Modelos predictivos y herramientas de transparencia en el Derecho Tributario

Pedro Jesús Jiménez Vargas

doi:10.51915/ret.426

Autores/as

Pedro Jesús Jiménez Vargas Profesor contratado doctor Universidad Internacional de la Rioja (UNIR)

DOI:

https://doi.org/10.51915/ret.426

Palabras clave:

inteligencia artificial, transparencia, modelos predictivos, asistentes virtuales, ética algorítmica

Resumen

El estudio examina cómo se están integrando las herramientas digitales y la inteligencia artificial en el derecho tributario, sobre todo en la gestión y los procesos. Se analizan modelos predictivos en tres áreas importantes: la posibilidad de litigios, la estimación de ingresos y la detección de riesgos fiscales. Aunque estas aplicaciones buscan mejorar la gestión y la planificación tributaria, también generan preguntas sobre la transparencia, la seguridad jurídica y la protección del razonamiento legal frente al peso del análisis estadístico.

También se consideran herramientas para los funcionarios, como asistentes virtuales (chatbots), sistemas expertos, simulaciones de situaciones fiscales y análisis automático de leyes. Estas tecnologías ayudan a que la toma de decisiones sea más clara, objetiva, coherente y comprobable, y al mismo tiempo facilitan la detección de riesgos y mejoran la eficiencia de los trámites administrativos.

Descargas

Los datos de descargas todavía no están disponibles.

Estadísticas globales

0 Visualizaciones	0 Descargas
0 Total

Citas

AL-HASHEDI, K. G., & MAGALINGAM, P. (2021). “Financial fraud detection applying data mining techniques: A comprehensive review from 2009 to 2019”. Computer Science Review, 40, 100402. DOI: https://doi.org/10.1016/j.cosrev.2021.100402

ANANNY, M., & CRAWFORD, K. (2018). “Seeing without knowing: Limitations of the transparency ideal and its application to algorithmic accountability”. New Media & Society, 20 (3), 973-989. DOI: https://doi.org/10.1177/1461444816676645

ANIBARRO PÉREZ, S. (2024). “El uso de perfiles de riesgo en la prevención y lucha contra el fraude fiscal”. En A. CORCUERA TORRES & S. ANIBARRO PÉREZ (Coords.), “Sobre la prevención y lucha contra el fraude fiscal. Estudios en homenaje al Profesor Dr. D. Alejandro Menéndez Moreno”. Cizur Menor: Aranzadi.

BANKOLE, A., OSAMOR, I., & BAMGBOYE, A. (2025). “Effects of Artificial Intelligence on Tax Administration in Lagos State”. The Journal of Accounting and Management, 15 (2), 144–160. Disponible en: https://dj.univ-danubius.ro/index.php/JAM/article/view/3333

BREIMAN, L. (2001). “Random forests”. Machine Learning, 45 (1), 5–32. DOI: https://doi.org/10.1023/A:1010933404324

BRKAN, M. (2017). “AI-supported decision-making under the General Data Protection Regulation”. In Proceedings of the 16th International Conference on Artificial Intelligence and Law (ICAIL '17) (pp. 3–8). Association for Computing Machinery. DOI: https://doi.org/10.1145/3086512.3086513

BRONDOLO, J., CHOOI, A., SCHLOSS, T. & SIOUCLIS, A. (2022), “Compliance risk management: developing compliance improvement plans”, Technical Notes and Manuals, núm. 2022/001, IMF, Washington. DOI: https://doi.org/10.5089/9798400205910.005

CHÁVEZ VALDIVIA, A. K. (2023). “Sistemas conversacionales: entre la privacidad y la funcionalidad de las interacciones”. Jurídicas, 20(2), 225–242. DOI: https://doi.org/10.17151/jurid.2023.20.2.12

CHAVES, A. P., & GEROSA, M. A. (2020). “How Should My Chatbot Interact? A Survey on Social Characteristics in Human–Chatbot Interaction Design”. International Journal of Human–Computer Interaction, 37 (8), 729–758. DOI: https://doi.org/10.1080/10447318.2020.1841438

COMISIÓN EUROPEA. (2020). Libro Blanco sobre Inteligencia Artificial: Un enfoque europeo hacia la excelencia y la confianza (COM (2020) 65 final). Disponible en: https://eur-lex.europa.eu/legal-content/ES/TXT/PDF/?uri=CELEX:52020DC0065

CONSEJO DE EUROPA. (2023). The Council of Europe and artificial intelligence. Council of Europe Publishing. Disponible en:

https://edoc.coe.int/en/artificial-intelligence/11755-el-consejo-de-europa-y-la-inteligencia-artificial.html

DE ARRIBA-PÉREZ, F., GARCÍA-MÉNDEZ, S., GONZÁLEZ-CASTAÑO, F. J., & GONZÁLEZ-GONZÁLEZ, J. (2022). “Explainable machine learning multi-label classification of Spanish legal judgements”. Journal of King Saud University – Computer and Information Sciences, 34 (10, Part B), 10180-10192. DOI: https://doi.org/10.1016/j.jksuci.2022.10.015

DESANTES DE MERGELINA, A. (2025). “IA generativa y asistentes inteligentes”. ICE, Revista De Economía, (938). DOI: https://doi.org/10.32796/ice.2025.938.7887

FAÚNDEZ-UGALDE, A., MELLADO-SILVA, R.., ALDUNATE-LIZANA, E., & BENFELD ESCOBAR, J. (2024). “La enseñanza-aprendizaje del derecho a través de asistentes virtuales: Principales hallazgos en estudiantes universitarios de pregrado”. Revista Pedagogía Universitaria Y Didáctica Del Derecho, 11(1), pp. 31–48. DOI: https://doi.org/10.5354/0719-5885.2024.69639

GAIE, C. (2023). Struggling against tax fraud, a holistic approach using artificial intelligence. In Recent Advances in Data and Algorithms for e-Government, pages 87–102. Springer. DOI: https://doi.org/10.1007/978-3-031-22408-9_4

JIMÉNEZ VARGAS, P. J. (2025). Robótica e inteligencia artificial: Implicaciones y desafíos económicos, sociales y fiscales. Valencia. Tirant lo Blanch. ISBN: 979-13-7021-198-1.

