evidoria

← Volver al listado

Buena práctica Importada

Detección de fraude fiscal con IA y el chatbot OrientaSAT del SAT — México

México · Mexico City · Ver el perfil de México · Ver el perfil de Mexico City

Evidencia: Observacional / pre-post Top 74% 47/100 · Pregunte a Evidence Copilot sobre esta práctica

La autoridad fiscal de México usa IA para detectar facturación electrónica fraudulenta y empresas fantasma, y opera OrientaSAT, un chatbot para contribuyentes — pero un estudio académico señala riesgo de sesgo, opacidad y un recorte del 22% de personal.

~1,200 companies
Empresas fantasma identificadas (2020)
~3,500 transactions
Transacciones fraudulentas identificadas (2020)
47.5% increase to 246,309 interactions
Crecimiento de interacciones de OrientaSAT (2023)
25.4% increase
Aumento de eficiencia de auditorías (Q1 2024)
201.6 pesos recovered per peso invested (vs 160.8 a year earlier)
Razón de recuperación en fiscalización (Q1 2024)
-22% 7,004 positions
Reducción de la plantilla del SAT (2022)

Detalles

Madurez
Consolidada
Promotor
Servicio de Administración Tributaria (SAT)
Período
2017–present
Palabras clave
taxation, fraud detection, e-invoicing, chatbot, public finance

Contexto

Desde octubre de 2017, el Servicio de Administración Tributaria (SAT) de México aplica modelos de aprendizaje automático a su sistema nacional obligatorio de facturación electrónica (CFDI), comparando los ingresos declarados y las bases de IVA con las facturas emitidas para señalar transacciones simuladas y empresas fantasma.

Objetivos

El programa busca detectar el fraude en la facturación electrónica y la actividad de empresas fantasma en toda la base tributaria, y desde marzo de 2021 también asistir directamente a los contribuyentes mediante OrientaSAT, un chatbot de IA gratuito disponible durante la temporada de declaraciones.

Actividades

Los modelos del SAT comparan los ingresos declarados y las bases de IVA con las facturas emitidas a nivel nacional, mientras OrientaSAT responde a las consultas de los contribuyentes; ambos alimentan el "Plan Maestro" 2024 de la agencia para la clasificación de riesgos y la fiscalización asistidas por IA.

Resultados

En 2020 se atribuyó a los modelos la identificación de alrededor de 1.200 empresas fantasma y unas 3.500 transacciones fraudulentas, y las interacciones de OrientaSAT crecieron un 47,5% hasta 246.309 en 2023. Para el primer trimestre de 2024, el SAT reportó un aumento del 25,4% en la eficiencia de las auditorías y una razón de recuperación de 201,6 pesos por cada peso invertido en fiscalización, frente a 160,8 pesos un año antes.

Conclusiones

Un estudio revisado por pares, afiliado a la UNAM, plantea preocupaciones sobre el sesgo algorítmico contra grupos específicos de contribuyentes, la no divulgación de la metodología de puntuación de riesgo y una responsabilidad legal poco clara, y señala que la plantilla del SAT cayó en 7.004 plazas (-22%) en 2022, en paralelo con el impulso de automatización; las propias afirmaciones causales del SAT sobre las ganancias de ingresos atribuidas a la IA no han sido auditadas de forma independiente.

Implementación
Coste indicativo
Alto (500 000 €–5 M€) — No public cost figures were found; conservatively banded high given the system's nationwide scale across Mexico's entire e-invoicing base and continuous operation since 2017.
Tiempo hasta resultados
Largo (> 3 años) — Tax-fraud detection models have run continuously since October 2017; OrientaSAT added March 2021; classified as long-running given nearly a decade of continuous operation.
Personal y competencias
SAT tax administration and IT/data-science staff running CFDI risk models, OrientaSAT chatbot support team

Condiciones para el éxito

  • Mandatory nationwide e-invoicing (CFDI) data already in place to train and run risk models
  • Continuous system operation since 2017 giving multi-year data for model refinement

Modos de fallo comunes

  • A peer-reviewed UNAM study documents undisclosed risk-scoring methodology and potential algorithmic bias against specific taxpayer groups, with unclear legal accountability
  • SAT's headcount fell 22% (7,004 positions) in 2022 alongside the automation push, raising questions about capacity and oversight
  • SAT's own revenue and efficiency gains attributed to AI have not been independently audited

Dónde encaja

Tipo de gobernanza
national tax authority (centralised federal agency)
Escala
national, entire mandatory e-invoicing base
Nivel de ingresos
upper-middle-income

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.

Prácticas similares que pueden serle útiles