Impact of artificial intelligence on the tax efficiency of the ecuadorian Internal Revenue Service (SRI) during the period 2024-2026
DOI:
https://doi.org/10.51247/st.v9i3.843Keywords:
artificial intelligence; tax administration; tax collection; tax evasionAbstract
Tax evasion and the tax gap pose significant challenges to Ecuador's public finances, affecting the sustainability of the General State Budget and limiting investment capacity for economic and social development. In response to this problem, the Internal Revenue Service (SRI), under Executive Decree No. 881, implemented artificial intelligence (AI)-based systems, called Orion and Falcon, to strengthen tax audit processes and optimize tax collection. The objective of this research was to analyze the impact of AI application on the efficiency of Ecuadorian tax administration during the period 2024-2026. The methodology was developed using a quantitative approach, with a descriptive-correlational scope and a non-experimental design, based on the documentary analysis of official statistical records issued by the SRI. The results show a shift in the historical trend of tax collection starting in 2025, following the incorporation of AI tools. Net tax collection registered year-on-year growth of 18.8% in 2025 and 9.21% during the first four months of 2026. Income tax revenue increased by 16.7%, and value-added tax by 16.2%. It is concluded that AI has contributed to strengthening tax efficiency; however, a specific regulatory framework for its application remains lacking. Furthermore, a cumulative increase of up to USD 8.5 billion in tax collection is projected by 2030.
Downloads
References
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
Published
Issue
Section
License
Copyright (c) 2026 Dayana Fernanda Ulcuango-Guanolema
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
