Detectan evasión fiscal por al menos 60,000 mdp: SAT

Según el estudio de la UACH, durante 2017 y 2019 se generó una evasión fiscal por casi 60 mil millones de pesos

heraldodemexico.com.mx

El Servicio de Administración Tributaria (SAT) y las Universidades Autónoma de Chapingo (UACH) y Nacional Autónoma de México (UNAM) detectaron diversos esquemas de tributación que generaron pérdidas millonarias por evasión fiscal durante los últimos años.

En el estudio de la UACH “Evasión en sueldos y salarios: redes en patrones” se encontró que, entre 2017 y 2019, 71 mil patrones -en promedio- tuvieron relacionada de 90 a 100 por ciento de su plantilla de trabajadores con al menos otro patrón, lo que generó una evasión fiscal por casi 60 mil millones de pesos (mdp) en ISR en esos tres años.

De acuerdo con los resultados, algunos de ellos dividían sus pagos al trabajador: uno liquidaba sueldos y salarios y el otro pagaba otras remuneraciones (como viáticos y aguinaldo), “proporcionando fuerte evidencia de colusión”.

También se detectó que, en cada año, 80 por ciento de la evasión estimada estaba relacionada alrededor de 24 por ciento de este grupo de patrones.

Por lo anterior, el estudio focalizó la investigación en cuatro mil 625, cinco mil 55 y cinco mil 843 patrones, para 2017, 2018 y 2019, en igual orden.

Redes de corrupción

Por otra parte, en el estudio de la UNAM “Evasión tributaria: análisis de redes” se detectó el caso de una red de contribuyentes compuesta por 40% de Empresas que Facturan Operaciones Simuladas (EFOS).

Otro de los resultados arrojados, señaló el SAT, sugiere que estas EFOS tienen preferencia por actividades económicas en torno a servicios de consultoría, administración y supervisión de construcción, así como otros servicios de apoyo a negocios.

El estudio encontró que cuatro mil 26 contribuyentes (tres mil 784 personas morales y 242 personas físicas) interactúan entre diversas redes de pagadores de impuestos.

Lo anterior con el enfoque de ciencia de datos, donde se implementaron dos modelos de punta de aprendizaje automático (machine learning) para detectar a contribuyentes sospechosos de ser EFOS, el primero de manera individual y el segundo, redes completas.

“Gracias a los resultados arrojados por ambas investigaciones, los grupos de evasores son susceptibles de ser fiscalizados sin judicialización, a través de auditorías exhaustivas y especializadas en nómina, mediante un análisis fiscal más detallado que incorpora las inconsistencias detectadas”, dijo el SAT.

Share
Bitnami