Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 06 - 13
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
TENDENCIAS ACTUALES EN MATERIA DE FISCALIZACIÓN
CON EL USO DE INTELIGENCIA ARTIFICIAL
Roselin Suárez Escorcia
Maestrante en Gerencia Tributaria (URBE) Especialista en Contaduría men-
ción Auditoría (LUZ). Licenciada en Contaduría Pública. Universidad Dr. Jose
Gregorio Hernandez.
Correo Electrónico: Roselinsuarez2024@gmail.com
ORCID: https://orcid.org/0009-0004-6543-5475
Deyalyn Rondón Vilera
Maestrante en Gerencia Tributaria (URBE). Licenciada en Contaduría Pública (URBE).
Correo Electrónico: deyarondon2702@gmail.com
ORCID: https://orcid.org/0009-0002-5359-7296
RESUMEN: El presente artículo analiza la convergencia entre la scalización pública
y la Inteligencia Articial (IA) como respuesta a los desafíos de la economía digital.
El objetivo es identicar las tendencias actuales en el uso de herramientas disrupti-
vas para optimizar el control scal y la detección de fraudes. Bajo una metodología
cualitativa de diseño documental y alcance descriptivo, se examinó literatura téc-
nica y casos de éxito internacionales recolectados entre marzo y abril de 2025. Los
hallazgos, sustentados en autores como Cabanelas (2019), Filgueiras (2021) y Santini
(2025), revelan que el uso de Machine Learning y Big Data ha permitido transitar de
un modelo punitivo hacia uno preventivo y predictivo. Se concluye que la integración
de la IA, alineada con los principios éticos de la Organización para la Cooperación y
Desarrollo Económico (OCDE), no solo minimiza el error humano, sino que fortalece
la transparencia y la probidad administrativa, consolidando una gestión pública e-
ciente y moderna.
PALABRAS CLAVE: Inteligencia Articial, Fiscalización, Gestión pública.
Introducción
En el escenario económico global contemporáneo, la scaliza-
ción ha dejado de ser una función solo administrativa para consoli-
darse como un pilar de la estabilidad macroeconómica. Inclusive su
ejercicio, fundamentado en el principio de legalidad, busca equili-
brar las interacciones entre los agentes privados y el sector público,
garantizando la integridad en la gestión de los fondos. En efecto,
como señala el Diccionario Panhispánico del Español Jurídico, esta
prerrogativa de control externo es una función consuntiva y per-
manente, esencial para la subordinación de la actividad estatal al
ordenamiento jurídico vigente.
No obstante, el incremento de la complejidad en las tran-
sacciones nancieras y la aparición de nuevas modalidades de
corrupción administrativa han excedido las capacidades de los
métodos de auditoría tradicionales. Ante esta realidad, organismos
internacionales como la Organización Internacional de Entidades
Fiscalizadoras Superiores (INTOSAI) y la Organización Latinoameri-
cana y del Caribe de Entidades Fiscalizadoras Superiores (OLACEFS)
promueven la modernización de los sistemas de control. De cual-
quier forma, la necesidad de optimizar los recursos públicos bajo
CURRENT TRENDS IN TAX AND AUDITING CONTROL THROUGH THE USE OF AR-
TIFICIAL INTELLIGENCE
ABSTRACT: This article analyzes the convergence between public auditing control and Arti-
cial Intelligence (AI) as a response to the challenges of the digital economy. The objective is
to identify current trends in the use of disruptive tools to optimize scal control and fraud
detection. Under a qualitative methodology with a documentary design and descriptive
scope, technical literature and international success cases collected between March and
April 2025 were examined. The ndings, supported by authors such as Cabanelas (2019),
Filgueiras (2021), and Santini (2025), reveal that the use of Machine Learning and Big Data
has enabled a transition from a punitive model toward a preventive and predictive one. It is
concluded that the integration of AI, aligned with the ethical principles of the Organisation
for Economic Co-operation and Development (OECD), not only minimizes human error but
also strengthens transparency and administrative integrity, consolidating an efcient and
modern public management.
KEYWORDS: Articial Intelligence, Auditing Control, Public Management.
TENDÊNCIAS ATUAIS EM MATÉRIA DE FISCALIZAÇÃO COM O USO DE INTELIGÊNCIA
ARTIFICIAL
RESUMO: O presente artigo analisa a convergência entre a scalização pública e a Inteligên-
cia Articial (IA) como resposta aos desaos da economia digital. O objetivo é identicar as
tendências atuais no uso de ferramentas disruptivas para otimizar o controle scal e a de-
tecção de fraudes. Sob uma metodologia qualitativa de delineamento documental e alcan-
ce descritivo, examinou-se a literatura técnica e casos de sucesso internacionais coletados
entre março e abril de 2025. Os achados, sustentados por autores como Cabanelas (2019),
Filgueiras (2021) e Santini (2025), revelam que o uso de Aprendizado de Máquina (Machine
Learning) e Big Data permitiu a transição de um modelo punitivo para um preventivo e
preditivo. Conclui-se que a integração da IA, alinhada aos princípios éticos da Organização
para a Cooperação e Desenvolvimento Econômico (OCDE), não apenas minimiza o erro hu-
mano, mas também fortalece a transparência e a probidade administrativa, consolidando
uma gestão pública eciente e moderna.
