123
APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL POR PARTE DE LAS
ADMINISTRACIONES TRIBUTARIAS:
TRANSPARENCIA ALGORÍTMICA
Y
GESTIÓN
DE SESGOS
APPLICATION OF ARTIFICIAL INTELLIGENCE BY TAX ADMINISTRATIONS:
ALGORITHMIC TRANSPARENCY AND BIAS MANAGEMENT
Roxana Obreque Espinoza1, Paulina Gómez Inzunza2
Resumen
La inteligencia artificial está revolucionando la
Administración tributaria, ofreciendo
oportunidades para mejorar la eficiencia, la eficacia y la equidad en la
recaudación de nuestros impuestos. Sin embargo, la opacidad de los algoritmos
—«caja negra»— y los sesgos algorítmicos generan
desafíos. La transparencia algorítmica
y la gestión de sesgos son claves para una implementación responsable de la inteligencia artificial en este
ámbito.
Palabras clave: inteligencia artificial – Administración
tributaria – transparencia algorítmica – sesgos algorítmicos – ética en la
inteligencia artificial
Abstract
Artificial intelligence
is revolutionizing tax administration, offering opportunities to enhance the efficiency, effectiveness, and fairness of tax collection.
However, the opacity of algorithms —“black box”— and algorithmic biases pose challenges. Algorithmic
transparency and bias management are key to responsible implementation of
artificial intelligence in this domain.
1 Es
abogada, licenciada en Ciencias Jurídicas y Sociales por la Universidad de
Concepción, magíster en Derecho
Tributario por la Universidad de Concepción, magíster en Planificación y Control de Gestión por la Universidad
Mayor, docente de la Universidad Católica de
Temuco.
2 Es licenciada en Ciencias Jurídicas
por la Universidad Católica de Temuco, ayudante
de cátedra de Derecho Tributario en la Universidad
Católica de Temuco.
Keywords: artificial intelligence
– tax administration – algorithmic transparency – algorithmic bias
– artificial intelligence ethics
1.
Introducción
Los big data y la
inteligencia artificial han impulsado transformaciones trascendentales en la
Administración del Estado. En particular, las Administraciones tributarias, en Chile, el Servicio
de Impuestos Internos, el Servicio Nacional de Aduanas y la Tesorería General
de la República, se ven beneficiadas
por un sinfín de posibilidades para mejorar la eficiencia, la eficacia y la equidad en la recaudación fiscal.
El presente trabajo se va a centrar en el Servicio
de Impuestos Internos, lugar donde la inteligencia artificial ha
tenido un desarrollo prolífico, ya
que ha
sido
de ayuda desde la detección de fraudes
hasta la optimización de procesos de
propuestas de declaración, permitiendo una gestión más proactiva y precisa de los recursos fiscales. La automatización
de tareas repetitivas, el análisis avanzado de grandes volúmenes de datos y la
capacidad de prever comportamientos
fiscales son solo algunos ejemplos de cómo la inteligencia artificial puede contribuir a la resolución de
problemas complejos que antes involucraba
el trabajo de los funcionarios —humanos—.
Sin embargo, junto a estas oportunidades, surgen
desafíos importantes relacionados
con la transparencia y la
ética en el uso de la inteligencia
artificial, no solamente por parte
de los
contribuyentes o sujetos obligados, sino
que también por parte
de las Administraciones tributarias. La opacidad de los algoritmos que impulsan
los sistemas de inteligencia artificial, conocida como el problema de la
«caja negra», dificulta la comprensión
de cómo
se toman
las decisiones
y por
qué se obtienen ciertos resultados, pudiendo constituir
incluso sistemas de carácter paralelo, uno que podemos
visualizar claramente y otro que se desarrolla en forma total o casi
en su totalidad con decisiones automatizadas. Esta falta de transparencia
puede generar
desconfianza entre los contribuyentes y afectar la legitimidad de las decisiones tomadas por la
Administración. Además, la implementación de la inteligencia artificial en la
Administración tributaria no está
exenta de riesgos, como la
posibilidad de que los algoritmos
reproduzcan o incluso amplifiquen sesgos discriminatorios presentes al momento de su diseño, de su implementación o por los datos
utilizados en su entrenamiento, lo que podría llevar a decisiones injustas
o desiguales.
En este contexto, la transparencia algorítmica y
la gestión de sesgos se convierten en
aspectos críticos para la Administración tributaria, no solamente por la legitimidad de
sus procesos
sino también
por la
vulneración que podría llegar a existir para los contribuyentes. La transparencia
algorítmica busca garantizar
que los contribuyentes comprendan cómo funcionan los sistemas de
inteligencia artificial que les
afectan, ofreciendo explicaciones claras y accesibles sobre los criterios y
procesos utilizados en la toma de decisiones. Por otro lado, la gestión de sesgos se enfoca en identificar y mitigar los
sesgos discriminatorios que podrían
existir en los datos o algoritmos usados, promoviendo así decisiones más justas
y equitativas. Para lograr esto, es esencial establecer mecanismos de auditoría y supervisión continua, así como fomentar
la diversidad y la
representatividad en los equipos de
desarrollo de inteligencia artificial.
Este trabajo explora los desafíos y oportunidades de
la aplicación de la inteligencia
artificial en la Administración tributaria, poniendo especial énfasis en la importancia de la transparencia algorítmica y la gestión de sesgos.
Se analizarán los principios y
las buenas prácticas que deben considerarse para garantizar un uso responsable
y ético de la inteligencia artificial en este ámbito, promoviendo así la
confianza, la equidad y la eficiencia en la recaudación fiscal. En particular, se abordarán casos de estudio
y ejemplos de implementación de inteligencia artificial en diferentes
Administraciones tributarias alrededor del mundo, destacando las lecciones aprendidas y las recomendaciones para
mejorar la gobernanza de los sistemas de inteligencia artificial. Por medio de este análisis, se busca proporcionar un marco conceptual y práctico que permita a las entidades tributarias aprovechar al
máximo el potencial de la inteligencia artificial, al mismo tiempo que se
salvaguardan los principios de transparencia, justicia y responsabilidad.
2. Big data e inteligencia artificial
En el mundo actual, los términos big data e inteligencia artificial se utilizan con frecuencia de manera indistinta, generando confusión sobre sus significados y aplicaciones. Si bien ambos
conceptos están relacionados con el análisis y uso
de información, presentan diferencias fundamentales que es importante comprender.
Los big data o
macrodatos se refieren a conjuntos
de datos
masivos y complejos que
superan la capacidad de procesamiento tradicional. Estos datos pueden provenir de diversas fuentes, como transacciones
comerciales, registros de redes
sociales, sensores y dispositivos móviles. La característica principal de los big data
es su volumen, variedad —diversidad
de formatos
y estructuras— y
velocidad de generación. No solo se definen por la cantidad de datos, sino también por la capacidad de capturarlos,
almacenarlos y analizarlos de manera eficiente
(McAfee & Brynjolfsson, 2012). En materia
tributaria, podríamos citar la
implementación de documentos electrónicos —factura electrónica, por ejemplo—,
como la mayor fuente de microdatos.
