Mario Ruiz Jaramillo, SolOpt
Estos días hemos visto en Ecuador cartas del Presidente Guillermo Lasso dirigidas a la directora del Servicio de Rentas Internas con «instrucciones formales y expresas para que se investigue exhaustivamente indicios de defraudación o evasión fiscal» a las actividades comerciales y empresariales de Javier Hervas, ex candidato presidencial en 2021 y de Joaquín Villamar, ex esposo de la alcaldesa de Guayaquil.
El señor Hervas es accionista o dueño de unas 16 empresas, de lo cual destaca que es dueño del 37% de acciones de la empresa Nova Alimentos que en el año 2020 tuvo ingresos por algo más de 10 millones de dólares, con utilidades de más de 1 millón de dólares según Ekos Economía, y que, según el SRI, no ha causado impuestos en dicho año. Además, en la carta que envía el presidente, indica que el señor Hervas ha declarado, en ese año, 3,666 US$ como impuesto a la renta personal; dando a entender que no existe coherencia entre los valores de ventas, los valores de utilidades y los valores declarados de impuestos tanto de sus compañías como los personales.
Por otro lado, el señor Villamar según la prensa ha adquirido 81 lotes de terreno en el sector de Daular, cerca del proyectado nuevo aeropuerto de Guayaquil, con una superficie de aproximadamente 9 hectáreas. En castellano puro dice el señor presidente que, para eso, se necesita dinero, pero que no se refleja en sus declaraciones a la renta ya que en 10 años ha pagado solo 47,000 US$ por este concepto.
El factor común en ambos casos es que la investigación sería innecesaria si el SRI dispusiera de un sistema de gestión inteligente de datos basado en algoritmos de analítica avanzada y machine learning que “cruce” toda la información tributaria, financiera y comercial de las personas de manera automática y detecte de manera temprana los casos de posible defraudación, evasión tributaria u otro tipo de delitos contra el fisco, llegando incluso a anticiparse a comportamientos dolosos.
La analítica avanzada emplea modelos predictivos, métodos estadísticos, machine learning y técnicas de automatización de procesos para descubrir posibles anormalidades como las que se mencionan en las cartas, pero además se puede proporcionar las tendencias, pronósticos y en general poner los datos al servicio de la toma de decisiones.
El sector público es uno de los que generan más datos, teras y teras de información, generalmente acumulados en medios digitales, que por el momento no están siendo usados para la toma de decisiones. Es momento que el sector público desarrolle una hoja de ruta para el uso de la Ciencia de Datos, los algoritmos y el machine learning con la finalidad de resolver eficientemente los problemas que aquejan al estado y a la comunidad. Por ejemplo, volviendo al caso del SRI, un software inteligente basado en estas tecnologías se convertiría en ‘auditor’ iniciando de manera automática investigaciones donde se encuentre datos anormalidades dentro de las declaraciones de impuestos.
Si nos imaginamos a este software inteligente cruzando grandes cantidades de información de aduanas, SRI, Superintendencia de Bancos, Superintendencia de Compañías, UAFE entre otras instituciones, los resultados serían tremendamente productivos y rentables. Este tipo de soluciones están al alcance del país, con pocos recursos apoyándose en la tecnología se pueden resolver problemáticas urgentes y relativamente a bajo costo, pues el costo de los datos es cero y los algoritmos no se corrompen.