Hace dos años, el IRS ejecutaba alrededor de 10 proyectos activos de IA. Hoy ejecuta 126 — y seis veces al año, un conjunto de modelos de aprendizaje automático examina cada declaración de impuestos de pequeñas empresas y trabajadores autónomos presentada, buscando patrones que a un examinador humano le llevaría semanas detectar. El 10 de febrero de 2026, la agencia hizo esto oficial al codificar la práctica en el Manual Interno del IRS como IRM 10.24.1, su primera política formal que regula cómo la IA selecciona declaraciones para auditoría.
Si diriges un negocio y presentas un Anexo C, un 1120-S o una declaración de sociedad, esto no es ruido de fondo. Es un cambio real en quién recibe una segunda mirada del IRS, y por qué. Esto es lo que cambió, qué están buscando realmente los algoritmos y cómo asegurarte de que tus libros nunca les den una razón para señalarte.
Lo que Realmente Dice IRM 10.24.1
La nueva sección del manual hace tres cosas concretas:
- Define qué está autorizada a hacer la IA en el proceso de inspección — incluyendo, explícitamente, sistemas que "informen o influyan en si un contribuyente estará sujeto a una auditoría, o qué aspectos de una declaración estarán sujetos a auditoría." El IRS llama a esto un uso "presuntamente de alto impacto" de la IA, colocándolo en la misma categoría de riesgo que los sistemas que afectan derechos civiles o infraestructura crítica.
- Exige revisión humana obligatoria antes de que una derivación generada por IA se convierta en una auditoría real. Un modelo puede señalar una declaración, pero una persona debe aprobarla antes de que se convierta en un aviso.
- Establece requisitos de documentación para la selección de casos asistida por IA, de modo que los examinadores puedan explicar, por escrito, por qué se seleccionó un caso.
La política también crea una estructura de gobernanza: un Director Principal de Datos y Analítica actúa como "Oficial de IA Responsable" del IRS, y un consejo llamado Junta de Integración Estratégica de Datos y Analítica aprueba cualquier nuevo caso de uso de IA de alto impacto antes de que se ponga en marcha.
En lenguaje sencillo: el IRS no está ocultando que los algoritmos están haciendo un triaje inicial de tu declaración. Ahora está redactando las reglas sobre cómo funciona ese triaje, lo que también significa que los examinadores deben poder justificarlo después.
Cómo los Modelos Seleccionan Realmente tu Declaración
Dos de los modelos de IA del IRS están dirigidos específicamente a contribuyentes autónomos y propietarios de pequeñas empresas, y por una razón simple: los ingresos no declarados del trabajo autónomo son el componente más grande de la brecha fiscal individual. Estos modelos no miran tu declaración de forma aislada, la comparan con tu propio historial de presentación y con miles de negocios similares en tu industria. Algunas cosas aumentan la puntuación de forma fiable:
- Discrepancias año tras año. Un negocio de consultoría que reportó $180,000 en ingresos brutos el año pasado y $95,000 este año, sin una explicación obvia, destaca de inmediato.
- Proporciones de deducciones fuera de las normas de la industria. El IRS mantiene perfiles estadísticos de las proporciones típicas de gastos-ingresos por industria. Si tu negocio reclama el 65-70% de los ingresos brutos como deducciones cuando la norma para tu código NAICS es del 35-45%, esa diferencia se señala, incluso si cada deducción es legítima.
- Números redondos. Un anexo que muestra suministros de oficina en exactamente $5,000, servicios públicos en $3,000 y comidas en $2,000 se lee como estimado, no como registrado. Una contabilidad real produce números como $4,847.13 y $2,963.82, no múltiplos exactos de cinco.
- Discrepancias de información. El IRS coteja los W-2, 1099 y K-1 que recibe directamente de los pagadores. Si un 1099-NEC por $42,000 no aparece en ninguna parte de tu declaración, eso es una discrepancia automática y casi instantánea: no se necesita IA para detectarlo, pero la IA ahora ayuda a priorizar qué discrepancias importan más.
- Valores atípicos en kilometraje y gastos. Reclamaciones como más de 40,000 millas comerciales al año para un negocio de un solo vehículo, o costos de comidas y entretenimiento superiores al 10% de los ingresos, son valores atípicos estadísticos que se ponderan fuertemente.
Nada de esto es nuevo en esencia: el sistema de puntuación de Función Discriminante (DIF) del IRS ha comparado declaraciones con normas estadísticas durante décadas. Lo nuevo es la escala y la velocidad: en lugar de una fórmula estática revisada periódicamente, ahora tienes modelos que se re-ejecutan seis veces al año y mejoran en la detección de patrones con cada ciclo.
La Parte que Debería Preocuparte Más: Tiempo de Respuesta, No Detección
Aquí está la asimetría con la que los propietarios de pequeñas empresas se están encontrando realmente en 2026: la señalización asistida por IA es rápida, pero el lado humano de resolver una señalización no ha escalado con ella. Los avisos automatizados se envían rápidamente. Conseguir una persona en vivo al teléfono, o una respuesta escrita sustancial a un aviso, ahora está tomando notablemente más tiempo que hace dos años. Una señalización que en 2023 habría sido una llamada telefónica de cinco minutos ahora puede quedar sin resolver durante meses mientras se acumulan multas e intereses.
Eso significa que el costo real de una declaración desordenada no es solo el riesgo de auditoría, es el tiempo y el estrés de desenredar una señalización una vez que se ha planteado, con un respaldo humano más lento al otro lado. La mejor defensa es no darle al algoritmo una razón para señalarte en primer lugar.