LEWIS, P., PEREZ, E., PIKTUS, A., PETRONI, F., KARPUKHIN, V., GOYAL, N., KÜTTLER, H., LEWIS, M., YIH, W.-T., ROCKTÄSCHEL, T., RIEDEL, S., & KIELA, D. (2020). “Retrieval-augmented generation for knowledge-intensive NLP tasks”. In H. LAROCHELLE, M. RANZATO, R. HADSELL, M. F. BALCAN & H. LIN (Eds.), Advances in Neural Information Processing Systems 33 (pp. 9459-9474). DOI: https://doi.org/10.48550/arXiv.2005.11401

LOPO MARTÍNEZ, A. (2025). “Artificial intelligence in tax administration: Enhancing compliance, transparency, and ethical governance”. SSRN.

DOI: https://doi.org/10.2139/ssrn.5285760

MARÍN-BARNUEVO FABO, D. (2020). “El principio de buena administración en materia tributaria”. Revista Española de Derecho Financiero, (186), abril–junio. ISSN 0210-8453.

MARTÍN LÓPEZ, J. (2022). “Inteligencia artificial, sesgos y no discriminación en el ámbito de la inspección tributaria”. Crónica Tributaria, 182, 51–89. DOI: https://doi.org/10.47092/CT.22.1.2

MD REDWANUL ISLAM, MOHTASIM WASIF, SUJANA SAMIA, MD SOHANUR RAHMAN SOURAV, & ARAFAT HOSSAIN. (2025). “The Role of Machine Learning in Forecasting U.S. GDP Growth after the COVID-19 Pandemic”. Journal of Economics, Finance and Accounting Studies, 7 (2), 163-175. DOI: https://doi.org/10.32996/jefas.2025.7.2.14

MUSA, Z. I., BALARABE JUNAIDU, S., ISMAEEL AHMAD, B., KANA, A. D., & ABUBAKAR IBRAHIM, A. (2023). An Enhanced Predictive Analytics Model for Tax-Based Operations. International Journal on Perceptive and Cognitive Computing, 9 (1), 44–49. DOI: https://doi.org/10.31436/ijpcc.v9i1.343

NOCETE CORREA, F. (2024). “El principio de buena administración en la estrategia de inteligencia artificial de la Agencia Estatal de Administración Tributaria”. Carta Tributaria. Opinión, 117, 1–33. Aranzadi. Disponible en: https://hdl.handle.net/10578/40044

OLIVER CUELLO, RAFAEL. (2021). Big data e inteligencia artificial en la Administración tributaria. IDP. Revista de Internet, Derecho y Política, núm. 33. DOI: https://doi.org/10.7238/idp.v0i33.381275

PARLAMENTO EUROPEO. (2012). Carta de los Derechos Fundamentales de la Unión Europea. Disponible en: https://www.europarl.europa.eu/charter/pdf/text_es.pdf

PRICE-WATERHOUSE-COOPERS. (2018). The Data Intelligent Tax Administration Meeting the challenges of Big Tax Data and Analytics. Disponible en: https://www.pwc.nl/nl/assets/documents/the-data-intelligent-tax-administration-whitepaper.pdf

RAHMAN, S., KHAN, R. S., SIRAZY, M. R. M., & DAS, R. (2024). “An exploration of artificial intelligence techniques for optimizing tax compliance, fraud detection, and revenue collection in modern tax administrations”. International Journal of Business Intelligence & Big Data Analytics, 7 (3), 56–80. Disponible en: https://doi.org/10.5281/zenodo.14606936

REED, C. (2018). “How should we regulate artificial intelligence?” Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 376 (2133), 20170360. DOI: https://doi.org/10.1098/rsta.2017.0360

SÁNCHEZ-ARCHIDONA, G. (2023). El sistema de relaciones entre la administración tributaria y los contribuyentes en la era de la inteligencia artificial y del cumplimiento voluntario (1.ª ed., 160 pp.). Aranzadi. ISBN 978-84-1309-919-4.

SÁNCHEZ LÓPEZ, M. E. (2022). “El principio de buena administración y el compliance fiscal: una relación necesaria”. Civitas. Revista española de derecho financiero, (193), 159-198. Disponible en: https://hdl.handle.net/10578/36361

UNESCO (2021). Recomendación sobre la ética de la inteligencia artificial. Recuperado el día 12 de noviembre de 2024. Disponible en: https://unesdoc.unesco.org/ark:/48223/pf0000380455_spa

ZHOU, L. (2019). Opportunities and Challenges of Artificial Intelligence in the Application of Taxation System. Advances in Economics, Business and Management Research, 109. DOI: https://doi.org/10.2991/aebmr.k.191217.038