Inteligencia Artificial: El Machine Learning y los Derechos fundamentales en la Fiscalidad Contable
DOI:
https://doi.org/10.29105/vtga11.4-1146Palabras clave:
elusion y evasion fiscal, derechos fundamentales, Inteligencia Artificial, Machine learning, fiscalidad contableResumen
La inteligencia artificial representa una oportunidad en materia fiscal para optimizar la recaudación, prevenir evasión y elusión fiscal. El machine learning permite a las administraciones tributarias revisar, analizar y supervisar el impacto fiscal mediante evaluación de patrones y comportamientos de contribuyentes. Sin embargo, aún existen retos importantes en la garantía de los derechos fundamentales, el respeto a la ética y valores. El machine learning o aprendizaje automático puede vulnerar derechos si no cuenta con una adecuada supervisión humana. Entre los principales retos se encuentran la transparencia, seguridad y protección de los datos personales. En este estudio se empleó el método analítico, deductivo y sintético a partir del análisis de documentos emitidos por Organismos Internacionales como la Organización para la Cooperación y Desarrollo Económico (OCDE), legislación del Código Fiscal de la Federación y el Servicio de Administración Tributaria. La cooperación y el trabajo en conjunto entre los Organismos Internacionales y los Estados requieren de marcos jurídicos claros y transparentes para garantizar la protección de los derechos y la dignidad humana en la inteligencia artificial. Es necesaria la colaboración entre Organismos, Sociedad Civil, sector público y privado para fortalecer la transparencia y eficiencia del aprendizaje automático aunado a la dignidad de personas.
Descargas
Citas
Amaya Estrella, H. (14 de Enero de 2025). El impacto de la inteligencia artificial en la recaudación de impuestos. Obtenido de FORBES: https://forbes.com.mx/el-impacto-de-la-inteligencia-artificial-en-la-recaudacion-de-impuestos/
Baghdasaryan , V., Davtyan, H., Sarikyan, A., & Navasardyan, Z. (2022). Taylor & Francis. Obtenido de Improving Tax Audit Efficiency Using Machine Learning:The Role of Taxpayer’s Network Data in Fraud Detection: https://www.tandfonline.com/doi/epdf/10.1080/08839514.2021.2012002?needAccess=true DOI: https://doi.org/10.1080/08839514.2021.2012002
Barboza, F., Kimura, H., & Altman, E. (15 de Octubre de 2017). Elsevier. Machine Learning models and bankruptcy prediction: https://www.sciencedirect.com/science/article/abs/pii/S0957417417302415#preview-section-snippets
Battiston, P., Gamba, S., & Santoro, A. (11 de Marzo de 2020). SSRN. Optimizing Tax Administration Policies with Machine Learning: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3552533
Becerra-Peña, D., Rosales-Soto, A., & Gutiérrez-Moreno, P. (11 de Abril de 2023). Desafíos tributarios de la digitalización de la economía: una reflexión en torno al Proyecto BEPS. Obtenido de SCIELO: https://www.scielo.org.mx/pdf/taj/v23n1/2683-2690-taj-23-01-12.pdf DOI: https://doi.org/10.36105/theanahuacjour.2023v23n1.01
Chávez Bravo, J. C. (12 de noviembre de 2021). La inteligencia artificial y sus sostenibilidad en las Pymes: https://datos.unjfsc.edu.pe/index.php/BIGBANG/article/view/680, https://doi.org/10.51431/bbf.v10i2.680 DOI: https://doi.org/10.51431/bbf.v10i2.680
Cerda, F. (2020). Revista de Estudios Tributarios, vol. 24. Inteligencia Artificial en las Administraciones Tributarias: Oportunidades y Desafíos: https://d1wqtxts1xzle7.cloudfront.net/65524170/document_7_-libre.pdf?1611688208=&response-content-disposition=inline%3B+filename%3DInteligencia_Artificial_en_las_Administr.pdf&Expires=1738183176&Signature=VO7SqOQGP9~FMG0q-SKM7Ci9tLjxUu9glbRsYRaXHyo9CGUxSS
Da Silva, D. (10 de Febrero de 2021). Zendesk. ¿Qué es el aprendizaje automático?: https://www.zendesk.com.mx/blog/aprendizaje-automatico-machine-learning-que-es/
Forero-Corba, W., & Negre Bennasar, F. (2024). RIED- Revista Iberoamericana de Educación a Distancia. Obtenido de Techniques and applications of Machine Learning and Artificial Intelligence in education: a systematic review: https://www.redalyc.org/articulo.oa?id=331475280025
