evidoria

← Volver al listado

Buena práctica Importada

Unidad de IA de la ZRA — Plataforma de aprendizaje automático de la Autoridad Tributaria de Zambia para detección de fraude y brechas de recaudación

Zambia · Lusaka · Ver el perfil de Zambia · Ver el perfil de Lusaka

Evidencia: Descriptivo / autodeclarado Top 66% 53/100 · Pregunte a Evidence Copilot sobre esta práctica

La Autoridad Tributaria de Zambia (ZRA) creó una Unidad de IA que usa aprendizaje automático para detectar fraude fiscal e identificar brechas de ingresos. En junio de 2024, el Ministerio confirmó un aumento del 60% en la capacidad de recaudación en dos años.

60 %
Aumento de la capacidad de recaudación de la ZRA atribuido a la IA (2022-2024 (two years to June 2024))
1,000 records per 2 milliseconds
Registros tributarios procesados por las herramientas de análisis (as of 2024)
7+ days
Tiempo de revisión manual sustituido (pre-AI baseline)

Detalles

Madurez
Consolidada
Promotor
Zambia Revenue Authority (ZRA)
Período
2022–2024
Palabras clave
tax administration, revenue authority, fraud detection, machine learning

Contexto

La Autoridad Tributaria de Zambia (ZRA) creó una Unidad de Inteligencia Artificial dedicada en su sede de Lusaka, compuesta por científicos de datos zambianos, para identificar brechas fiscales y fugas de ingresos en toda la base tributaria nacional. La unidad aplica modelos de aprendizaje automático a los datos de transacciones de importadores y exportadores en tiempo real, detectando automáticamente patrones sospechosos y fraude más rápido que la revisión manual. Las tareas principales incluyen la puntuación de riesgo de los contribuyentes, la persecución automatizada de los no declarantes, el cruce de datos de retenciones salariales (PAYE) con las declaraciones de los empleadores, y la señalización de declaraciones aduaneras anómalas.

Objetivos

Aumentar la capacidad de la ZRA para detectar el fraude fiscal y cerrar las brechas de ingresos, sustituyendo la lenta revisión manual por un análisis automatizado y en tiempo real de los datos de importación/exportación y de nóminas.

Actividades

Según se informa, las herramientas de análisis de datos procesan alrededor de 1.000 registros tributarios en 2 milisegundos, frente a siete o más días de revisión manual. Una evaluación de investigación paralela, dirigida por el Center for Effective Global Action (CEGA) de UC Berkeley, está probando un algoritmo Random Forest adaptado de un proyecto piloto contra el fraude aduanero en Paraguay, para su aplicación en Zambia.

Resultados

En junio de 2024, el ministro de Tecnología y Ciencia de Zambia, Felix Mutati, declaró que la IA había aumentado en un 60% la capacidad de recaudación de la ZRA en los dos años anteriores. La afirmación fue recogida por Xinhua, Open Zambia y Copperbelt Katanga Mining, pero se refiere a la capacidad de recaudación y no a ingresos netos auditados, y no se ha publicado ninguna auditoría técnica independiente sobre la precisión o la equidad de los modelos de IA.

Conclusiones

A pesar de la falta de auditoría independiente, la ganancia confirmada a nivel ministerial y corroborada por múltiples fuentes de prensa convierten este en uno de los resultados de IA más significativos documentados en la administración tributaria en el África subsahariana, fuera de Sudáfrica.

Implementación
Coste indicativo
Medio (50 000–500 000 €) — No official budget figures are published. A dedicated in-house AI unit with real-time transaction-monitoring infrastructure at a national revenue authority implies a moderate, ongoing government IT investment; classified 'medium' as a conservative estimate pending disclosed costs.
Tiempo hasta resultados
Medio (1–3 años) — The unit's reported gains cover a two-year build-up to June 2024, consistent with a multi-year (1-3 year) establishment and scale-up timeline rather than a short pilot or a decade-long programme.
Personal y competencias
In-house Zambian data scientists based at ZRA headquarters in Lusaka, External research partnership with CEGA (Center for Effective Global Action) at UC Berkeley for independent model evaluation

Condiciones para el éxito

  • Access to real-time importer/exporter and PAYE transaction data for model training and scoring
  • Ministerial-level political backing and public communication of results
  • Adaptation of an existing proven approach (Random Forest algorithm from a Paraguay customs-fraud pilot) rather than building from scratch

Modos de fallo comunes

  • No independent technical audit of model accuracy or fairness has been published
  • The headline 60% figure measures self-reported collection capacity, not independently verified net revenue receipts
  • Risk of overstating results without transparent methodology disclosure

Dónde encaja

Tipo de gobernanza
national revenue authority (central government agency)
Escala
national
Nivel de ingresos
lower-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