El 30/03/2026 se conoció que el IRS está ensayando una herramienta de Palantir para mejorar la selección de casos a auditar. El proyecto, conocido por sus siglas como SNAP, busca integrar información dispersa en más de cien sistemas legados para identificar objetivos de investigación «de mayor valor». A diferencia de métodos anteriores, este enfoque explora datos no estructurados y documentación de respaldo que antes eran difíciles de procesar con automatismos clásicos.
La noticia ha provocado interés porque combina recursos de una empresa con amplio historial en contratos federales con la misión de modernizar procesos fiscales.
La iniciativa no solo supone una inversión técnica: trae consigo debates sobre privacidad, transparencia y delimitación legal. El contrato piloto, valorado en aproximadamente 1,8 millones de dólares, es parte de una relación contractual que, según los documentos públicos, suma más de 200 millones de dólares en trabajos adjudicados a Palantir para el IRS desde 2014.
Entre los puntos que despiertan recelo está la capacidad del sistema para inferir patrones en reclamaciones por ayudas en desastres, créditos por energía residencial y declaraciones vinculadas a regalos.
Qué hace el sistema y cómo sustituye antiguos métodos
Históricamente, la selección de declaraciones para auditoría se basaba en un puntaje conocido como DIF (Discriminant Information Function), un algoritmo opaco que destacaba retornos con mayor probabilidad de discrepancia.
SNAP no es simplemente una versión más rápida del DIF: incorpora reconocimiento de patrones y procesa documentos que antes quedaban fuera del análisis automatizado. Eso incluye anexos, recibos y formularios que los sistemas antiguos no analizaban, por lo que el resultado potencial es una selección más afinada, pero también menos explicada en términos humanos.
Ventajas operativas
Desde la perspectiva administrativa, la integración de inteligencia artificial promete redistribuir recursos: auditores podrían centrar esfuerzos en casos con mayor retorno esperado, reducir duplicidades y acelerar investigaciones complejas.
El uso de APIs unificadas y automatización de flujos facilita la interoperabilidad entre plataformas y agiliza la verificación de integridad de datos. Para el contribuyente, en teoría, esto implicaría procesos más precisos y focalizados que reduzcan auditorías aleatorias o basadas en reglas anticuadas.
Riesgos y preocupaciones
Al mismo tiempo surgen inquietudes legítimas: la adopción de herramientas de Palantir incorpora elementos de vigilancia y clasificación automatizada que pueden ampliar el alcance de análisis si se enlazan a fuentes externas. Aunque el despliegue actual se concentra en bases internas del IRS, los documentos señalan la posibilidad técnica de cruzar datos de servicios de pago o plataformas sociales, lo que plantea preguntas sobre límites legales y salvaguardas. Además, la naturaleza de caja negra de algunos modelos complica la trazabilidad de decisiones.
Casos prácticos y ejemplos
Entre los tipos de declaraciones mencionadas como susceptibles a mayor escrutinio aparecen las relacionadas con créditos por energía residencial, solicitudes de ayuda por desastres y el formulario 709 sobre donaciones. En la práctica, SNAP busca patrones en anotaciones y documentos que podrían indicar inconsistencias o falta de adequate disclosure, concepto que los expertos mencionan para referirse a la información suficiente en las declaraciones. La capacidad de procesar texto libre significa que detalles que antes escapaban al filtro numérico ahora pueden influir en la selección.
Ejemplo ilustrativo
Imaginemos una reclamación por reparación tras un huracán: recibos escaneados, notas y comunicaciones con aseguradoras podrían ser analizados por SNAP para detectar señales de coordinación o montos que no concuerdan con registros previos. Si bien esto puede ayudar a detectar fraudes, también exige salvaguardas para no penalizar errores administrativos o interpretaciones legítimas de los contribuyentes.
Transparencia, regulación y próximos pasos
La discusión sobre el uso de IA en fiscalización pública apunta a tres líneas: documentar el alcance de los datos utilizados, definir límites de fuentes externas y asegurar explicaciones comprensibles de por qué un caso fue seleccionado. Organismos y académicos han pedido criterios claros y auditorías independientes del sistema. Mientras tanto, el piloto del IRS con Palantir continuará evaluándose para determinar si se expande su uso y cómo se implementan controles técnicos y legales que protejan derechos de los contribuyentes.