Gobierno de México. (2025). Secretaria Anticorrupcion y Buen Gobierno: https://www.gob.mx/sfp/es/articulos/crea-sfp-subcomision-de-inteligencia-artificial-y-deep-learning-de-la-cidge-155689
Grimmer, J., E.Roberts, M., & M. Stewart, B. (5 de Marzo de 2021). Annual Review of Political Science. Obtenido de Machine Learning for Social Science: An Agnostic Approach: https://www.annualreviews.org/doi/pdf/10.1146/annurev-polisci-053119-015921 DOI: https://doi.org/10.1146/annurev-polisci-053119-015921
Gómez Rodríguez, J. M. (Enero-Junio de 2022). Revista Mexicana de Derecho Constitucional. Obtenido de Inteligencia artificial y neuroderehos. Retos y perspectivas: https://revistas.juridicas.unam.mx/index.php/cuestiones-constitucionales/article/view/17049/17906 consultado
Haghighi, M. (2015). Redalyc. Data Mining and Machine Learning: an Overview of Classifiers: https://www.redalyc.org/articulo.oa?id=467547683010 DOI: https://doi.org/10.5902/2179460X20756
Hernández, E. (27 de Mayo de 2022). Facturador. Inteligencia Artificial, la tecnología con la que el SAT nos fiscaliza: https://www.facturadorelectronico.com/blog/2022/05/inteligencia-artificial-la-tecnologia-con-la-que-el-sat-nos-fiscaliza.html
Hewlett Packard Enterprise. (2024). Aprendizaje automático: https://www.hpe.com/mx/es/what-is/machine-learning.html
Hoyos Patiño, J., Velazquez Carrascal, B., Rico Bautista, D., & Garcia Diaz, N. (febrero de 2023). Revista de fromación Estratégica. Obtenido de Impacto Transformador de la Inteligencia artificial y aprendizaje autónomo en la producción agropecuaria: un enfoque en la sostenibilidad y eficiencia: https://formacionestrategica.com/index.php/foes/article/view/111/80
Ippolito, A., & García Lozano, A. C. (2020). Tax Crime Prediction with Machine Learning: A Case Study in the Municipality of Sao Paulo: https://www.scitepress.org/PublishedPapers/2020/95647/95647.pdf DOI: https://doi.org/10.5220/0009564704520459
La Jornada. (22 de Enero de 2024). SAT sacará al ruedo inteligencia artificial para eficientar recaudación: https://www.jornada.com.mx/noticia/2024/01/22/economia/sat-sacara-al-ruedo-inteligencia-artificial-para-eficientar-la-recaudacion-1253
Lugo- de los Santos, J. G., & Real-García, N. E. (31 de Enero de 2025). Revista Vinculategica. Obtenido de Medición del desempeño de la IA en la contraloría de los municipios de Tamaulipas: https://vinculategica.uanl.mx/index.php/v/article/view/963/1072 DOI: https://doi.org/10.29105/vtga11.1-963
Martinez Bahena, G. C. (5 de Febrero de 2013). Corte IDH. La inteligencia artificial y su aplicación al campo del Derecho: https://www.corteidh.or.cr/tablas/r30570.pdf
Milner, C., & Berg, B. (20 de Febrero de 2024). PwC Advanced Tax Analytics & Innovation. Tax Analytics Artificial Intelligence and Machine Learning–Level 5: https://www.pwc.no/no/publikasjoner/Digitalisering/artificial-intelligence-and-machine-learning-final1.pdf
Nalda, V. (21 de MARZO de 2024). Future Space. Machine Learning: Los Orígenes y la Evolución: https://www.futurespace.es/machine-learning-los-origenes-y-la-evolucion/
Nanclares, J., & Rapallini, U. (octubre de 2007). REDALYC. JOURNAL OF COMPUTER SCIENCE AND TECHNOLOGY: https://www.redalyc.org/articulo.oa?id=638067339005
OCDE. (Noviembre de 2022). OECD Publishing. Aprovechando el poder de la IA y las tecnologías emegentes: https://www.oecd.org/content/dam/oecd/es/publications/reports/2022/11/harnessing-the-power-of-ai-and-emerging-technologies_c74e020c/6e76bc18-es.pdf
OCDE. (3 de mayo de 2024). Recommendation of the Council on Artificial Intelligence: https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
Oliver Cuello, R. (octubre de 2021). Revista de Internet, Derecho y Política. Obtenido de Big Data e inteligencia artificial en la Administraión Tributaria: https://raco.cat/index.php/IDP/article/view/n33-oliver/477987 DOI: https://doi.org/10.7238/idp.v0i33.381275
Placeres Salinas, S. I., Torres Mansur, S. M., & Martinez Carrillo, E. C. (31 de Enero de 2025). Revista Vinculatégica. Obtenido de La Inteligencia Artificial: Un factor fundamental en la productividad de las organizaciones: https://vinculategica.uanl.mx/index.php/v/article/view/1015 DOI: https://doi.org/10.29105/vtga11.1-1015
