante muchos años, las administraciones tributarias han adoptado la tecnología de asistentes virtuales basada en IA para ayudar a los contribuyentes de forma más rápida mediante consultas o procesos sencillos y liberar recursos. Los asistentes básicos emplean técnicas basadas en reglas que pueden orientar a los contribuyentes hacia la información pertinente, realizar pagos o comprobar su estado. Según datos recientes del ITTI, los asistentes virtuales que siguen un conjunto de reglas preprogramadas al interactuar con los contribuyentes son un caso de uso muy común para la IA4. Más recientemente, las administraciones tributarias han empezado a utilizar técnicas de IA más avanzadas, como los modelos de lenguaje amplio (ML), para mejorar y personalizar las interacciones con los contribuyentes. El ejemplo de Recuadro 5.4 ilustra la gama de servicios posibles y los niveles crecientes de sofisticación que permiten respuestas más personalizadas. En otro ejemplo, la IAPR de Grecia está desarrollando un asistente digital dirigido por un programa de aprendizaje permanente que presta asesoramiento a los contribuyentes respondiendo a preguntas durante la presentación de las declaraciones del impuesto sobre la renta5.

Recuadro 5.4. Mejoramiento de servicios al contribuyente en Singapur

La Agencia Tributaria de Singapur (IRAS, por sus siglas en inglés) ha empleado herramientas de automatización del usuario final (es decir, herramientas que simplifican las cosas para los usuarios del servicio), datos e IA para ofrecer servicios fluidos y personalizados a los contribuyentes. En 2021, la IRAS lanzó un chatbot para gestionar de manera más eficiente las consultas habituales sobre el impuesto sobre la renta de las personas físicas, el impuesto de sociedades, el impuesto sobre bienes y servicios, el impuesto sobre bienes inmuebles, los derechos de timbre, las retenciones a cuenta y los asuntos tributarios para empleadores. El chatbot funciona a través de la plataforma VICA (Virtual Intelligent Chat Assistant) del Gobierno de Singapur.

El chatbot IRAS VICA mejora la interacción del usuario mediante una experiencia de usuario humanizada, con elementos interactivos como carruseles e infografías. En 2023, se actualizó el chatbot con la integración de un motor de Modelo Extenso de Lenguaje (LLM), lo que mejoró significativamente su capacidad para comprender la intención de las consultas de los contribuyentes.

Además de responder a las consultas, el chatbot también permite el acceso a servicios autenticados. Los contribuyentes pueden consultar cómodamente su saldo fiscal pendiente, consultar sus planes de pago, comprobar el estado de los pagos, cancelar o restablecer sus planes de pago y realizar pagos de impuestos a través de terminales de pago de autoservicio y canales móviles. Estas operaciones con bots ahorran a los contribuyentes unos 10 minutos por transacción, en comparación con los canales de servicio digitales tradicionales. En el ejercicio financiero de 2024, el chatbot VICA de la IRAS gestionó unas 70 000 consultas transaccionales, lo que podría suponer un ahorro estimado de 11.666 horas para los contribuyentes.

Fuente: (OECD, 2022[1]), https://www.iras.gov.sg/digital-services/others/iras-bot, https://www.tech.gov.sg/products-and-services/for-government-agencies/productivity-and-marketing/vica, funcionarios del Gobierno de Singapur.

Asistencia a contribuyentes con su declaración

Además, la IA ha facilitado la cumplimentación previa de declaraciones de impuestos en gran medida; los algoritmos y otras herramientas examinan los extensos conjuntos de datos de las administraciones tributarias y, a continuación, los incluyen en la parte correcta de las declaraciones. Esto puede mejorar la exactitud de las declaraciones de impuestos y simplificar los procesos de presentación, reduciendo así el tiempo que los contribuyentes dedican a presentar sus declaraciones. En los casos en los que los contribuyentes presentan sus declaraciones completas, las administraciones tributarias están implementando técnicas de detección de patrones que pueden detectar anomalías y errores y pueden instar a los contribuyentes a comprobar sus declaraciones una y otra vez.

Recuadro 5.5.  Prevención de errores en declaraciones de impuestos australianas

La Agencia Tributaria australiana (ATO, por sus siglas en inglés) está empleando tecnologías avanzadas para mejorar la exactitud y eficiencia de las declaraciones de impuestos. Entre ellos se incluyen la analítica en tiempo real, los formularios prellenados y los sistemas de detección de anomalías para ayudar a los contribuyentes a cumplir sus obligaciones y reducir los errores.

