Fa dos anys, l'IRS tenia uns 10 projectes d'IA actius. Avui en té 126 — i sis vegades a l'any, un conjunt de models d'aprenentatge automàtic examina totes les declaracions d'impostos de petits negocis i autònoms presentades, buscant patrons que un examinador humà trigaria setmanes a detectar. El 10 de febrer de 2026, l'agència va fer-ho oficial codificant la pràctica al Manual Intern de l'IRS com a IRM 10.24.1, la seva primera política formal que regula com la IA selecciona declaracions per a l'auditoria.
Si tens un negoci i presentes un Schedule C, un 1120-S o una declaració de societat, això no és soroll de fons. És un canvi real en qui rep una segona mirada de l'IRS, i per què. Aquí t'expliquem què ha canviat, què busquen realment els algoritmes i com assegurar-te que els teus comptes mai no els donin motius per assenyalar-te.
Què Diu Realment l'IRM 10.24.1
La nova secció del manual fa tres coses concretes:
- Defineix què està autoritzat a fer la IA en el procés d'examen — incloent, explícitament, sistemes que "informin o influeixin sobre si un contribuent serà subjecte a una auditoria, o quins aspectes d'una declaració seran subjectes a auditoria." L'IRS en diu un ús d'IA "presumptament d'alt impacte", situant-lo en la mateixa categoria de risc que els sistemes que afecten drets civils o infraestructures crítiques.
- Requereix una revisió humana obligatòria abans que una derivació generada per IA es converteixi en una auditoria real. Un model pot marcar una declaració, però una persona ha de donar el vistiplau abans que es converteixi en un avís.
- Estableix requisits de documentació per a la selecció de casos assistida per IA, de manera que els examinadors hagin de poder explicar, per escrit, per què es va seleccionar un cas.
La política també crea una estructura de governança: un Director de Dades i Analítica (Chief Data and Analytics Officer) actua com a "Oficial d'IA Responsable" de l'IRS, i un consell anomenat Data and Analytics Strategic Integration Board aprova qualsevol nou cas d'ús d'IA d'alt impacte abans que es posi en marxa.
En termes senzills: l'IRS no amaga el fet que els algoritmes fan un triatge inicial de la teva declaració. Ara està escrivint les regles sobre com funciona aquest triatge — cosa que també significa que els examinadors han de poder justificar-ho més tard.
Com Seleccionen Realment els Models la Teva Declaració
Dos dels models d'IA de l'IRS estan dirigits específicament a contribuents autònoms i propietaris de petits negocis, i per una raó senzilla: els ingressos d'autònom no declarats són el component més gran del dèficit fiscal individual. Aquests models no miren la teva declaració de forma aïllada — la comparen amb el teu propi historial de presentacions i amb milers de negocis similars del teu sector. Algunes coses augmenten la puntuació de forma fiable:
- Discrepàncies any a any. Un negoci de consultoria que va declarar 180.000 dòlars d'ingressos bruts l'any passat i 95.000 dòlars aquest any, sense una explicació òbvia, destaca immediatament.
- Ràtios de deduccions fora de les normes del sector. L'IRS té perfils estadístics de les ràtios típiques de despeses respecte als ingressos per sector. Si el teu negoci reclama un 65-70% dels ingressos bruts com a deduccions quan la norma per al teu codi NAICS és del 35-45%, aquesta diferència es marca — fins i tot si totes les deduccions són legítimes.
- Nombres rodons. Un calendari que mostri material d'oficina a exactament 5.000 dòlars, serveis públics a 3.000 i menjars a 2.000 es llegeix com a estimat, no com a registrat. Una comptabilitat real produeix números com 4.847,13 i 2.963,82, no múltiples exactes de cinc.
- Discrepàncies d'informació. L'IRS creua les W-2, 1099 i K-1 que rep directament dels pagadors. Si una 1099-NEC de 42.000 dòlars no apareix enlloc de la teva declaració, això és una discrepància automàtica i gairebé instantània — no cal IA per detectar-la, però ara la IA ajuda a prioritzar quines discrepàncies importen més.
- Valors atípics de quilometratge i despeses. Reclamacions com 40.000+ milles de negoci a l'any per un negoci d'un sol vehicle, o costos de menjar i entreteniment superiors al 10% dels ingressos, són valors atípics estadístics que tenen un gran pes.
Res d'això és nou en essència — el sistema de puntuació de Funció Discriminant (DIF) de l'IRS ha comparat declaracions amb normes estadístiques durant dècades. El que és nou és l'escala i la velocitat: en lloc d'una fórmula estàtica revisada periòdicament, ara teniu models que es tornen a executar sis vegades a l'any i milloren la detecció de patrons amb cada cicle.
La Part que T'hauria de Preocupar Més: Temps de Resposta, no Detecció
Aquí teniu l'asimetria amb què s'estan trobant els propietaris de petits negocis el 2026: la detecció assistida per IA és ràpida, però la part humana de resoldre una marca no ha augmentat al mateix ritme. Els avisos automatitzats surten ràpidament. Aconseguir una persona de veritat al telèfon, o una resposta escrita substancial a un avís, ara està trigant notablement més que fa dos anys. Una marca que el 2023 hauria estat una trucada de cinc minuts ara pot estar sense resoldre's durant mesos mentre s'acumulen multes i interessos.
Això vol dir que el cost real d'una declaració desordenada no és només el risc d'auditoria — és el temps i l'estrès de desfer un embolic un cop s'ha plantejat, amb un fre humà més lent a l'altre costat. La millor defensa és no donar a l'algoritme cap motiu per marcar-te en primer lloc.
