El problema
Cuando Veriprajna auditó ChatGPT, Claude y Gemini sobre una consulta fiscal específica relativa a la nueva deducción de intereses de préstamos para automóviles, todos los modelos se equivocaron. No algunas veces. Cada una de las veces. Cada IA afirmó con total seguridad a los usuarios que la nueva deducción en virtud de la One Big Beautiful Bill Act (OBBBA) reduciría su Ingreso Bruto Ajustado (AGI). Esa respuesta es legalmente incorrecta. La deducción reduce el Ingreso Imponible, no el AGI. Son dos conceptos muy diferentes en el código tributario.
No se trató de un error aleatorio. Fue un fallo predecible integrado en la forma en que estos sistemas de IA aprenden. Leyeron miles de publicaciones de blogs y artículos optimizados para SEO que simplificaron excesivamente la ley. El texto legal real apareció tal vez una o dos veces en sus datos de entrenamiento. Los blogs aparecieron miles de veces. Así, la IA aprendió la versión popular —y errónea— de la norma.
El informe técnico denomina a esto «Consensus Error» (error de consenso). No es que la IA careciera de información. Es que la IA eligió la respuesta de la multitud en lugar de la respuesta de la ley. Cuando su equipo financiero confía en esa IA, su empresa hereda el error de la multitud. Y el IRS no acepta el «probablemente correcto» como defensa.
Por qué esto le importa a su empresa
No se trata de un problema abstracto de IA. Afecta directamente a su balance final, su exposición a auditorías y sus obligaciones de cumplimiento normativo.
La deducción de préstamos para automóviles de la OBBBA tiene un límite de $10,000 al año y se reduce gradualmente en niveles de ingresos específicos. La deducción disminuye en $200 por cada $1,000 que un contribuyente individual gana por encima de $100,000, desapareciendo por completo en los $150,000. Para declaraciones conjuntas, la reducción progresiva comienza en $200,000 y finaliza en $250,000. Cuando la IA confunde la distinción entre AGI e Ingreso Imponible, el daño posterior se propaga en cascada:
- Pago insuficiente de impuestos federales. Si sus sistemas clasifican esto como una deducción por encima de la línea (above-the-line), declarará un AGI inferior al que espera el IRS. Esa es una vía directa hacia las sanciones.
- Riesgo de auditoría estatal. Estados como Arizona vinculan sus cálculos tributarios al AGI federal. Un AGI erróneo implica impuestos estatales incorrectos en todos los estados vinculados al AGI.
- Errores en las primas de Medicare. Los jubilados que confíen en el asesoramiento de la IA podrían enfrentarse a recargos inesperados del IRMAA porque la IA prometió primas más bajas que nunca se materializan.
- Deducciones médicas no admitidas. El límite mínimo para las deducciones por gastos médicos depende del AGI. Un AGI reducido falsamente implica reclamar deducciones para las que no cumple los requisitos.
- Incumplimientos en la declaración de prestamistas. La OBBBA creó la Section 6050AA, que exige a los prestamistas presentar declaraciones informativas para cualquier préstamo que genere $600 o más en intereses cualificados. Los sistemas de IA que se centran únicamente en el beneficio del prestatario omiten habitualmente la obligación de información del prestamista. Esa es una brecha de cumplimiento sistemática en virtud de las IRC Sections 6721/6722.
Su consejo de administración no desea enterarse de estos errores a través de una notificación del IRS.
Qué está ocurriendo realmente bajo el capó
Para entender por qué sigue sucediendo esto, piense en cómo funcionan realmente los modelos de IA. Un LLM no «conoce» la legislación fiscal como lo hace su contador público certificado (CPA). Predice la siguiente palabra de una frase basándose en patrones que absorbió durante el entrenamiento. Es un motor de autocompletado sumamente sofisticado.
He aquí la analogía: imagine hacer una pregunta tributaria a una sala de 1.000 personas. Novecientos de ellos leyeron la misma publicación de blog simplificada. Cien de ellos leyeron efectivamente el texto legal. Cuando la sala vota, la respuesta errónea gana 900 a 100. Eso es exactamente lo que ocurre dentro de un LLM. El modelo pondera la respuesta popular con mayor peso que la respuesta correcta porque encontró la versión popular con mucha mayor frecuencia.
Este es el modo de fallo que la investigación de Veriprajna denomina «Consensus Error». Si la blogosfera está 90% equivocada sobre un matiz fiscal específico —lo cual es habitual en la nueva legislación—, el modelo está matemáticamente destinado a producir la respuesta errónea. Ninguna formulación ingeniosa de prompts soluciona esto. Las matemáticas juegan en su contra.
Incluso la generación aumentada por recuperación (RAG) —una técnica en la que se proporcionan a la IA los documentos de origen reales— se queda corta aquí. En las pruebas, los modelos a los que se les suministró el texto completo de la OBBBA continuaron dando una respuesta errónea. ¿Por qué? El texto legal establece: «Section 163(h) is amended by inserting...». No se lee como un artículo de blog. La IA aún tiene que interpretarlo. Y cuando sus ponderaciones internas están entrenadas en millones de ejemplos erróneos, lee el documento correcto y extrae la conclusión equivocada. Actúa como un lector sesgado, confirmando lo que ya «cree».
