SAT de México — Aprendizaje automático y analítica de grafos para la detección de contribuyentes de alto riesgo (Plan Maestro 2024)

El Servicio de Administración Tributaria (SAT) de México ha integrado progresivamente el aprendizaje automático y la analítica de grafos en su proceso de auditoría desde 2020. El Plan Maestro 2024 formalizó este enfoque en cuatro pilares: Vigilancia del cumplimiento, Vigilancia profunda, Cobro coactivo y Asistencia al contribuyente. Los modelos de grafos mapean redes transaccionales entre los 80 millones de contribuyentes registrados en la base de datos CFDI — uno de los mayores repositorios de facturación electrónica del mundo — para exponer estructuras de propiedad ocultas y cadenas de facturas falsificadas asociadas a Empresas Facturadoras de Operaciones Simuladas (EFOS).
Modelos de aprendizaje estadístico entrenados con casos históricos de evasión se aplican en tiempo real a nueve sectores prioritarios: automotriz, bebidas alcohólicas, construcción, farmacéutico, hidrocarburos, logística, plataformas tecnológicas, inmobiliario y servicios financieros. El sistema detecta inconsistencias entre ingresos declarados, datos bancarios de terceros, registros aduaneros y flujos CFDI. El SAT recaudó 4,517 billones de pesos en 2023 con un costo de recaudación de 28 centavos por cada 100 pesos. La lista negra de EFOS acumuló más de 14.000 entidades a mediados de 2026.
Investigadores académicos han identificado riesgos de sesgo algorítmico y falta de transparencia sobre la arquitectura de los modelos. La caída de nuevas incorporaciones a la lista EFOS de más de 3.000 (2018) a 47 (2023) se interpreta tanto como efecto disuasorio como reducción de la aplicación. No se ha publicado ninguna auditoría algorítmica independiente.