PALAVRAS-CHAVE: Inteligência Articial, Fiscalização, Gestão Pública.
TENDANCES ACTUELLES EN MATIÈRE DE CONTRÔLE FISCAL GRÂCE À L’UTILISATION DE
L’INTELLIGENCE ARTIFICIELLE
RÉSUMÉ: Cet article analyse la convergence entre le contrôle scal public et l’Intelligence
Articielle (IA) pour répondre aux dés de l’économie numérique. L’objectif est d’identier
les tendances actuelles dans l’utilisation d’outils disruptifs an d’optimiser le contrôle s-
cal et la détection des fraudes. Selon une méthodologie qualitative, avec un modèle docu-
mentaire et une portée descriptive, la littérature technique ainsi que des cas de réussite
internationaux collectés entre mars et avril 2025 ont été examinés. Les résultats, appuyés
sur les travaux d’auteurs tels que Cabanelas (2019), Filgueiras (2021) et Santini (2025), ré-
vèlent que l’utilisation de l’apprentissage automatique (Machine Learning) et des Big Data
a permis de passer d’un modèle punitif à un modèle préventif et prédictif. En conclusion,
l’intégration de l’IA, alignée sur les principes éthiques de l’Organisation de Coopération et
de Développement Économiques (OCDE), permet non seulement de réduire l’erreur humai-
ne, mais renforce également la transparence et la probité administrative, consolidant ainsi
une gestion publique efcace et moderne.
MOTS-CLÉS: Intelligence Articielle, Contrôle Fiscal, Gestion Publique.
Recibido: 11-06-2025. Aceptado: 23-03-2026 6
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
7
paradigmas de eciencia y economía exige una transición
hacia modelos de supervisión más dinámicos, capaces de
procesar información en tiempo real y detectar anomalías
de manera oportuna.
En este contexto de transformación digital, la Inte-
ligencia Articial (IA) emerge como el motor de un cam-
bio de paradigma sin precedentes. La misma es, denida
por el Parlamento Europeo (2021) como la capacidad de
las máquinas para replicar funciones cognitivas humanas
como el aprendizaje y la creatividad, la IA ofrece herra-
mientas disruptivas para la gestión pública. Para autores
como Cabanelas (2019), la convergencia entre el aumento
de la capacidad de cómputo y el renamiento algorítmico
marca el inicio de una era de “superinteligencia” aplicada
a la gobernanza.
En consecuencia, se puede señalar que, la integración
de tecnologías como el Machine Learning y el Big Data en
los Órganos Supremos de Fiscalización (OSF) permite tras-
cender la simple vericación contable hacia un examen
integral y predictivo. No obstante, este avance tecnológico
no está exento de desafíos éticos. Por esta razón, la Or-
ganización para la Cooperación y Desarrollo Económico
(OCDE) subraya que la implementación de la inteligencia
articial (IA) en el sector público debe alinearse con prin-
cipios de transparencia, responsabilidad y respeto a los
derechos humanos, asegurando que el progreso técnico
no vulnere los valores democráticos ni la equidad social.
El presente artículo tiene como propósito analizar las
tendencias actuales, basados en la importancia y el im-
pacto de la Inteligencia Articial (IA) en los procesos de
scalización gubernamental. Por lo cual se exploran los
fundamentos teóricos del control scal y las capacida-
des operativas de la IA, contrastando estas premisas con
experiencias exitosas en diversas jurisdicciones interna-
cionales. Finalmente, se examina cómo la alianza entre la
tecnología y la ética institucional fortalece la rendición de
cuentas y consolida la conanza ciudadana en las institu-
ciones del Estado.
Fundamentación teórica
Fiscalización
Ahora bien, el concepto de scalización no debe en-
tenderse como un acto solamente punible, sino como un
mecanismo de control preventivo indispensable para la
estabilidad macroeconómica. Motivado a que, el órgano
scalizador al actuar sobre una jurisdicción, asegura que
la interacción entre los agentes privados y la administra-
ción pública se desarrolle bajo el principio de la legalidad,
equilibrando incentivos para la economía sumergida y ga-
rantizando la probidad en la gestión de fondos públicos.
Considerando un enfoque especico la scalización
del sector público se establece como la prerrogativa de
control externo, de ejercicio permanente y naturaleza
consuntiva, atribuida constitucionalmente al Tribunal de
Cuentas en su condición de Órgano Supremo De Fiscali-
zación (OSF). Es decir, esta función trasciende desde la
vericación contable para fundar un examen integral de
la gestión económica y nanciera, cuya nalidad es vali-
dar la plena subordinación de la actividad administrativa
al principio de legalidad, así como la optimización de los
recursos públicos bajo los paradigmas de eciencia y eco-
nomía (Diccionario Panhispánico del Español Jurídico, s.f,)
De igual manera, la supervisión scal es un procedi-
miento a través del cual se efectúa la revisión, inspección
y análisis minucioso de la gestión pública. Tal actividad
es fundamental para vericar si las instituciones, ya sean
públicas o privadas, que reciben nanciamiento público lo
administran, gestionan y asignan de acuerdo con lo que
establecen las normativas, planes y programas vigentes.
