Revista Económica
DOI: 10.54753/rve.v11i2.1677
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
ARTÍCULO DE INVESTIGACIÓN
La inteligencia artificial como herramienta para la detección del frau-
de fiscal: Caso Colombia
Artificial intelligence as a tool for the detection of tax fraud: The case of Colombia
John Moreno-Hernandez ID 1|Juana Campos-Molano ID 2
|Yesica Medina-Betancourt ID 2|Daniel
Poloche-Valencia ID 2
1Universidad Cooperativa de Colombia
2Estudiante VIII Semestre del programa de
Contaduría Pública de la Universidad ,
Cooperativa de Colombia
Correspondencia
John Johver Moreno Hernandez
Magíster en Educación
Universidad Cooperativa de Colombia
Email: john.morenoh@campusucc.edu.co
Fecha de recepción
Noviembre 2022
Fecha de aceptación
Junio 2023
RESUMEN
El fraude fiscal a través de los años ha sido uno de los problemas mundiales de mayor impacto en las
economías, lo que representa un riesgo en los sistemas tributarios, por lo que la lucha contra este
flagelo se ha convertido en un tema de gran relevancia mundial. Para ello, se han analizado diferentes
herramientas que ayudan a su minimización, donde aparece la Inteligencia Artificial (IA), como nueva
tecnología digital que analiza, detecta y predice situaciones de fraude, con el uso de grandes bases
de datos y creación de programas mundiales basados en algoritmos, que de manera automática
da respuesta a una anomalía detectada. Por lo anterior, el objetivo de esta investigación es analizar
como la IA, ayuda a la detección de fraudes fiscales y que avances ha presentado Colombia en su uso.
A nivel metodológico es un estudio documental y analítico, basados en la literatura científica. Como
resultado, los gobiernos internacionales a través de la IA, han desarrollado diferentes sistemas como
AQM (Aranda Query Manager), para la detección de fraudes en impuestos; herramienta valiosa para
la disminución de la evasión y elusión fiscal; pero es importante resaltar los avances usando técnicas
de aprendizaje automático no supervisadas que ha mostrado resultados de precisión del 98%.
Palabras clave: Fraude fiscal. Inteligencia artificial. Impuestos. Técnicas de aprendizaje automático.
Códigos JEL: E62
ABSTRACT
Tax fraud over the years has been one of the global problems with the greatest impact on economies,
which represents a risk in tax systems, so the fight against this scourge has become an issue of great
global relevance. To this end, different tools have been analyzed to help minimize it, where Artifi-
cial Intelligence (AI) appears as a new digital technology that analyzes, detects and predicts fraud
situations, with the use of large databases and the creation of global programs based on algorithms,
which automatically responds to a detected anomaly. Therefore, the objective of this research is to
analyze how AI helps in the detection of tax fraud and what progress Colombia has made in its use.
At the methodological level, it is a documentary and analytical study, based on scientific literature.
As a result, international governments, through AI, have developed different systems such as AQM
(Aranda Query Manager), for the detection of tax fraud; a valuable tool for the reduction of tax
evasion and avoidance; but it is important to highlight the advances using unsupervised machine
learning techniques that have shown accuracy results of 98 %.
Keywords: Tax fraud, Artificial intelligence, Taxes, Machine learning techniques.
JEL codes: E62
25
Moreno-Hernandez, J., Campos-Molano, J., Medina Betancourt, Y,. Poloche Valencia, D.
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
1|INTRODUCCIÓN
El fraude es una acción que se caracteriza por ser opuesta a
la verdad, este se comete contra una persona o hacia el Estado, en
el caso de los fraudes fiscales son un delito ocasionado al Estado,
teniendo como fin el no pago de impuestos ò su pago incorrecto,
afectando los ingresos de la hacienda pública. Fraude es definido
como un engaño, un acto ilegal vulnerando las normas tributarias.
Estudios (Chamorro , 2022) muestran como en Colombia se pierde
en promedio anual $40 billones de IVA e impuestos complementa-
rios por concepto de evasión fiscal.
Al pasar el tiempo, continuamente se ha evidenciado el alto
grado de fraude fiscal a nivel nacional (Colombia) e internacional, en
donde el contador público, como dador de fe pública, y quien ana-
liza los registros contables, liquida y presenta los impuestos de las
compañías basados en la realidad económica; situación que de ma-
nera directa, cuando es cometido el fraude fiscal, atenta contra las
finanzas del Estado. Es por ello que a nivel de los organismos estata-
les se propende por un sistema tributario justo, sobre principios de
equidad, igualdad y progresividad, más aún cuando a nivel mundial
se está pasando por una crisis económica (por la pandemia, guerras
mundiales entre países, desastres naturales, entre otros) que preo-
cupa a la sociedad y al Estado frente a obtener recursos tributarios.
El fraude fiscal rompe el canal de los sistemas tributarios, cau-
sando consecuencias no favorables para la economía, por esta razón
el Estado se ve obligado a generar nuevas herramientas a través del
uso de la inteligencia artificial (IA), que tiene como finalidad detec-
tar y prevenir situaciones anómalas a través de modelos predictivos
que se sitúan a disposición de los investigadores para examinar las
posibles alteraciones de la información (Garcia , 2020). Así mismo,
se aprecia, que la IA utiliza algoritmos que procesan información, y
su éxito es en conseguir relación de los datos básicos necesarios que
pueden llegar a determinar una posible evasión, mostrando alertas
tempranas.
Según Ruiz (2016) las herramientas para la prevención del frau-
de fiscal, pueden ser de diversos tipos como legales, normativas, es-
tructurales, tecnológicas como: la formulación de cruces de infor-
mación sistémicos que abastecen masivamente a las áreas de fisca-
lización y verificación, la creación de equipos de fiscalización para el
análisis de distintos sectores de actividad económica o segmentos
de contribuyentes de alto riesgo fiscal, la colaboración social tam-
bién cuenta como herramienta que implica competencia desleal y
para las empresas esto es perjudicial e importante su erradicación,
las alianzas institucionales por la coordinación externa generando
obtención de información de relevancia tributaria entre otras.