Como parte de sus esfuerzos, la ATO ofrece un servicio de prellenado que completa automáticamente las declaraciones de impuestos individuales con datos procedentes de empleadores, bancos, organismos públicos y otros terceros. Esto incluye información como el salario, los intereses bancarios, los dividendos y los detalles del seguro de salud privado. Los contribuyentes deben revisar y confirmar los datos prellenados antes de presentarlos. Este sistema no solo reduce las cargas administrativas, sino que también mejora la precisión al minimizar los errores de entrada manual.

Además, la ATO utiliza avisos en tiempo real durante el proceso de presentación para abordar posibles anomalías. Por ejemplo, si las cifras declaradas por un contribuyente son declaradas por un modelo como anormales, el sistema genera un mensaje en el que se le anima a comprobar sus aportes. Un mensaje podría indicar, por ejemplo: "Usted no ha declarado ningún ingreso por intereses. Por favor, revise y asegúrese de que se hayan declarado todos los intereses devengados." En 2023-24, se emitieron más de 636 000 avisos a individuos, lo que ayudó a proteger unos 78 millones de dólares australianos en ingresos.

Fuente: (OECD, 2022[1]), https://aws.amazon.com/institute/future_of_tax_technology_ai_ml_cloud_security, https://www.austlii.edu.au/au/journals/JCULawRw/2024/5.pdf, https://www.ato.gov.au/individuals-and-families/your-tax-return/how-to-lodge-your-tax-return/lodge-your-tax-return-online-with-mytax/pre-filling-your-online-tax-return.

Gestión de riesgos y desafíos

Si bien todas las implementaciones de IA en las administraciones públicas suelen estar acompañadas de desafíos, la administración tributaria crea un entorno especialmente exigente para la integración de la IA debido a tres factores críticos:

1. Garantizar la protección de los datos y la privacidad: las administraciones tributarias tienen acceso a una gran cantidad de datos sensibles de los contribuyentes y tienen la obligación de proteger la privacidad y la confidencialidad de estos datos. Por lo tanto, es necesario adaptar los marcos jurídicos y de gobernanza para tener en cuenta el uso de la IA.

2. Garantizar los derechos de los contribuyentes: La capacidad de los contribuyentes para impugnar las decisiones fiscales adoptadas por las autoridades tributarias exige que la toma de decisiones basadas en los sistemas de IA y los procesos administrativos asociados sea explicable, transparente y responsable.

3. Mantener la confianza: las administraciones tributarias dependen en gran medida del cumplimiento voluntario de los contribuyentes, que requiere una confianza sostenida en la imparcialidad y la equidad de los procesos administrativos. Los contribuyentes deben poder confiar en el uso que hace el gobierno de los sistemas de IA, seguir creyendo que los sistemas tributarios son justos y seguir dispuestos a cumplir con sus obligaciones tributarias.

Riesgos asociados

• Datos inadecuados o sesgados en los sistemas de IA.

• Falta de transparencia y explicabilidad.

Si los sistemas de IA se basan en datos inadecuados o sesgados, podrían producirse resultados inexactos o adversos para algunas personas o grupos. En lo que respecta a la administración tributaria, esto podría dar lugar a evaluaciones de riesgos inexactas y, por tanto, a una orientación inadecuada de algunas personas o grupos para la adopción de medidas de control (por ejemplo, inspecciones). Véase Recuadro 5.6 por ejemplo.

Al adoptar la IA en la administración tributaria, la inadecuada y deficiente calidad de los datos plantea un riesgo significativo para la efectividad de los resultados, lo que puede socavar la confianza pública. Para que los sistemas de IA obtengan resultados confiables y confiables, los datos de entrada deben ser exactos, completos y bien estructurados. Las discrepancias en los formatos de los datos, los registros incompletos o mal escritos, los datos obsoletos de los contribuyentes o la falta de datos en el contexto necesario pueden dar lugar a predicciones inexactas, modelos de riesgo erróneos y resultados sesgados. Algunos sistemas de ML (ML) no requieren que los datos estén estructurados, pero la calidad y la precisión siguen siendo críticas. Los insumos incorrectos pueden hacer que los sistemas sean menos eficientes, socavar la confianza de los contribuyentes en el gobierno y tener consecuencias adversas para los contribuyentes.

Recuadro 5.6.  Desafíos asociados a errores algorítmicos en la administración tributaria

El "Toeslagenaffaire" fue un escándalo de las prestaciones por hijos a cargo en los Países Bajos. Entre 2005 y 2019, la Administración Tributaria y Aduanera neerlandesa (Belastingdienst) acusó injustamente a unas 26 000 familias de solicitar fraudulentamente prestaciones de guardería, debido al uso de datos defectuosos y un algoritmo sesgado. Muchas de estas familias fueron marcadas debido a errores administrativos, como la falta de firmas, y familias con doble nacionalidad o origen migrante fueron objeto de medidas desproporcionadas. Estas familias se vieron obligadas a pagar decenas de miles de euros en prestaciones, sumiéndolas en graves dificultades financieras, y algunas perdieron sus hogares, empleos y matrimonios. En casos extremos, los niños fueron separados de sus familias. El escándalo resultante resultó en el colapso del gobierno.

Después del Toeslagenaffaire, el Ministerio del Interior y Relaciones del Reino de los Países Bajos encargó a los investigadores de la Universidad de Utrecht que elaboraran algoritmos de evaluación de impacto sobre los derechos humanos (IAMA). En 2022, la Cámara de Representantes de los Países Bajos aprobó una moción para "hacer obligatoria la realización de esta evaluación de impacto antes de utilizar algoritmos cuando estos se utilicen para realizar evaluaciones o tomar decisiones sobre las personas".

Fuente: (OECD, 2023[2]).

Las dificultades relativas a la transparencia, la explicabilidad (o el grado de comprensibilidad) e interpretabilidad de los sistemas complejos de IA pueden plantear riesgos para el Estado de Derecho y para el recurso jurídico de los contribuyentes. La capacidad de impugnar decisiones es un componente fundamental de los procesos de la administración tributaria. La naturaleza de "caja negra" de la IA en muchos sistemas de ML puede dar lugar a una falta de transparencia, explicabilidad e interpretabilidad que puede afectar a los derechos de los contribuyentes a entender cómo se toman las decisiones fiscales, lo que a su vez puede limitar sus derechos a impugnar una decisión.

Para mitigar estos riesgos, las autoridades tributarias deben invertir en marcos de gobernanza. Estos marcos deben garantizar que la IA se despliegue de forma que respete el equilibrio entre la recaudación tributaria de la administración y los derechos de los contribuyentes. Por lo tanto, los sistemas de IA y los procesos operativos asociados de las administraciones tributarias deben ser suficientemente transparentes y explicables y funcionar con mecanismos adecuados de supervisión y rendición de cuentas. Estos pueden incluir, por ejemplo, la gobernanza de datos (véase el Capítulo 4, sección "Crear una base de datos sólida"), en particular en términos de limpieza de datos, procesos de validación y actualizaciones periódicas para mantener la integridad y la confiabilidad de los datos utilizados para fundamentar la toma de decisiones impulsada por la IA. Solo con datos confiables y de alta calidad la IA puede mejorar realmente la administración tributaria al mejorar la precisión, el cumplimiento normativo y la eficiencia operativa para los contribuyentes.

Desafíos de implementación

• Brechas de habilidades.

• Elevados costos de adopción y escalabilidad de la IA.

• Entornos legales y regulatorios inflexibles u obsoletos.

Aprovechar toda la gama de oportunidades que la IA puede brindar a la administración tributaria pone de relieve tres desafíos clave.

En primer lugar, las administraciones tributarias informan de una competencia feroz por empleados calificados que pueden desarrollar e implementar estas tecnologías. Acompañando esto está el requisito de entrenar a un gran número de empleados existentes en el uso de esta nueva tecnología y la gestión de los cambios asociados en el proceso.

En segundo lugar, el despliegue de esta tecnología suele conllevar importantes costos de inversión. El proceso para garantizar los presupuestos puede resultar complicado, ya que el rendimiento de la inversión puede variar en función de la incertidumbre o a largo plazo. Además de contribuir a prestar nuevos servicios a los contribuyentes, esta inversión también es necesaria para ayudar a defender el sistema fiscal frente a los ataques fraudulentos.