Por su parte, la inteligencia artificial es una rama
de la informática que busca crear sistemas capaces de realizar
tareas que normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento, la
resolución de problemas y la toma de decisiones. La inteligencia artificial se
basa en algoritmos complejos que pueden procesar y analizar grandes cantidades de
datos para identificar patrones,
predecir tendencias y tomar decisiones automatizadas (Russell & Norvig, 2020).
Una vez identificados los conceptos de big data e inteligencia artificial, es pertinente clarificar las diferencias
fundamentales entre ellos. A continuación, se detallan estas distinciones en términos de
naturaleza, objetivos y roles, proporcionando
una comprensión más profunda y profesional de cómo interactúan y se complementan estos dos campos.
2.1.
Naturaleza
Los big data se
refieren a vastos conjuntos de datos en bruto que pueden ser estructurados,
semiestructurados o no estructurados, provenientes de diversas fuentes como transacciones comerciales,
redes sociales, sensores y dispositivos móviles. Estos datos son caracterizados
por las tres «v»: volumen, variedad y velocidad (Laney,
2001). Por otro lado, la inteligencia artificial es un conjunto de herramientas
y técnicas diseñadas para procesar y analizar estos datos, utilizando
algoritmos y modelos matemáticos complejos para imitar la inteligencia humana
en tareas como el aprendizaje, la toma de decisiones y la resolución de problemas (Davenport et al., 2012).
2.2.
Objetivo
El objetivo de los macrodatos es recopilar,
almacenar y gestionar grandes volúmenes
de información de manera eficiente. Este proceso incluye la captura de datos en
tiempo real, su almacenamiento en infraestructuras escalables y la preparación
de estos datos para su posterior análisis (Gandomi
& Haider, 2015). En contraste, la inteligencia artificial se enfoca en utilizar estos datos para generar
conocimiento, realizar análisis predictivos, tomar decisiones informadas y ejecutar tareas
de manera
autónoma. La inteligencia artificial busca
transformar los datos
en bruto en información procesable y valiosa mediante técnicas como el
aprendizaje automático, la minería de datos y el procesamiento del lenguaje natural (Jordan &
Mitchell, 2015).
2.3.
Rol
Los big data actúa como la materia
prima, el combustible necesario que alimenta los sistemas
de inteligencia
artificial. Sin datos masivos y
diversos, los algoritmos de inteligencia artificial no pueden aprender ni mejorar su precisión. En este sentido,
los macrodatos
proporcionan la base sobre la
cual
la inteligencia artificial puede construir sus modelos y generar valor
(Kitchin, 2014). La inteligencia artificial, por su parte, es
el motor que transforma estos datos en bruto en información útil y acciones
inteligentes. Mediante el uso de algoritmos avanzados, la inteligencia
artificial extrae patrones significativos, realiza predicciones precisas y toma decisiones
autónomas basadas en los datos analizados (Russell & Norvig,
2020).
2.4. Relación simbiótica
La relación simbiótica entre big data e inteligencia artificial genera un ciclo virtuoso que impulsa el progreso tecnológico
y empresarial. Los macrodatos proporcionan el combustible necesario para la
inteligencia artificial: cuantos más datos estén
disponibles, mejor podrá aprender, adaptarse y evolucionar la inteligencia
artificial. Paralelamente, la inteligencia artificial desbloquea el valor oculto en los datos
masivos: es capaz de extraer insights valiosos, transformando grandes volúmenes de datos en conocimiento
accionable.
Este proceso continuo de retroalimentación tiene
múltiples beneficios. Los insights derivados de la inteligencia artificial
permiten guiar la toma de decisiones
estratégicas, facilitando el desarrollo de nuevos productos y servicios innovadores. Además, estos conocimientos
contribuyen a la optimización de procesos empresariales, mejorando la
eficiencia operativa y reduciendo costos.
El ciclo virtuoso se refuerza continuamente: la
implementación de soluciones basadas en inteligencia artificial genera más
datos que, a su vez, alimentan y mejoran los algoritmos
de inteligencia
artificial. Este crecimiento exponencial
de capacidades y conocimientos fomenta
la innovación en diversas industrias, desde la salud y la educación hasta el
comercio y la gobernanza (Marr & Von Scheel, 2015).
Además, la sinergia entre big data e inteligencia artificial promueve avances en áreas como el análisis predictivo, la
personalización de experiencias para el usuario y la automatización inteligente.
En materia de impuestos, por ejemplo, los documentos tributarios —boletas, facturas,
etcétera— corresponden a la información con la cual se alimentan los big data. A través de dichos recursos, la inteligencia
artificial puede predecir cuáles
de ellos pueden emanar de un contribuyente de difícil fiscalización o si la
información con la cual se confeccionaron las declaraciones no es congruente
con aquella con la cual cuenta la Administración tributaria.
3. La inteligencia artificial en las Administraciones tributarias
El Servicio de Impuestos Internos de Chile ha
emprendido un camino pionero hacia la modernización y la eficiencia, adoptando
la inteligencia artificial como herramienta clave para optimizar sus procesos y fortalecer la recaudación fiscal. En este innovador recorrido, el
Servicio de Impuestos Internos ha implementado diversas iniciativas que demuestran su compromiso con la vanguardia tecnológica, buscando mejorar la
experiencia de los contribuyentes y promoviendo un
sistema tributario más justo y equitativo.
De acuerdo con el Repositorio de Algoritmos
Públicos, llevado a cabo por la Escuela de Gobierno de la Universidad Adolfo Ibáñez (s.f.), contrastado
con la información entregada por la Organización para la Cooperación y el
Desarrollo Económicos [OCDE] (2023), el Servicio de Impuestos Internos cuenta
con dos sistemas de
inteligencia artificial declarados:
1) «Sofía», que corresponde a la asistente
virtual de dicha repartición pública. Esta innovadora herramienta, implementada
en 2021, ha transformado la atención al contribuyente, brindando soporte 24/7 a
través de un chatbot inteligente. «Sofía» responde preguntas frecuentes sobre trámites, normativas y servicios del Servicio de
Impuestos Internos, liberando tiempo a los funcionarios para
que se enfoquen en tareas más complejas y de mayor valor agregado.
2) El «Sistema de identificación de
transacciones anómalas e irregularidades», dependiente de la Subdirección de
Fiscalización del Servicio de Impuestos Internos, identifica
anomalías derivadas del uso inapropiado
del crédito
fiscal
por parte de los contribuyentes,
analizando el riesgo fiscal, pesquisando patrones de comportamiento que podrían indicar riesgo de evasión tributaria. Esta capacidad analítica permite enfocar las
fiscalizaciones de manera más eficiente
y efectiva, optimizando los recursos del Servicio de Impuestos Internos y combatiendo de manera más precisa la
evasión fiscal.
Por su parte, el Servicio Nacional de Aduanas,
cuenta con el «Modelo predictivo de riesgo de vulneración a la propiedad
intelectual», bajo el alero de la Unidad de Análisis de Riesgo e Inteligencia.
Este sistema aplica inteligencia para estimar y disponer de la probabilidad de ocurrencia del riesgo de
vulneración a la propiedad
intelectual en las operaciones de importación marítima, cuyo piloto comenzó en noviembre de 2021 (Universidad Adolfo Ibáñez, s.f.).