También puede interpretarse como el proceso en el cual la
autoridad monitorea la utilización de los recursos públicos
(nancieros, humanos y materiales).
Por otra parte, dicho termino se trata de la acción
mediante el cual se evalúan y examinan las actividades
del gobierno, teniendo en cuenta la veracidad, racionali-
dad y cumplimiento de la legislación, así como la revisión
del funcionamiento eciente y ecaz de la planicación,
organización y ejecución de la administración pública. Al
respecto la supervisión se reere fundamentalmente a
garantizar y vericar que las acciones se realicen confor-
me a la ley. Igualmente, conlleva la existencia de sistemas
de control que se conocen como inspección, vigilancia,
seguimiento, auditoría, supervisión y, en cierta medida,
evaluación.
Organismos y modelos de scalización en el
mundo
Ahora bien, en la esfera internacional comprendiendo
los contextos de Europa, Asia, África y América la arqui-
tectura estatal se articula, predominantemente, en torno
a una Entidad Fiscalizadora Superior (EFS). Este organis-
mo actúa como el eje rector del ecosistema de control y
supervisión de la función administrativa. Más allá de su
reconocimiento sociopolítico, estas instituciones están
investidas de potestades de investigación, capacidad
sancionadora y la facultad para emitir recomendaciones
de carácter técnico. En efecto, la EFS ejerce una inuencia
sustantiva sobre la administración activa del Poder Ejecu-
tivo, fundamentada no solo en su marco de competencias,
sino en su autoridad y legitimidad institucional proyecta-
da ante la ciudadanía.”
En este sentido, el uso adecuado del patrimonio
público, los Estados requieren de órganos, mecanismos y
procesos que permitan revisar la legalidad, objetividad y
Recibido: 11-06-2025. Aceptado: 23-03-2026 8
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
adecuación de la actividad que realizan sus instituciones y
establecer las responsabilidades a que hubiere lugar, cuya
idoneidad y efectividad permitirá en un largo plazo la sa-
tisfacción de necesidades ciudadanas y minimizar los in-
centivos para la corrupción. Así, cada Estado establece los
distintos mecanismos de control del uso de los recursos
públicos, pudiendo hablarse de control previo, posterior,
concomitante, político, entre otros; designando en función
de ello, competencias a distintos órganos y entes.
Por tal motivo, los órganos de control scal asumen un
rol esencial en la lucha contra la corrupción, dado que su
nalidad primordial consiste en garantizar la administra-
ción responsable del patrimonio público y de las nanzas
estatales, promoviendo la transparencia en la rendición de
cuentas y consolidando la credibilidad y conanza en las
instituciones sometidas a scalización Diversos autores,
entre ellos Redondo, Santana y Pérez (2021), han destaca-
do que dichas instancias han impulsado la modernización
de las funciones clásicas de la auditoría pública, incorpo-
rando en determinados supuestos nuevas atribuciones
vinculadas con la prevención y el combate del fraude y la
corrupción.
En la misma línea, organismos internacionales y re-
gionales como la Organización Internacional de Entida-
des Fiscalizadoras Superiores (INTOSAI) y la Organización
Latinoamericana y del Caribe de Entidades Fiscalizadoras
Superiores (OLACEFS) han reconocido la relevancia de
este cometido. Ahora bien, aunque la detección directa de
actos de corrupción no constituye el objeto especíco de
la auditoría nanciera o scal, la función de control scal
contribuye de manera decisiva a la consolidación de una
cultura de integridad como fundamento de un Estado de-
mocrático.
En este marco, el control de la gestión se erige en un
instrumento idóneo para optimizar la actividad guberna-
mental y enfrentar ecazmente las nuevas modalidades de
corrupción administrativa, proporcionando apoyo tanto a
los órganos y entes públicos en sus procesos de toma de
decisiones como a la ciudadanía en el ejercicio del con-
trol social En cuanto a los sistemas de control interno y
externo en la administración pública, el control es solo un
componente dentro del amplio campo de la scalización.
Además, los especialistas en derecho identican controles
parlamentarios, judiciales y administrativos, correspon-
dientes a los tres poderes de gobierno: Ejecutivo, Legisla-
tivo y Judicial. Según el sujeto que ejerza el control, puede
clasicarse como interno o externo.
Así mismo, es importante destacar que dentro del
poder Ejecutivo existen órganos encargados de control,
supervisión y scalización, que se consideran relativamen-
te como órganos de control interno. Por su parte, el poder
Legislativo cuenta con la Entidad de Fiscalización Superior
de la Federación, que está enfocada en ejercer un control
externo. Este tipo de control es esencialmente preventivo
y correctivo, abarcando principalmente aspectos nancie-
ros, la evaluación de eciencia y el cumplimiento jurídico.
Por consiguiente, en relación con el control externo
ejercido por las Entidades Fiscalizadoras Superiores (EFS),
cabe señalar que este reviste un carácter eminentemente
supervisor, orientado a la determinación de responsabi-
lidades jurídicas conforme a lo previsto en la normativa
vigente y en los principios constitucionales de legalidad,
transparencia y rendición de cuentas. Dicho control no se
limita a la vericación contable, sino que se proyecta hacia
la garantía de la probidad administrativa y la protección
del patrimonio público, en consonancia con el mandato de
un Estado democrático y social de derecho.
Las observaciones y recomendaciones emitidas por
estas entidades tienen como propósito no solo corregir
irregularidades, sino también optimizar la eciencia y la
ecacia institucional, contribuyendo a la consolidación de
una cultura de integridad en la gestión pública. En este
sentido, el control externo se congura como un meca-
nismo de tutela del interés general, en tanto asegura la
correcta utilización de los recursos públicos y fortalece la
conanza ciudadana en las instituciones.
En el ámbito estatal, los órganos superiores de sca-
lización poseen la atribución esencial de revisar y auditar
las cuentas públicas de los gobiernos estatales y munici-
pales, función que se vincula directamente con el principio
de responsabilidad scal y con la exigencia de probidad
administrativa establecida en los textos constitucionales
y legales.
Inteligencia Articial
Si bien los fundamentos teóricos de la inteligencia
articial (IA) se remontan a más de cinco décadas, la re-
ciente convergencia entre el incremento exponencial en la
capacidad de cómputo, la reproducción de datos y el re-
namiento de arquitecturas algorítmicas ha catalizado un
cambio de paradigma en el campo, propiciando grandes
avances de IA durante los últimos años. Para Cabanelas
(2019), la revolución digital que ocurrió con el advenimien-
to de la informática e internet ya es historia. Este autor
destaca que el próximo gran paso sería un gran avance en
el desarrollo de la inteligencia articial hasta la súper in-
teligencia articial (SIA).
En este sentido, según artículos publicados por el
Parlamento Europeo (2021) la inteligencia articial es de-
nida como la destreza de una máquina de mostrar las
mismas capacidades que los seres humanos tales como:
el razonamiento, el aprendizaje, la creatividad y la capaci-
dad de planear. En otras palabras, la máquina recibe datos
ya aptos o recopilados a través de sus propios sensores,
los procesa y maniesta una respuesta a ellos. Así mismo
clasica la IA en las siguientes categorías en primer lugar;
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
9
Software: asistentes virtuales, software de análisis de imá-
genes, motores de búsqueda, sistemas de reconocimiento
de voz y rostro, en segundo lugar, Inteligencia articial
integrada: robots, drones, vehículos autónomos, Internet
de las Cosas.
Por otro lado, se hace necesario puntualizar un reco-
rrido fundamentado que en inicio la inteligencia articial
se consideró ciencia cción, pero hoy es una realidad; las
máquinas resuelven problemas, ejemplo de ello es el Al-
phaGo, un programa de inteligencia articial que en 2015
logró ganarle a Fan Hui, campeón europeo del juego de
mesa chino Go. En 2016, Sedol, el entonces campeón mun-
dial de este juego, señaló que para poder ganar se reque-
riría de intuición, imposible de ser desarrollada por algún
software.
A partir de ello, de acuerdo a la integración entre la
creatividad humana y las capacidades analíticas de los
sistemas de inteligencia articial se ha impulsado el desa-
rrollo de herramientas conversacionales cada vez más e-
cientes. Por lo tanto, Molares et al (2024) destacan que los
chatbots actuales no solo procesan grandes volúmenes de
información en tiempo real, sino que también aprenden
de sus interacciones, mejoran su capacidad para interpre-
tar las necesidades del usuario y optimizan la asignación
de respuestas adecuadas. Estos avances han permitido
que los sistemas conversacionales se consoliden como un
recurso clave en entornos de atención al cliente, especial-
mente en servicios como los call centers, donde la auto-
matización inteligente incrementa la ecacia operativa y la
satisfacción del usuario.
Por otra parte, los algoritmos de Deep Learning, ba-
sados en redes neuronales articiales, permiten replicar
ciertas funciones del cerebro humano para realizar pre-
dicciones y tomar decisiones. Un ejemplo de su uso es el
algoritmo de reconocimiento facial empleado por Face-
book. De manera similar, en el ámbito nanciero ya es una
realidad que las decisiones sobre transacciones se puedan
ejecutar sin la intervención directa de personas.
Estas decisiones se fundamentan en diversos mode-
los, como los que derivan de las teorías de computación
evolutiva, inspiradas en la evolución genética y la lógica
probabilística. En este contexto, se integra y analiza el Big
Data, lo que facilita generar predicciones, seleccionar la
mejor opción disponible y adoptar la respuesta más ade-
cuada. Administración pública y servicios.
Principios sobre la inteligencia articial
De acuerdo con la Organización para la Cooperación y
el Desarrollo Económico (OCDE), los principios de la inteli-
gencia articial (IA) basados en valores deben orientarse al
compromiso de promover el diseño, desarrollo, despliegue
y uso conable de la IA en el sector público. En primer lu-
gar, el principio de crecimiento inclusivo, desarrollo soste-
nible y bienestar enfatiza el potencial de una IA conable
para favorecer el crecimiento y la prosperidad general para
todos, abarcando personas, sociedad y planeta. Este enfo-
que también impulsa la promoción de los objetivos de de-
sarrollo mundial, asegurando que la tecnología contribuya
al bienestar colectivo y no solo a la eciencia operativa. De
esta manera, la IA se concibe como un instrumento capaz
de generar benecios amplios y equitativos en el marco de
una gobernanza responsable.
Asimismo, el principio de respeto del Estado de De-
recho, los derechos humanos y los valores democráticos,
incluidas la equidad y la privacidad, establece que el dise-
ño de los sistemas de IA debe respetar plenamente el Es-
tado de Derecho, los derechos humanos y los valores de-
mocráticos. Este principio exige incorporar salvaguardias
adecuadas que garanticen una sociedad justa y equitativa,
protegiendo la multiplicidad y la diversidad. Además, su-
braya la importancia de que los sistemas tecnológicos no
vulneren derechos fundamentales ni generen discrimina-
ción, asegurando que la innovación avance en armonía con
los marcos éticos y jurídicos vigentes.
Del mismo modo, el principio de transparencia y ca-
rácter explicable exige que los sistemas de IA se desarrollen
bajo criterios de divulgación responsable, de manera que
las personas comprendan cuándo interactúan con ellos y
puedan objetar los resultados cuando sea necesario. Este
principio busca fortalecer la conanza pública mediante
la claridad en los procesos algorítmicos, permitiendo que
los ciudadanos identiquen la lógica detrás de las deci-
siones automatizadas. La transparencia se convierte así
en un elemento esencial para garantizar la legitimidad del
uso de la IA en el sector público y para prevenir posibles
abusos o interpretaciones erróneas.
Por otra parte, el principio de solidez, seguridad y
protección establece que los sistemas de IA deben fun-
cionar de manera sólida, segura y protegida a lo largo de
toda su vida útil. Esto implica que los principales riesgos
asociados a su operación deben ser evaluados y gestio-
nados de manera continua, asegurando que la tecnología
mantenga niveles adecuados de abilidad. Este principio
también exige que los sistemas sean resistentes a fallos,
manipulaciones o vulnerabilidades, garantizando que su
desempeño no comprometa la integridad institucional
ni la seguridad de los ciudadanos. La solidez técnica se
convierte, por tanto, en un requisito indispensable para la
adopción responsable de la IA.
Finalmente, el principio de responsabilidad señala
que las organizaciones y las personas que desarrollan,
extienden u operan sistemas de IA deben rendir cuentas
de su funcionamiento correcto, conforme a los principios
basados en valores denidos por la Organización para la
Cooperación y el Desarrollo Económico OCDE. Este prin-
cipio implica que los actores involucrados en el ciclo de
Recibido: 11-06-2025. Aceptado: 23-03-2026 10
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
vida de la IA deben asumir obligaciones claras respecto
a su diseño, implementación y supervisión. La responsa-
bilidad institucional asegura que la tecnología no opere
en un vacío ético, sino bajo mecanismos de control que
garanticen su uso adecuado, transparente y alineado con
los intereses públicos.
Es importante resaltar que la adopción de los prin-
cipios de la OCDE en el sector público garantiza que la
inteligencia articial no sea solo una herramienta de
eciencia, sino un motor de bienestar social y justicia. Al
integrar el crecimiento inclusivo, el respeto a los derechos
humanos y la transparencia, el Estado asegura que cada
decisión algorítmica sea explicable y auditable. Este marco
transforma la innovación tecnológica en un compromiso
ético, donde la solidez técnica y la rendición de cuentas
construyen la conanza ciudadana necesaria para una
gobernanza digital moderna. En última instancia, estos
principios actúan como la brújula que orienta el progreso
técnico hacia la protección de los valores democráticos y
la equidad planetaria.
Sin duda alguna este avance permite aprovechar los
benecios y fomentar el desarrollo de una inteligencia ar-
ticial centrada en el ser humano, garantizando que sea
segura, inclusiva y conable. Además, resulta imprescindi-
ble trabajar en un marco regulatorio adecuado, especial-
mente considerando que las inversiones en inteligencia
articial han incrementado signicativamente. Esto deriva
de la convicción de que la misma puede generar un valor
añadido signicativo para la economía, exigiendo políticas
integradoras que afronten desafíos globales y reduzcan la
fragmentación.
Importancia del uso de la inteligencia articial
por las administraciones publicas
Entre las innovaciones tecnológicas más promete-
doras destaca la inteligencia articial (IA), cuyo potencial
está revolucionando entre tanto a la gestión de la admi-
nistración pública, los gobiernos están haciendo realidad
el potencial de la IA en las misiones públicas convirtién-
dola en una prioridad estratégica. Así pues, casi todos los
países de la Organización para la Cooperación y Desarrollo
Económico (OCDE) han puesto en marcha estrategias y
programas para la IA que establecen una visión y un enfo-
que de alto nivel para su uso en el gobierno. Al convertir
los datos en un valioso recurso de conocimiento y toma de
decisiones, la esta herramienta permite a abordar desa-
fíos complejos con mayor ecacia.
