evidoria

← Volver al listado

Buena práctica Importada

Algoritmos y Burocratas: la DGID de Senegal Pone a Prueba la Seleccion de Auditorias Fiscales por Aprendizaje Automatico Frente a Inspectores Humanos

Senegal · Dakar · Ver el perfil de Senegal · Ver el perfil de Dakar

Evidencia: Cuasiexperimental Top 47% 60/100 · Pregunte a Evidence Copilot sobre esta práctica

La DGID de Senegal y un equipo del Banco Mundial dividieron el programa nacional de auditorias entre inspectores y un algoritmo transparente de riesgo. Las auditorias del algoritmo detectaron un 89% menos de evasion: la experiencia humana aun gano.

-89%
Evasión detectada, auditorías seleccionadas por algoritmo vs. inspector (study cycle)
-18 percentage points
Reducción en la probabilidad de auditoría, casos seleccionados por algoritmo
~500
Auditorías completas realizadas anualmente
Algoritmos y Burocratas: la DGID de Senegal Pone a Prueba la Seleccion de Auditorias Fiscales por Aprendizaje Automatico Frente a Inspectores Humanos

Detalles

Madurez
Piloto
Promotor
Direction Generale des Impots et des Domaines (DGID), with the World Bank Development Research Group
Período
2018-2025
Palabras clave
taxation, revenue administration, compliance analytics

Contexto

La autoridad fiscal de Senegal, DGID, junto con el Grupo de Investigación sobre Desarrollo del Banco Mundial, realizó un experimento de campo a gran escala integrando un algoritmo de aprendizaje automático directamente en el programa nacional de auditoría fiscal a empresas.

Actividades

La mitad de las auditorías fue seleccionada por inspectores fiscales experimentados según su criterio habitual; la otra mitad por un algoritmo transparente de puntuación de riesgo entrenado con declaraciones y resultados de auditorías anteriores, comparados en un ciclo completo de auditoría.

Resultados

Los casos seleccionados por el algoritmo tenían 18 puntos porcentuales menos de probabilidad de ser realmente auditados, detectaron un 89% menos de evasión que los casos seleccionados por inspectores, y fueron menos rentables; el algoritmo tampoco redujo el riesgo de corrupción.

Conclusiones

Senegal realiza solo unas 500 auditorías completas al año, datos insuficientes para entrenar un modelo que iguale el criterio de un inspector experimentado — un resultado de advertencia para otras administraciones fiscales.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — Not disclosed; a research collaboration rather than a large capital deployment.
Tiempo hasta resultados
Medio (1–3 años) — Comparison ran across one full annual audit cycle; published November 2025.
Personal y competencias
DGID tax inspectors, World Bank Development Research Group researchers

Condiciones para el éxito

  • Sufficient historical audit-outcome data to train a competitive model
  • Transparent, auditable risk-scoring methodology

Modos de fallo comunes

  • Data-constrained tax administration (~500 audits/year) limited model training quality
  • Algorithmic selection underperformed experienced human inspectors on every measured dimension

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles