La AEAT ha desarrollado un proyecto basado en el uso de nuevas herramientas tecnológicas basadas en inteligencia artificial para ayudar a encontrar emisores de facturas irregulares, es decir, facturas que no se corresponden con el trabajo realmente realizado o la mercancía entregada. La lucha contra el fraude fiscal en el ámbito de la contabilidad ilícita es uno de los objetivos de la autoridad tributaria para 2021-2022. Las razones para que los contribuyentes cometan este tipo de fraudes son muchas. Algunos de ellos son: simular gastos para reducir el IVA a pagar u obtener un reembolso; Justificar las subvenciones de forma artificial; Organice programas con múltiples empresas involucradas para beneficiarse de esta nómina simulada o simule una mejor cuenta de resultados para obtener una mejor financiación bancaria.

Te informamos que la AEAT ha desarrollado un proyecto basado en el uso de nuevas herramientas tecnológicas basadas en inteligencia artificial para ayudarte a encontrar emisores de facturas irregulares, es decir, facturas que no se corresponden con el trabajo realmente realizado, para ayudar o con bienes entregados.

La Agencia Tributaria explica este proyecto de detección de facturas irregulares en el informe de resultados de la prevención y control del fraude fiscal y aduanero del año 2020.

Identificación de perfiles de empresas que emiten facturas irregulares

Basado en el uso de nuevas herramientas tecnológicas Base de inteligencia artificial para ayudar a encontrar facturadores irregulares, d. H. Facturas que no se corresponden con el trabajo realmente realizado o la mercancía entregada.

La lucha contra el fraude fiscal en el ámbito de la contabilidad ilegal es uno de los objetivos de la autoridad fiscal. Los motivos de los contribuyentes para este tipo de fraude son muchos. Algunos de estos son:

• Simular gastos para reducir el monto del IVA a pagar u obtener un reembolso.
• Justificación artificial de las subvenciones.
• Organizar programas con diversas empresas involucradas que se beneficiarán de esta facturación simulada.
• Simule una mejor cuenta de resultados para obtener una mejor financiación bancaria.

El proyecto desarrollado utiliza herramientas de inteligencia artificial para generar modelos de pronóstico que faciliten la identificación de emisores y receptores de facturas irregulares. Estos modelos pueden respaldar el sistema de selección tradicional y hacerlo más efectivo.

Los principales objetivos del proyecto son:

• Fortalecer la detección de fraudes y combatir la competencia desleal entre empresas incumplidas frente a empresas cumplidoras.
• Mejorar la eficiencia del control focalizando la actividad en los archivos de mayor riesgo fiscal.

Este proyecto trabajó con casos que el área de inspección ya había investigado en años anteriores. A partir de todos los datos disponibles, la herramienta de TI genera un modelo que se puede utilizar para predecir la probabilidad de fraude en casos nuevos y similares.

Se ha comprobado que las empresas que cometen este tipo de fraudes se agrupan en una serie de perfiles con algunas características comunes, lo que permite generar modelos con una alta tasa de éxito. Los modelos predictivos son seres vivos que deben recalcularse constantemente con los resultados de nuevos casos. Por tanto, este modelo de facturación irregular es una primera versión que se modifica periódicamente para mejorarlo.

El modelo desarrollado para la detección de facturación irregular no pretende sustituir los anteriores sistemas de selección basados ​​en riesgos y experiencia de control, sino que complementa y facilita su trabajo.

El proyecto se desarrolló en 2020 y se implementó en 2021

La fase de desarrollo del modelo se completó en 2020 y los resultados de 2018 se calculan para la fase de explotación.

En 2021 se pusieron a disposición del área de inspección los resultados para sus medidas de control. Al mismo tiempo, el modelo se vuelve a entrenar con la mayoría de los conjuntos de datos disponibles y los resultados del modelo se calculan para el año fiscal 2019.

En 2021, los resultados derivados de las medidas de control proporcionarán una valoración inicial de la aplicación práctica del modelo para su adecuación a futuro.