Sin duda la inteligencia artificial (IA) es una de las grandes novedades del siglo XXI y ha llegado para contribuir a las tareas humanas, hacerlas más efectivas y reducir el tiempo de elaboración de las mismas. Rouhiainen (2018) la define como “la capacidad de las máquinas para usar algoritmos, aprender de los datos y utilizar lo aprendido en la toma de decisiones tal y como lo haría un ser humano. Sin embargo, a diferencia de las personas, los dispositivos basados en IA no necesitan descansar y pueden analizar grandes volúmenes de información a la vez” (p.17)

Cuando relacionamos la IA con la fiscalización tributaria, tenemos que remitirnos al sistema tributario, el cual está compuesto no solo por las normas jurídicas que regulan a los contribuyentes o representantes, sino también por las normas procedimentales y deberes formales necesarios para hacer posible un correcto flujo de tributos al Estado (Bravo, 2006, p.86).

Sin perjuicio de ello, este sistema tributario no servirá de nada si dichas normas objetivas no tienen incidencia en la realidad, por lo cual es importante que haya mecanismos que protejan y aseguren las normas materiales mencionadas.

Estos instrumentos son, en el ámbito tributario, la supervisión y fiscalización a los contribuyentes y representantes por parte de las entidades de la administración pública. Sin embargo, si no se cuentan con las herramientas necesarias para poder hacer una fiscalización eficiente que reduzca el error al mínimo posible, la fiscalización y supervisión tampoco es útil por sí sola.

Entonces, para un correcto flujo de tributos al Estado no solo se requiere de un derecho objetivo, sino también de una fiscalización y supervisión que estén fortalecidas con todas las herramientas necesarias que hagan eficiente esta labor.

Un punto importante es la lucha contra el fraude fiscal. Nos damos cuenta que la IA se podría presentar como una alternativa importante en la actividad de fiscalización con la finalidad de cubrir deficiencias técnicas que se puedan presentar o ser una herramienta para combatir el fraude fiscal.

Debido a que la aplicación de la IA permite a los agentes tributarios el contraste y análisis más sintetizado de la información, cumpliendo con una gobernanza en relación con la seguridad de los datos y ofreciendo procedimiento de calidad (Velasco, Acosta, Mariani y Pozos, 2024, p. 139). Justamente, en este punto deben incidir las entidades de la administración pública, puesto que siempre deben lograr la eficiencia a la hora de aplicar nuevas tecnologías para poder incidir en el contribuyente y en el cumplimiento de sus obligaciones tributarias.

De hecho, ya existe una tendencia mundial de las administraciones tributarias a utilizar más la IA para todo tipo de procesos fiscales, pues no solo es una herramienta eficiente como se ha mencionado, sino que también es útil para predecir la recaudación fiscal permitiendo la planificación y la toma de decisiones. Para el año 2018, el 53% de las administraciones tributarias de los países que pertenecen a la OCDE utilizaron la IA con la finalidad de mejorar la gestión del sistema tributario. Así mismo, el 62.7% de los países desarrollados utilizaron la IA para optimizar sus funciones principales (Arguelles, 2025, p.3)

En Países como Francia, “casi una cuarta parte de las auditorías fiscales llevadas a cabo en 2019 son fruto de la participación de algoritmos con inteligencia artificial, donde se recaudaron 11.000 millones de euros tras hacer controles, costo que representa un crecimiento anual del 30% con en relación a 2018” (Duarte, Alegre y Ramirez, 2023, p.23). Estas auditorías, resultan fundamentales en los procesos de fiscalización, puesto que verifican la responsabilidad tributaria mediante un conjunto de métodos y procedimientos diseñados para verificar cómo los contribuyentes cumplen con sus obligaciones formales y sustantivas (Tamani, 2019, p. 9).

Esto es fundamental no solo con la finalidad de agilizar los procesos, sino de mejorar la eficiencia de los mismos. Evidentemente, es un proceso que requiere de la capacitación del personal para su correcta aplicación y también requerirá su posterior verificación nivel general con el fin de reducir el error.

Del mismo modo, otro caso de interesante es el de Paraguay donde ”La Subsecretaria de Estado de Tributación adaptó el Big data, que tiene inteligencia artificial, en el cruzamiento de los datos para combatir la evasión fiscal; por lo tanto, la mencionada tecnología tuvo un costo de inversión inicial de USD 3 millones que en principio generó críticas, pero después de un año de su implementación le permitió al fisco recuperar USD 10 millones en impuestos evadidos según el ministro” (Duarte, Alegre y Ramírez citando a Orue, 2022, p. 25)

Actualmente en el Perú la Sunat utiliza la IA para mejorar sus procesos de fiscalización en los casos como los de fiscalización parcial electrónica donde se detectaron inconsistencias entre la información declarada por el contribuyente y la información de terceros, como bancos, proveedores o clientes (León, 2024).

Por otro lado, también se refuerza de la IA para hacer un monitoreo en tiempo real de las transacciones comerciales que facilitan la identificación de comportamientos que podrían significar una evasión. Además, hace más efectivas las fiscalizaciones donde se logró recuperar montos significativos de impuestos ya evadidos (Insight Financiero, 2025).

