Proyecto Optimus: ”La revolución de la inteligencia artificial en los procesos tributarios de São Paulo“
El Proyecto Optimus (Optimización de los Procesos Tributarios Municipales) se diseñó para mejorar sustancialmente la eficiencia en la gestión de los procesos administrativos en la División de Juicios de Apelación Tributaria de Primera Instancia (DIJUL). Aunque el alcance inicial se ha restringido a esta área, el proyecto fue diseñado para ser ampliado a otras áreas de la Secretaría Municipal de Hacienda (SF[1]) de São Paulo y en otros contextos de aplicación futuros, especialmente por el potencial de uso de las aplicaciones y herramientas que se vale el proyecto.
Antecedentes y motivación
En los últimos años, análisis de los asuntos contenciosos administrativos de primera instancia se ha caracterizado por actividades esencialmente manuales, incluyen análisis de documentos y la captura e introducción de datos. Esta dinámica de trabajo se traduce en una baja eficiencia, largos plazos y un importante margen de error. La falta de estandarización en las decisiones administrativas y la necesidad de un refuerzo humano constante convierten la gestión de los procesos en un reto, además de resultar en una asignación ineficiente de los recursos. Además, la organización no captura bien los datos pasan por área, lo impide una gestión estratégica de los créditos fiscales son objeto de impugnaciones administrativas.
Como resultado, número de casos a juzgar se ha mantenido históricamente alto. Actualmente, este número supera los 10,000 casos y plazo medio para que el juicio supera los 270 días, incluso con muchos funcionarios asignados a esta tarea, con costes estimados en 17 millones de reales al año.
Además, que volumen de créditos tributarios que pasan por contencioso administrativo es elevado: aproximadamente R$ 2,4 mil millones anuales, divididos entre 70% de IPTU (Impuesto sobre la Propiedad Urbana) y 30% de ISS (Impuesto sobre Servicios). Este escenario ha llevado a la adopción de soluciones de inteligencia artificial (IA) y machine learning (ML), especialmente que uso de Large Language Models (Ingles: LLM), capaces de automatizar y optimizar operaciones repetitivas y complejas.
El objetivo de la introducción de estas herramientas es crear un asistente judicial virtual ayude al analista de juicios en sus actividades. No se trata, por tanto, de sustituir que trabajo humano realizado por que juez, sino de añadir otra herramienta (muy potente) a su entorno de trabajo.
Contexto y motivación
En los últimos años, el análisis de los asuntos contenciosos administrativos en primera instancia se ha caracterizado por actividades esencialmente manuales, que incluyen el análisis de documentos y la captura e ingreso de datos. Esa dinámica de trabajo se traduce en una escasa eficacia, largos plazos y un importante margen de error. La falta de estandarización en los fallos administrativas y la necesidad de un refuerzo humano constante convierten la gestión de procesos en un reto, además de dar lugar a una asignación ineficiente de los recursos. Asimismo, la organización no captura los datos que pasan por el área, lo que impide una gestión estratégica de los créditos tributarios que son objeto de impugnaciones administrativas.
Como resultado, el número de procesos a juzgar se ha mantenido históricamente alto. En la actualidad, este número supera los 10.000 procesos y el plazo medio para el juicio supera los 270 días, incluso con muchos funcionarios asignados a esta tarea, con un coste estimado de R$17 millones anual.
Asimismo, el importante volumen de créditos tributarios que pasan por el contencioso administrativo es elevado: aproximadamente R$2.400 millones anuales, divididos entre un 70% de IPTU (Impuesto sobre la Propiedad Inmueble Urbana) y un 30% de ISS (Impuesto sobre Servicios). Este panorama ha impulsado la adopción de soluciones de inteligencia artificial (IA) y machine learning (ML), en especial el uso de Large Language Models (LLM), capaces de automatizar y optimizar las operaciones repetitivas y complejas.
El objetivo de la introducción de estas herramientas es crear un asistente de juicio virtual que ayude al analista-juez en sus actividades. No se trata, por tanto, de sustituir el trabajo humano realizado por el juez, sino de añadir otra herramienta (superpotente) a su entorno de trabajo.
