VER MÁS
MARKET DATA
<%userdata?.email%>
Editar perfil
Credencial
Salir
(Twitter)
Instagram
Facebook
LinkedIn
YouTube
TikTok
Alto contrasteDF Tax | Falsos positivos
Hace poco el mundo político nos recordó que juzgar rápido puede ser vergonzoso. Un subsecretario de Hacienda dio positivo en un test de drogas, renunció a los pocos días, vio su nombre manchado y su futuro comprometido. Después se hizo exámenes por su cuenta en otros laboratorios y dieron negativo. Sea cual sea la verdad, nadie le va a devolver el cargo ni el dolor del juicio mediático.
Esto de juzgar demasiado rápido también les ocurre a las administraciones tributarias con la inteligencia artificial (“IA”) y sus modelos de perfilamiento de riesgos. Ya hace un par de años, en este mismo medio, hablamos de cómo el Servicio de Impuestos Internos (“SII”) tiene sus propios test automatizados de “actitudes sospechosas”, lo que resultaba en contribuyentes que amanecían con manchas en su hoja de vida tributaria con una anotación 4110, o imposibilitados de facturar con la temida 52, repartidas con la generosidad de quien no paga las consecuencias.
En este caso el problema era de diseño: el sistema que estigmatiza vive en el presente y trabaja 24/7. Por el contrario, el ser humano que puede revisarlo vive tres años atrás pensando en prescripciones, y llega a tu caso cuando puede. Un juicio sumario que se procesa en segundos y una absolución que tarda meses no es un problema de tecnología; es un problema de quién carga con el error cuando existe.
Pero no nos quedemos en el pasado. El punto no es sólo Chile, el SII o sus anotaciones, sino el hecho de que esta automatización, y los sesgos que no conocemos, sólo puede profundizarse con el uso extendido e imprescindible de la IA a nivel global, y por tanto requiere ser controlada. Sólo para aterrizar los números de esa OECD que nos habla suave al oído: 29 de sus 38 miembros ya reportan IA en sus administraciones tributarias, y en su encuesta más amplia el uso pasó del 9% en 2016 al 69% en 2023.
En Latam los desafíos son variados. En 2020 el asistente virtual de la DIAN colombiana recibió 1.082.157 preguntas y respondió automáticamente 245.347. ¿Y si se equivoca al responder ese 23% de las consultas? Un pronunciamiento oficial de la DIAN obliga a sus propios funcionarios; la respuesta de un chatbot con logo oficial, no. En México el SAT envía cartas de invitación cuando detecta situaciones de riesgo (eso que acá llamamos “inconsistencias”), dándole al contribuyente unos días para llorar, correr y rectificar. Y en Perú la Sunat envía un SMS al celular cuando una factura de gasto le parece sospechosa para el giro, sin decir por qué. Todo automatizado, todo moviliza recursos del contribuyente, y todos los inquisidores quedan contentos menos el receptor acusado cuando el sistema se equivoca.
Los errores derivados de automatizaciones mal concebidas generan problemas reales, con consecuencias humanas y jurídicas. Bien lo conocen en Australia con el caso Robodebt donde un sistema automatizado detectaba uso de beneficios sociales indebidos y, sin intermediación humana notificó de cuantiosas deudas a 433.000 australianos, muchos de los cuales por temor al Estado optaron por pagar lo cobrado. ¿Qué ocurrió? Se determinó que la regla inserta en el sistema era incorrecta e ilegal, haciendo sentir a muchas personas como criminales, y obligando al Estado a devolver todo lo indebidamente cobrado. ¿Quién te devuelve el que te hagan sentir como un delincuente?
Otro caso famoso es el de Holanda, y que afortunadamente tuvo consecuencias políticas claras. En este, la administración tributaria holandesa acusó a 26.000 padres de haber recibido una asignación para el cuidado infantil de forma fraudulenta, obligándolos a devolverla. ¿Qué llevó a tal acusación? Un clasificador de machine learning usaba la nacionalidad como indicador de riesgo de fraude, y ya se pueden imaginar a quienes marcaba como riesgosos. Dicho de otra forma, el sistema fue programado con un sesgo. ¿En qué terminó esto? Familias endeudadas, viviendas perdidas, suicidios y el fin del tercer gabinete de Mark Rutte, que renunció por completo.