Según Filgueiras (2021), los sistemas de IA amplían las
capacidades de la administración pública y tienen el poten-
cial de cambiar el desempeño institucional de los servicios
públicos y de las políticas públicas, promoviendo una mayor
conexión entre gobiernos y ciudadanos, anticipando deman-
das, automatizando rutinas, desempeñando funciones dis-
crecionales, entre otros. Así mismo destaca que la adopción
de sistemas de IA signica utilizar tecnologías que sean ca-
paces de aprender a tomar decisiones y resolver problemas.
Por lo que se reere a la conjunción entre inteligencia
articial, Internet de las cosas (IoT) y análisis avanzado de
datos (Data Analytics) ya está generando notables bene-
cios, gracias a la capacidad de recopilar y analizar gran-
des volúmenes de información en tiempo real sobre los
participantes. De hecho, en la práctica los gobiernos están
empleando la inteligencia articial para diversas funcio-
nes, entre las que destacan la provisión de información
y asistencia personalizada mediante herramientas como
asistentes virtuales conversacionales y chatbots. Estos de-
sarrollos no solo facilitan la interacción con los usuarios,
sino que también refuerzan el cumplimiento tributario al
hacerlo más accesible y eciente para todos.
En esta línea de ideas, la inteligencia articial se apli-
ca en la función de recaudación para anticipar ingresos y
mitigar los efectos del concurso de acreedores en los con-
tribuyentes. También se emplea en aduanas y aeropuertos
mediante sistemas de reconocimiento facial; en la gestión
de demandas gracias al reconocimiento del lenguaje na-
tural; y en la segmentación de interesados dentro de las
tareas de control y scalización, entre otros usos que se-
guirán desarrollándose en el futuro. Hay que hacer notar,
la digitalización en la dirección tributaria está generando
transformaciones profundas, no solo en su estructura, sino
también en sus funciones clave: recaudación, scalización,
información y asistencia. Además, está impactando los
sistemas de información, fomentando una mayor contri-
bución facilitada por los intercambios de datos a nivel
nacional e internacional.
Experiencias de aplicación de la inteligencia ar-
ticial en scalización
En relación a la aplicación de la Inteligencia Articial
(IA) en procesos de scalización Gubernamental Santini
(2025) arma, que la IA se ha transformado en una herra-
mienta fundamental para la innovación de los métodos
de scalización y auditoría en el ámbito gubernamental,
destaca que su aplicación ha contribuido a optimizar los
mecanismos de control, minimizar errores humanos, me-
jorar la detección de irregularidades y fortalecer la trans-
parencia institucional. Es otras palabras estas, evidencias
reejan que la integración tecnológica constituye un pilar
fundamental para el fortalecimiento de la rendición de
cuentas y la eciencia del sector público.
Desde otra perspectiva Collosa (2020), dene que la
scalización es la operación mediante el cual las organiza-
ciones tratan de evitar que los contribuyentes incidan en
evasión o defraudación scal y, en caso de cometerlas, ges-
tiona detectarlas, probarlas y liquidarlas. Además, señala
que para el logro de este propósito la inteligencia articial
puede utilizarse para analizar vínculos entre los contribu-
yentes para así identicar las relaciones ocultas o simuladas
o las redes de incumplimiento tributario potencialmente de
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
11
alto riesgo, que pueden generar nuevas fuentes de informa-
ción para las reglas de selección que no son obvias.
De igual manera el mencionado autor describe al-
gunos casos concretos sobre la aplicación combinada de
una revisión con las técnicas de Inteligencia articial. Por
ejemplo, la Administración Tributaria de Noruega imple-
menta análisis de datos y aprendizaje automático para
optimizar la selección de casos a inspeccionar. En este
caso el algoritmo se entrena con datos históricos para pre-
decir posibles errores en las declaraciones de IVA y cada
caso recibe un puntaje que prioriza la revisión por parte
de los funcionarios tributarios, comenzando con los con-
tribuyentes que obtienen las puntuaciones más altas. Es
decir, con un mayor número de declaraciones scalizadas,
el algoritmo recoge más datos, lo que mejora su precisión.
En cuanto al porcentaje de inspecciones exitosas casi se ha
duplicado en comparación con métodos manuales.
Por otro lado, la Superintendencia Nacional de
Aduanas y de Administración Tributaria (SUNAT) en Perú
ha incorporado sistemas de (IA) en el marco del control
electrónico del Impuesto General a las Ventas (IGV). Dichas
herramientas tecnológicas permiten identicar de manera
automatizada operaciones que presentan características
atípicas respecto del giro comercial declarado por el con-
tribuyente. En estos casos, la SUNAT emite alertas preven-
tivas mediante mensajes de texto, noticando a los sujetos
pasivos cuando se registran facturas vinculadas a gastos o
costos que resultan inusuales para la naturaleza del nego-
cio en cuestión.
