Personas discutiendo ideas en torno a la mesa redonda

Cómo la optimización de datos mediante IA impulsa la transformación fiscal y financiera

La IA y un enfoque estandarizado de la generación de datos pueden ayudar a transformar a las personas y los procesos en toda la función fiscal y financiera.


En resumen

  • Los datos son fundamentales para que la función fiscal y financiera logre el cumplimiento en un entorno de información cada vez más complejo.
  • La mayoría de las empresas siguen teniendo dificultades para extraer datos de alta calidad de forma eficaz y sostenible.
  • La conciliación de datos con IA, así como un enfoque centralizado y automatizado de los datos, pueden liberar a los equipos fiscales del trabajo de cumplimiento para que puedan añadir un mayor valor.

Los datos están transformando las funciones fiscales y financieras, ayudando a los equipos a dejar de centrarse en el trabajo rutinario de cumplimiento para convertirse en generadores estratégicos de conocimientos impulsados por los datos, capaces de guiar a la organización en general. Esta transformación es especialmente importante teniendo en cuenta la velocidad y la escala del cambio normativo y la necesidad de compartir electrónicamente volúmenes cada vez mayores de datos granulares con las autoridades fiscales y financieras.

Sin embargo, acceder a datos de alta calidad y hacerlos operativos a gran velocidad sigue siendo un reto para la mayoría de las organizaciones. La última EY Tax and Finance Operations Survey revela la magnitud de este desafío, ya que el personal fiscal dedica actualmente tres cuartas partes de su tiempo (75 %) al trabajo rutinario de cumplimiento, que incluye la recopilación y depuración de datos, el cumplimiento de las declaraciones fiscales y las conciliaciones relacionadas. Mientras tanto, los profesionales de la fiscalidad dedican solo el 28 % de su tiempo a trabajos de mayor valor como el análisis de datos, la planificación fiscal, la gestión de controversias fiscales, la estrategia general, las comunicaciones y la gestión de riesgos.

La clave para liberar todo el poder transformador de los datos reside en permitir que los equipos fiscales accedan a la información de alta calidad que necesitan. No es una tarea sencilla.  El 48 % dice que la falta de un plan sostenible de datos y la tecnología es la mayor barrera para lograr su visión de una función fiscal y financiera moderna.

Las organizaciones con visión de futuro están utilizando ahora una serie de estrategias para superar este desafío de los datos, incluyendo la centralización y mejora de la creación de datos en origen y el uso de la inteligencia artificial (IA) para señalar los datos de baja confianza, de modo que puedan ser escalados para su revisión por las personas.

Crear de una visión única de la verdad fiscal

Terri Beigh, EY Partner, Tax Technology and Transformation, Ernst & Young US LLP, colabora actualmente con Microsoft y una de las mayores empresas manufactureras del mundo para ayudar a superar este desafío de los datos y transformar la función fiscal y financiera de la organización. Según ella, la solución consiste en lograr una visión única de la "verdad fiscal" que pueda utilizarse con confianza en múltiples equipos y procesos.

Beigh explica que la práctica habitual suele consistir en que los equipos fiscales y financieros individuales recuperen la información que necesitan para satisfacer sus requisitos de cumplimiento.

Esto significa que varios equipos que necesitan un balance de sumas y saldos, por ejemplo, suelen ejecutar códigos T completamente diferentes, lo que da como resultado cifras distintas. Los equipos fiscales y financieros deben entonces emprender un proceso de conciliación retrospectiva potencialmente prolongado. Como resultado, el proceso de operacionalización de los datos puede llegar a ser algo adverso, según Beigh.

"Cuando se comparten los datos generados localmente, cada equipo suele pensar que su balance de sumas y saldos es el más exacto, mientras que los datos de los demás equipos son erróneos", afirma Beigh. "Cada equipo tiene su propia forma de hacer las cosas. Los equipos aún pueden cumplir sus requisitos de conformidad, pero este proceso carece de precisión y es ineficaz".

Esta generación local de datos también pone de manifiesto las diferencias de diseño y lenguaje entre jurisdicciones. Por ejemplo, cada vez que un director financiero quiere generar un balance de sumas y saldos, debe proporcionarlo en múltiples formatos y diseños, alargando aún más un proceso complicado.

Normalizar y centralizar los datos fiscales y financieros

La solución para el equipo de Beigh, Microsoft y los colaboradores del lado del cliente, consiste en erradicar la duplicación centralizando el proceso de generación de datos y rastreando los puntos de datos básicos hasta su fuente original.

"Nos embarcamos en un viaje de estandarización y centralización de datos", afirma Beigh. "Esto implicó establecer cuántos equipos necesitaban un balance de prueba, acordar un formato estándar con los mismos parámetros y los mismos periodos de uso.

"En lugar de cinco versiones de un balance de sumas y saldos, todos los equipos empiezan con el mismo, extraído centralmente al mismo tiempo y entregado a los equipos al mismo tiempo".

El resultado es una única canalización de datos que se extiende hasta las entradas del libro mayor para todas las transacciones financieras detalladas, con conectores de interfaces de programación de aplicaciones (API, por sus siglas en inglés) que recuperan automáticamente los datos de SAP mediante la solución Microsoft Finance Insights.

Este nuevo proceso de generación de datos cuenta con controles superiores y es más preciso gracias a una gran reducción de la manipulación manual. También es más rápido y requiere menos mano de obra y recursos.

Mariusz Beben, Senior Director Microsoft, Industry Solutions Delivery, explica que la extracción automatizada de datos desempeñó un papel fundamental.

"Sustituimos eficazmente cientos de solicitudes mensuales de información manual por extracciones de datos programadas y automatizadas, respaldadas por controles de calidad automatizados. Esto da a los equipos fiscales más tiempo para consultar y conciliar cualquier discrepancia de datos antes de que se presente la declaración de la renta, en lugar de después", afirma Beben. 

Sustituimos eficazmente cientos de solicitudes mensuales de información manual por extracciones de datos programadas y automatizadas, respaldadas por controles de calidad automatizados.

Esto, explica, da como resultado un proceso más fluido, más ágil, más oportuno y menos propenso a errores. Este enfoque, que se basa en Microsoft Finance Insights, también puede ampliarse fácilmente sin necesidad de personal o recursos adicionales.

Un modelo centralizado y estandarizado también garantiza que las organizaciones puedan mantener más fácilmente una visión general de la información que comparten globalmente con las autoridades fiscales y reguladoras, asegurando que sus datos contribuyen a una narrativa unificada.

Liberar la transformación fiscal y financiera

Al eliminar el tiempo dedicado a la recopilación y manipulación de datos, Beigh afirma que su equipo y sus colaboradores han acelerado el proceso de declaración de impuestos entre un 20 % y un 30 %.

Anteriormente, la preparación de las declaraciones fiscales continuaba hasta la fecha límite de presentación fijada por las autoridades fiscales. El cliente de Beigh dispone ahora de mucho más tiempo, lo que le permite centrarse en asuntos fiscales más amplios y en la gestión de controversias, lo que aprovecha sus conocimientos fiscales de forma innovadora. También les ayuda a mantenerse al día de los rápidos cambios legislativos y reglamentarios.

"Con una base sólida de datos unificados, es posible analizar, planificar y tomar decisiones estratégicas con mayor confianza porque se utiliza la misma definición de ingresos netos en todas las entidades", afirma Beigh.

Con una base sólida de datos unificados, es posible analizar, planificar y tomar decisiones estratégicas con mayor confianza porque está utilizando la misma definición de ingresos netos en todas las entidades.

Afirma que este enfoque centralizado y estandarizado de la generación de datos puede desencadenar una transformación a nivel fundacional.

 

"Se trata de llevar a la organización a un nivel superior. Estamos ayudando a los equipos fiscales a adoptar nuevas formas de tecnología para que puedan ejecutar el trabajo que se les ha pedido que hagan hoy, pero también se trata de mejorar sus conjuntos de habilidades tecnológicas y darles los datos que necesitan para actuar y pensar de una manera más estratégica."

 

Este uso orgánico de los datos pretende aunar las funciones fiscal y financiera, transformando a las personas y los procesos a medida que se mejora la tecnología. Este enfoque transformador resultará fundamental para que los equipos fiscales puedan satisfacer las exigencias de las autoridades tributarias, pasando al intercambio de datos en tiempo real en lugar del actual proceso de declaración de la renta.

 

Utilizar la IA para "encontrar la aguja en el pajar"

 

La creación de una visión única de la verdad mediante la centralización y normalización de los datos en su origen es una forma potente y preparada para el futuro de abordar el desafío de los datos. Este proceso también incluye funciones fiscales que aprovechan las soluciones de IA para identificar los datos poco fiables.

 

Ivan Roussev, EY senior manager in the Tax Technology and Transformation practice at Ernst & Young US LLP, afirma: "El trabajo fiscal es, en última instancia, un poco como buscar una aguja en un pajar. Buscamos constantemente errores ocultos en una masa de información. Pero, ¿y si pudiéramos pasar rápida y fácilmente por alto la mayoría de los datos de alta confianza y centrar nuestro tiempo en la información inexacta? Eso es lo que estamos haciendo con la inteligencia artificial".