Por último, la Tesorería General
de la República, de acuerdo
con información entregada a la prensa, en diciembre de 2023,
presentó los resultados del testeo de un prototipo de herramienta «TGuía», que recurre a la inteligencia artificial para la generación de un canal de
atención de usuarios.
En este sentido, es importante recalcar que el
acceso a la información es sumamente
limitado. Esto puede llegar a entenderse por tratarse información de carácter estratégico, que implica datos sensibles para la institución,
pero abrimos otro paradigma que es hasta dónde la ciudadanía puede acceder a
«información pública».
3.1.
Reino Unido
Desde 2017, Rentas y Aduanas de Su Majestad —Her Majesty’s Revenue
and Customs— ha desarrollado «Connect»,
un sistema informático de minería de datos y análisis
de redes
sociales que cruza los registros
fiscales de empresas y personas con otras
bases de datos para detectar actividades fraudulentas. Este
sistema busca la correlación entre el ingreso declarado y el estilo de vida,
utilizando modelos estadísticos multivariados basados en inteligencia
artificial. Los datos provienen de
distintas fuentes, incluyendo bancos, registros de propiedad, tarjetas de crédito, vehículos, impuestos
municipales, registros de impuesto
al valor agregado, declaraciones de impuestos, investigaciones fiscales, ingresos de empleadores, plataformas en línea,
redes sociales, navegación web y registros
de correo
electrónico. Según un informe de
la institución,
el uso
de
«Connect» ha permitido
identificar y perseguir numerosos casos de evasión fiscal, mejorando la eficiencia y efectividad de la
Administración tributaria.
3.2.
Noruega
La Administración Tributaria de Noruega —Skatteetaten— utiliza técnicas de análisis de datos y aprendizaje automático para
mejorar la eficiencia en la selección
de casos a inspeccionar. Los algoritmos son entrenados con datos históricos
para predecir la posibilidad
de errores en cada declaración de impuesto al valor agregado. Cada caso recibe
un puntaje y los funcionarios tributarios
inspeccionan a los contribuyentes con los puntajes más altos. Según Skatteetaten, el porcentaje de inspecciones exitosas se
duplicó en comparación con el proceso manual, gracias a la implementación de
estos algoritmos.
3.3.
España
La Agencia Estatal de Administración Tributaria
española ha desarrollado un sistema de inteligencia artificial llamado
«herramienta de análisis de riesgos», que analiza grandes volúmenes de datos de contribuyentes para identificar
patrones de comportamiento que podrían indicar riesgo de evasión fiscal. Este
sistema utiliza técnicas avanzadas de análisis de datos y aprendizaje automático para mejorar la precisión en la
detección de posibles fraudes. Según un informe de la entidad, la «herramienta
de análisis de riesgos» ha permitido mejorar significativamente la eficiencia
de las auditorías fiscales y ha ayudado a identificar numerosos casos de
evasión fiscal.
3.4.
Países Bajos
El Servicio de Impuestos neerlandés —Belastingdienst— utiliza inteligencia artificial para analizar facturas electrónicas y
detectar posibles irregularidades, como facturas falsas
o con
información incorrecta. Según el Belastingdienst, en 2020,
la implementación de sistemas de inteligencia artificial ha mejorado la precisión en la detección de fraudes fiscales y ha permitido una fiscalización
más
eficiente y efectiva. El uso de estas tecnologías está alineado con las
normativas nacionales e internacionales que promueven la transparencia y
equidad en los procesos fiscales.
4.
Ventajas
del uso de
inteligencia artificial por parte de las
Administraciones
tributarias
El uso de la inteligencia artificial en las
Administraciones tributarias ofrece numerosas ventajas. Una de las principales es el incremento en la
recaudación de impuestos, ya que los algoritmos de inteligencia artificial
pueden identificar patrones de
comportamiento y posibles áreas de evasión fiscal de manera más eficiente que los métodos tradicionales.
En concreto «la implementación de
[inteligencia artificial] en la Administración tributaria ha permitido aumentar la recaudación en un 15
% en varios países, debido a la detección precisa de irregularidades» (López
& Rodríguez, 2022: 120).
La clasificación de los contribuyentes es otra ventaja significativa. La
inteligencia artificial puede segmentar a los contribuyentes en diferentes categorías basadas en su comportamiento fiscal, lo que permite una
fiscalización más focalizada y efectiva. Esto no solo mejora la eficiencia en
la detección de evasores fiscales, sino que también optimiza los recursos de la
Administración tributaria. En línea con esto, «la segmentación de
contribuyentes mediante [inteligencia artificial] facilita una administración
más justa y equitativa de los impuestos» (Hernández, 2021: 75).
La reducción de la evasión fiscal es uno de los
objetivos más importantes de cualquier Administración tributaria. La
inteligencia artificial permite identificar patrones de evasión que podrían pasar desapercibidos por
métodos tradicionales. Además, la eficiencia en los cálculos de la base
imponible mejora considerablemente, pues los algoritmos pueden procesar grandes
volúmenes de datos de manera rápida y precisa,
minimizando los errores humanos y asegurando que los impuestos se calculen correctamente.
La optimización del tiempo es otra ventaja
importante. Las tareas
que antes requerían horas o
días de
trabajo humano ahora pueden completarse
en minutos con la ayuda de algoritmos de inteligencia
artificial. Esto libera a los empleados de tareas repetitivas y les permite enfocarse en actividades de mayor
valor agregado. En específico, «la
implementación de inteligencia artificial en
procesos fiscales ha reducido el tiempo de procesamiento en un 40 %, permitiendo a
las Administraciones tributarias ser más eficientes» (García-Herrera Blanco,
2020: 98).
El soporte de auditorías es otra área donde la
inteligencia artificial puede tener un impacto
significativo. Los algoritmos pueden analizar grandes cantidades de datos para
identificar irregularidades y patrones sospechosos, proporcionando a los auditores una base sólida sobre la cual trabajar. Es más, «la
inteligencia artificial puede
mejorar la precisión y eficacia de las auditorías fiscales, permitiendo una detección más temprana de
fraudes y errores» (OCDE, 2021: 34).
5.
Algoritmos derivados
Al
describir los objetivos de la inteligencia artificial implementada en la Administración tributaria, surge una profunda curiosidad sobre su funcionamiento, creación y mecanismos. Los
algoritmos derivados son aquellos que, a partir
de grandes
volúmenes de datos, desarrollan modelos
predictivos y
analíticos para detectar irregularidades y optimizar la fiscalización
tributaria.
Sus características son las siguientes:
1) Son desarrollados por equipos
multidisciplinarios que incluyen ingenieros en datos, matemáticos y
especialistas en derecho tributario.
2) Su «creación… implica un proceso complejo de
modelado y validación, que debe ser transparente para garantizar la confianza
pública» (Gómez, 2020: 112).
3) Implementarlos permite a las
Administraciones tributarias realizar una detección más precisa de errores aritméticos y
comportamientos atípicos en las declaraciones de impuestos.
Sin embargo, el uso de la inteligencia artificial en
la Administración tributaria, particularmente
en forma de algoritmos derivados, ha generado un debate sobre su impacto en la
transparencia, equidad y eficiencia de los procesos fiscales. Si bien estos algoritmos ofrecen un
potencial significativo para detectar irregularidades y optimizar
la fiscalización,
su desarrollo
y aplicación
no están
exentos de riesgos. Uno de los principales desafíos
es la posibilidad de sesgos algorítmicos, los cuales pueden afectar
negativamente la toma de decisiones y generar resultados discriminatorios.