Per Què l'IRS Havia d'Escriure Aquesta Política
L'estructura de governança de l'IRM 10.24.1 no és només una tasca burocràtica — és una resposta directa a un problema real amb la selecció d'auditoria algorítmica. Investigacions independents i revisions de la Government Accountability Office han trobat que certs grups de contribuents, incloent contribuents negres que reclamen el Crèdit per Ingressos del Treball (EITC), han estat auditats a taxes de tres a cinc vegades superiors a les d'altres declarants amb declaracions similars. La teoria de treball de la GAO és que això no és un objectiu intencionat sinó un biaix algorítmic no intencionat — els models entrenats amb dades històriques d'auditoria poden acabar reproduint qualsevol patró de selecció que hagi existit en el passat, encara que ningú els dissenyi per fer-ho.
És precisament per això que la nova política requereix avaluacions d'impacte, seguiment continu i una signatura humana obligatòria abans que la derivació d'un model es converteixi en una auditoria real: un sistema d'aprenentatge automàtic optimitzat únicament per "detectar ingressos no declarats" no té cap control integrat sobre de qui detecta ingressos de manera desproporcionada. Els propietaris de petits negocis haurien de llegir-ho com un motiu d'optimisme prudent, no com una demanda pendent — el requisit de revisió humana és un fre real — però també confirma que la puntuació inicial de la IA no és infal·lible. Si et marquen, no vol dir que l'algoritme hagi trobat res real; vol dir que un cercador de patrons ha trobat alguna cosa estadísticament inusual, que els teus propis registres poden explicar perfectament.
Si Et Marquen
Rebre un avís no vol dir que hagis fet res malament — normalment vol dir que un nombre, en algun lloc, no va coincidir amb l'expectativa del model per a un negoci com el teu. Algunes coses marquen la diferència entre una resolució ràpida i una de llarga:
- Respon per escrit, i respon ràpid. Donats els temps d'espera més llargs per a la revisió humana descrits anteriorment, una resposta escrita completa i primerenca té més probabilitats de resoldre's al primer intent que una trucada telefònica que et torni a posar a una cua.
- Comença per la conciliació, no per l'explicació. Mostra les transaccions subjacents que van produir el nombre en qüestió abans d'explicar per què són legítimes. Els examinadors es mouen més ràpid quan les matemàtiques ja estan fetes per ells.
- No deixis que un any marcat es converteixi en tres. Una marca sense resoldre a la declaració d'aquest any és exactament el tipus d'anomalia que fa que un model de seguiment torni a mirar les declaracions de l'any passat i de l'any vinent. Tanca-ho completament en lloc de deixar-ho perllongar.
- Porta un comptable públic certificat (CPA) o un agent inscrit si l'avís esmenta un abast ampliat. Una marca en una partida és manejable de respondre pel teu compte; una sol·licitud de documents de suport de diversos anys mereix ajuda professional.
Què Redueix Realment el Teu Risc
Res d'això vol dir que hagis de reclamar menys deduccions legítimes — l'objectiu és una declaració que sigui precisa i ben documentada, no una de més petita.
Mantingues registres contemporanis, no reconstruïts. La documentació creada en el moment de la despesa — un rebut registrat la mateixa setmana que el vas comprar — té molt més pes que un full de càlcul muntat la nit abans que es presenti la declaració. També és simplement més fàcil: reconstruir sis mesos de despeses de memòria a l'abril és com es perden o es declaren malament les deduccions legítimes.
Utilitza un pla de comptes que reflecteixi com funciona realment el teu negoci. Categories àmplies i vagues com "Miscel·lània" o "Altres despeses" són exactament els grups que són més difícils de defensar i més fàcils de marcar com a soroll per a un model. Si els teus comptes no poden explicar un nombre, tu tampoc podràs.
Concilia els ingressos amb cada 1099 i K-1 abans de presentar. Com que l'IRS ja té aquests formularis, qualsevol discrepància és gairebé una marca garantida. Una verificació ràpida dels teus comptes abans de presentar-ho resol això en minuts en lloc de mesos després en un avís.
Evita els nombres rodons en qualsevol cosa que no hagis gastat literalment en nombres rodons. Si la teva comptabilitat real és precisa, la teva declaració reflectirà naturalment aquesta precisió — cosa que en si mateixa és un senyal de legitimitat.
Separa completament els comptes personals i de negoci. Els fons barrejats són una de les maneres més ràpides de convertir una revisió rutinària en una investigació real, perquè fan que qualsevol altre nombre de la declaració sigui més difícil de verificar.
El fil comú: cadascuna d'aquestes solucions es redueix a mantenir uns comptes nets, complets i contemporanis durant tot l'any — no afanyar-se a reconstruir-los a l'hora de fer la declaració. La comptabilitat en text pla i amb control de versions fa que aquesta disciplina sigui fàcil de mantenir, perquè cada transacció es registra a mesura que passa, en un format que pots auditar tu mateix abans que l'IRS ho faci mai.
Mantingueu els Vostres Comptes Preparats per a Qualsevol Tipus d'Examen
A mesura que la selecció d'auditoria es torna més ràpida i automatitzada, els negocis amb menys motius de preocupació són aquells els comptes dels quals eren precisos abans que un algoritme els mirés mai. Beancount.io et proporciona una comptabilitat en text pla amb plena transparència i un històric complet a l'estil git de cada canvi — sense categorització de caixa negra, sense registres reconstruïts, només un llibre major que pots defensar línia per línia. Comença gratuïtament i mantingues els teus comptes preparats per a una auditoria per defecte, no per afany.