La herramienta más utilizada para la prevención del fraude fis-
cal por las Administraciones Tributarias del mundo es la Educación
Fiscal, generando cultura o conciencia fiscal entre contribuyentes,
una estrategia educativa donde la ciudadanía interiorice las normas
fiscales como normas morales (Ruiz., 2016). En este sentido, no ca-
be duda de la postura privilegiada en la que se hallan los regímenes
fiscales, por la inmensa proporción de datos que poseen, así como
por la calidad de los sistemas de información con los que cuenta
el Estado como herramientas para prevenir y detectar los fraudes
fiscales. A nivel metodológico el estudio tiene un enfoque cualita-
tivo, basado en revisión bibliográfica pertinente en el tema de la
IA con sus técnicas para la detección del fraude fiscal, abarcando
el concepto del fraude, las tipologías existentes y las herramientas
de machine learning que tiene el Estado Colombiano ha avanzado
para su mitigación. Por ello, el estudio abarca la pregunta de investi-
gación ¿Qué avances ha tenido Colombia en la detección del fraude
fiscal aplicando herramientas como la inteligencia artificial para la
reducción de la evasión de impuestos?
Dada la anterior literatura, el estudio se desarrolla con el propó-
sito de analizar los fraudes fiscales que han sido detectados a través
del uso de la IA para la mejora en la gestión administrativa a través
de la prevención y detección de la evasión y elusión fiscal.
2|MARCO TEÓRICO
Es importante determinar que la evasión es la acción que se
realiza con el fin de evitar el pago real de cualquier impuesto, ocul-
tando así el patrimonio y los ingresos reales, incluso teniendo en
cuenta el contribuyente el valor real a pagar según su carga impo-
sitiva, realiza la transformación de datos contables en los estados
financieros especialmente en las cuentas de los estados de resulta-
do; así mismo, se puede expresar que la elusión es el mecanismo por
el cual los contribuyentes buscan los vacíos legales en los impues-
tos para obtener beneficios tributarios, aunque no se considera un
fraude fiscal, se puede determinar que se realiza una violación de
la realidad contable y fiscal de las organizaciones. Sin embargo, es
claro decir que ambos tienen diferencias y similitudes y que su pro-
pósito principal sigue siendo favorecer al contribuyente y mostrar
información fiscal irreal.
El Fraude es definido como una manifestación de la conducta
humana, de manera que muestre una falsa representación de la ver-
dad (Asociacion de Certificadores de Fraude, 2014). En el ámbito
contable el fraude es estudiado desde dos campos, el primero es
el fraude corporativo que incluye los desfalcos. y el mal manejo de
los activos, derechos, datos relevantes, etc, el segundo es el fraude
de los estados financieros, este consiste en mostrar cifras lejanas
a la realidad y alteras, o situaciones no pertinentes en los estados
financieros (Bayou Reinstein, 2001).
Al realizar alguna modificación de resultados financieros ya sea
por acción u omisión, se ven afectados los dueños de una empresa,
el Estado y la comunidad en general, de manera que, al presentar
información incorrecta, se busca una reducción en lo impositivo. El
estudio realizado por Abdullahi y Mansor (2015) expresa que los
fraudes están motivados por el riesgo percibido y por el hecho de
obtener un beneficio económico, por lo que para que se tipifique el
fraude en los elementos de motivo, capacidad, racionalización, in-
novación, capacidad, presión, entre otros, llamándose el triángulo,
pentágono o hexágono del fraude.
Además, teniendo en cuenta lo expuesto por Borinsky (2013,
pág. 6) del incremento de la reglamentación de actividades econó-
micas y financieras de la globalización mundial con la intención de
uniformar políticas, al momento de decidir sobre la política econó-
mica y criminal los Estados no serán cabalmente libres acarreando
que delitos tributarios puedan ser manejables o controlados; delitos
tributarios que afectan el patrimonio del Estado afectando el erario
público.
Los tipos de fraudes que se basan en la evasión fiscal se con-
sideran delito y se encuentra tipificado en la Ley 599 en su art 434
(2000) que expresa lo siguiente:
Siempre que la conducta no constituya otro delito sancionado
con pena mayor, el contribuyente que, estando obligado a declarar
no declare, o que en una declaración tributaria omita ingresos, o
incluya costos o gastos inexistentes, o reclame créditos fiscales, re-
tenciones o anticipos improcedentes por un valor igual o superior a
250 Salarios Mínimos Legales Mensuales Vigentes (SMLMV) e infe-
rior a 2.500 SMLMV, definido por liquidación oficial de la autoridad
tributaria, será sancionado con pena privativa de la libertad de 36
a 60 meses de prisión. En los eventos en que sea superior a 2.500
SMLMV e inferior a 8.500 SMLMV, las penas previstas en este ar-
tículo se incrementarán en una tercera parte y, en los casos que sea
superior a 8.500 SMLMV, las penas se incrementarán en la mitad
(Congreso Colombia, 2000).
En particular, los tipos de fraude analizados más comunes son:
26
La inteligencia artificial como herramienta para la detección ............
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
Figura 1. Tipos de fraudes
Los fraudes fiscales son un aspecto que se ha evidenciado por
el paso de los años cada vez más presente en Colombia como en
otros países, a raíz de la corrupción de las empresas con los cua-
les se ha generado efectos negativos en las finanzas del Estado. En
Colombia se han presentado fraudes muy conocidos a nivel mun-
dial como Odebrecht, Interbolsa, DMG, Grupo Nule, entre otros, no
obstante, se han implementado mecanismos se seguimiento y pre-
vención sobre estas actividades, pero en ocasiones se observa que
se sigue presentando la problemática de fraude y para ello, la Nor-
ma Internacional de Auditoría (NIA 240) lo define y da herramientas
para su detección.
En función de minimizar los fraudes fiscales existe en Colom-
bia la figura de revisor fiscal ya que deberá informar, según la ley
43 (1990), a las entidades gubernamentales los hechos relevantes
frente a las transacciones que suceden en las empresas ( que son
improcedentes), atendiendo que este deberá realizar auditoría inte-
gral ( control interno, financiera, de cumplimiento y de gestión), para
emitir de manera clara y veraz un informe a los diferentes Stakehol-
ders que requieren conocer esta información.
Para minimizar los riesgos del no pago de los impuestos y en
apoyo a la fiscalización, el Estado ha empezado a implementar herra-
mientas de IA. Este término es definido por López (2019) como un
sistema informático que pueden percibir su entorno, pensar, apren-
der y actuar capaces de analizar datos para convertirlos en informa-
ción relevante. Por lo tanto, la capacidad de usar algoritmos permi-
te que se creen instrucciones que generan parámetros que, frente
a una información obtenida de los sistemas tributarios, pueden ser-
vir para generar alertas de situaciones que pueden presentarse y
generar sospechas de las operacionales que se realizan.
Figura 2. Factores de la IA
27
Moreno-Hernandez, J., Campos-Molano, J., Medina Betancourt, Y,. Poloche Valencia, D.
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
La IA se ha venido transformando a través del tiempo, la globa-
lización y las necesidades de control de cada uno de los estados y
que se aplica en casi todas las disciplinas del conocimiento. El uso de
la IA por las Administraciones fiscales, en el ámbito de la prevención
está avanzando en numerosos países, de diversas formas. En primer
lugar, para prestar asistencia a los contribuyentes, informándoles de
sus obligaciones tributarias o resolviendo dudas a través de asisten-
tes virtuales o chatbots que, a diferencia de los programas tradicio-
nales de información, pueden asistir de manera dinámica (Garcia &
Herrera, 2020).
A pesar de ser que el estudio de estas herramientas es un pro-
ceso complejo en Colombia se creó un grupo multidisciplinario con-
formado por ingenieros, matemáticos, estadísticos y economistas
que a lo largo de 10 años han profundizado cada uno de los pro-
cesos y han logrado realizar una trazabilidad en el trabajo con las
demás áreas de la DIAN especializadas en fiscalización, tributación,
servicio al cliente, entre otros (DIAN, 2019).
La implementación de nuevas tecnologías es una herramienta
que puede utilizarse para analizar las relaciones entre los contribu-
yentes, así identificar las relaciones ocultas, simuladas o las redes
de incumplimiento tributario potencialmente de alto riesgo y para
ello, existe información que se presenta en las obligaciones tributa-
rias y fiscales que ayudan al control fiscal como lo son: información
exógena, facturación electrónica, nomina electrónica, documentos
electrónicos, entre otros.
La factura electrónica en Colombia ha sido una de las principa-
les herramientas que el gobierno le ha dado a la DIAN para mejorar
y optimizar sus procesos de fiscalización y así evitar la evasión fiscal.
Los beneficios de la implementación de la factura electrónica son in-
mediatos y son para todos los participantes del proceso, el Estado
colombiano optimiza el balance fiscal al poder mejorar y controlar el
recaudo tributario (Palacio, 2019). Por otra parte, los documentos
electrónicos están otorgando información en tiempo real hace que
pueda ser más fácil tomar referencias para las responsabilidades fis-
cales (Bedoya & Mogollon, 2018).
En Colombia, se han realizado algunas iniciativas para utilizar
la inteligencia artificial en la lucha contra el fraude fiscal. Por ejem-
plo, la Dirección de Impuestos y Aduanas Nacionales (DIAN) ha im-
plementado un sistema de análisis de riesgos basado en inteligen-
cia artificial para identificar empresas que pueden estar evadiendo
impuestos. Además, se están utilizando técnicas de minería de da-
tos y aprendizaje automático para identificar patrones de evasión
fiscal y mejorar la eficacia de las auditorías fiscales. Además exis-
ten avances de aplicaciones como el Servicio iBPMS (Intelligent Bu-
siness Process Management System), definido como una solución
mejorada de BPM, que usa la IA – Inteligencia Artificial para apoyar
el modelamiento, descubrimiento y la automatización de procesos
misionales y de soporte de la DIAN (DIAN, 2021).
3|METODOLOGÍA
La metodología se fundamenta en el estudio bibliográfico uti-
lizado como uno de los métodos donde se requiere recoger, reunir
y elegir información cualitativa de documentos, libros, artículos, en-
tre otros; que contengan el objeto de estudio para dirigir la inves-
tigación, que posean un orden lógico, mencionando la utilización
de datos secundarios, pero con perspectiva más amplia (Gonzalez,
2020). A nivel documental se efectúa la recolección de datos exis-
tentes como objeto de estudio del fraude fiscal y las herramientas
de inteligencia artificial que han sido desarrolladas en pro de su pre-
vención y detección. El método analítico en esta investigación per-
mite obtener información más sobre el estudio de fraudes fiscales
y las herramientas de IA que usan. A nivel técnico se analizan los
casos de estudio de los fraudes fiscales, las técnicas y proyectos de
IA que existen, con la recolección de información para determinar
su importancia en la economía del país. El alcance del estudio esta
delimitado por la información que se encuentra en las revistas de
alto impacto, pero debido a que es un poca la información que allí
reposa, se tuvo en cuenta información de los sitios Web del Esta-
do colombiano como la DIAN, algunas leyes colombianas como el
código de comercio y demás literatura.
4|RESULTADOS
Los fraudes fiscales son un riesgo latente a nivel mundial, ya
que estos pueden relacionarse a niveles internos y externos, es por
ello que, en América Latina y el Caribe (CEPAL), se han generado
estudios vinculados con la evasión del impuesto al valor agregado
en el que se ha visto un alto nivel de incumplimiento en su pago, en
comparación con otros impuestos o tasas (Gomez Moran, 2020).
El PIB de Colombia fue de 998.719 miles de millones de pesos
en el año 2020, entre los tributos en los que más se pierden recursos
está la evasión en el impuesto de renta de las empresas, con 3,4 %
del PIB; seguida por la evasión en el IVA, que representa 1,3 % del
PIB y la evasión en el impuesto de renta a personas naturales que
cuesta 0,7 % del PIB. (Cuellar, 2022).
4.1 |Técnicas de aprendizaje automático
usadas en la detección y prevención del
fraude fiscal por el estado
Es claro determinar que lo que buscan los individuos es tratar
de ocultar las actividades haciendo que todas las transacciones sean
normales para que no exista sospecha alguna, por lo que este caso
es muy común en el contrabando y el lavado de dinero y a su vez,
llevar estos dineros a la bancarización de forma que se observen
dineros legales.
El usar grandes bases de datos como las que ofrece el Mode-
lo Único de Ingresos, Servicio y Control Automatizado (MUISCA),
los bancos, las Fuente rías, las entidades prestadoras de salud, en-
tre otras, otorga oportunidades para la obtención de información
que permite detectar y prevenir los fraudes fiscales, que a través de
patrones de conducta de un contribuyente.
Serrano (2021) expresa que la administración tributaria va con-
solidando el uso del Big Data con el objetivo de luchar contra el
fraude e identifican cinco áreas del uso estratégico de datos en esta
materia así:
1. En el análisis de la residencia de contribuyentes;
2. En el mecanismo que trata de reducir los errores del contribu-
yente al presentar su declaración, en línea con las estrategias
internacionales y técnicas nudge, basadas en el enfoque beha-
vioural insights;
3. En la prevención y represión del contrabando, narcotráfico y
blanqueo de capitales con la implantación de nuevas tecno-
logías avanzadas basadas en inteligencia artificial, Big Data y
minería de datos;
4. En la introducción de mecanismos para aumentar, utilizando
los datos y la experiencia obtenida, la eficiencia en las selec-
ciones de fiscalización tributaria de los contribuyentes; y,
5. En el desarrollo del nuevo sistema automatizado de análisis de
riesgos en precios de transferencia basado en el conjunto de
información disponible en las Administraciones tributarias.
28
La inteligencia artificial como herramienta para la detección ............
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
Uno de los hechos transcendentales que ha sido escándalo fis-
cal en Colombia, es el conocido como “ Panama papers”; investiga-
ción desarrollada desde 2016 que ha creado alertas a nivel mundial
teniendo en cuenta que están vinculadas más de 214.488 empre-
sas de los cuales 588 nombres de personas naturales y jurídicas Co-
lombianas fueron involucradas, teniendo como premisa la creación
de empresas de papel creadas en paraísos fiscales, que permiten
ocultar la identidad de las personas que realizan las transacciones
(Cajamarca, 2021).
Sobre este fraude fiscal, la totalidad de los archivos de fuga de
filtración incluyó 2.6 terabytes de datos, o 11.5 millones de docu-
mentos confidenciales de los cuales el 90 % están incorporados en
solo cuatro paraísos fiscales Islas Vírgenes Británicas (114.000 em-
presas), Panamá (48.000 empresas), Bahamas (16.000 empresas) y
Seychelles 15.000 empresas (Donovan, 2019).
Por lo que la DIAN junto con la Fiscalía General de la Repúbli-
ca, por medio de las técnicas informáticas observaron que las de-
claraciones de renta presentadas eran manipuladas y modificadas a
conveniencia del contribuyente, y por medio de la trazabilidad reali-
zada con herramientas tecnológicas, se determinó que se realizaban
pagos de los impuestos de algunas facturas de contratos firmados
en Panamá sobre operaciones inexistentes; situación que involucró
dueños de compañías, representantes legales, administradores, con-
tadores y revisores fiscales, imputándole delitos como fraude pro-
cesal, falsedad en documentos, lavado de activos, enriquecimiento
ilícito en favor de terceros entre otros. Lo anterior, genera como
evidencia que las herramientas tecnológicas juegan un papel impor-
tante, para el cruce de información y hechos sospechosos los cuales
son base fundamental para ser analizadas por las entidades corres-
pondiente.
Herramientas como el software Confluence utilizada por la
DIAN para el almacenamiento de información de los contribuyen-
tes naturales y jurídicos, funge funciones de mecanismo de delimita-
ción y control de la información fiscal, mediante algoritmos como el
AQM (Aranda Query Manager) para la construcción de reportes que
facilitan la tarea de los funcionarios, generando alertas dependien-
do cada una de las variables como lo es el agrupamiento jerárquico
por medio del análisis de grupos (personas naturales y jurídicas).
El AQM se presenta como un módulo para solventar inconve-
nientes de acceso de datos, el cual genera reportes profesionales
optimizando el diseño de múltiples gráficos, matrices, tablas, me-
diante plataforma web descentralizada con usuarios de cualquier
ubicación y por medio de correo electrónico la distribución de do-
cumentos elaborados (Guzmán, 2017).
La Ley de Benford, también conocida como la ley de los nú-
meros anómalos, establece que en conjuntos de datos numéricos.
Esta ley ha sido utilizada en la detección de fraude fiscal y financie-
ro, como herramienta para direccionar a un delito económico sea
blanqueo de capital o que acude a la evasión fiscal, la cual define en
el mundo de los negocios y la economía como una distribución ses-
gada basada en una ley logarítmica, esta acude a métodos de apren-
dizaje automáticos como regresión logística de crestas (LR), redes
neuronales(NN), árboles de decisión C4.5 (DT) y bosques aleatorios
(RF) para proporcionar una base para clasificar empresas como lega-
les o fraudulentas (Badal, 2018).
La literatura muestra aun cuando estos métodos sufren de me-
nor interpretabilidad y precisión empiezan a ser un marco dominan-
te donde se está invirtiendo dinero y se otorga especial atención en
la aplicación del Machine Learning y la inteligencia artificial como
herramientas para proporcionar nuevas oportunidades en la admi-
nistración tributaria.
Figura 3. Factores de la IA
En indagación e investigación también se encuentra los méto-
dos semisupervisados que utilizan técnicas (PU) se pueden aplicar
a conjuntos de datos en los que solo un pequeño subconjunto de
instancias de datos está etiquetado positivamente y el resto no es-
tá aFuente do en absoluto, en combinación con LightGBM modelo
supervisado basado en modelos de árboles de decisión.
En los métodos no supervisados de aprendizaje automático se
propone el HUNOD (Hybrid UNsupervised Outlier Detection) mé-
todo híbrido no supervisado para detectar anomalías en conjuntos
de datos de impuestos tabulares sin restricciones o requisitos espe-
ciales sobre las características que describen las entidades comer-
ciales, mejorando la interpretabilidad de los valores atípicos que son
datos significativamente distintos a la mayoría como componentes,
el algoritmo de agrupamiento como k-means, un autocodificador
red neuronal de aprendizaje representacional, la precisión del codi-
ficador automático HUNOD es igual a 98 % (Savić, 2022).
29
Moreno-Hernandez, J., Campos-Molano, J., Medina Betancourt, Y,. Poloche Valencia, D.
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
HUNOD combina dos enfoques para la detección de anoma-
lías: el enfoque de agrupamiento y el enfoque de densidad. El enfo-
que de agrupamiento busca agrupar los datos en diferentes grupos
basados en su similitud, mientras que el enfoque de densidad se en-
foca en encontrar regiones de alta densidad en los datos. La técnica
HUNOD primero realiza una etapa de preprocesamiento de los da-
tos fiscales, eliminando los valores atípicos obvios y normalizando
los datos para que se encuentren en la misma escala. Luego, utiliza
algoritmos de detección de anomalías para identificar valores atípi-
cos en los datos.). En la fase final, HUNOD combina las detecciones
de anomalías de los diferentes algoritmos en un modelo híbrido que
utiliza votación para determinar la decisión final. De esta manera, se
busca mejorar la precisión y la eficacia de la detección de fraude fis-
cal.