6.
Sesgos algorítmicos
Entre los elementos más preocupantes en la
implementación de la inteligencia artificial en las Administraciones tributarias, se encuentran los sesgos y
la discriminación algorítmica. Estos términos se han
vuelto cada vez más familiares a medida que se van conociendo los efectos
de la aplicación de las nuevas tecnologías,
ya que el riesgo asociado es significativo y puede resultar en tratos injustos,
ir en contra del principio de la buena fe, atentar contra el decálogo de
derechos de los contribuyentes que se establece en el artículo 8º bis del
Código Tributario y, por consiguiente, transgredir los derechos fundamentales
de los contribuyentes.
En cuanto al término «sesgo», este se refiere a «un
error sistemático en el que se puede incurrir cuando al hacer muestreos o
ensayos se seleccionan o favorecen unas respuestas frente a otras otras» (Real Academia Española, s.f., definición 7). Por su parte, el sesgo algorítmico es la «discriminación que es
sistémica e injusta al favorecer ciertos grupos individuales sobre otros» (Aysolmaz et al., 2020).
La cantidad de datos creados por y acerca de
nosotros ha crecido exponencialmente.
Para el caso de los algoritmos, su finalidad es buscar patrones en los datos, usando datos del pasado e
infiriendo el significado de datos faltantes, para los cuales estos modelos
pueden aprender patrones para correlacionarlos
con variables sociales —ejemplo: sexo o raza— y producir resultados discriminatorios, ya sean intencionales o
no (Jackson, 2018).
6.1.
Sesgos según la etapa en que se originan
Los sesgos algorítmicos en la Administración
tributaria pueden originarse en diversas etapas:
6.1.1.
Sesgos en los datos
Los algoritmos aprenden a partir de datos
históricos, los cuales pueden contener
sesgos preexistentes de la sociedad. Así, si un algoritmo se entrena con datos de declaraciones
de impuestos
donde la
tasa de
error es
mayor en
un determinado grupo demográfico, el algoritmo podría perpetuar ese sesgo y
etiquetar erróneamente a miembros de ese grupo con mayor frecuencia, incluso si
en realidad presentan un bajo riesgo de evasión fiscal.
Ejemplo: si un algoritmo se entrena con datos de
declaraciones de impuestos donde la tasa de error es mayor en un grupo demográfico, como las mujeres emprendedoras o las pequeñas
empresas.
6.1.2.
Sesgos de diseño
Los sesgos de los desarrolladores y operadores de
los algoritmos también pueden influir en su funcionamiento. Así, si los equipos
de desarrollo no son diversos
en términos de género, etnia o experiencia, es más probable que los algoritmos
reflejen los sesgos de quienes los crearon.
Ejemplo: si un
equipo de desarrollo está compuesto
principalmente por hombres con
experiencia en grandes empresas, existe la posibilidad de que el algoritmo
priorice indicadores de riesgo relevantes para ese perfil, desestimando
factores que podrían ser importantes para evaluar el riesgo de evasión fiscal
en otros grupos de contribuyentes, como las mujeres
emprendedoras o las pequeñas empresas.
6.1.3.
Sesgos de implementación
Los propios algoritmos pueden presentar sesgos debido a las decisiones
tomadas durante su implementación, como la selección de variables, la ponderación
de factores y la elección de los métodos de análisis. Así, un algoritmo que
prioriza ciertos indicadores de riesgo puede sesgar la selección de casos para
revisión hacia ciertos grupos de
contribuyentes, sin considerar adecuadamente el contexto individual.
Ejemplo: un algoritmo
que prioriza
el tamaño
de la
empresa o el tipo de
industria, sin considerar adecuadamente el
contexto individual del contribuyente, podría sesgar la selección de casos para
revisión hacia grandes empresas o sectores específicos, incluso si presentan un
bajo riesgo de evasión fiscal.
6.2.
Sesgos derivados
Los sesgos, dependiendo del momento en el que se
producen —clasificación anterior—,
van a su vez produciendo sesgos derivados que, para la Administración tributaria, se traducen en los siguientes:
6.2.1.
Sesgos de selección
Ocurre cuando el algoritmo elige erróneamente casos
para revisión o auditoría, enfocándose en ciertos grupos de contribuyentes sin considerar adecuadamente el riesgo individual.
Ejemplo: si la muestra se basa principalmente en declaraciones de impuestos
de pequeñas empresas, el algoritmo podría seleccionar un número desproporcionado
de estas empresas para revisión, incluso si
presentan un bajo riesgo de evasión fiscal en comparación con otros tipos de
contribuyentes.
6.2.2.
Sesgos de clasificación
El algoritmo clasifica erróneamente a los
contribuyentes como de alto riesgo, incluso si en realidad presentan un bajo riesgo.
Ejemplo: un algoritmo que encasilla a los
contribuyentes como de alto riesgo sobre la base
de su
ubicación geográfica, sin considerar otros
factores como el tipo de actividad económica, incluso si presentan
un bajo riesgo de evasión fiscal en comparación con contribuyentes de otras
regiones.
6.2.3.
Sesgos de medición
El algoritmo utiliza indicadores de riesgo que no
son adecuados para evaluar el riesgo de evasión fiscal en todos los grupos de
contribuyentes.
Ejemplo: un algoritmo cuyo único indicador de riesgo es el tamaño
de la empresa, que no considera otros factores relevantes
como el historial fiscal o la complejidad de las actividades comerciales,
podría subestimar el riesgo de
evasión fiscal en pequeñas empresas que utilizan sofisticadas técnicas de
evasión, mientras que sobreestima el riesgo en grandes empresas que tienen un historial fiscal impecable.
6.2.4.
Sesgos de interpretación
Los resultados del algoritmo se interpretan
erróneamente, generando decisiones fiscales injustas o discriminatorias.
Ejemplo: un auditor, al interpretar los resultados
del algoritmo, podría dar mayor
peso a la información proporcionada por el algoritmo que a la evidencia
presentada por el contribuyente, lo que podría llevar a una decisión injusta.
Como analizamos, las herramientas de inteligencia
artificial aplicadas al área tributaria
pueden generar problemas significativos, resultando en cargas tributarias injustas y afectando
negativamente el acceso a servicios públicos o financiamiento; incluso los
contribuyentes pueden verse limitados o impedidos de emitir ciertos documentos
tributarios por bloqueos arbitrarios en el sistema interno del Servicio de Impuestos Internos. Dentro
de esta problemática, se agrega
otra: la «poca transparencia» u «opacidad» en cómo se produce la toma de decisiones de carácter automatizado.
7. Transparencia en la Administración pública chilena
La transparencia en la Administración pública es un
principio fundamental para el funcionamiento del Estado de derecho
y la
confianza de los ciudadanos en
las instituciones. En el
contexto chileno, la transparencia se ha convertido en un
desafío significativo, especialmente con la incorporación de tecnologías
avanzadas y algoritmos en la gestión pública. La Constitución Política de la
República de Chile, en su artículo 8º, establece el derecho de toda persona a
solicitar y obtener información de la Administración del Estado, salvo las excepciones que la ley determine. Este principio es
esencial para asegurar la transparencia y la rendición de cuentas en la
Administración pública.