Estructura del proyecto Optimus
El Proyecto Optimus se divide en tres principales frentes, desarrollados en paralelo, que se conectan para garantizar la automatización y eficiencia del sistema. El primero, «Estructura y Registros», crea las bases del funcionamiento del sistema a través de interfaces, registros y controles de flujo que estandarizan el registro y seguimiento de los procesos, formando la estructura sobre la cual se basarán las demás funcionalidades.
El segundo frente, «Automatización de Procesos», tiene como enfoque la integración de los sistemas municipales existentes, lo que permite gestionar automáticamente procesos sencillos como las impugnaciones al IPTU. Ello aporta ventajas como la reducción del tiempo y los costes involucrados en la resolución de dichos procesos. Esa parte también se encarga de la integración con otros sistemas municipales, capturando automáticamente los datos relacionados con el proceso de juicio que utilizará el Sistema Optimus.
Por último, el tercer frente es el «Motor» del Sistema, compuesto por «OCR, Anonimización y herramientas de IA y ML». En esta etapa ocurre la extracción del texto de la petición mediante OCR (Optical Character Recognition), que luego se anonimiza con herramientas de IA y ML y se envía a modelos LLM para extracción de las alegaciones y sus detalles. Para que esta última etapa sea exitosa, el equipo de desarrollo extrajo y diseñó un «Bosque de Alegaciones» compuesto por «Ramas», cada una de las cuales representa una posible alegación, que se agrupan en «Árboles» por temas tributarios como la inmunidad, la base de cálculo, etc. El trabajo realizado por el equipo de negocios se ha basado en el análisis manual de decenas de peticiones, extrayendo las principales alegaciones y tesis presentadas por los contribuyentes. A partir de este «Bosque de Alegaciones», el equipo técnico perfeccionó iterativamente el prompt a enviar a la herramienta LLM utilizando las técnicas más avanzadas de Ingeniería de Prompt para capturar las alegaciones y sus detalles con la mayor precisión posible. El ciclo de vida del juicio pasa por estos 3 frentes y se completa con la producción de dos piezas: el dictamen y el fallo del juez.
Resultados parciales
Antes del inicio formal del proyecto en abril del 2024, los técnicos de SF decidieron llevar a cabo una Prueba de Concepto (POC) a lo largo del primer trimestre del 2024 para comprobar la capacidad de los LLM de lograr resultados satisfactorios. Para ello, se probaron varios modelos como Claude, ChatGPT y LLaMA, todos ellos con diferentes parámetros (temperaturas, bosques de reclamaciones y prompts) para construir un sistema lo más flexible y eficiente posible. La POC resultó exitosa y a continuación se empezó formalmente el proyecto, con una primera fase de 12 sprints que se desarrollarán a lo largo de un año. Dentro de este periodo, se espera lanzar una versión Beta que se pondrá a disposición de un grupo de jueces de la DIJUL entre diciembre del 2024 y enero del 2025 y que comprenderá toda la preparación del dictamen del analista-juez.
Los resultados parciales del análisis de peticiones mediante LLM son extraordinarios: con un coste inferior a R$2, una petición de decenas de páginas tiene sus alegaciones y detalles extraídos en menos de 30 segundos, con una precisión superior al 90%.
Beneficios esperados
El proyecto Optimus pretende transformar el entorno actual de baja eficiencia, largos plazos, alta propensión a errores y gran necesidad de recursos humanos adicionales en un sistema altamente automatizado y eficiente. Entre los beneficios esperados se incluyen:
- Reducción del tiempo y los costes de análisis de los procesos;
- Aumento de la consistencia y estandarización de los fallos;
- Reducción de los errores humanos gracias al aumento de la automatización;
- Optimización de la asignación de recursos humanos, permitiendo que el personal del área se concentre en actividades más estratégicas para la organización, como, por ejemplo, la resolución interna de conflictos tributarios, la jurimetría y el análisis de todo el ciclo de vida del auto de infracción [2];
- Toma de decisiones basada en datos, con la creación de una base centralizada de conocimientos estratégicos.
Se estima que el proyecto podría liberar hasta R$2.000 millones en créditos tributarios al año, al agilizar el análisis de los procesos.
[1] Nota del traductor: término original en portugués: Secretaria Municipal da Fazenda.
[2] Nota del traductor: traducción literal del término original auto de infração. Este documento es específico a Brasil.
63 total views, 5 views today