SISAM – Sistema de Selección para Aduanas vía Aprendizaje
Automatizado: Es un sistema que permite analizar la información
que reporta en las declaraciones de importación en el área de adua-
nas de Brasil (CIAT, 2022), de igual forma, Helix GLAD a través de
métodos de detección es un sistema para a auditoría que realiza
análisis de datos (EY Global, 2022). Finalmente, Alessa detecta acti-
vidades ilícitas, anomalías, averías y fraudes con el uso de la IA (Cap-
terra , 2022), pero no se observan estudios aplicando este software
en el fraude fiscal. Por su parte, en Colombia la DIAN estableció un
plan estratégico de tecnologías de información (DIAN, 2018), el cual
muestra como a través de los sistemas tecnológicos y mediante la
información que se ha venido solicitando año tras año ha generado
que el nivel evasión y elusión fiscal sea menor, como se determina
con la siguiente información a lo largo del tiempo así:
Figura 4. Línea de tiempo técnicas automáticas
El plan estratégico de la DIAN busca estar alineado con cober-
tura, pertinencia e innovación para el entorno cambiante que lo re-
quiere, de acuerdo con la misión de garantizar la seguridad fiscal, a
través de las bases de datos reglamentadas por la ley 1266 de 2008
en la que se establece el HABEAS DATA y en el decreto 235 de
2010 donde se genera el intercambio cooperativo de información
entre las entidades de función pública. En el plan estratégico digi-
tal de la DIAN (2021), tiene como iniciativa la transformación de la
infraestructura tecnológica y el fortalecimiento de la visualización
de la efectividad de los puestos de trabajo de los funcionarios, di-
seño de multinube, gestión de datos para la toma de decisiones y
prestación adecuada de los servicios.
Basados en los sistemas de información financiera y los siste-
mas nacionales de información que hacen que exista unos marca-
dores de la información creando así algoritmos propios donde se
pueden evidenciar la verificación por cualquier ente, utilizando así
el software desarrollado Aranda Software andina que se encarga de
la gobernabilidad y la mesa de servicio como base fundamental pa-
ra el desarrollo estratégico de los lineamientos establecidos en las
plataformas habilidades para los usuarios de la información como lo
son MUISCA, SIAT y SIGDIAN, que son aplicaciones que son utiliza-
das y programadas con una estructura algorítmica de métodos no
supervisados.
El SIAT (Sistema de Información y Gestión de Aduanas) es un
sistema informático utilizado por la DIAN para el control y la ges-
tión de los procesos aduaneros. Este sistema permite a la DIAN rea-
lizar un seguimiento de las importaciones y exportaciones que se
realizan en el país, verificar el cumplimiento de las obligaciones tri-
butarias y aduaneras, y detectar posibles irregularidades. De otra
parte, el SIGDIAN (Sistema de Gestión de la Información Tributa-
ria) es un sistema informático utilizado por la DIAN para la gestión
de la información tributaria. Este sistema permite a la DIAN realizar
un seguimiento de las obligaciones tributarias de los contribuyen-
tes, verificar el cumplimiento de las declaraciones de impuestos, y
detectar posibles casos de evasión fiscal.
Teniendo en cuenta la ley 1753 de 2015 donde por medio del
plan de gobierno 2018-2022 se establecen lineamientos generales
para el uso de los servicios digitales para todos los ciudadanos por
lo que se establece el siguiente mapa de procesos de la DIAN:
30
La inteligencia artificial como herramienta para la detección ............
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
Figura 5. Procesos de la UAE DIAN (UNIDAD ADMINISTRATIVA ESPECIAL)
Todos los procesos acá mencionados tienen como propósito
principal fomentar desde cada una de sus áreas una estructura ro-
busta de datos, análisis de información, el soporte y la normalización
de la gestión documental.
4.2 |Avances en la detección y preven-
ción de fraudes fiscales
Para combatir los fraudes fiscales se hacen necesario el uso de
las tecnologías, utilizando procesos de direccionamiento, selección
de datos y auditoria. Además, se definen nuevas estrategias de fis-
calización que hacen que se creen patrones en actividades con más
alto índice de fraudes, evasión o elusión de impuestos; contribuyen-
tes con altos índices de corrección de información y por supuesto
las técnicas de auditoría que se emplean desde esa área para deter-
minar si existe o no un delito fiscal.
El Estado ha venido desarrollando una transformación digital
en las estructuras de las tecnologías utilizadas para el control de los
procesos que pueden llegar a detectar cualquier delito financiero o
fiscal generando cambios en procesos y explotación de datos para
aumentar la cultura de las digitalización y transformación masiva de
datos. En este sentido, la detección de anomalías se convierte hoy
en día como una herramienta muy valiosa para la detección de deli-
tos financieros, fiscales, entre otros, utilizando para ello técnicas de
aprendizaje automático.
Como lo expresa Rodriguez (2018) las técnicas se orientan en
la extracción de datos que pueden ser cuantitativos y estadísticos;
técnicas que deben facilitar la interpretación de datos útiles para la
detección y prevención de posibles fraudes fiscales, los cuales se ba-
san en aprendizaje automático, donde se puedan determinar cuen-
tas, clientes, proveedores, cuentas reales por pagar y por cobrar, que
con la ayuda de algoritmos pueden generar resultados valiosos para
la detección del fraude fiscal.
La información a ser tomada para la detección del fraude fis-
cal es la generada a través del Modelo Único de Ingresos, Servicio y
Control Automatizado (MUISCA) como se presenta a continuación:
Este modelo se basa en la entrada de datos que se da en el
diligenciamiento de información, el reporte del FACTA (ley fiscal de
cuentas en el extranjero), la generación de documentos electróni-
cos y las declaraciones que son presentadas, estos son procesados
y agrupados por medio de los sistemas maestros de análisis que ge-
neran que se desarrollen las salidas. Colombia cuenta con conve-
nios de colaboración internacional como lo es CRS ( Common Re-
porting Standard) convenio desarrollado en la OCDE (Organización
para la Cooperación y el Desarrollo Económicos) para compartir in-
formación de los impuestos junto con el convenio CbC (Country By
Country) con el que se comparten información los países pertene-
cientes y asociados de la OCDE y el FACTA acuerdo firmado con
Estados Unidos.
Los principios de generación de información se pueden deter-
minar con los indicadores establecidos en el Big data de la DIAN
buscan acelerar la información que pueda ser revisada en tiempo
real, generando información clara y completa que responden rápi-
damente a las necesidades del Estado (DIAN, 2019).