Al 24 de junio de 2024, no existe en Chile una ley que prohíba explícitamente compartir el contenido de la «caja negra» en la
inteligencia artificial en el sector público. En consecuencia, «la falta de
regulación específica sobre la divulgación de algoritmos en el sector
público crea un vacío que
puede afectar
negativamente la transparencia y la confianza
en las instituciones» (Soto, 2023: 142).
La ley Nº 20.285 regula el
ejercicio del derecho de acceso a la información pública y establece
obligaciones de publicidad activa para los órganos del Estado. Esta ley es un
pilar esencial en la promoción de la transparencia y la
rendición de cuentas en la Administración pública chilena, obligando a las entidades públicas a divulgar información
relevante sobre su funcionamiento, estructura y decisiones, facilitando el
acceso a la información por parte de los ciudadanos. En este sentido, el
Consejo para la Transparencia, como órgano autónomo encargado de
promover, proteger y garantizar el
derecho de acceso a la información pública y velar por el
cumplimiento de la normativa sobre transparencia en la Administración pública,
«es una institución clave para asegurar que los principios de transparencia y
acceso a la información se respeten en
todos los niveles de la Administración pública» (Paredes, 2022: 87).
La transparencia en el uso de algoritmos y
tecnologías de inteligencia artificial en la Administración pública
es una cuestión crítica que aún necesita
un marco regulatorio claro en Chile.
La utilización de algoritmos derivados en la Administración tributaria, por ejemplo, ha
planteado importantes desafíos en términos de transparencia y rendición de
cuentas. Por eso, «la creación de un registro público de algoritmos y la
realización de auditorías periódicas pueden mejorar significativamente la transparencia en la
Administración tributaria» (Martínez,
2024: 88). En este contexto, «la transparencia en la Administración tributaria
no solo mejora la confianza de los contribuyentes, sino que también es esencial
para la legitimidad del sistema tributario» (OCDE, 2021: 25).
El principal desafío en la utilización de algoritmos
derivados en la Administración pública es asegurar la transparencia y la
rendición de cuentas. Esto requiere la implementación de mecanismos que
permitan auditar y verificar los algoritmos utilizados. Sin embargo, «la falta
de regulación específica sobre los algoritmos en la Administración pública
chilena crea un vacío legal que puede afectar la transparencia y la justicia en los procedimientos administrativos»
(Fernández, 2021: 45). Asimismo, es crucial establecer claramente quién es el
responsable de los actos administrativos basados en
algoritmos. La ambigüedad en la asignación de responsabilidades puede socavar
la confianza en el sistema. Por esta razón, «la responsabilidad debe recaer no
solo en los creadores del algoritmo,
sino también en los funcionarios que lo implementan y supervisan» (Paredes,
2022: 115).
8.
El enigma de la «caja negra»
La transparencia en el uso de algoritmos por parte
de las Administraciones tributarias
es un tema de suma importancia
y, a
la vez,
extremadamente complejo. La información
específica sobre los algoritmos empleados en los procesos tributarios suele ser escasa y, a menudo, las
autoridades fiscales no detallan explícitamente cuáles son los métodos
utilizados. Esta falta de transparencia plantea serias inquietudes en términos
de derechos de los contribuyentes y de
la legalidad de los procesos
administrativos.
En Chile, coexisten dos sistemas
tributarios claramente diferenciados. El
primero es el sistema tradicional,
regulado explícitamente por el Código Tributario y diversas leyes especiales. En este sistema, los
derechos de los contribuyentes están claramente definidos, se sabe quién está a
cargo de cada proceso y se respeta escrupulosamente el principio de legalidad
que guía a la Administración pública.
En consecuencia, este «sistema tradicional garantiza un marco de certeza y previsibilidad para los contribuyentes,
alineado con los principios del Estado
de derecho» (Toro, 2019: 105).
No obstante, en paralelo a este sistema visible,
existe un sistema tributario menos
transparente y accesible para los contribuyentes. Este sistema paralelo emplea algoritmos avanzados
para detectar
irregularidades o errores aritméticos en las
declaraciones tributarias. Más preocupante aún, estos algoritmos pueden determinar la renta líquida imponible de un
contribuyente sin adherirse estrictamente a las reglas de fiscalización y
tasación establecidas en el Código Tributario. Por ello, «la opacidad en el uso de algoritmos socava la confianza en el sistema tributario y plantea serias dudas sobre la equidad del
proceso» (Gómez, 2020: 98).
La información sobre el uso de nuevas tecnologías
por parte de las Administraciones
tributarias es limitada y desactualizada. El informe más reciente de la
Organización para la Cooperación y el Desarrollo Económicos sobre este tema data de 2021, antes de la
pandemia de COVID-19, y no refleja los avances
tecnológicos más recientes. Por esta razón, concluye que «la rápida evolución tecnológica requiere una
actualización constante de los marcos regulatorios y una mayor transparencia en su implementación» (OCDE, 2021: 22).
En la cuenta pública de 2023 del Servicio de
Impuestos Internos de Chile, se destacó la inteligencia de datos como uno de
los pilares fundamentales de la estrategia institucional. Además, se enfatizó el fortalecimiento del
plan de formación institucional, donde el
análisis de datos juega un
papel crucial. Este enfoque hacia la inteligencia de datos y la
analítica avanzada transforma significativamente
el paradigma
tradicional de autodeterminación tributaria, toda vez que
«la inteligencia de datos permite una fiscalización más eficiente, pero también
introduce nuevos desafíos en términos de transparencia y protección de datos»
(Soto, 2023:135).
Aunque el sistema tributario chileno
se basa
en el
principio de autodeterminación, la
aplicación de algoritmos en las propuestas de declaración está modificando este paradigma hacia una determinación de impuestos
más guiada por la Administración
tributaria. Los contribuyentes, en muchos casos, se ven obligados a aceptar la información proporcionada por
la Administración. Durante el proceso de declaración de renta de 2024, algunos
campos en las declaraciones
no estaban disponibles para ser completados por los contribuyentes, generando críticas del Colegio de
Contadores de Chile. Esto es peligroso, pues «la intervención de algoritmos en
la autodeterminación tributaria puede reducir la autonomía del contribuyente y
aumentar su dependencia del sistema
administrativo» (Martínez, 2024: 78).
Históricamente, las declaraciones de impuestos
anuales y mensuales constituían
la principal fuente de información para las auditorías tributarias. Sin
embargo, actualmente, el Servicio de Impuestos Internos basa sus auditorías en
microdatos de las transacciones realizadas por los contribuyentes, obtenidos
a través de documentos tributarios electrónicos, como las facturas y boletas
electrónicas. Además, las declaraciones juradas han adquirido un rol primordial
como fuente de información, siendo cada vez más detalladas y especializadas. La no entrega
o la entrega incorrecta de estas declaraciones puede acarrear
sanciones para los contribuyentes. Por esto, «la transición hacia el uso de microdatos y declaraciones juradas
especializadas implica una mayor precisión en la fiscalización, pero también
una carga adicional para los contribuyentes en términos de cumplimiento»
(Paredes, 2022:110).
