Impacto de la inteligencia artificial en la eficiencia tributaria del SRI en Ecuador durante el periodo 2024-2026
DOI:
https://doi.org/10.51247/st.v9i3.843Palabras clave:
inteligencia artificial; administración tributaria; recaudación fiscal; evasión fiscal.Resumen
La evasión fiscal y la brecha tributaria constituyen desafíos significativos para las finanzas públicas del Ecuador, al afectar la sostenibilidad del Presupuesto General del Estado y limitar la capacidad de inversión en el desarrollo económico y social. Como respuesta a esta problemática, el Servicio de Rentas Internas (SRI), en el marco del Decreto Ejecutivo No. 881, implementó sistemas basados en inteligencia artificial (IA), denominados Orión y Falcon, con el propósito de fortalecer los procesos de fiscalización y optimizar la recaudación tributaria. El objetivo de esta investigación fue analizar el impacto de la aplicación de la IA en la eficiencia de la administración tributaria ecuatoriana durante el período 2024-2026. La metodología se desarrolló bajo un enfoque cuantitativo, con alcance descriptivo-correlacional y diseño no experimental, sustentado en el análisis documental de registros estadísticos oficiales emitidos por el SRI. Los resultados evidencian una modificación en la tendencia histórica de la recaudación a partir de 2025, posterior a la incorporación de herramientas de IA. La recaudación neta registró un crecimiento interanual del 18,8 % en 2025 y del 9,21 % durante el primer cuatrimestre de 2026. Asimismo, el Impuesto a la Renta presentó un incremento del 16,7 % y el Impuesto al Valor Agregado del 16,2 %. Se concluye que la IA ha contribuido al fortalecimiento de la eficiencia tributaria; sin embargo, persiste la ausencia de un marco regulatorio específico para su aplicación. Además, se proyecta un incremento acumulado de hasta USD 8.500 millones en la recaudación hacia 2030
Descargas
Referencias
Ayala, J. C. (1993). La Evasión Tributaria. Comisión Económica para América Latina y el Caribe (CEPAL).
Arguelles Toache, E. (2024). Beneficios y riesgos del uso de la Inteligencia Artificial en el Servicio de Administración Tributaria de México (SAT): Un análisis desde la perspectiva de investigadores académicos. PAAKAT: Revista de Tecnología y Sociedad, 14(27).
Aguilar-Morocho, C. E., Jiménez-Sánchez, N. S., & Orellana-Ulloa, M. N. (2025). Uso de la inteligencia artificial en la prevención de la evasión fiscal: Eficiencia, transparencia y desafíos éticos en El Oro. Sociedad & Tecnología, 8(S3), 1311–1329.
Belisario, H. (2016). Curso de Finanzas, Derecho Financiero y Tributario. Editorial Astrea de Alfredo y Ricardo Depalma.
Cabrol, M., & Sánchez Ávalos, R. (2021). ¿Quién le teme a la inteligencia? Posibilidades y riesgos de la inteligencia artificial en el Estado digital. Banco Interamericano de Desarrollo (BID).
Criado, J. I. (2021). Inteligencia artificial y administración pública. Universidad Carlos III de Madrid.
Giuliani, C. M. (2011). Derecho Financiero. La Ley S.A.E. e I.
Goodfellow, I. J., Bengio, Y., & Courville, A. (2016). Deep Learning. The MIT Press.
Mayer-Schönberger, V., & Neil Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think (Big Data: La revolución de los datos masivos). Houghton Mifflin Harcourt (original en inglés); Turner Publicaciones S.L. (versión en español).
Navarrine, S., & Asorey, R. (2011). Derecho Financiero. La Ley S.A.E. e I. (Fondo Editorial de Derecho y Economía).
Russell, S. J., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (Inteligencia Artificial: Un enfoque moderno). Pearson Education, Inc.
Stiglitz, J. E. (2003). La economía del sector público (Economics of the Public Sector). Antoni Bosch Editor, S.A.
Serrano Antón, F. (Dir.). (2021). Inteligencia artificial y administración tributaria: Eficiencia administrativa y defensa de los derechos de los contribuyentes. Thomson Reuters Aranzadi.
Villegas, H. B. (2016). Curso de finanzas, derecho financiero y tributario. Editorial Astrea de Alfredo y Ricardo Depalma.
Farca, A., Jalife Villalón, S., Martínezgarza, R., Puig Gabarró, P., & Iglesias Rodríguez, E. (Mayo de 2026). Desarrollo y uso de la inteligencia artificial en América Latina y el Caribe. Banco Interamericano de Desarrollo (BID).
Filgueiras, F. (2021). Inteligencia artificial en la administración pública: ambigüedad y elección de sistemas de IA y desafíos de gobernanza digital. Revista del CLAD Reforma y Democracia, (79). https://doi.org/10.69733/clad.ryd.n79.a221
Janiesch, C., Zschech, P., & Heinrich, K. (2021). Machine learning and deep learning. Electronic Markets, 31(3), 685–695. https://doi.org/10.1007/s12525-021-00475-2
Poole, D. L., & Mackworth, A. K. (2023). Artificial intelligence: Foundations of computational agents (3.a ed.). Cambridge University Press. https://artint.info/3e/html/ArtInt3e.html
Sánchez-Caguana, D. F., Philco-Reinozo, M. A., Salinas-Arroba, J. M., & Pico-Lescano, J. C. (2024). Impacto de la inteligencia artificial en la precisión y eficiencia de los sistemas contables modernos. Journal of Economic and Social Science Research, 4(3), 1–12.
Tualombo-Tituaña, J. J., Pita-Soledispa, M. A., & Figueroa-Soledispa, M. L. (2024). La integración de la inteligencia artificial en la administración tributaria, cantón Jipijapa: Retos y oportunidades. Revista Científica Multidisciplinaria Arbitrada YACHASUN, 8(15), 45–56.
Villalba Quintana, L. P. (2024). La inteligencia artificial en la contaduría pública: Transformación e innovación en la profesión contable. Revista de Ciencias Empresariales, Tributarias, Comerciales y Administrativas, 3(2), 4–9.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Dayana Fernanda Ulcuango-Guanolema
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