4.3 |Importancia de la ia para la preven-
ción de fraudes fiscales
La IA es de suma importancia, ya que por medio de ella mu-
chos países a nivel mundial han desarrollado sistemas robustos que
pueden ayudar a generar, no solo una disminución de los fraudes
fiscales, sino también ha evitado que se presenten casos de evasión
y elusión fiscal, cada día puede ser más difícil engañar los sistemas
económicos de los países y dañar presupuestos económicos y se
pone en peligro la economía de todo un país.
Se han conceptualizado dos importantes tipos de aplicación de
IA en la prevención de fraudes fiscales; la caracterización del riesgo
del contribuyente y robotización de acciones en auditorías tributa-
rias (Faúndez, 2022). Los modelos que se reconocen con IA están
proporcionando a auditores una lista de transacciones atípicas para
contribuir con su labor.
Con la aplicación de la normativa que regula los documentos
electrónicos en Colombia es la Ley 527 de 1999, se establece los
principios, reglas y procedimientos necesarios para su uso, abrien-
do espacios importantes para el análisis de grandes volúmenes de
información, donde la IA reconoce patrones en los datos emitidos,
facilita categorizar a los contribuyentes que pagan sus obligaciones
y quienes no lo hacen, además analiza si la información reportada
en la declaración es correcta o si por el contrario existen vacíos.
Para cada una de las administraciones tributarias, la IA se con-
vierte en una herramienta fundamental para el cumplimiento de las
obligaciones tributarias.
31
Moreno-Hernandez, J., Campos-Molano, J., Medina Betancourt, Y,. Poloche Valencia, D.
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
Figura 6. Modelo de datos DIAN
Por lo que el desarrollo de las bases de datos y los algoritmos
desarrollados generan una fuente de información valiosa. Además,
la implementación de la facturación electrónica como documento
digital que da soporte a las transacciones de compra, venta y servi-
cios aumenta el control fiscal, disminuyendo la evasión e incremen-
tando el recaudo tributario (Asociación Nacional de Instituciones
Financieras, 2018)
A su vez, se desarrollan proyectos actualmente como el uso de
nuevas Machine Learning e IA para apoyar todos los procesos que
pueden mejorarse y generarse opciones como la creación de SOFIA,
nueva inteligencia artificial para la gestión del riesgo aduanero que
con la programación en propagación de afinidad algoritmo utilizado
para la agrupación de elementos y pares de muestras para compa-
ración se busca reducir los índices de Contrabando y evasión fiscal
por concepto de pago de impuestos aduaneros.
5|DISCUSIONES
Actualmente, Colombia está haciendo estudios para la imple-
mentación de la IA para la detección y prevención de los fraudes
fiscales. El primer acercamiento a la IA por parte de la DIAN se ha
realizado por medio de un asistente virtual (chatbot) llamado “DIA-
NA”, el cual simplemente responde a las inquietudes más frecuentes
de los contribuyentes, pero falta redoblar esfuerzos, que sin lugar a
dudas mostrarían como resultado un mayor recaudo, como lo ha
realizado los países de Finlandia, Suecia e Irlanda quienes utilizan la
IA para la disminuir la evasión fiscal.
Tal como lo reafirma Evans donde la inteligencia artificial está
ayudando a las empresas y a los gobiernos a detectar y prevenir el
fraude fiscal y financiero, como es el caso de Estados Unidos, el Ser-
vicio de Impuestos Internos (IRS) está utilizando la inteligencia arti-
ficial para detectar el fraude fiscal. El sistema analiza grandes canti-
dades de datos financieros para detectar patrones sospechosos de
evasión fiscal, lo que permite al IRS identificar a los contribuyentes
que están evadiendo impuestos (Evans , 2020).
En Australia, el Servicio de Impuestos Internos (ATO) está utili-
zando la inteligencia artificial para detectar el fraude fiscal en tiem-
po real. El sistema analiza grandes cantidades de datos para detec-
tar patrones sospechosos de evasión fiscal, lo que permite al ATO
tomar medidas rápidas para detener el fraude (Knaus, 2019). En el
Reino Unido, se está utilizando la inteligencia artificial para identifi-
car el fraude fiscal. El sistema analiza grandes cantidades de datos
financieros para detectar patrones sospechosos de evasión fiscal,
lo que permite al HM Revenue & Customs (HMRC) identificar a los
contribuyentes que están evadiendo impuestos (Smithers, 2020).
De acuerdo con los informes presentados por la OCDE (2022),
donde se encuentran 38 países miembros en todo el mundo, entre
ellos Colombia, tienen objetivo principal la creación de estándares
internacionales y el desarrollo de políticas públicas que van encami-
nadas a su vez, a la lucha contra la evasión fiscal internacional. Es
así, como más de 50 países a nivel mundial junto con la Comisión Eu-
ropea han desarrollado y aplicado el uso de la IA creando asistentes
virtuales, envíos automáticos, indicadores de cumplimiento fiscal y
automatización de funciones de fiscalización, que crean alertas que
están basadas en los métodos de aprendizaje no supervisados que
sirven para categorizar cada uno de los contribuyentes según sus
movimientos y su reporte de información.
Cubides (2022), por su parte expone que la administración de
impuestos de Colombia (DIAN) cuenta con el engranaje idóneo pa-
ra realizar cualquier tipo de análisis de inferencia estadística, debido
al gran volumen de datos -suficientemente robusto-, que tiene co-
mo finalidad el análisis de datos como mecanismo de delimitación y
control sobre la información financiera de cada uno de los contribu-
yentes en el país.
Se puede determinar entonces que, Colombia se encuentra en
una transición tecnológica que viene desarrollando desde hacien-
da pública junto con sus ministerios, para el desarrollo de los me-
canismos que han sido planteados en los planes estratégicos de la
DIAN, planes digitales del gobierno para el desarrollo de las IA, las
cuales tiene desde las direcciones tributarias, comisiones interinsti-
tucionales y demás estructuras como la fiscalía y la policía aduanera,
desarrollar las suficientes acciones integrales para el fortalecimien-
to de las bases de datos, el big data y las fuentes de información en
tiempo real, realizar revisiones aleatorias y generar alertas para la
detección de posibles evasores fiscales.
Dentro del uso de nuevas tecnologías estudios de McKinsey
Global Institute estiman que la inteligencia artificial y otras tecnolo-
gías de automatización reducen podrían reducir el fraude fiscal en
los Estados Unidos en un 30 % (McKinsey Global Institute, 2019);
de igual forma, estima la Asociación Internacional de Supervisores
de Seguros (IAIS, por sus siglas en inglés) donde la IA se está utilizan-
do cada vez más en la detección de fraudes fiscales en la industria
aseguradora; (Asociación Internacional de Supervisores de Seguros
(IAIS), 2021).