Un problema central en la utilización de algoritmos
para la Administración tributaria
es la falta de claridad sobre quién es responsable de los actos administrativos centralizados y elaborados por un
algoritmo. Surge la interrogante de si el responsable es el profesional que crea el algoritmo, el que lo
actualiza, el fiscalizador que firma el acto administrativo o algún otro actor
involucrado en el proceso. Esta ambigüedad en la asignación de
responsabilidades plantea serias cuestiones sobre la legalidad y la justicia en
los procedimientos tributarios. Por eso,
«la responsabilidad en la utilización de algoritmos debe ser claramente
definida para asegurar la accountability en los
procesos administrativos» (Fernández, 2021: 50).
9. Desafíos de la «caja negra»
en la inteligencia artificial para la
transparencia
La implementación de algoritmos en los sistemas
tributarios, especialmente aquellos
utilizados por las Administraciones fiscales, ha traído consigo importantes desafíos en términos de
transparencia y equidad.
A continuación, se detallan algunos de los principales desafíos de la
«caja negra» en la inteligencia artificial aplicada a la fiscalidad,
respaldados por citas de autores y referencias a leyes
pertinentes.
9.1.
Falta de transparencia en los algoritmos
Uno de los principales problemas es la opacidad
inherente a los algoritmos utilizados por las Administraciones tributarias.
Estos algoritmos, que son capaces de detectar irregularidades y errores en las declaraciones de impuestos, a menudo operan sin un escrutinio adecuado.
La falta de transparencia en el
diseño y funcionamiento de estos algoritmos genera incertidumbre y desconfianza entre los contribuyentes. «La
opacidad en el uso de algoritmos socava la confianza en el sistema tributario y plantea serias dudas sobre
la equidad del proceso» (Gómez, 2020: 98).
9.2.
Desafíos en la autodeterminación tributaria
Tradicionalmente, el sistema tributario chileno se
ha basado en el principio de
autodeterminación, donde los contribuyentes son responsables de calcular y declarar sus impuestos. Sin
embargo, la aplicación de algoritmos en las propuestas de declaración está transformando este paradigma. Los contribuyentes a menudo se ven obligados
a aceptar la información
proporcionada por la
Administración, lo que puede reducir su autonomía y aumentar su dependencia del sistema administrativo
(Martínez, 2024: 78).
9.3.
Responsabilidad y accountability
La falta de claridad sobre quién es responsable de
los actos administrativos generados por algoritmos es otro desafío
significativo. La ambigüedad en la asignación de responsabilidades plantea serias cuestiones sobre la legalidad y la justicia en los procedimientos
tributarios. Por ello, «la responsabilidad en
la utilización de algoritmos debe ser claramente definida para asegurar la accountability en los procesos administrativos»
(Fernández, 2021: 50). Desgraciadamente, la legislación actual —como el artículo
64 del Código Tributario
chileno— no aborda explícitamente estas nuevas realidades, lo que agrava el problema.
9.4.
Protección de datos y privacidad
El uso de tecnologías avanzadas y análisis de datos
plantea preocupaciones sobre la protección de datos y
la privacidad
de los
contribuyentes. La recopilación y procesamiento de microdatos y declaraciones
juradas especializadas, aunque mejora
la precisión
en la
fiscalización, también incrementa los riesgos
asociados con la protección de información personal. En este sentido, «la
inteligencia de datos permite una fiscalización más eficiente, pero también
introduce nuevos desafíos en términos de transparencia y protección de datos»
(Soto, 2023: 135).
9.5.
Actualización de marcos regulatorios
La rápida evolución tecnológica requiere una
actualización constante de los
marcos regulatorios para garantizar que se mantenga la transparencia y se
protejan los derechos de los contribuyentes. De allí la necesidad de «una mayor
transparencia en la implementación de tecnologías avanzadas y una actualización continua de los marcos
regulatorios» (OCDE, 2021: 22).
10.
Soluciones
para la gestión de
sesgos y principios
y buenas
prácticas para un uso responsable
y ético de la inteligencia artificial
Para maximizar los beneficios de la inteligencia
artificial en la Administración tributaria, es esencial incorporar equipos multidisciplinarios en el
diseño de algoritmos. Estos equipos deben incluir expertos
en derecho
tributario, ingenieros de datos, economistas y otros especialistas
relevantes. Esta «diversidad de perspectivas en el diseño de algoritmos asegura
que se consideren todos los aspectos críticos,
desde la precisión técnica hasta la conformidad legal»
(Pérez & Sánchez, 2023: 56). Además, es
fundamental modificar los derechos de
los contribuyentes para adaptarlos al uso de inteligencia artificial. Los
contribuyentes deben ser notificados de las conclusiones realizadas por la inteligencia artificial y conocer el
segmento al cual pertenecen. Asimismo, deben tener
el derecho explícito a recursos de carácter administrativo o jurisdiccional por actos emanados de la inteligencia
artificial, incluyendo el derecho a
saber
el uso de la información proporcionada
a la Administración tributaria y a una determinación de impuestos o proceso de
liquidación donde exista intervención humana.
La ley
Nº 20.285 sobre debe ser revisada y adaptada para
asegurar que estos derechos estén
protegidos.
El algoritmo necesita un sistema de corrección en caso
de detectarse
información errónea. Los contribuyentes deben tener el derecho a seguimiento y
auditoría algorítmica. En consecuencia, «la capacidad de corregir errores
algorítmicos y de realizar auditorías periódicas es crucial para
mantener la confianza de los contribuyentes en el sistema tributario» (Gómez,
2020: 113).
Como la información con la cual se construyen o se
alimentan los algoritmos corresponde
a un pilar estratégico al cual no puede acceder la ciudadanía, se podría otorgar mayores facultades a la Defensoría del Contribuyente,
que actualmente tiene
facultades limitadas y está principalmente enfocada en la defensa o mediación con el Servicio de Impuestos
Internos. En este sentido, convendría
ampliar sus competencias para que pueda participar en el diseño de algoritmos y
estar a cargo de las auditorías algorítmicas.
Según la ley Nº 21.210, la
Defensoría del Contribuyente tiene como objetivo proteger los derechos de los contribuyentes y su
fortalecimiento permitiría una supervisión
más robusta de los procesos algorítmicos. Por ello, es esencial que este ente administrativo participe en procesos estratégicos para eliminar o reducir los sesgos algorítmicos, asegurando que la
información sensible y estratégica
no sea de libre acceso, pero esté supervisada adecuadamente.
La Defensoría del Contribuyente en Chile desempeña
un papel esencial
en la protección de los derechos de los contribuyentes
frente a las actuaciones del Servicio
de Impuestos Internos y otras entidades tributarias. Actualmente, sus competencias están enfocadas principalmente en la defensa, mediación y asesoramiento legal en el ámbito tributario. Entre sus
funciones se incluyen ofrecer asesoría y asistencia legal a los contribuyentes
que enfrentan problemas con la Administración tributaria, actuar como mediador
entre los contribuyentes y el
Servicio de Impuestos Internos para resolver conflictos de manera amistosa y eficiente, y proporcionar
representación legal en procedimientos administrativos y judiciales. Además, dicha institución realiza
actividades de educación y capacitación para informar a los contribuyentes sobre sus derechos y obligaciones tributarias, mejorando así el
cumplimiento voluntario de las obligaciones
fiscales y reduciendo la conflictividad tributaria.
