Impacto da inteligência artificial na eficiência fiscal do serviço de receita interna do Equador (SRI) no Período de 2024 a 2026
DOI:
https://doi.org/10.51247/st.v9i3.843Palavras-chave:
inteligência artificial; administração tributária; cobrança de impostos; evasão fiscalResumo
A evasão fiscal e o fosso fiscal representam desafios significativos para as finanças públicas do Equador, afectando a sustentabilidade do Orçamento Geral do Estado e limitando a capacidade de investimento para o desenvolvimento económico e social. Em resposta a este problema, o Serviço de Receita Interna (SRI), através do Decreto Executivo nº 881, implementou sistemas baseados em inteligência artificial (IA), denominados Orion e Falcon, para reforçar os processos de auditoria fiscal e otimizar a cobrança de impostos. O objetivo desta investigação foi analisar o impacto da aplicação da IA na eficiência da administração fiscal equatoriana durante o período de 2024 a 2026. A metodologia foi desenvolvida com recurso a uma abordagem quantitativa, com um âmbito descritivo-correlacional e um desenho não experimental, baseada na análise documental dos registos estatísticos oficiais emitidos pelo SRI. Os resultados mostram uma alteração na tendência histórica da cobrança de impostos a partir de 2025, após a incorporação das ferramentas de IA. A receita fiscal líquida registou um crescimento anual de 18,8% em 2025 e de 9,21% durante os primeiros quatro meses de 2026. A receita do imposto sobre o rendimento aumentou 16,7% e a do imposto sobre o valor acrescentado (IVA), 16,2%. Conclui-se que a IA contribuiu para o reforço da eficiência fiscal; no entanto, falta ainda um quadro regulatório específico para a sua aplicação. Além disso, projeta-se um aumento cumulativo de até 8,5 mil milhões de dólares na receita fiscal até 2030.
Downloads
Referências
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.
Downloads
Publicado
Edição
Secção
Licença
Direitos de Autor (c) 2026 Dayana Fernanda Ulcuango-Guanolema
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