Para los estados el uso de la IA optimiza los ingresos tributa-
rios para mejorar la eficiencia de las administraciones como también
para los ciudadanos sus servicios, planteando importantes cambios
y desafíos, potencializando y aprovechando los datos digitalizados
(Antón, 2022).
32
La inteligencia artificial como herramienta para la detección ............
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
6|CONCLUSIONES
Los fraudes fiscales son un problema que debe abordarse con
seriedad y compromiso por parte de todos los actores involucrados.
La lucha contra la evasión fiscal no solo es importante para garan-
tizar la sostenibilidad financiera del Estado, sino también para fo-
mentar la equidad y la transparencia en la economía. En Colombia,
como en muchos otros países, los fraudes fiscales son una preocupa-
ción importante para las autoridades fiscales y económicas. El uso
de técnicas de aprendizaje automático (machine learning) es una he-
rramienta valiosa para detectar y prevenir el fraude fiscal en el país.
Dado lo anterior, en Colombia, se han implementado varias ini-
ciativas y proyectos que utilizan la inteligencia artificial para comba-
tir el fraude fiscal dentro de ellos, está el modelo de riesgo fiscal, en
el cual la DIAN ha desarrollado un modelo de riesgo fiscal basado
en algoritmos de inteligencia, además de otras alternativas para la
detección de este flajelo como el análisis de redes sociales por par-
te del Ministerio de Hacienda y la DIAN, los sistemas de análisis de
facturas, el análisis de transacciones, enre otras
Las técnicas de aprendizaje automático que utilizan IA han to-
mado mayor importancia para detectar o anticipar toda clase de
fraudes (financieros, fiscales), los cuales logran que los datos al ser
entrenados (prueba-error) puedan dar alertas a posibles acciones
fraudulentas que generan daño económico a las organizaciones y al
Estado. Otros avances del uso de las principales técnicas de apren-
dizaje automático usadas en la detección y prevención de fraudes
fiscales utilizadas en países Subdesarrollados como Colombia han
mostrado pequeños avances como lo es el uso de DIANA un chat-
bot que interactúa con el contribuyente, pero sin lugar a dudas exis-
ten software que recogen información a través de bases de datos
adjuntas que se estructuran bajo algoritmos como lo es el AQM,
MUISCA, SIAT y SIGDIAN basadas en el big data y bases de datos
propias, encargados de controlar y visualizar indicadores de gestión,
distribuir tareas y emitir las alertas suficientes en el caso de movi-
mientos irregulares.
Son grandes los esfuerzos en Colombia para la disminución y
detección de posibles evasores fiscales, los cuales se han centrado
en sanciones civiles y penales, establecidas en el Estatuto tributario,
pero que no han tenido los resultados esperados como la disminu-
ción de la evasión en los impuestos ; es por ello que, el uso de la
IA por parte de administración tributaria se convierte en una salida
para la disminución de esta problemática, y para ello, se requieren
mayores estudios por parte de la academia y el Estado.
Como limitación, se observó que existe barreras de acceso a la
información frente a los avances que tiene el Estado colombiano en
el uso de la IA para detección del fraude fiscal, por lo tanto se es-
pera que en futuros estudios se profundice en las técnicas basadas
en anomalías supervisadas y no supervisadas y sus modelos para la
detección y prevención del fraude fiscal del Estado, abarcando sus
métricas de rendimiento, con la finalidad de realizar comparativos
sobre los resultados obtenidos en estos estudios.
Referencias bibliográficas
[1] Antón, S. (2022). El uso de la inteligencia artificial pa-
ra optimizar los ingresos tributarios. Obtenido de Scioteca:
http://cafscioteca.azurewebsites.net/handle/123456789/1933
[2] Asociación Internacional de Supervisores de Seguros (IAIS).
(2021). Global Insurance Market Report. Obtenido de
https://www.iaisweb.org/page/gimr2021
[3] Asociación Nacional de Instituciones Financieras. (Ma-
yo de 2018). Lucha contra la evasión-informalidad:
factura electrónica y medios de pago. Obtenido de
https://anif.co/Biblioteca/politica-fiscal/lucha-contra-la-
evasion-informalidad-factura-electronica-y-medios-de-pago
[4] Badal, E. (2018). Combining Benford’s Law and ma-
chine learning to detect money laundering. An ac-
tual Spanish court case. ELSEVIER. Obtenido de
https://doi.org/10.1016/j.forsciint.2017.11.008
[5] Banco Mundial . (2020). Recaudación impositiva . Obtenido de
https://datos.bancomundial.org/indicator/GC.TAX.TOTL.GD.ZS?
end=2020start=2004view=chart
[6] Bayou, M. E., Reinstein, A. (2001). A systemic view of fraud ex-
plaining its strategies, anatomy and process. Critical Perspecti-
ves on Accounting. En A systemic view of fraud explaining its
strategies, anatomy and process. Critical Perspectives on Ac-
counting (pág. 12).
[7] Bedoya, E., Mogollon, E. (2018). Incidencia de la facturación
electrónica en la reducción de la evasion fiscal. Manizales.
[8] Borinsky, M. (2013). Fraude Fiscal. Buenos aires: Ediciones Di-
dot.
[9] Cajamarca, I. (04 de 10 de 2021). Más de 580
colombianos han usado paraísos fiscales según
los ’Pandora Papers. Obtenido de la republica:
https://www.asuntoslegales.com.co/actualidad/mas-de-
580-colombianos-han-usado-paraisos-fiscales-segun-
investigacion-pandora-papers-3241870
[10] Chamorro , M. (2022). Conozca los tipos de frau-
de fiscal más comunes. Obtenido de El universal :
https://www.eluniversal.com.co/especial/contabilidad/conozca-
los-tipos-de-fraude-fiscal-mas-comunes-YJ6193980
[11] Congreso de Colombia. (24 de Julio de 2000). Ley
599 DE 2000 Codigo Penal. Colombia. Obtenido de
https://www.oas.org/dil/esp/codigopenalcolombia.pdf
[12] Congreso de la republica. (13 de Diciembre de 1990). LEY 43
DE 1990. Por la cual se adiciona la Ley 145 de 1960, regla-
mentaria de la profesión de Contador Público y se dictan otras
disposiciones", Art 20. Colombia.