Y si hablamos de cuantificar cuánto se equivoca el sistema, vale la pena mirar a Estados Unidos. En junio, el comité asesor del IRS en materia electrónica entregó al Congreso norteamericano su informe anual con un dato que en Chile sería interesante: los filtros del IRS - de reglas, ni siquiera IA todavía - producen un 54% de falsos positivos. Más de la mitad de las declaraciones que el sistema detiene resultan ser legítimas. Lo interesante no es la cifra, sino que esta existe y se publica.
¿Cuál es la tasa de falsos positivos del SII? No lo sé. No lo sabe usted. Sospecho que tampoco lo sabe el SII, porque medirla obligaría a contar cuántas anotaciones se levantan después sin haber cobrado un peso. Un laboratorio que no conoce su tasa de error no es un laboratorio; es un oráculo. Y a los oráculos, por definición, no se les puede reclamar.
Nuestros vecinos en la región ya entienden esta realidad, y han empezado a moverse, cada uno a su manera. La provincia de Córdoba, en Argentina, introdujo en su Código Tributario un derecho nuevo: si el Fisco usó IA para detectar una diferencia, tiene que decírtelo y explicarte los criterios objetivos del modelo aplicados a tu caso. La determinación final la firma un humano, y responde por ella. Brasil, en febrero, dictó la política de IA de su Receita Federal, y la regla central cabe en una línea: la máquina puede sugerir, pero no puede sustituir, condicionar ni vincular la decisión del funcionario. Tanto en Córdoba como en Brasil se parte de la misma premisa: el error del algoritmo es responsabilidad del Estado, no un accidente meteorológico del contribuyente. El resto de la región va atrás: en la encuesta CIAT-BID de 2025, de las seis administraciones que respondieron sólo tres -Uruguay, Brasil y Colombia- declaran protocolos internos para el uso de IA, y la mayoría no audita sus modelos desde afuera.
Volviendo a Chile, lo relevante no es si el SII admite haber usado, si usa o si va a usar IA. Lo importante es cómo convivimos con esa realidad, y aquí viene lo que importa:
- Es fundamental conocer cuándo un sistema decide. Cada anotación, bloqueo o carta debería decir si fue generada por un proceso automatizado.
- Es fundamental entender por qué el sistema decidió así. Justo es reconocer que el SII en 2026 sí ha publicado parte de los cruces que sus sistemas realizan. Nobleza obliga.
- Es fundamental, como lo estableció Brasil, el que un ser humano deba revisar de forma efectiva las decisiones preparadas con IA, en un plazo que sí se cumpla.
- Es fundamental que las decisiones tomadas en segundos puedan ser reversadas con una celeridad comparable.
- Es imperativo un sistema de auditoría independiente para evaluar fuera del SII cuántas decisiones automatizadas son reversadas.
Cualquier administración tributaria diría que es imposible que un ser humano revise todo lo que la IA hace por ellos. Esto es obvio, y también lo es que el uso de IA es fundamental no sólo para optimizar procesos, sino también para uniformarlos, un problema del que las administraciones tributarias sufren de forma evidente.
No obstante, y dado que el riesgo es un concepto familiar al cautelar el cumplimiento tributario, un sistema de revisiones escalonadas de las actuaciones de la administración según su riesgo o impacto bajo, mediano o alto -no para la recaudación fiscal, sino para el ciudadano- se vuelve no algo deseable, sino obligatorio. No lo digo yo: lo recoge el capítulo sobre países en desarrollo del libro del IBFD sobre IA y derecho tributario, coescrito por un auditor-fiscal de la Receita Federal que colidera la iniciativa tecnológica tributaria de la OECD: supervisión humana obligatoria para toda decisión significativa -sanciones, auditorías, denegación de derechos-.
Que la IA se equivoque no es el problema, el problema es cuando los modelos son entrenados con datos o reglas obsoletos (las reglas que capturan el fraude fiscal de los 90, como la ausencia de activos tangibles, hoy pueden estar marcando a contribuyentes honestos en la era digital), en base a criterios sesgados (nacionalidad, nivel de ingresos, sector económico, etc.), o cuando son tan opacos que nadie logra entender cómo operan. Por todo esto, la transparencia y la auditoría externa sí importan, ya que si no se mide, no existe y, si no existe, no se puede corregir.
