Palantir prueba para el IRS un sistema para seleccionar objetivos prioritarios para auditorías fiscales

El Servicio de Rentas Internas de EE.UU. está probando una herramienta de Palantir que ayuda a seleccionar las auditorías e investigaciones más beneficiosas para el gobierno. El piloto debe recopilar señales de docenas de sistemas antiguos del IRS y encontrar más rápidamente casos donde hay posibles incumplimientos fiscales, fraude o fundamentos para enjuiciamiento penal.

Cómo funciona el piloto

Según documentos obtenidos a través de solicitudes de acceso a datos, el IRS pagó a Palantir $1,8 millones en 2025 por el desarrollo de la Selection and Analytic Platform, o SNAP. Esta herramienta debe mejorar la selección de casos prioritarios para auditoría, cobro de impuestos morosos y posibles investigaciones penales. Para el propio servicio, la tarea parece pragmática: en lugar de navegar manualmente por una arquitectura de sistemas antigua, reunir la visión completa en un solo lugar y gastar menos tiempo en auditorías que casi nada aportan al presupuesto.

El problema es que el IRS ha acumulado una infraestructura muy pesada. En los documentos, el servicio reconoce que utiliza más de 100 sistemas de negocio y aproximadamente 700 métodos de selección que se han construido a lo largo de décadas. SNAP no reemplaza todo este panorama de una sola vez, sino que lo cubre desde arriba: ayuda a los auditores a ver señales de bases de datos fragmentadas y buscar detalles importantes en anexos no estructurados que anteriormente eran más difíciles de correlacionar entre sí.

Según datos de contratación gubernamental, Palantir ha trabajado con el IRS durante más de diez años, y el volumen total de contratos y compromisos de pago ha superado los $200 millones.

Qué casos están en el foco

En la primera fase, el IRS pidió a Palantir desarrollar tres métodos de selección de casos separados vinculados a secciones específicas del código tributario. No es una búsqueda abstracta de "ciudadanos sospechosos", sino un piloto bastante aplicado con categorías claras, donde el servicio quiere probar si el nuevo enfoque ayuda a encontrar casos más productivos. Este diseño es importante: la agencia está limitando el experimento y puede comparar la nueva lógica con los procedimientos antiguos en tipos específicos de declaraciones.

solicitudes de beneficios fiscales para residentes de zonas afectadas por desastres naturales Residential Clean Energy Credit - beneficios para la instalación de paneles solares, aerogeneradores y otro equipo de energía residencial Formulario 709 - declaraciones de impuesto sobre donaciones, cuando se transfieren acciones, negocios, obras de arte y otros activos valiosos documentos de apoyo que pueden aclarar la evaluación de activos, relaciones entre las partes y lógica de cálculo Los datos no estructurados son particularmente interesantes aquí. Para casos de impuesto sobre donaciones, podrían ser documentos de tasación, balances, información sobre ingresos empresariales y descripciones de relaciones entre el donante y el beneficiario. Sin embargo, en los materiales del contrato se establece por separado que Palantir debe trabajar con datos ya existentes dentro de SNAP, en lugar de incorporar nuevos flujos de datos externos a su discreción.

Es precisamente en estos archivos donde a menudo se ocultan señales que no están en los campos de declaración estándar.

Por qué esto es controvertido El IRS ya tiene mecanismos de selección algorítmica.

Durante décadas, el servicio se ha basado en la puntuación DIF - una métrica interna que evalúa la probabilidad de que una declaración merezca ser examinada. Cómo se calcula exactamente no se revela públicamente, e investigadores han llamado durante mucho tiempo a este enfoque una caja negra. SNAP da el siguiente paso: no solo clasifica declaraciones, sino que ayuda a vincular más fuentes y plantea casos que un inspector podría haber omitido.

El riesgo aquí no es solo privacidad, sino también la calidad de las soluciones. En mayo de 2025, una auditoría de TIGTA afirmó que el IRS ya está utilizando modelos de IA para la selección de auditorías y quiere reducir la carga sobre contribuyentes honestos, pero aún no ha establecido completamente una evaluación de la eficacia de estos modelos en comparación con métodos antiguos. Es decir, el servicio quiere golpear más precisamente las infracciones, pero aún debe demostrar que los nuevos modelos realmente funcionan mejor y no crean errores adicionales.

"El IRS básicamente nunca ha completado una modernización completa desde los años 60", dice la profesora Erika Neumann.

Esta frase explica bien por qué el servicio está recurriendo a un contratista externo. La modernización del IRS se ha estancado durante muchos años, y en 2025 la agencia también perdió decenas de miles de empleados por despidos, salidas aplazadas y jubilaciones anticipadas. Cuando tienes menos personas y demasiados sistemas fragmentados, la tentación de entregar la selección de casos a una capa analítica más inteligente se vuelve casi inevitable. Y esto explica el interés en sistemas que prometen comprimir semanas de análisis manual en horas.

Qué significa esto

Para Palantir, es otra oportunidad para incrustarse más profundamente en infraestructura gubernamental crítica de EE.UU. Para el IRS, es un intento de transformar datos fiscales fragmentados en un mecanismo de selección de auditoría más preciso. Si el piloto muestra resultados, sistemas similares comenzarán a influir no solo en el ritmo de las auditorías, sino también en quién considera el gobierno como objetivo prioritario para supervisión. El próximo debate ya no será sobre si tal software es necesario, sino sobre las reglas para probarlo y la rendición de cuentas.