Mientras en Colombia, la Dirección de Impuestos y
Aduanas Nacionales (DIAN) se encuentra en proceso de
integración de tecnologías avanzadas, entre las que desta-
can la inteligencia articial y los sistemas robotizados, con
el propósito de fortalecer la interconexión de los puertos
nacionales. Esto le permite optimizar los mecanismos de
control aduanero y tributario, favoreciendo la detección
temprana de prácticas evasivas y la vericación integral
de las operaciones comerciales internacionales, de este
modo, la DIAN busca consolidar un modelo de gestión s-
cal más eciente y transparente.
Tal es el caso, en Costa Rica se ha implementado el
uso de Big Data para perfeccionar el cobro de impuestos
mediante un modelo predictivo basado en minería de da-
tos. Este sistema permitió identicar simulaciones de pa-
gos a terceros por un monto superior a los $31 millones. Y
por último en Brasil el Sistema de Selección Aduanera por
Machine Learning (SISAM) es un sistema de IA que aprende
del historial de los formularios presentados y estima la
probabilidad de alrededor de 30 tipos de errores que pue-
den ocurrir en cada renglón de cada nuevo formulario de
declaración de importaciones, y calcula el valor esperado
de los ingresos para cada error detectado.
Método
Esta investigación se enmarco bajo un enfoque cua-
litativo con un alcance descriptivo. El diseño empleado
fue de tipo documental, utilizando métodos de revisión
y análisis como base principal. La técnica de recolección
de información se centró en el análisis documental, que
incluyo artículos académicos, páginas relacionadas con
administraciones tributarias y scalización, así como es-
tudios de diversos autores que han implementado o se
encuentran en fase piloto para incorporar la inteligencia
articial en dichos procesos. La búsqueda bibliográca se
realizó en Google Académico, empleando palabras clave
como: “Inteligencia articial en procesos de scalización”
e “Inteligencia articial como mecanismo contra fraudes
scales”. El periodo de referencia para la investigación
abarcó los meses de marzo y abril del 2025. Los hallazgos
fueron expuestos de forma conceptual a través de una na-
rrativa explicativa.
Discusión de los Resultados
La scalización contemporánea trasciende el carácter
punitivo para erigirse como un control preventivo esencial
para la estabilidad macroeconómica. Según el Diccionario
Panhispánico del Español Jurídico, esta función del Tribu-
nal de Cuentas, como Órgano Supremo de Fiscalización
(OSF), garantiza la probidad y la optimización de recursos
bajo principios de eciencia y economía. Esta visión se
alinea con la necesidad de mecanismos que aseguren la
subordinación administrativa a la legalidad y minimicen
los incentivos de la economía sumergida.
En este orden, autores como Redondo, Santana y Pé-
rez (2017) enfatizan que los órganos de control scal han
modernizado la auditoría pública para combatir el fraude.
Este enfoque es respaldado por organismos como INTOSAI
y OLACEFS, que promueven una cultura de integridad den-
tro del Estado democrático. La supervisión scal no solo
verica cuentas, sino que actúa como un sistema integral
de vigilancia y evaluación, fundamental para la transpa-
rencia y la rendición de cuentas ante la ciudadanía.
En cuanto a la innovación tecnológica, Cabanelas
(2019) sostiene que el avance hacia la Superinteligencia
Articial (SIA) es el próximo hito tras la revolución digital.
La denición del Parlamento Europeo (2021) refuerza esta
idea, caracterizando a la IA por su capacidad de razona-
miento, aprendizaje y planicación. Esta evolución permite
que sistemas de software e IA integrada (como robots y
drones) procesen datos masivos para emitir respuestas
autónomas, superando las limitaciones de la gestión ma-
nual tradicional.
Recibido: 11-06-2025. Aceptado: 23-03-2026 12
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
Complementariamente, Molares et. al (2024) destaca
el éxito de la simbiosis entre la creatividad humana y la
capacidad analítica de las máquinas mediante el uso de
chatbots y algoritmos de Deep Learning. Estos modelos,
inspirados en redes neuronales, facilitan la toma de de-
cisiones nancieras y el análisis de Big Data. Tal como se
observa en la práctica, estas herramientas permiten rea-
lizar predicciones precisas y optimizar transacciones sin
intervención humana directa, lo que representa un cambio
de paradigma en el sector público.
Como resultado de ello, la implementación de la IA
en el sector público debe regirse por los principios de
la OCDE, los cuales priorizan el crecimiento inclusivo, la
transparencia y la responsabilidad. Estos marcos éticos
aseguran que el diseño algorítmico respete los derechos
humanos y los valores democráticos. La integración de
estos principios transforma la innovación en un compro-
miso ético, garantizando que cada decisión automatizada
sea explicable y auditable, fortaleciendo así la conanza
ciudadana en la gobernanza digital.
Para Filgueiras (2021), los sistemas de IA expanden las
capacidades administrativas al automatizar rutinas y anti-
cipar demandas sociales. La convergencia entre IA, Inter-
net de las Cosas (IoT) y Data Analytics permite una gestión
tributaria más eciente, facilitando el cumplimiento y op-
timizando la scalización. Este ecosistema digital impacta
directamente en la recaudación y el control aduanero, per-
mitiendo que el Estado actúe con mayor celeridad y pre-
cisión ante posibles irregularidades o evasiones scales.
