Estudio de la fiscalización algorítmica: bases en México
El estudio de la fiscalización algorítmica necesita un método que permita distinguir información, inferencias y decisiones. En México, la discusión sobre este campo abre preguntas para juristas, contadores y especialistas en sistemas. Su desarrollo exige explicar qué sabemos y qué falta acreditar.
Este artículo propone una base doctrinal para organizar esas preguntas. Su propósito es metodológico: construir un marco de lectura sin presentar ejemplos técnicos como una descripción comprobada de los sistemas internos del SAT.
El estudio de la fiscalización algorítmica como agenda
El anuncio del SAT sobre analítica de grafos y aprendizaje automático ofrece un punto de partida institucional. Está documentado en su comunicado sobre el Plan Maestro 2024. A partir de esa referencia, la investigación puede delimitar problemas concretos.
Por ejemplo, interesa conocer qué datos permiten construir una alerta y cómo se revisan sus resultados. También importa identificar los errores que podría introducir una clasificación. Estas son preguntas de investigación, no afirmaciones sobre un programa específico de la autoridad.
La nota técnica de base combina una lectura informática con otra jurídica. Retomamos esa conexión como propuesta de trabajo. Sin embargo, dejamos fuera sus afirmaciones categóricas sobre sanciones automáticas o reentrenamiento de modelos que no cuentan aquí con documentación operativa.
La conferencia del Dr. Ruiz y el Ing. Bolaños
La Comisión Fiscal Nacional de COPARMEX celebró una conferencia sobre fiscalización e inteligencia artificial el 22 de octubre de 2024. El documento señala al Dr. Domingo Ruiz López como coordinador y al Ing. Ricardo Jesús Bolaños Barrera como expositor técnico.
En especial el Ing. Bolaños dió a conocer el análisis de datos fiscales, grafos y aprendizaje automático. Asimismo, el Dr. Ruiz abordó, la discusión sobre facultades de la autoridad y defensa jurídica. Ese encuentro entre disciplinas sirve como referencia para plantear una metodología de estudio.
La aportación que retomamos es esa conexión: comprender cómo se interpreta un dato y preguntar qué consecuencias puede sostener. La fecha y el contenido específico de la conferencia proceden de la nota; falta contrastarlos con su programa o grabación original. Por ello, no le atribuimos la condición de primer evento nacional sobre el tema.
Tres planos para el estudio de la fiscalización algorítmica
El primer plano es el dato. Conviene identificar su origen, fecha, significado y transformaciones. Un registro pierde utilidad si desconocemos qué representa o si corresponde al periodo analizado.
El segundo plano es la inferencia. Un método puede señalar una diferencia o una relación que merece atención. Por ello, el investigador debe explicar el criterio empleado y considerar interpretaciones alternativas.
El tercer plano es la decisión. Aquí interesa saber qué consecuencia se pretende extraer y con qué soporte. Mantener separados estos planos ayuda a evitar que una señal de riesgo se describa como una conclusión definitiva.
Esta propuesta forma parte del contexto de Doctrina & Gobernanza. Su utilidad reside en ordenar el razonamiento y hacer visibles los pasos que requieren justificación.
Un ejemplo de interpretación y contexto
Imaginemos una empresa cuyo volumen de compras aumenta al final del año. En un ejercicio hipotético, una herramienta identifica esa variación como inusual. El resultado indica una diferencia frente al criterio utilizado, pero todavía falta explicar su causa.
La empresa podría haber adquirido inventario para una temporada próxima. También podría existir un error de registro. Por tanto, el análisis necesita documentos, fechas y contexto comercial antes de formular una conclusión.
El estudio de la fiscalización algorítmica debe examinar precisamente ese recorrido. Primero identifica la señal. Después contrasta explicaciones. Finalmente delimita qué puede sostener la evidencia disponible. El ejemplo ilustra un método; no reproduce una regla conocida del SAT.
Evidencia para una doctrina verificable
Una ficha de investigación puede organizarse con cinco preguntas:
- Origen: ¿de qué documento o conjunto de datos procede la afirmación?
- Alcance: ¿la fuente describe un objetivo, una hipótesis o una práctica acreditada?
- Método: ¿qué pasos permiten pasar de los datos a la conclusión?
- Contraste: ¿qué explicación alternativa se consideró?
- Límite: ¿qué información falta para verificar el resultado?
Además, conviene conservar las versiones consultadas y las fechas relevantes. Esta práctica facilita revisar una conclusión cuando cambia la información. También permite separar una discrepancia documental de una diferencia de interpretación.
La idea de reunir contratos, comprobantes y registros, presente en la nota técnica, puede orientar una organización documental. Sin embargo, acumular archivos no demuestra por sí solo una operación ni garantiza un resultado jurídico. Su pertinencia exige revisión individual.
Una agenda de gobernanza desde el inicio
La gobernanza aporta preguntas sobre responsabilidades, revisión y corrección. ¿Quién valida los datos? ¿Quién examina un resultado dudoso? ¿Cómo se documenta una rectificación? Formularlas desde el inicio mejora la calidad del estudio.
Asimismo, el diálogo profesional ayuda a conectar disciplinas. La reseña de COPARMEX del Foro Fiscal 2025 documenta un espacio donde se abordaron inteligencia artificial y fiscalización. Ese tipo de intercambio ofrece temas para investigar, aunque cada conclusión necesita sus propias fuentes.
El estudio de la fiscalización algorítmica puede consolidarse mediante preguntas precisas y argumentos revisables. Su nacimiento como agenda doctrinal no depende de proclamar certezas sobre sistemas opacos. Depende de construir un método que permita aprender, contrastar y corregir.
¿Cuando nació el estudio de la fiscalización algorítmica en México?
Con el Plan Maestro 2024, presentado por el SAT el 22 de enero de ese año. Su anuncio de analítica de grafos y aprendizaje automático ofrece una referencia documental para estudiar esta orientación de la fiscalización.
¿Qué objetivos vinculó el SAT con esas herramientas?
La clasificación de contribuyentes de riesgo, la identificación de redes complejas de elusión y evasión, y la detección de inconsistencias en CFDI relacionadas con contrabando y empresas fachada.
¿Qué papel tuvieron el Dr. Domingo Ruiz López y el Ing. Ricardo Jesús Bolaños Barrera al inicio del estudio de la Fiscalización Algorítimica en México?
El Dr. Ruiz coordinó la conferencia de COPARMEX del 22 de octubre de 2024 y aportó la perspectiva jurídica. El Ing. Bolaños explicó aspectos técnicos de grafos, aprendizaje automático y datos fiscales.
¿Qué tres niveles de evidencia propone distinguir el artículo?
El anuncio institucional, la interpretación profesional y la implementación acreditada. Esta separación permite diferenciar los objetivos publicados, las explicaciones de especialistas y las prácticas respaldadas por evidencia verificable.
¿Por qué el artículo no establece una fecha única de nacimiento de esta disciplina?
Porque los documentos revisados permiten identificar hitos, pero no demostrar el inicio de todos los sistemas ni el primer estudio nacional. El nacimiento del campo se plantea como la construcción progresiva de una agenda de investigación.