Por último, la IA puede alterar los marcos jurídicos existentes que sustentan muchos procesos de las administraciones tributarias. La adaptación de estos marcos debe considerarse paralelamente a las directrices para garantizar el diseño y el despliegue efectivos de la IA. También cabe señalar que, si bien es posible que los países dispongan de directrices generales para el despliegue de la IA, a menudo no se adaptan a las necesidades específicas y las complejidades específicas de la administración tributaria, por lo que debe considerarse más a fondo.

Potencial sin explotar y camino a seguir

Las administraciones tributarias de todo el mundo ya han empezado a aprovechar el potencial de la IA y a desplegarla en una amplia gama de actividades para mejorar la eficiencia de sus operaciones. La IA aprovecha el potencial no solo para optimizar los modelos operativos existentes de las administraciones tributarias, sino también para transformarlos. El Marco de la Administración Tributaria 3.0 de la OCDE (2020[3]) establece una visión de transformación digital en la que la tecnología digital se utiliza para crear ecosistemas fiscales fluidos y basados en eventos. Esto permite integrar la recaudación y la declaración de impuestos directamente en los sistemas naturales de los contribuyentes personas físicas y empresas.

Para materializar plenamente el potencial transformador de la IA, las administraciones tributarias deben adoptar un enfoque sistémico con respecto a su aplicación. La IA no es una herramienta aislada, sino que debe utilizarse como un componente integrado anexado en un ecosistema tributario más amplio, que abarque marcos regulatorios, estructuras organizativas, infraestructura técnica existente y personal experto. Es fundamental que las administraciones tributarias tengan en cuenta la necesidad de ajustar el proceso de elaboración de las normas. Por ejemplo, al aplicar los enfoques de reglas como código (RaC, por sus siglas en inglés), las administraciones tributarias pueden codificar la legislación y la normativa tributaria en formatos legibles por máquina, lo que permite a los sistemas de IA interpretar y aplicar normas con mayor exactitud y coherencia (Mohun and Roberts, 2020[4])6.

Dado que la confianza de los contribuyentes es una parte esencial del buen funcionamiento de una administración tributaria, las administraciones tributarias también deben garantizar que la IA desplegada sea confiable, transparente y responsable. Para apoyar a las administraciones tributarias en este esfuerzo, el Foro de Administración Tributaria de la OCDE está actualmente probando un marco para apoyar a las administraciones tributarias en su despliegue de sistemas de IA. Sobre la base de los principios de la OCDE en materia de IA confiable, el marco describe consideraciones clave para cada fase del ciclo de vida de la IA y describe el aprendizaje y las experiencias de una serie de administraciones a partir de sus propias implementaciones. A través de esta cooperación en curso, las administraciones tributarias pueden adoptar un enfoque estructurado y basado en el riesgo para mejorar el uso de la IA en la administración tributaria, que también puede adaptarse a los cambios del contexto general. El Foro de Administración Tributaria tiene previsto publicar sus conclusiones sobre esta labor en 2026.

Notas

← 1.  https://www.aade.gr/sites/default/files/2024-12/dt_.11.12.24.pdf.

← 2.  https://www.tovima.gr/2023/05/29/finance/aade-pos-i-texniti-noimosyni-apokalyptei-tis-adilotes-pisines.

← 3.  https://www.aade.gr/sites/default/files/2024-12.

← 4.  https://www.oecd.org/en/data/datasets/inventory-of-tax-technology-initiatives.html

← 5.  https://www.mononews.gr/oikonomia/aade-sta-skaria-chatbox-gia-tis-forologikes-diloseis.

← 6.  Reglas como código (RaC, por sus siglas en inglés) es la práctica de traducir las normas y reglamentos jurídicos a formatos legibles por máquina (Mohun and Roberts, 2020[4]). Este enfoque permite la verificación y aplicación automatizadas del cumplimiento y apoya la toma de decisiones basada en marcos jurídicos predefinidos. Al aplicar la IA en la administración tributaria, la RaC puede ayudar a garantizar que la toma de decisiones apoyada por la IA sea transparente, coherente en todos los casos y que se ajuste a la ley. La RaC puede contribuir así a aumentar la confianza pública y la rendición de cuentas en la aplicación de la IA.