Los riesgos y oportunidades en el uso de técnicas de machine learning por parte de la Administración tributaria

Aug 5, 2026

Subir por Riley

Tras dos décadas desde la aprobación de la Ley General Tributaria y el despliegue creciente de sistemas de Inteligencia Artificial por la Administración tributaria, el trabajo analiza el tratamiento jurídico del uso de técnicas de machine learning en el ámbito fiscal. Se sostiene que, aun sin una habilitación legal específica, deben observarse garantías para reducir riesgos de sesgos e imprecisiones en la toma de decisiones automatizada. Asimismo, se busca limitar el uso de datos personales y proteger los derechos de los contribuyentes mediante modelos que resulten explicables.

IdiomaSpanish

CategoríaInvestigación e Informes

FormatoPDF

Páginas29

Tiempo de lectura45 min

AccesoGratis para descargar

Tabla de contenidos

Introducción

De qué hablamos cuando hablamos de machine learning

Dos ejemplos del uso de técnicas de machine learning en el ámbito tributario: detectar facturas irregulares y falsos residentes

La fase de entrenamiento del sistema de IA basado en machine learning

Errores de representación y sesgos en el resultado

Errores de medición e inexactitud del resultado

Tratamiento de datos de entrenamiento con carácter personal

Explicabilidad de los sistemas de IA empleados por la Administración tributaria

Reflexión final

Bibliografía

JOSÉ MIGUEL MARTÍN RODRÍGUEZ y RAFAEL SANZ GÓMEZ (COORD.) Revisión crítica de la Ley General Tributaria tras veinte años de su aprobación CAPÍTULO 2 LOS RIESGOS Y OPORTUNIDADES EN EL USO DE TÉCNICAS DE MACHINE LEARNING POR PARTE DE LA ADMINISTRACIÓN TRIBUTARIA ELIZABETH GIL GARCÍA􀀍 Profesora Contratada Doctora Universidad de Alicante 1. Introducción. 2. De qué hablamos cuando hablamos de machine learning. 2.1. Dos ejemplos del uso de técnicas de machine learning en el ámbito tributario: cómo detectar facturas irregulares y falsos residentes. 3. La fase de entrenamiento del sistema de IA basado en técnicas de machine learning. 3.1. Los errores de representación y de medición. 3.1.1. De los errores de representación en los datos de entrenamiento a los sesgos en el resultado. 3.1.2. De los errores de medición en los datos de entrenamiento a la inexactitud del resultado. 3.2. El tratamiento delos datos de entrenamiento que tengan carácter personal. 3.3. La «explicabilidad» de los sistemas de IA empleados por la Administración tributaria. 4. Reflexión final. Bibliografía. RESUMEN: Cuando se cumplen dos décadas de la aprobación de la Ley General Tributaria y ante la creciente implementación de sistemas de Inteligencia Artificial por parte de la Administración tributaria, nos planteamos cuál es el tratamiento jurídico del uso de dichas técnicas. Aunque no exista una habilitación legal específica, la observancia de ciertas garantías puede minimizar los riesgos de sesgos e imprecisiones en las decisiones adoptadas mediante la aplicación de modelos de aprendizaje automático, así como limitar el uso que de nuestros datos personales se hace y salvaguardar los derechos de los contribuyentes a partir de modelos de aprendizaje que resulten explicables. PALABRAS CLAVE: Inteligencia Artificial, aprendizaje automático, datos de entrenamiento, datos personales, explicabilidad. ABSTRACT: After 20 years of the approval of the General Tax Act and because of the increasing implementation of Artificial Intelligence systems in the Tax Administration, this work tackles the legal treatment of the use of such techniques. Truly, there is not a specific legal basis, but certain guarantees should be considered for minimizing risks of bias and inaccuracies in the decisionmaking process of machine learning models and for ensuring an appropriate use of personal data and the protection of taxpayers’ rights. KEYWORDS: Artificial Intelligence, machine learning, training data, personal data, explainable AI. 􀀍 Este trabajo se ha desarrollado en el marco del proyecto «Revisión crítica de la Ley General Tributaria tras veinte años de su aprobación» del Instituto de Estudios Fiscales, cuyos investigadores principales son los profesores Rafael Sanz y José Miguel Martín, así como bajo el paraguas del proyecto «Data Science y Machine Learning» (PID2019-108963RB- 100) del Ministerio de Ciencia e Innovación, cuyos investigadores principales son los profesores Begoña Pérez y Jorge Martín. La autora de este trabajo puede ser contactada en [elizabeth@ua.es](elizabeth@ua.es). 48 JOSÉ MIGUEL MARTÍN RODRÍGUEZ y RAFAEL SANZ GÓMEZ (COORD.) Revisión crítica de la Ley General Tributaria tras veinte años de su aprobación 1. INTRODUCCIÓN Cuando se aprobó la vigente Ley 58/2003, de 17 de diciembre, General Tributaria (LGT) ya nosencontrábamos en los albores de la Cuarta Revolución Industrial, también conocida como revolución digital, o industria 4.0. Sin embargo, no se introdujo en la LGT ninguna habilitación legal específica para el uso de sistemas de Inteligencia Artificial (IA) por parte de la Administración tributaria. Ello, a pesar de que la AEAT ha ido a la cabeza en el proceso de digitalización de las Administraciones Públicas, mediante la creación, por ejemplo, de los llamados asistentes virtualeso del Programa PADRE (actualmente Renta WEB) . El desarrollo de estas herramientas presenta relevantes ventajas, tales como la asistencia a los cont

Preguntas frecuentes

Por qué no existe una habilitación legal específica y qué consecuencias jurídicas se plantean?

El texto señala que no se incorporó una habilitación legal específica en la Ley General Tributaria para el uso de sistemas de IA por parte de la Administración tributaria. Aun así, se considera necesario observar garantías para reducir riesgos jurídicos y operativos.

Qué riesgos se asocian al uso de machine learning en decisiones tributarias?

Se identifican riesgos como decisiones sesgadas y la imposibilidad de defenderse frente a un acto si se desconoce cómo se adoptó. También se menciona la vulneración del derecho a la protección de datos personales.

Qué papel cumple la explicabilidad en el uso de sistemas de IA por la Administración tributaria?

El trabajo destaca la necesidad de salvaguardar derechos del contribuyente a partir de modelos explicables. La explicabilidad se presenta como un elemento clave para permitir revisión y reducir opacidad decisional.

Aug 5, 2026

Subir por Riley