La Ciencia, desde Morelos para el mundo.

Inteligencia artificial y ciencia de redes contra la evasión fiscal

Inteligencia artificial y ciencia de redes contra la evasión fiscal

Laura Vargas-Parada

Laura Vargas-Parada es doctora en Investigación Biomédica Básica por la UNAM y tiene casi dos décadas de impartir cátedra en la licenciatura de Biología en la Facultad de Ciencias de la UNAM. Se dedica a la comunicación de la ciencia habiendo colaborado en diversos medios nacionales e internacionales tanto en prensa escrita como radio y televisión. Desde 2016 dirige la oficina de comunicación del Centro de Ciencias de la Complejidad (C3).

Esta publicación fue revisada por el comité editorial de la Academia de Ciencias de Morelos.

 

Un equipo multidisciplinario de investigadores del Centro de Ciencias de la Complejidad (C3) y el Instituto de Física de la UNAM, en colaboración con el Department of Network and Data Science de la Central European University, en Hungría, realizó un análisis utilizando inteligencia artificial y ciencia de redes para estimar el monto de evasión del impuesto al valor agregado (IVA) por la emisión de facturas electrónicas que simulan operaciones que nunca se realizaron.

El objetivo principal de la investigación fue desarrollar métodos para identificar evasores fiscales y también para estimar cuánto se había evadido”, explicó en entrevista vía correo electrónico Carlos Gershenson, coordinador del Programa de Inteligencia Computacional y Modelación Matemática del C3, investigador del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas y coautor del estudio.

 

Los académicos estiman que la evasión por emisión de comprobantes fiscales digitales por internet o CFDI fraudulentos alcanzó, durante el periodo 2015 a 2018, un promedio de poco más de 60 mil millones de pesos anuales, de acuerdo al reporte Evasión en IVA: Análisis de redes, que publican en un micrositio web del Servicio de Administración Tributaria (SAT), instancia para la cual realizaron el análisis. Los investigadores encontraron también que la tendencia a la evasión va en aumento, habiendo pasado de los 40 mil millones de pesos en 2015 a 77 mil millones tres años después, lo que representa un incremento del 93%. Esta evasión, de acuerdo a los investigadores, proviene de poco más de 7,677 registros federales de contribuyentes (RFC) de posibles evasores fiscales.

Esta investigación tiene gran mérito porque utiliza técnicas de inteligencia artificial para proponer una solución de política pública a un problema sensible para países con sistemas fiscales que presentan una debilidad estructural”, dijo Roberto Ponce-López, profesor-investigador del Instituto Tecnológico y de Estudios Superiores de Monterrey, quien no participa en este estudio. “Los autores utilizan ciencia de datos para atajar un problema endémico en países en vías de desarrollo. Aplicaciones tecnológicas que cuenten con la capacidad de identificar y contextualizar herramientas desarrolladas en países industrializados para atajar problemas locales requiere de sensibilidad y creatividad”.

Para Tomás Veloz, asesor sobre ciencia de datos en la Contraloría General de la República de Chile y quien no participa en este estudio, este proyecto permite “con una inversión muy pequeña, resolver un problema que impacta de forma importante en el funcionamiento del Estado y en la confianza de la gente en la administración pública”.  

SISTEMAS COMPLEJOS

Para el análisis los científicos utilizaron métodos desarrollados en el estudio de los sistemas complejos que permiten analizar una gran cantidad de datos. En este caso, los datos analizados fueron todos los comprobantes digitales emitidos en México entre enero de 2015 y diciembre de 2018, anonimizados y agregados por mes. Mediante algoritmos que utilizan inteligencia artificial buscaron reproducir los patrones en la actividad de empresas que ya habían sido identificadas por el SAT como Empresas que Facturan Operaciones Simuladas (EFOS) para luego, con análisis estadístico de teoría de redes, “identificar patrones nuevos”, explicó Gershenson.

De esta forma, los científicos desarrollaron una herramienta que no solo permitió detectar patrones en el comportamiento de la emisión de comprobantes fiscales, identificando contribuyentes con comportamientos similares a los evasores fiscales (y por tanto sospechosos), sino también estimar cuántos recursos han evadido. Sobre la metodología, Gerardo Iñiguez, profesor asistente en la Central European University, investigador visitante de la Aalto University, Finlandia, y coautor del estudio, explicó en un mensaje electrónico: “Utilizamos dos métodos basados en algoritmos de aprendizaje de máquinas para detectar posibles EFOS aún no identificados [por el SAT] a partir de una lista de EFOS ya detectados”.