 

Roussev explica que la mayor parte del trabajo de conciliación de la contabilidad fiscal implica un pequeño número de transacciones. Estas transacciones son relativamente sencillas de conciliar porque se identifican con facilidad, son fáciles de entender y pueden procesarse automáticamente mediante reglas deterministas codificadas.

Buscamos constantemente errores ocultos en una masa de información.

Sin embargo, también existe un subconjunto de puntos de datos que tienden a ser más problemáticos, la proverbial aguja en un pajar. Sin embargo, la IA puede ser especialmente buena a la hora de identificar este subconjunto, gracias a su capacidad para aprender de los patrones ocultos en los datos históricos. Una vez identificadas las posibles anomalías de los datos, la IA puede generar una puntuación de confianza porcentual para cada punto de datos. Las transacciones de alta confianza dentro de este subconjunto siguen adelante sin ser cuestionadas, mientras que las de baja confianza se elevan automáticamente para que las revise la gente.

Roussev explica que los clientes que utilizan este proceso de conciliación en dos pasos impulsado por la IA han logrado reducir el tiempo dedicado a la conciliación de miles de horas anuales a solo decenas de horas. Este enfoque también permite realizar conciliaciones contables fiscales mensuales en lugar de anuales. Como resultado, los errores contables se descubren antes, desencadenan menos problemas secundarios y los resultados se retroalimentan rápidamente a los modelos de IA para que puedan aprender, haciéndolos aún más eficaces en el futuro.

La IA también puede entrenarse para categorizar grandes volúmenes de transacciones con IVA. Según Roussev, la mayoría de los errores fiscales se remontan a datos de pedidos de compra de baja calidad (en concreto, códigos de mercancías y grupos de materiales) introducidos por empleados que no aprecian necesariamente lo importante que es esta información para determinar el tratamiento fiscal correcto. Como resultado, las empresas pagan habitualmente demasiados o muy pocos impuestos por grandes volúmenes de transacciones.

Históricamente, las empresas han abordado esta cuestión contratando a empresas de auditoría para que realicen auditorías inversas (a menudo en un ciclo de tres años) con el fin de revisar cuidadosamente sus pagos fiscales y determinar si han pagado de más.

Ahora, sin embargo, la IA se utiliza cada vez más para identificar y corregir automáticamente una categorización fiscal errónea. Esto no sólo incrementa drásticamente el tiempo de obtención de valor, sino que también aumenta significativamente la confianza en los datos fiscales, lo que permite a las empresas tomar mejores decisiones empresariales con mayor rapidez y garantiza que los fondos permanezcan dentro de la organización y no sea necesario mantenerlos en reserva para ajustes fiscales. Además, la IA también puede ayudar a identificar los pagos insuficientes, que a menudo quedan fuera del alcance de una auditoría inversa.  Podemos pensar en la IA como un miembro subalterno del equipo fiscal, que agiliza los procesos y proporciona valiosos conocimientos a los miembros humanos del equipo. La tecnología también está preparada para ser una fuerza liberadora para los profesionales de la fiscalidad, dándoles un ancho de banda adicional para la innovación y otras actividades de valor añadido.

Mejorar la calidad de los datos en tiempo real

El siguiente paso, según Beigh y Roussev, es aprovechar la inteligencia artificial para mejorar la calidad de los datos fiscales y financieros en tiempo real y en origen, con el objetivo de reducir aún más la necesidad de ejercicios de conciliación y recategorización.

Una vez conseguido, esto permitiría a la función fiscal disponer de más tiempo para comprometerse con el negocio en general, ya que sigue evolucionando y cambiando junto con los mercados, los productos y los servicios. Con el acceso a datos de mayor calidad, la función fiscal podrá influir de forma proactiva en el negocio en una fase mucho más temprana, en lugar de ser consultada en varios momentos del proceso.

Resumen

Los datos son la base sobre la que se está construyendo actualmente la transformación de la función fiscal y financiera. Sin embargo, la práctica actual de que los equipos locales extraigan y generen sus propios datos fiscales —que es lenta, ineficaz e inexacta— supone un importante obstáculo en este camino. La organización EY ha colaborado con Microsoft y algunas de las mayores organizaciones del mundo para automatizar y mejorar la generación y extracción de datos fiscales.  

    Acerca de este artículo

    You are visiting EY latam (es)
    latam es