Peor aún, no se puede ver el razonamiento. Un sistema RAG le muestra qué documento recuperó. No le muestra la ruta lógica desde ese documento hasta la respuesta. Su equipo de cumplimiento puede verificar la fuente, pero no el razonamiento. Esa es una caja negra donde debería haber una pista de auditoría.
Qué funciona (y qué no)
Comencemos con lo que su equipo ya podría estar intentando —y por qué no es suficiente—.
Ingeniería de prompts: Decirle a la IA que «piense paso a paso» o que «actúe como un auditor fiscal sénior» no añade capacidades de razonamiento que no existen en el modelo. Opera dentro de las mismas ponderaciones sesgadas sin importar cómo se formule la pregunta.
Modelos más grandes o ventanas de contexto mayores: Un modelo más grande entrenado en el mismo internet absorbe más del mismo contenido erróneo. Más datos no corrigen la proporción de fuentes erróneas frente a correctas.
Canalizaciones RAG estándar: Suministrar a la IA documentos oficiales ayuda en la recuperación, pero el modelo aún tiene que razonar sobre lo que lee. La búsqueda vectorial encuentra párrafos sobre préstamos para automóviles, pero tal vez nunca recupere la definición de AGI de la Section 62 —porque dicha sección no menciona los préstamos para automóviles—. En el derecho tributario, lo que la ley omite importa tanto como lo que incluye. La búsqueda vectorial no puede encontrar una ausencia.
Lo que realmente funciona es una arquitectura neurosimbólica: un sistema que separa la comprensión del lenguaje del razonamiento jurídico. Así es como funciona en tres pasos:
La IA lee sus entradas (capa neuronal). Usted sube una factura, un documento de préstamo o escribe una consulta. La IA extrae hechos estructurados: tipo de vehículo, fecha de compra, lugar de ensamblaje, importe del préstamo. Maneja los datos desestructurados del mundo real. Pero nunca decide si la deducción es válida.
Un motor lógico aplica la ley (capa simbólica). Los hechos estructurados pasan a un motor de reglas basado en la ley real codificada. Este motor utiliza lenguajes como Catala —diseñado específicamente para traducir la legislación a código ejecutable— y ejecuta comprobaciones deterministas. ¿El vehículo está ensamblado en EE. UU.? ¿Los ingresos están por debajo del umbral de reducción progresiva? Esta capa no tiene acceso a publicaciones de blogs. Solo conoce la ley como código.
La IA explica el resultado (capa neuronal). El motor lógico devuelve un veredicto: PERMITIDO o DENEGADO, con la referencia específica a la norma. Luego, la IA traduce eso en una explicación clara y legible para su equipo.
La diferencia crítica: la IA nunca decide la cuestión jurídica. Traduce el lenguaje humano a datos estructurados y traduce los resultados lógicos nuevamente al lenguaje humano. La ley misma se ejecuta como código determinista.
Esto le ofrece algo que ningún chatbot puede proporcionar: una pista de auditoría determinista. Cuando su auditor pregunta «¿Por qué permitió el sistema esta deducción?», la respuesta no es «porque la probabilidad lo indicó». Es una ruta rastreable: fecha del préstamo verificada, tipo de vehículo confirmado, lugar de ensamblaje confirmado, ingresos por debajo del umbral de $100,000 verificados, referencia a la norma IRC § 163(h)(4). Esa pista puede remitirse directamente a un inspector del IRS o a su comité de auditoría interna. Convierte su IA de una caja negra en lo que la investigación denomina una «Glass Box» (caja de cristal).
Puntos clave
- ChatGPT, Claude y Gemini fallaron en la misma prueba de cumplimiento fiscal: confundieron a qué línea de la declaración de impuestos se aplica una nueva deducción.
- El «Consensus Error» significa que la IA aprende la respuesta popular de los blogs en lugar de la respuesta correcta de la ley, y las matemáticas hacen que esto sea casi inevitable ante nueva legislación.
- RAG (suministrar a la IA los documentos correctos) no soluciona el problema porque la IA sigue razonando con ponderaciones internas sesgadas entrenadas con contenido erróneo.
- Un enfoque neurosimbólico separa la comprensión del lenguaje de la lógica legal, de modo que la IA nunca decide la cuestión jurídica: el código determinista lo hace.
- El resultado es una pista lógica auditable que su equipo de cumplimiento puede entregar directamente a los reguladores, sustituyendo la caja negra por una Glass Box.
En resumen
Los modelos estándar de IA no cuentan con la capacidad arquitectónica para realizar tareas fiables de cumplimiento fiscal. Aprenden de internet, e internet distorsiona los matices fiscales a escala. La solución no consiste en mejores prompts, sino en un sistema que ejecute la ley como código y genere una pista lógica auditable para cada respuesta. Pregunte a su proveedor de IA: cuando su sistema clasifica una deducción por encima o por debajo de la línea, ¿puede mostrar a mis auditores la ruta lógica legal exacta que siguió?