Palantir prueba para el IRS un sistema que selecciona objetivos prioritarios para inspecciones fiscales

La agencia tributaria de EE. UU. prueba una herramienta de Palantir que ayuda a seleccionar las inspecciones e investigaciones más rentables para el Estado. El piloto debe reunir señales de decenas de sistemas antiguos del IRS y localizar más rápido los casos en los que puede haber impuestos impagados, fraude o motivos para una causa penal.

Cómo funciona el piloto

Según documentos obtenidos mediante solicitudes de acceso a datos, el IRS pagó a Palantir 1,8 millones de dólares en 2025 por ampliar la Selection and Analytic Platform, o SNAP. La herramienta debe mejorar la elección de casos prioritarios para auditorías, cobro de impuestos atrasados y posibles investigaciones penales. Para el propio organismo, el objetivo es pragmático: en lugar de deambular a mano por una pila tecnológica antigua, reunir el panorama en un solo lugar y dedicar menos tiempo a inspecciones que casi no aportan al presupuesto.

El problema es que el IRS ha acumulado una infraestructura muy pesada. En los documentos, el organismo admite que usa más de 100 sistemas de negocio y unos 700 métodos de selección que se han ido acumulando durante décadas. SNAP no sustituye todo ese paisaje de golpe, sino que se coloca encima: ayuda a los auditores a ver señales de bases de datos dispersas y a encontrar detalles importantes en adjuntos no estructurados que antes costaba más cruzar entre sí. Según los datos de contratación pública, Palantir trabaja con el IRS desde hace más de diez años, y el volumen total de contratos y obligaciones de pago ha superado los 200 millones de dólares.

Qué casos están en el punto de mira

En la primera fase, el IRS pidió a Palantir que reuniera tres métodos distintos de selección de casos, vinculados a áreas concretas del código tributario. No se trata de una búsqueda abstracta de «ciudadanos sospechosos», sino de un piloto bastante práctico con categorías claras, en el que el organismo quiere comprobar si el nuevo enfoque ayuda a encontrar casos más productivos. El diseño importa: la agencia acota el experimento y puede comparar la nueva lógica con los procedimientos anteriores en tipos concretos de solicitudes y declaraciones.

• solicitudes de beneficios fiscales de residentes de zonas de desastre natural
• Residential Clean Energy Credit: beneficios por instalar paneles solares, aerogeneradores y otros equipos energéticos domésticos
• Form 709: declaraciones del impuesto sobre donaciones, cuando se transfieren acciones, empresas, obras de arte y otros activos de alto valor
• documentos justificativos de los que se puede deducir la valoración de un activo, los vínculos entre las partes y la lógica del cálculo

Los datos no estructurados despiertan aquí un interés especial. En los casos de impuesto sobre donaciones pueden ser documentos de tasación, balances, datos sobre los ingresos de un negocio y descripciones de la relación entre donante y receptor. Además, los materiales del contrato indican por separado que Palantir debe trabajar con los datos ya existentes dentro de SNAP y no incorporar nuevos flujos externos a su criterio. En esos archivos suelen esconderse señales que no aparecen en los campos estándar de la declaración.

Por qué es controvertido

El IRS ya cuenta con mecanismos algorítmicos de selección. Durante décadas, el organismo se ha apoyado en el DIF score, un indicador interno que estima la probabilidad de que una declaración merezca ser revisada. Cómo se calcula no se divulga públicamente, y los investigadores llevan tiempo calificando este enfoque de caja negra. SNAP da el siguiente paso: no solo ordena las declaraciones, sino que ayuda a conectar más fuentes y a destacar casos que un inspector podría pasar por alto.

El riesgo no está solo en la privacidad, sino también en la calidad de las decisiones. En mayo de 2025, una auditoría de TIGTA señaló que el IRS ya usa modelos de IA para seleccionar inspecciones y quiere reducir la carga sobre los contribuyentes cumplidores, pero aún no ha construido del todo la evaluación de la eficacia de esos modelos frente a los métodos antiguos. Es decir, el organismo quiere apuntar con más precisión a las infracciones, pero todavía debe demostrar que los nuevos modelos funcionan realmente mejor y no generan errores adicionales.

«El IRS básicamente no ha llevado a buen término una modernización completa desde la década de 1960», dice la profesora

Erica Neumann.

Esa frase ayuda a entender por qué el organismo recurre a un contratista externo. La modernización del IRS lleva años estancada y, en 2025, la agencia perdió además a decenas de miles de empleados por despidos, renuncias diferidas y jubilaciones anticipadas. Con menos personal y demasiados sistemas dispersos, la tentación de delegar la selección de casos en una capa analítica más inteligente resulta casi inevitable. Y eso explica el interés por sistemas que prometen comprimir semanas de análisis manual en horas.

Qué significa

Para Palantir, es otra oportunidad de integrarse más a fondo en la infraestructura crítica del Estado estadounidense. Para el IRS, es un intento de convertir datos fiscales dispersos en un mecanismo más preciso de selección de inspecciones. Si el piloto da resultados, sistemas similares empezarán a influir no solo en la velocidad de las auditorías, sino también en a quién considera el Estado un objetivo prioritario de control. El próximo debate ya no será si hace falta ese software, sino cuáles son las reglas para verificarlo y exigirle rendición de cuentas.