Palomino Guerrero, M. (Enero-Junio de 2022). Revista Mexicana de Derecho Constitucional. Obtenido de Inteligencia artificial: un mecanismo para frenar la evasión fiscal sin vulnerar los derechos del contribuyente: https://www.scielo.org.mx/pdf/cconst/n46/1405-9193-cconst-46-213.pdf DOI: https://doi.org/10.22201/iij.24484881e.2022.46.17053
Pascual Pedreño, E. (2019). Dialnet. La tecnología blockchain y su aplicación a la contabilidad: https://dialnet.unirioja.es/descarga/articulo/6898740.pdf
Ramirez, J., & Duque-Mendez, N. (2022). REDALYC. Evaluation of Unsupervised Machine Learning Algorithms with Climate Data: https://www.redalyc.org/articulo.oa?id=85275236002
Rouse, M. (3 de Septiembre de 2024). Techopedia. ¿Que significa machine learning?: https://www.techopedia.com/es/definicion/machine-learning
Sánchez, L. (13 de Marzo de 2024). Economist & Jurist. El Parlamento Europeo da luz verde al Reglamento de IA que buscará el equilibrio entre la innovación y los derechos fundamentales: https://www.economistjurist.es/actualidad-juridica/el-parlamento-europeo-da-luz-verde-al-reglamento-de-ia-que-buscara-el-equilibrio-entre-la-innovacion-y-los-derechos-fundamentales/
Solar Cayón, J. I. (2020). Open Edition Journals. La inteligencia artificial jurídica: nuevas herramientas y perspectivas metodológicas para el jurista: https://journals.openedition.org/revus/6547#tocto1n1 DOI: https://doi.org/10.4000/revus.6547
Tecoalu, M., & Thanh Nguyen, P. (2019). RELIGACIÓN. Revista de Ciencias Sociales y Humanidades. Obtenido de Role of Intelligent Machines learning for the Successful Implementation of Business Model: https://www.redalyc.org/journal/6437/643770323038/html/
Terrones Rodriguez, A. L. (Octubre- Noviembre de 2022). Revista ARBOR. Obtenido de Ética para la Inteligencia Artificial Sostenible: https://arbor.revistas.csic.es/index.php/arbor/article/view/2620/3892, https://doi.org/10.3989/arbor.2022.806013 DOI: https://doi.org/10.3989/arbor.2022.806013
Tirado Gálvez, R. A. (8 de septiembre de 2022 a). Economía digital y la garantía de los derechos fundamentales en México. REVISTA JUS: https://revistas.uas.edu.mx/index.php/JUS/article/view/84/93
Tirado Gálvez, R. A. (Julio de 2023). La Revolución del Sistema Financiero Mundial y la regulación de Criptomonedas en México. VINCULATÉGICA EFAN, 9(4), 71-86. https://vinculategica.uanl.mx/index.php/v/article/view/401, https://doi.org/10.29105/vtga9.4-401 DOI: https://doi.org/10.29105/vtga9.4-401
UNIR. (3 de SEPTIEMBRE de 2020). La Universidad en Internet. La historia del machine learning del siglo XVII al futuro: https://www.unir.net/ingenieria/revista/historia-machine-learning-siglo-xvii-futuro/#:~:text=Los%20or%C3%ADgenes%20del%20'machine%20learning,desarrollado%20para%20funcionar%20con%20IA
Waltl, B., Bonczek, G., Scepankova, E., Landthaler, J., & Matthes, F. (28 de Julio de 2017). Springer Nature Link. Predicting the Outcome of Appeal Decisions in Germany’s Tax Law: https://link.springer.com/chapter/10.1007/978-3-319-64322-9_8 DOI: https://doi.org/10.1007/978-3-319-64322-9_8
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 REYNA ARACELI TIRADO GALVEZ

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores que publiquen en la revista VinculaTégica EFAN aceptan el siguiente aviso de derechos de autor:
a). Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación de la obra bajo una licencia de atribución de Creative Commons. Esta licencia permite a otros compartir la obra siempre que se reconozca la autoría original y la publicación inicial en esta revista.
b). Los autores pueden establecer acuerdos contractuales adicionales de manera independiente para la distribución no exclusiva de la versión publicada en la revista (por ejemplo, publicarla en un repositorio o incluirla en un libro), siempre que se reconozca la publicación inicial en esta revista.
c). Se permite a los autores autoarchivar su trabajo en repositorios institucionales o en su propio sitio web antes y durante el proceso de envío, ya que esto puede fomentar intercambios productivos y aumentar la citación temprana y general del trabajo publicado.