Con la integración de la inteligencia artificial en
la Administración tributaria, es crucial que la Defensoría del Contribuyente desarrolle nuevas competencias
específicas para enfrentar los retos asociados con el uso de algoritmos y
tecnologías avanzadas. «Una Defensoría del Contribuyente empoderada y bien formada puede actuar como un contrapeso efectivo a las
posibles arbitrariedades
derivadas del uso de inteligencia artificial en la Administración tributaria» (Ramírez, 2022: 109). Para
abordar estos desafíos, dicho servicio público debe tener la capacidad de supervisar y auditar los algoritmos
utilizados por la Administración tributaria, verificando la transparencia,
equidad y precisión de los algoritmos, mediante la identificación y corrección
de posibles sesgos y errores.
Además, debe asegurar que el uso de datos por parte
de la Administración tributaria cumpla con las normativas de protección de
datos y privacidad, supervisando el manejo de la información personal de los
contribuyentes y garantizando su uso ético y legal.
Es esencial implementar programas de formación
especializados en inteligencia artificial
y análisis de datos para los funcionarios de la Defensoría del Contribuyente, permitiéndoles comprender
mejor los aspectos técnicos y éticos de los algoritmos utilizados por la
Administración tributaria y actuar con mayor eficacia en su supervisión y auditoría.
Asimismo, dicho servicio
debe estar
capacitado para defender a los contribuyentes contra decisiones automatizadas injustas o arbitrarias derivadas del uso
de inteligencia artificial, presentando
recursos y ofreciendo representación legal en casos donde los algoritmos puedan haber
perjudicado los derechos de los contribuyentes.
La participación de la Defensoría del Contribuyente en el diseño,
desarrollo y auditoría de los algoritmos utilizados por
la Administración tributaria es crucial, pues su rol activo puede asegurar que los algoritmos se diseñen de manera justa y equitativa, considerando los derechos de
los contribuyentes desde el inicio.
Además, debe promover la transparencia en el uso de
algoritmos por parte de la Administración
tributaria, exigiendo la publicación de información relevante sobre cómo funcionan los algoritmos y cómo se
toman las decisiones automatizadas, incluyendo la obligación de notificar a los
contribuyentes sobre las conclusiones realizadas por la inteligencia
artificial, el perfil al cual pertenece el contribuyente o
su nivel de riesgo asignado y el derecho a entender el uso de su información.
Para apoyar estas competencias expandidas, es
necesario establecer un marco regulatorio que defina claramente las
responsabilidades y competencias de la Defensoría del Contribuyente en relación con la supervisión de algoritmos
y la protección de los
derechos de los contribuyentes. Este marco debe incluir
disposiciones específicas sobre la auditoría de algoritmos, la protección de datos y la defensa contra arbitrariedades algorítmicas.
11.
Principios
y buenas prácticas para un uso responsable
y ético de la inteligencia artificial en la Administración
tributaria
11.1.
Transparencia
Los algoritmos de inteligencia artificial utilizados
por las Administraciones tributarias
deben ser transparentes y explicables para permitir que los contribuyentes comprendan cómo se toman las decisiones que los afectan. Esto implica proporcionar información clara y accesible sobre el uso de la
inteligencia artificial en los procesos
tributarios, incluyendo sus objetivos, funcionamiento y limitaciones. La falta de transparencia en el uso
de algoritmos «socava la confianza en
el sistema tributario y plantea serias dudas sobre la equidad del proceso»
(Gómez, 2020: 98). La normativa internacional, como la Carta de los Derechos
Fundamentales de la Unión Europea, también exige transparencia en el
tratamiento automatizado de datos personales.
11.2.
Equidad y no
discriminación
Los algoritmos de inteligencia artificial deben ser
diseñados y utilizados de manera que no discriminen a ningún grupo de
contribuyentes, por lo que es esencial
implementar mecanismos para identificar y mitigar posibles sesgos algorítmicos que podrían generar
discriminación. La Organización para la Cooperación y el Desarrollo Económico
advierte sobre la necesidad de «una mayor transparencia en la implementación de
tecnologías avanzadas y una actualización continua de los marcos regulatorios»
(OCDE, 2021: 22) para garantizar
la equidad. A su vez, el Reglamento General de Protección de Datos de la Unión Europea emite directrices específicas para evitar la
discriminación en el tratamiento automatizado de datos
personales.
11.3.
Rendición de cuentas y responsabilidad
Debe existir un marco claro
de rendición de cuentas para el uso de la inteligencia
artificial en la Administración tributaria, que establezca responsabilidades
ante las autoridades y los contribuyentes. Es fundamental implementar
mecanismos de monitoreo y evaluación
para garantizar
el cumplimiento
de los
principios éticos y legales en el uso de la inteligencia artificial.
Por esta razón, «la responsabilidad en la utilización de algoritmos debe ser claramente definida para asegurar
la accountability en los procesos administrativos» (Fernández, 2021: 50).
11.4.
Protección de datos personales
La utilización de datos personales por parte de la
Administración tributaria debe
regirse por los principios de privacidad y protección de datos, de manera que es crucial implementar medidas de
seguridad robustas para proteger la confidencialidad e integridad de los datos personales de los
contribuyentes. Ello, toda vez que «la inteligencia de datos permite una
fiscalización más eficiente, pero también
introduce nuevos desafíos
en términos de transparencia y protección de datos» (Soto, 2023: 135). En todo caso, la ley Nº 19.628 establece las bases para el tratamiento y
protección de datos personales.
11.5.
Respeto a los derechos humanos
El uso de la inteligencia artificial en la
Administración tributaria debe respetar los
derechos humanos fundamentales, como el derecho a la privacidad, la igualdad y la no discriminación. Por ello,
es esencial implementar mecanismos para garantizar la protección de estos derechos en el contexto del uso de
la inteligencia artificial. Según el artículo 12 de la Declaración Universal de
los Derechos Humanos, toda
persona tiene derecho a la protección de su privacidad y a no ser objeto de
injerencias arbitrarias en su vida privada.
12.
Buenas
prácticas para un uso responsable
y ético de la inteligencia
artificial
en la Administración tributaria
1) Realizar evaluaciones de impacto ético y
social: antes de implementar cualquier
sistema de inteligencia artificial, se deben efectuar evaluaciones de impacto ético y social para identificar y mitigar posibles riesgos.
2) Fomentar la participación de los stakeholders: involucrar a los contribuyentes,
expertos y organizaciones de la sociedad civil en el desarrollo e implementación de sistemas de inteligencia
artificial.
3) Establecer mecanismos de reclamación y
recurso: brindar a los contribuyentes canales claros para presentar quejas o recursos relacionados con el uso
de la inteligencia artificial en los procesos
tributarios.
4) Promover la educación y la capacitación:
capacitar a los funcionarios públicos y a los contribuyentes sobre el uso responsable y ético de la
inteligencia artificial en la
Administración tributaria.
5) Establecer un marco legal y regulatorio
adecuado: desarrollar un marco legal
y regulatorio que establezca las normas y principios para el uso de la
inteligencia artificial en la Administración tributaria.
