Precios de Transferencia en la era digital
18 de septiembre de 2025Contenido
La aplicación de la Inteligencia Artificial (IA) al contexto fiscal ha marcado la línea de discusión de coyuntura. El empleo de la IA en precios de transferencia (PT) es de vital importancia, dada la relevancia de esta materia en el recaudo y el control tributario de las administraciones.
El Centro Interamericano de Administraciones Tributarias (CIAT) ha analizado el impacto de la IA en PT proporcionando cifras bastante interesantes. Citando a la Organización Mundial del Comercio, encuentra que entre 30% y 50% del total de las operaciones económicas globales, equivalentes a USD 31,6 billones aprox. en el año 2023, corresponden a operaciones entre vinculadas.
De acuerdo con el Global Tax Evasion Report 2024, cerca de 1 trillón USD fueron transferidos a jurisdicciones consideradas paraísos fiscales. Esto equivale al 35% de las utilidades reportadas por empresas multinacionales fuera de las jurisdicciones donde se encuentran sus principales casas matrices. En este contexto, se hace evidente la necesidad de explorar el papel que la lA puede desempeñar en la fiscalidad internacional.
Las autoridades tributarias de América Latina y el Caribe, miembros del CIAT, enfrentan diariamente el reto de procesar grandes volúmenes de información, lo que representa una carga laboral significativa, limitando las capacidades de fiscalización.
La incorporación de IA genera grandes eficiencias en el análisis de datos, la identificación de riesgos y la revisión de la documentación de PT presentada por los contribuyentes. Gracias a esta herramienta, las administraciones han ampliado su capacidad de fiscalización como parte de sus políticas para fortalecer los presupuestos públicos. Por ejemplo, la administración francesa utiliza algoritmos de IA y técnicas de data mining para orientar sus controles fiscales.
De manera ilustrativa, a continuación, se presenta un cuadro comparativo con las principales técnicas de IA y su aplicación en PT:
| Machine Learning (ML) | Natural Language Processing (NLP) | Deep Learning (DL) | |
| ¿Qué es? | Permite a los sistemas aprender de datos sin programación explícita. | Permite a las máquinas comprender y procesar lenguaje humano. | Subcampo de ML que usa redes neuronales profundas para modelar relaciones complejas. |
| Objetivo | Identifica patrones y hace predicciones basadas en datos históricos. | Interpreta, extrae y genera información a partir de texto o voz. | Resuelve tareas complejas con grandes volúmenes de datos. |
| Aplicación a PT |
| Extrae datos y analiza texto en documentos presentados por contribuyentes. | Detecta patrones de evasión fiscal en miles de informes país por país. |
En conclusión, la IA contribuye a fortalecer la fiscalidad internacional y a mejorar la supervisión de las operaciones que se realizan entre compañías vinculadas. No obstante, el componente humano sigue teniendo un papel preponderante en el análisis de la información de PT, convirtiéndose así en un completo para los procesos de fiscalización y recaudo de las administraciones tributarias.