SAT do México — Aprendizagem Automática e Analítica de Grafos para Deteção de Contribuintes de Alto Risco (Plano Maestro 2024)

O Servicio de Administración Tributaria (SAT) do México integrou progressivamente machine learning e analítica de grafos no seu processo de auditoria desde 2020. O Plano Maestro 2024 formalizou esta abordagem em quatro pilares: Vigilância de Cumprimento, Vigilância Profunda, Cobrança Coerciva e Assistência ao Contribuinte. Modelos de grafos mapeiam redes transacionais entre 80 milhões de contribuintes na base de dados CFDI — um dos maiores repositórios de faturação eletrónica do mundo — para expor estruturas de propriedade ocultas e cadeias de faturas falsificadas associadas a Empresas Facturadoras de Operaciones Simuladas (EFOS, 'empresas fantasma').
Modelos de aprendizagem estatística treinados em casos históricos de evasão são aplicados em tempo real a nove setores prioritários: automóvel, bebidas alcoólicas e tabaco, construção, farmácia, hidrocarbonetos, logística, plataformas tecnológicas, imobiliário e serviços financeiros. O sistema deteta inconsistências entre rendimentos declarados, dados bancários de terceiros, registos aduaneiros e fluxos CFDI, gerando pontuações de risco. O SAT arrecadou 4,517 biliões de pesos em 2023 com um custo de cobrança de 28 cêntimos por 100 pesos. A lista negra de EFOS acumulou mais de 14.000 entidades até meados de 2026.
Investigadores académicos identificaram riscos de viés algorítmico e falta de transparência sobre a arquitetura dos modelos. A queda de novas adições à lista EFOS de mais de 3.000 (2018) para 47 (2023) é interpretada tanto como dissuasão como redução da aplicação. Não foi publicada nenhuma auditoria algorítmica independente.