13. Conclusiones
La inteligencia artificial tiene el potencial de transformar radicalmente la Administración
tributaria, ofreciendo oportunidades sin precedentes para mejorar la eficiencia, la eficacia y la equidad
en la recaudación fiscal. Sin embargo, su implementación debe ser abordada con cautela y
responsabilidad, considerando los desafíos y riesgos asociados, como la
opacidad algorítmica, los sesgos discriminatorios y la seguridad
de los datos.
Además, se debe tener especial cuidado con la
existencia de sistemas paralelos, uno formalmente establecido y el otro de carácter automatizado, donde las decisiones tomadas por la Administración a
través de la inteligencia artificial no siempre se encuentran fundadas y donde se rompe con
principios fundamentales, como la presunción
de buena fe de los actos de los contribuyentes.
La transparencia algorítmica y la gestión
de sesgos
son componentes
esenciales para asegurar una
implementación ética y justa de la inteligencia artificial en la Administración tributaria. La transparencia
algorítmica permite la comprensión y
aceptación de las decisiones automatizadas, mientras que la gestión de sesgos
promueve la equidad y justicia en el sistema tributario.
Para lograr estos objetivos, es
fundamental desarrollar y adoptar herramientas y
metodologías que permitan la explicación y auditoría de los algoritmos, siendo
una de las medidas más plausibles que se otorguen mayores facultades a la Defensoría del Contribuyente como ente estatal que
pueda representar los intereses de los
contribuyentes y proteger sus derechos, así como implementar prácticas de
diseño y entrenamiento que consideren la equidad y diversidad. La educación y
concientización sobre estos aspectos también son cruciales para fomentar una
cultura de innovación y responsabilidad en el uso de la inteligencia
artificial, fomentando su uso ético por parte de la Administración pública en general y otorgando legitimidad a las ventajas que
su buen uso genera.
Referencias
•
Aysolmaz, B.; Iren, D. & Dau, N. (2020). Preventing algorithmic bias in the development of algorithmic
decision-making systems: A Delphi Study. Hawaii International Conference on System Sciences.
•
Davenport, T. H.;
Barth, P. & Bean, R. (2012). How “big data”
is different. MIT Sloan Management Review, 54 (1).
•
Fernández, J.
(2021). Responsabilidad y transparencia en la Administración
tributaria digital. Editorial Jurídica.
•
Gandomi, A. & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal
of Information Management, 35
(2),137-144. https://doi.org/10.1016/j.ijinfomgt.2014.10.007.
•
García-Herrera
Blanco, C. (2020). El uso del big data y la inteligencia artificial por las
Administraciones tributarias en la lucha contra el fraude fiscal. Particular referencia a los principios que han de regirla o a los
derechos de los contribuyentes. En F. Serrano Antón (coordinador), Fiscalidad e inteligencia artiflcial: Administración
tributaria y contribuyentes en la
era digital.
Thomson Reuters Aranzadi.
•
Gómez, L. (2020). Algoritmos y justicia tributaria. Un
análisis crítico. Revista de Derecho
Tributario, 12(1), 97-113.
•
Hernández, M. (2021). Segmentación de contribuyentes y equidad fiscal.
Revista Chilena de Economía, 15(1), 70-85.
•
Jackson, J. (2018). Algorithmic bias. Journal of Leadership, Accountability and
Ethics, 15(4), 55-65.
•
Jordan, M.
I. &
Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349
(6245), 255-260. https://doi.org/10.1126/ science.aaa8415
•
Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data & Society,
1(1). https://doi.org/10.1177/2053951714528481
•
Laney, D.
(2001). 3D Data Management: Controlling Data Volume, Velocity and Variety. META Group Research.
•
López, C. &
Rodríguez, A. (2022). Impacto
de la inteligencia artificial en la recaudación fiscal. Estudios Tributarios Internacionales, 19(4), 115-130.
•
Marr, B. & Von Scheel, H. (2015). Big
data: Using SMART big data,
analytics and metrics to make better
decisions and improve
performance. Wiley.
•
Martínez, A. (2024).
La autodeterminación
tributaria en la era de la inteligencia artificial. Revista Chilena de Administración Pública, 29(2), 70-85.
•
McAfee, A. & Brynjolfsson, E. (2012). Big
Data: The Management Revolution. Exploiting vast new flows of information
can radically improve your company’s performance. But first you’ll have
to change your decision-making culture. Harvard Business Review,
90 (10), 60-68.
•
Organización para la
Cooperación y el Desarrollo Económico [OCDE]. (2021).
Informe sobre el uso de nuevas tecnologías en las
administraciones tributarias.
•
Organización para la
Cooperación y el Desarrollo Económico [OCDE]. (2023).
Tax Administration
2023: Comparative Information on
OECD and other Advanced and Emerging Economies. Editorial OCDE. https://doi. org/10.1787/900b6382-en.
•
Paredes, M. (2022). Microdatos
y flscalización tributaria: Desafíos y oportunidades. Editorial Tributaria.
•
Pérez, D. &
Sánchez, E. (2023). Diseño de algoritmos en la administración pública. Universidad de Chile.
•
Ramírez, F. (2022). Protección
de derechos en la Administración tributaria digital. Editorial Jurídica.
•
Real Academia
Española (s.f.). Diccionario de la lengua española. https:// dle.rae.es/sesgo?m=form
•
Russell, S. & Norvig, P. (2020). Artiflcial intelligence:
A modern approach (4ª edición). Pearson.
•
Soto, C. (2023). Inteligencia de datos en la Administración tributaria chilena.
Universidad de Chile.
•
Toro, R. (2019). Principios y derechos en el sistema tributario chileno.
Universidad Católica.
•
Universidad Adolfo
Ibáñez, Escuela de Gobierno. (s.f.). Repositorio de Algoritmos Públicos. https://algoritmospublicos.cl/repositorio#explorar
Normativa
•
Decreto ley Nº 830, de 1974,
Código Tributario. Diario Oficial de la República de Chile, 31 de diciembre de 1974. https://bcn.cl/2f6f6
•
Ley Nº 19.628, sobre Protección de la
Vida Privada. Diario Oficial de la República de Chile, 28 de agosto de 1998.
https://bcn.cl/2f7cg
•
Ley Nº 21.210, moderniza la legislación tributaria. Diario Oficial de la República de Chile, 24
de febrero de 2020. https://bcn.cl/2f9fr
•
Ley Nº 20.285, sobre Acceso a la Información Pública.
Artículo primero: aprueba la ley de transparencia de la función
pública y de acceso a la
información de la Administración del Estado. Diario Oficial de la República
de
Chile, 20 de agosto de 2008. https://bcn.cl/2f8ep
•
Ley Nº 20.322, fortalece y perfecciona la jurisdicción
tributaria y aduanera. Diario
Oficial de la República de Chile, 27 de enero de 2009. https://bcn. cl/2ox92
•
Ministerio
Secretaría General de la Presidencia (2005). Decreto Nº
100, de 2005, flja el texto refundido, coordinado y
sistematizado de la Constitución Política de la República de Chile. Diario Oficial de la República de Chile, 22
de septiembre de 2005.
https://bcn.cl/2f6sk
•
Naciones Unidas
(1948). Declaración Universal de Derechos Humanos. Adoptada y proclamada por la Asamblea
General en su resolución Nº 217 A (III), de 10 de diciembre de 1948. https://bcn.cl/2iqwb