[13] Cubides, J. (2022). Asuntos legales. Obtenido de
https://www.asuntoslegales.com.co/analisis/
[14] Cuellar, J. P. (2022). LR la republica. Obtenido de
https://www.larepublica.co/economia
33
Moreno-Hernandez, J., Campos-Molano, J., Medina Betancourt, Y,. Poloche Valencia, D.
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
[15] DANE. (2020). DANE . Obtenido de
https://www.dane.gov.co/index.php/estadisticas-
por-tema/cuentas-nacionales/cuentas-nacionales-
departamentales
[16] DIAN. (2018). Plan estratégico de tecnologías de información.
Obtenido de https://www.dian.gov.co/dian/
[17] DIAN. (2019). DIAN. Obtenido de https://www.dian.gov.co
[18] DIAN. (2019). Facturación Electrónica. Obtenido de
https://www.dian.gov.
[19] DIAN. (2021). Plan digital de la DIAN 2021. Obtenido de
https://www.dian.gov.co/dian
[20] Donovan, J. (2019). The Value of Offshore Secrets: Evidence
from the Panama Papers. Oxford University Press. Retrieved
from https://bibliotecadigital.ucc.edu.co
[21] Evans , R. (2020). How AI Is Helping Companies And Govern-
ments Fight Tax And Financial Fraud. Forbes. Obtenido de
https://www.forbes.com
[22] Faúndez, A. (2022). Use of artificial intelligence by
tax administrations: An analysis regarding taxpa-
yers’ rights in Latin American countries. Obtenido de
https://doi.org/10.1016/j.clsr.2020.105441
[23] Federacion Nacional de Contadores . (NIA 240). Normas Inter-
nacionales de Auditoría.
[24] Garcia, C. (2020). Centro interamericano de administración tri-
butaria. Obtenido de Centro interamericano de administración
tributaria: https://www.ciat.org
[25] Garcia, C., Herrera, B. (2020). Centro Interamericano de Admi-
nistraciones Tributarias. Obtenido de https://www.ciat.org
[26] Gobierno Nacional De Colombia . (1971). Decreto 410 de
1971. En Codigo de comercio de Colombia (pág. ART 207).
[27] Gomez, J. C., Moran, D. (2020). Estrategias para abordar la
evasión tributaria en America latina y el caribe . CEPAL.
[28] Gonzalez, G. (02 de 04 de 2020). Investigación documental: ca-
racterísticas, estructura, etapas, tipos, ejemplos. Obtenido de
Lifider: https://www.lifeder.com/
[29] Gunduz, S., Arslan, B., Demirci, M. (2015). A Review of Machi-
ne Learning Solutions to Denial-of-Services Attacks in Wire-
less Sensor Networks IEEE. 14th International Conference on
Machine Learning and Applications (ICMLA), Miami„ 150-155.
doi: 10.1109/ICMLA.2015.202.
[30] Guzmán, V. E. (2017). Docplayer. Obtenido de
https://docplayer.es/51414973-Aranda-query-manager-
v-9-0-manual-de-instalacion-y-uso.html
[31] Hechmi, J. M., Khlaifi, H., Bouatay, A., Zrelli , A. (2018).
Intrusion Detection Using Data Fusion and Machine Lear-
ning. 26th International Conference on Software, Telecom-
munications and Computer Networks (SoftCOM), Split„ 1-6.
doi:10.23919/SOFTCOM.2018.8555800.
[32] Knaus, C. (2019). Tax office uses AI to target dodgy
returns in real time. The Guardian. Obtenido de
https://www.theguardian.com
[33] Kumar, D. P., Amgoth, T., Annavarapu, C. R. (2019).
Machine learning algorithms for wireless sensor
networks: A survey. Information Fusion, 49, 1-25.
https://doi.org/10.1016/j.inffus.2018.09.013.
[34] Lopez, J. (2019). Uso de técnicas de machine learning para la
detección de fraudes en los contratos de obras publicas . Chile:
CONCURSO OLACEFS 2019.
[35] McKinsey Global Institute. (2019). Notes from the AI fron-
tier: Insights from hundreds of use cases. Obtenido de
https://www.mckinsey.com
[36] OCDE . (2022). OCDE. Obtenido de PROYECCION MUNDIAL
: https://www.oecd.org/acerca/miembros-y-socios/
[37] Organizacion para la Cooperacion y el Desa-
rrollo Económico. (2022). OCDE. Obtenido de
https://www.oecd.org/acerca/miembros-y-socios/
[38] Palacio, C. (2019). Análisis de la implementación de la factura
electrónica en Colombia como mecanismo de control al fraude
fiscal.
[39] Prajapati, J., Jain, S. C. (2018). Machine Learning Techniques
and Challenges in Wireless Sensor Networks. Second Interna-
tional Conference on Inventive Communication and Compu-
tational Technologies (ICICCT), Coimbatore, 2018, 233-238.
doi: 10.1109/ICICCT.2018.8473187.
[40] Quiroz, S., Osman, J. (2021). La cultura del fraude y su inciden-
cia en el trabajo del Revisor Fiscal en Colombia.
[41] Rodriguez, E. (2018). Analisis y detección de fraude fiscal me-
diante tecnicas de aprendizaje automatico. Universidad Ponti-
ficia de Madrid .
[42] Rouse, M. (30 de 04 de 2017). Inteligencia artificial, o AI. (Tech-
Target, S.A de C.V 2005 - 2019) Recuperado el 31 de 05 de
2019, de https://searchdatacenter.techtarget.com
34
Revista Económica
DOI: 10.54753/rve.v11i2.1677
Vol.11-N°2, Julio - Diciembre 2023
p-ISSN:2602-8204 |e-ISSN 2737-6257
[43] Ruiz, L. (2016). Utilización de herramientas estratégicas pa-
ra la detección del fraude fiscal. Revista ICU . Obtenido de
http://repositorio.umaza.edu.ar/handle/00261/828
[44] Ruiz., M. G. (2016). La educación fiscal como herramienta de
prevención del fraude fiscal.
[45] Savić, M. (2022). Gestión del riesgo de evasión fiscal median-
te un método híbrido no supervisado de detección de valores
atípicos. Obtenido de https://bbibliograficas.ucc.edu.co
[46] Serrano , F. (2021). Banco de desarrollo de america latina. Ob-
tenido de https://www.caf.com
[47] Smithers, R. (2020). Taxman uses artificial intelligen-
ce to beat fraudsters. The Guardian. Obtenido de
https://www.theguardian.com
35