Desde una perspectiva operativa, Santini (2025)
arma que la IA es el pilar de la innovación en los mé-
todos de auditoría gubernamental, minimizando errores
y fortaleciendo la transparencia. Por su parte, Collosa
(2020) subraya que la IA es capaz de identicar redes de
incumplimiento tributario no evidentes para los métodos
clásicos. Estas herramientas analizan vínculos complejos
entre contribuyentes, permitiendo a las administraciones
detectar simulaciones y esquemas de fraude con una e-
cacia signicativamente mayor a la supervisión manual.
Finalmente, las experiencias internacionales validan
estas teorías: Noruega duplicó su efectividad en inspeccio-
nes de IVA mediante aprendizaje automático, mientras que
la SUNAT (Perú) utiliza alertas preventivas automatizadas.
En la región, la DIAN (Colombia) y los sistemas de Brasil
(SISAM) demuestran que el uso de Machine Learning y Big
Data permite predecir errores y mitigar la evasión. Estos
casos conrman que la scalización inteligente es la ruta
hacia una administración pública moderna, transparente y
nancieramente sostenible.
Conclusiones
En síntesis, la scalización ha dejado de ser un pro-
ceso meramente reactivo para transformarse en un siste-
ma preventivo de control integral. La evidencia teórica y
práctica demuestra que el cumplimiento del principio de
legalidad y la probidad administrativa dependen de una
supervisión constante sobre la gestión de fondos públicos.
De este modo, el fortalecimiento de las Entidades Fiscali-
zadoras Superiores (EFS) resulta determinante para mitigar
los riesgos de corrupción y asegurar la estabilidad macro-
económica en un Estado democrático de derecho.
Por otra parte, la irrupción de la Inteligencia Articial
(IA) representa un cambio de paradigma disruptivo en la
administración pública. Como se ha analizado, la capa-
cidad de procesamiento de grandes volúmenes de datos
(Big Data) y el uso de algoritmos de aprendizaje automá-
tico (Machine Learning) permiten una precisión sin prece-
dentes. Estas herramientas no solo optimizan la detección
de irregularidades, sino que también reducen signica-
tivamente el error humano, elevando los estándares de
eciencia y ecacia en la recaudación y auditoría estatal.
Asimismo, la adopción de tecnologías avanzadas
debe estar intrínsecamente ligada a marcos éticos y re-
gulatorios sólidos, como los propuestos por la OCDE. La
transparencia, la explicabilidad y el respeto a los derechos
humanos son pilares que garantizan una gobernanza digi-
tal conable. Una IA aplicada a la scalización que carezca
de rendición de cuentas podría comprometer la equidad;
por lo tanto, la tecnología debe actuar como un soporte de
la decisión humana, bajo una supervisión técnica y moral
permanente.
Finalmente, las experiencias exitosas en países como
Noruega, Perú, Brasil y Colombia conrman que la scali-
zación inteligente es el camino hacia la modernización del
Estado. La integración de sistemas predictivos y alertas tem-
pranas permite a las administraciones tributarias y aduane-
ras anticiparse a las redes de evasión con mayor agilidad.
En conclusión, la sinergia entre la integridad institucional
y la innovación algorítmica es la clave para consolidar una
gestión pública transparente que responda ecazmente a
las demandas y necesidades de la ciudadanía.
Referencias Bibliográcas
Cabanelas Omil, J. (2019). Inteligencia articial ¿Dr. Jekyll o
Mr. Hyde? Mercados y Negocios, (40), 5–18. Universi-
dad de Guadalajara.
Collosa, A. (2020). Inteligencia articial aplicada a la sca-
Recibido: 11-06-2025. Aceptado: 23-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
13
lización. Centro Interamericano de Administraciones
Tributarias (CIAT).
Filgueiras, F. (2021). Inteligencia articial en la administra-
ción pública: ambigüedad y elección de sistemas de
IA y desafíos de gobernanza digital. Revista del CLAD
Reforma y Democracia, (79), 5–38.
Molares Cardoso, J., Badenes Plá, V., & Maíz Bar, C. (2024).
Creatividad humana vs. creatividad articial: estudio
comparativo entre estudiantes universitarios y chat-
bots en la generación de ideas. [Documento de traba-
jo o artículo en prensa].
OECD. (2025). Gobernar con la inteligencia articial: Pano-
rama actual y hoja de ruta en las funciones centrales
de gobierno. OECD Publishing.
Parlamento Europeo. (2021). ¿Qué es la inteligencia arti-
cial y cómo se usa? https://www.europarl.europa.eu/
Redondo López, J. A., Santana Suárez, M. J., & Pérez Vázquez,
M. (2021). El control externo y la prevención de la co-
rrupción. Presupuesto y Gasto Público, (103), 147–162.
Santini Rodríguez, F. J. (2025). Inteligencia articial en la
scalización gubernamental: avances, desafíos y
perspectivas éticas desde una revisión sistemática.
Revista INVECOM, (s/n), 1–?