evidoria

← Voltar à navegação

Boa prática Importada

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

México · Mexico City · Ver o perfil de México · Ver o perfil de Mexico City

Evidência: Descritivo / autorreportado Top 75% 47/100 · Pergunte a Evidence Copilot sobre esta prática

O SAT do México implementa analítica de grafos e machine learning em 80 milhões de registos fiscais para classificar entidades de alto risco, rastrear redes de faturas falsas (EFOS) em 9 setores e detetar irregularidades em CFDI, sustentando 4,5 biliões de pesos arrecadados em 2023.

4.517 trillion pesos
Receita fiscal total cobrada (2023)
28 cents per 100 pesos collected
Rácio custo-cobrança (2023)
14,000+ entities
Entidades EFOS incluídas na lista negra (by mid-2026)
7,300 seals
Selos digitais suspensos (H1 2026)
3,000+ entities/year
Novas entidades EFOS identificadas (2018)
47 entities/year
Novas entidades EFOS identificadas (2023)
SAT do México — Aprendizagem Automática e Analítica de Grafos para Deteção de Contribuintes de Alto Risco (Plano Maestro 2024)

Detalhes

Maturidade
Consolidada
Promotor
Servicio de Administración Tributaria (SAT)
Período
2020–ongoing
Palavras-chave
tax administration, compliance, machine learning, graph analytics

Contexto

O Serviço de Administração Tributária do México (SAT) tem incorporado aprendizagem automática e análise de grafos no seu processo de auditoria desde 2020. O Plan Maestro 2024 formaliza uma estratégia assente em quatro pilares: Monitorização da Conformidade, Vigilância Aprofundada, Cobrança Coerciva e Assistência ao Contribuinte.

Atividades

Modelos de grafos mapeiam redes transacionais entre mais de 80 milhões de contribuintes na base de dados CFDI, para expor propriedade oculta e cadeias de faturas falsificadas ligadas a Empresas Facturadoras de Operaciones Simuladas (EFOS, 'faturadoras fantasma'). Modelos de aprendizagem estatística visam nove setores prioritários — automóvel, bebidas alcoólicas/tabaco, construção, farmacêutico, hidrocarbonetos, logística, plataformas tecnológicas, imobiliário e seguros/serviços financeiros — assinalando incoerências entre rendimentos declarados, dados bancários, registos aduaneiros e fluxos de CFDI, de modo a gerar pontuações de risco para intervenções escalonadas.

Resultados

O SAT reportou a cobrança de 4,517 biliões de pesos em 2023, com um rácio custo-cobrança de 28 cêntimos por cada 100 pesos — abaixo do referencial do IRS dos EUA, de 34 cêntimos por dólar. A lista negra de EFOS ultrapassou 14.000 entidades em meados de 2026, e 7.300 selos digitais foram suspensos no primeiro semestre de 2026. As novas adições de EFOS diminuíram de mais de 3.000 por ano em 2018 para 47 em 2023.

Conclusões

Os críticos destacam riscos de enviesamento algorítmico, transparência insuficiente do modelo e concentração de escrutínio em setores específicos. A diminuição de novas adições de EFOS é interpretada quer como sucesso dissuasor, quer como redução da fiscalização, e não foi publicada nenhuma auditoria algorítmica independente. A faturação eletrónica obrigatória do México, em vigor desde 2014, proporciona uma base de dados para aprendizagem automática invulgarmente rica entre países de rendimento médio.

Implementação

Custo indicativo
Elevado (500 mil €–5 M€) — No specific system budget disclosed; embedded within SAT's ongoing operations since 2020 and formalised under Plan Maestro 2024's four-pillar strategy.
Tempo até resultados
Longo (> 3 anos) — ML/graph analytics in use since 2020; Plan Maestro 2024 formalises the strategy; reported as ongoing through 2026.
Equipa e competências
SAT internal data-science and audit teams, Oversight by SAT's Junta de Gobierno

Condições de sucesso

  • Mandatory electronic invoicing (CFDI) since 2014 provides rich, structured data for machine-learning models
  • Cross-checking of income, bank, customs and invoicing data sources to flag inconsistencies
  • Sector-prioritised targeting across nine high-risk sectors

Modos de falha comuns

  • No independent algorithmic audit has been published
  • Academics flag risk of algorithmic bias and concentration of scrutiny on specific sectors
  • Decline in new EFOS detections is not disambiguated between deterrence success and reduced enforcement effort

Onde se enquadra

Tipo de governação
national tax administration
Escala
national (80M+ taxpayers across 32 states)
Nível de rendimento
upper-middle income

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis