Modelos de Inteligencia Artificial Aplicados a la Gestión de la Mora en las Administraciones Tributarias Subnacionales

• Marcelo Gabriel Benedetto Universidad Nacional de Entre Ríos

Resumo

La gestión de la morosidad tributaria constituye uno de los principales desafíos para las administraciones tributarias subnacionales, debido a su impacto directo en la sostenibilidad financiera, la equidad del sistema tributario y la eficiencia del gasto público. Los enfoques tradicionales de recaudación suelen ser reactivos, basados en reglas estáticas y con alta dependencia de procesos manuales, lo que limita su efectividad frente a entornos económicos dinámicos. Esta investigación doctoral propone el diseño de un modelo basado en Big Data e Inteligencia Artificial orientado a mejorar la eficiencia en la gestión de la morosidad fiscal. La propuesta integra algoritmos predictivos para anticipar el incumplimiento tributario y modelos de segmentación automatizada que permiten clasificar a los contribuyentes según su perfil de riesgo fiscal, incorporando además mecanismos de automatización para personalizar las estrategias de recaudación y seguimiento. El estudio se desarrolla bajo un enfoque de Design Science Research y se fundamenta en el análisis de datos históricos de recaudación, comportamiento de pago y variables contextuales relevantes. Los resultados preliminares indican que los modelos predictivos permiten identificar patrones de morosidad con mayor precisión que los enfoques tradicionales, favoreciendo una gestión proactiva basada en el riesgo. Actualmente, el trabajo se encuentra en una etapa intermedia de desarrollo y se espera que sus aportes resulten relevantes tanto para la investigación académica como para la práctica administrativa en el sector público.

Palavras-chave: Gestión de la mora, Inteligencia Artificial, Big Data, Administración Tributaria, Modelos predictivos

Referências

Agencia Tributaria Española. (2024). Estrategia de inteligencia artificial aplicada a la gestión tributaria. AEAT.

Alm, J. (2021). Big data, artificial intelligence, and tax administration. Public Finance Review, 49(2), 245–268.

Alva Matteucci, J. (2019). Big data y fiscalización tributaria. Instituto Peruano de Derecho Tributario.

Argüelles Toache, L. (2023). Inteligencia artificial y sector público: conceptos, alcances y desafíos. Revista Iberoamericana de Administración Pública, 7(2), 45–62.

Barreix, A., Roca, J., & Velayos, F. (2024). Big data y fiscalización basada en riesgos. Banco Interamericano de Desarrollo.

Belahouaoui, M., & Attak, A. (2024). Digitalization and artificial intelligence in tax administration systems: A systematic review. Journal of Public Sector Innovation, 9(1), 1–18.

Carbajo Vasco, D., & Collosa, C. (2023). Capacidades institucionales y desafíos en la adopción de inteligencia artificial en la administración tributaria. Crónica Tributaria, 187, 77–98.

Cavallé, J. (2022). Inteligencia artificial, fiscalidad y garantías jurídicas. Revista Española de Derecho Financiero, 195, 11–44.

CEATS – Centro de Administradoras Tributarias Subnacionales. (2021). Índice de madurez digital de las administraciones tributarias. BID.

CLAD – Centro Latinoamericano de Administración para el Desarrollo. (2023). Carta Iberoamericana de Inteligencia Artificial en la Administración Pública. CLAD.

Consoli, G. (2024). Inteligencia artificial y eficiencia en la gestión fiscal. Revista de Administración Pública, 58(1), 33–51.

Faúndez-Ugalde, A., Álvarez, C., & Viveros, J. (2020). Data analytics and clustering techniques applied to tax administration. Government Information Quarterly, 37(4), 101487.

García-Herrera Blanco, A. (2020). Big data y lucha contra el fraude fiscal. Revista Española de Derecho Financiero, 187, 89–112.

García Martínez, M., López, R., & Torres, J. (2022). Infraestructura tecnológica y analítica avanzada en administraciones públicas. Revista de Sistemas de Información, 16(2), 55–72.

Gómez López, M. L. (2020). Inteligencia artificial en la Agencia Estatal de Administración Tributaria. Crónica Tributaria, 174, 45–66.

ICCSI. (2024). Artificial intelligence in tax administration. International Centre for Computer Science Innovation.

Jauregi-Maza, I. (2021). Big data en el sector público: retos y oportunidades. Revista Vasca de Administración Pública, 121, 201–223.

Masrom, M., Yahya, Y., & Ismail, Z. (2022). Machine learning approaches for corporate tax evasion detection. Journal of Financial Crime, 29(4), 1234–1251.

Mikhaleva, N., Ivanov, S., & Petrov, A. (2021). Big data technologies in tax administration: The Russian experience. Journal of Tax Administration, 7(1), 25–44.

OECD Publishing. (2016). Advanced analytics for better tax administration. OECD.

Pantielieieva, N. (2022). Cloud computing adoption in public sector analytics. Information Polity, 27(3), 341–356.

Pérez Pombo, R. (2023a). Segmentación de contribuyentes y gestión del riesgo fiscal. Crónica Tributaria, 186, 61–82.

Raikov, A. (2021). Cognitive modeling and artificial intelligence in tax evasion analysis. Procedia Computer Science, 184, 356–363.

Serrano Antón, F. (2020). Inteligencia artificial y cumplimiento tributario. Revista Española de Derecho Financiero, 186, 9–32.

Xavier, M., Souza, R., & Lima, P. (2022). Open data and tax evasion detection in Brazil. Information Systems Frontiers, 24(3), 567–582.

Zambrano, R., & Díaz de Sarralde, S. (2021). Inteligencia artificial aplicada a la recaudación y fiscalización tributaria. Revista CIAT, 47, 89–105.