Estos cambios en la manera de desarrollar las tareas de la administración tributaria, también se ven incorporados como pendientes en diversos puntos del Plan de Gobierno Digital 2025-2027, donde el objetivo 4 busca “desarrollar la gestión de riesgos de cumplimiento a partir del uso intensivo de tecnologías emergentes, así como del desarrollo de modelos de datos analíticos y predictivos que permitan la detección de incumplimientos tributarios y aduaneros” (Sunat, 2024, P.58) 

Algunas manifestaciones de estos objetivos se pueden ver incorporadas en numerosos productos e iniciativas ampliadas y desarrolladas en el 2024, que permiten la identificación del riesgo en torno al cumplimiento tributario como el modelo predictivo de recuperación de la deuda, modelo predictivo de pérdida de fraccionamientos, modelo de perfil de riesgo de sujetos sin capacidad operativa y el aplicativo Atenea (Sunat, 2024, p.28-29). Por su lado, el modelo predictivo de pérdida de fraccionamiento “se identificaron a partir de las resoluciones de fraccionamiento aprobadas, entre ENE Y NOV2024 a 48 mil contribuyentes riesgosos con solicitudes aprobadas y con alta probabilidad de pérdida por S/165 millones” (Sunat, 2024, p.29). De este modo se puede evidenciar que sin duda se mejoró la identificación del incumplimiento tributario en la fiscalización y se desarrolló de mejor manera la gestión de riesgos.

No obstante, estos no son los únicos productos de especial interés en torno al desarrollo de la inteligencia artificial en la fiscalización tributaria, sino también lo son algunas inteligencias artificiales que contribuyen a la atención al ciudadano como SOFIA, la cual contribuyó a 4.9 millones de servicios de atención no presenciales hasta octubre del 2024 (Sunat, 2024, p.22). Sin perjuicio de ello, es menester resaltar que la inteligencia artificial puede implicar riesgos que deben ser contrarrestados, como la presencia de sesgos algorítmicos, decisiones sesgadas y en procesos de discriminación, exclusión e injusticias para ciertos grupos.

Además, se pueden presentar problemas de transparencia en el sistema tributario y se disminuye la confianza que tiene el contribuyente como resultado de la atribución de responsabilidad por los resultados de la fiscalización efectuada por la IA y las decisiones que se toman a partir de ellos. Asimismo, viéndolo desde el ámbito laboral, se puede presentar la reducción de puestos de trabajo por la automatización (Arguelles, 2025, p. 19)

     Por ello resulta fundamental que “los modelos que se realicen con IA deben auditarse regularmente y asegurándose que los datos utilizados para el ejercicio de los algoritmos sean representativos y libres de sesgos. Y existiendo en todo momento procedimientos legales para que los contribuyentes, en caso de inconformidades, puedan apelar de las decisiones generadas en IA” (Velasco, Acosta, Mariani y Pozos, 2024, p. 142).

Bibliografía

Acosta Márquez, M. P., Alba Velasco, M., Mariani Ochoa, R., & Delfín Pozos, F. L. (2024). Inteligencia artificial en el sector público en México: Actos de fiscalización. Newman Business Review, 10(2), 124–147. https://doi.org/10.22451/3002.nbr2024.vol10.2.10103

Argüelles Toache, E. (2024). Beneficios y riesgos del uso de la inteligencia artificial en el Servicio de Administración Tributaria de México (SAT): Un análisis desde la perspectiva de investigadores académicos. PAAKAT: Revista de Tecnología y Sociedad, 14(27), e885. https://doi.org/10.32870/pk.a14n27.885

Bravo Cucci, J. (2006). Sistema tributario peruano: Situación actual y perspectivas. Derecho & Sociedad, (27), 86–88. https://revistas.pucp.edu.pe/index.php/derechoysociedad/article/view/17163/17452

Cáceres Castillo, D. J. C., & Llaque Sánchez, F. R. (2023). Código Tributario. Instituto Aduanero y Tributario – SUNAT. https://iat.sunat.gob.pe/sites/default/files/documentos/2023/09/archivos/codtrib.pdf

Duarte Sánchez, D. D., Alegre, M., & Ramírez Girett, V. A. (2023). Adopción de la inteligencia artificial en las administraciones tributarias. Revisión de literatura. Revista Ciencias Económicas, 4(7), 19‑29. https://dialnet.unirioja.es/servlet/articulo?codigo=8941558

Guevara Tipismana, B. P., Romero Tasayco, V. L., & Valverde Vilchez, J. L. (2025). La elusión tributaria y el comité revisor en el procedimiento de fiscalización definitiva ante SUNAT (Tesis de maestría, Universidad Continental). Recuperado de https://repositorio.continental.edu.pe/handle/20.500.12394/17055

Insight Financiero. (2025). Evasión tributaria: Cómo SUNAT te vigila con inteligencia artificial. Insight Financiero. https://insightfinanciero.com/evasion-tributaria-como-sunat-te-vigila-con-inteligencia-artificial/

León, M. (2024). Inteligencia artificial aplicada a la tributación. Quantum Consultores. https://quantumconsultores.com/inteligencia-artificial-aplicada-a-la-tributacion/

López de Mántaras, R., & Brunet, P. (2023). ¿Qué es la inteligencia artificial? Papeles de relaciones ecosociales y cambio global, (164), 13–21

Rouhiainen, L. (2018). Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro futuro. Editorial Rasche

Superintendencia Nacional de Aduanas y de Administración Tributaria. (2025). Informe de gestión por resultados – Año 2024. https://www.sunat.gob.pe/cuentassunat/planestrategico/informeGestion/inforGestion-2024.pdf

Superintendencia Nacional de Aduanas y de Administración Tributaria. (2024). Plan de Gobierno Digital 2025-2027.  https://www.sunat.gob.pe/legislacion/superin/2024/anexo-000301-2024.pdf

Tamani Pérez, L. G. (2019). Auditoría tributaria (Trabajo de suficiencia profesional, Facultad de Ciencias Económicas y de Negocios, Escuela Profesional de Contabilidad, Universidad Continental). Iquitos, Perú.