Por Qué el IRS Tuvo que Redactar Esta Política
La estructura de gobernanza en IRM 10.24.1 no es solo una cuestión burocrática; es una respuesta directa a un problema real con la selección algorítmica de auditorías. Investigaciones independientes y revisiones de la Oficina de Responsabilidad Gubernamental (GAO) han encontrado que ciertos grupos de contribuyentes, incluidos los contribuyentes negros que reclaman el Crédito Tributario por Ingreso del Trabajo (EITC), han sido auditados a tasas de tres a cinco veces más altas que otros declarantes con declaraciones similares. La teoría de trabajo de la GAO es que esto no es una focalización intencional, sino un sesgo algorítmico no intencional: los modelos entrenados con datos históricos de auditoría pueden terminar reproduciendo cualquier patrón de selección que existiera en el pasado, incluso cuando nadie los diseña para hacerlo.
Es precisamente por eso que la nueva política requiere evaluaciones de impacto, monitoreo continuo y aprobación humana obligatoria antes de que la derivación de un modelo se convierta en una auditoría real: un sistema de aprendizaje automático optimizado puramente para "detectar ingresos no declarados" no tiene un control incorporado sobre los ingresos de quién señala de manera desproporcionada. Los propietarios de pequeñas empresas deberían leer esto como una razón para un optimismo cauteloso, más que como una demanda en ciernes: el requisito de revisión humana es un verdadero respaldo, pero también confirma que la puntuación de primera pasada de la IA no es infalible. Si te señalan, no significa que el algoritmo haya encontrado algo real; significa que un buscador de patrones encontró algo estadísticamente inusual, que tus propios registros pueden explicar perfectamente.
Si te Señalan
Recibir un aviso no significa que hayas hecho algo malo; generalmente significa que un número, en algún lugar, no coincidió con la expectativa del modelo para un negocio como el tuyo. Algunas cosas marcan la diferencia entre una resolución rápida y una prolongada:
- Responde por escrito, y responde rápido. Dados los tiempos de espera más largos para la revisión humana descritos anteriormente, una respuesta escrita temprana y completa tiene más probabilidades de resolverse en la primera pasada que una llamada telefónica que te devuelva a una cola.
- Comienza con la conciliación, no con la explicación. Muestra las transacciones subyacentes que produjeron el número en cuestión antes de explicar por qué son legítimas. Los examinadores se mueven más rápido cuando las matemáticas ya están hechas para ellos.
- No dejes que un año señalado se convierta en tres. Una señalización sin resolver en la declaración de este año es exactamente el tipo de anomalía que hace que un modelo de seguimiento examine también las declaraciones del año pasado y del próximo. Ciérrala por completo en lugar de dejar que se alargue.
- Trae a un CPA o agente inscrito si el aviso menciona un alcance ampliado. Una señalización en una sola línea es manejable para responder por tu cuenta; una solicitud de registros de respaldo de varios años merece ayuda profesional.
Lo que Realmente Reduce tu Riesgo
Nada de esto significa que debas dejar de reclamar deducciones legítimas; el objetivo es una declaración que sea precisa y bien respaldada, no una más pequeña.
Mantén registros contemporáneos, no reconstruidos. La documentación creada en el momento del gasto (un recibo registrado la semana que lo compraste) tiene mucho más peso que una hoja de cálculo armada la noche anterior a la fecha de vencimiento de tu declaración. También es simplemente más fácil: reconstruir seis meses de gastos de memoria en abril es cómo se pierden o declaran incorrectamente las deducciones legítimas.
Usa un plan de cuentas que refleje cómo funciona realmente tu negocio. Categorías amplias y vagas como "Varios" o "Otros Gastos" son exactamente los cubos que son más difíciles de defender y más fáciles de señalar por un modelo como ruido. Si tus libros no pueden explicar un número, tú tampoco puedes.
Concilia los ingresos con cada 1099 y K-1 antes de presentar la declaración. Dado que el IRS ya tiene estos formularios, cualquier discrepancia es casi una señalización garantizada. Una verificación cruzada rápida con tus libros antes de presentar la declaración detecta esto en minutos, en lugar de meses después en un aviso.
Evita los números redondos en todo lo que no hayas gastado literalmente en números redondos. Si tu contabilidad real es precisa, tu declaración reflejará naturalmente esa precisión, lo que en sí mismo es una señal de legitimidad.
Separa completamente las cuentas personales y comerciales. Los fondos mezclados son una de las formas más rápidas de convertir una revisión de rutina en una inspección real, porque dificultan la verificación de todos los demás números de la declaración.
El hilo común: cada una de estas soluciones se reduce a mantener libros de contabilidad limpios, completos y contemporáneos durante todo el año, no a apresurarse a reconstruirlos en la temporada de impuestos. La contabilidad en texto plano y con control de versiones hace que esta disciplina sea fácil de mantener, porque cada transacción se registra a medida que ocurre, en un formato que puedes auditar tú mismo antes de que el IRS lo haga.
Mantén tus Libros Listos para Cualquier Tipo de Escrutinio
A medida que la selección de auditorías se vuelve más rápida y automatizada, las empresas con menos que preocuparse son aquellas cuyos libros eran precisos antes de que un algoritmo los mirara. Beancount.io te ofrece contabilidad en texto plano con total transparencia y un historial completo, tipo git, de cada cambio: sin categorización de caja negra, sin registros reconstruidos, solo un libro mayor que puedes defender línea por línea. Comienza gratis y mantén tus libros listos para auditoría por defecto, no a las apuradas.