Respuesta ejecutiva
La IA y la analítica pueden ayudar a clasificar operaciones, detectar anomalías, conciliar datos, extraer cláusulas, generar borradores y monitorear márgenes. No sustituyen la delineación, el método, la evidencia, la aprobación ni la responsabilidad del contribuyente. El valor aparece cuando un caso de uso específico se conecta con datos confiables, revisión humana, pruebas, seguridad y registro.
La adopción debe empezar por el problema, no por el modelo. Un clasificador útil puede reducir omisiones; un generador sin controles puede inventar fundamentos o exponer información. El NIST AI RMF ofrece un marco voluntario de gobernar, mapear, medir y gestionar riesgos; debe adaptarse al contexto fiscal mexicano y a políticas del grupo.
Corte de investigación: 2 de agosto de 2026. La tecnología y sus riesgos cambian rápidamente. Confirme versiones, contratos, ubicaciones de datos y normas aplicables antes de desplegar.
Qué es OTP
Operational Transfer Pricing lleva políticas a ejecución: precios, facturas, asientos, monitoreo, ajustes y evidencia. Requiere integración de fiscal, finanzas, sistemas y operación.
La IA es una herramienta dentro del proceso.
Problemas aptos
Son aptos tareas repetitivas, poblaciones grandes, patrones observables y revisión posible. Clasificación de cuentas, match de contrapartes y alertas de margen son ejemplos.
No automatice una política ambigua.
Casos no aptos
Decisiones jurídicas finales, interpretación sin contexto, valuaciones críticas o respuestas a autoridad sin revisión requieren alta intervención experta.
La eficiencia no justifica delegación ciega.
Inventario de casos
Liste problema, usuario, frecuencia, dato, decisión, consecuencia y control actual. Puntúe valor, riesgo y factibilidad.
Empiece con uno acotado.
Clasificación de operaciones
Modelos pueden sugerir categorías desde cuentas, CFDI, descripción y contraparte. Mantenga reglas y revisión de baja confianza.
Mida falsos positivos y negativos.
Detección de anomalías
Analítica identifica importes, márgenes, monedas, fechas o cuentas inusuales. Una alerta no prueba incumplimiento.
Investigue y documente cierre.
Solicite un diagnóstico para priorizar casos de IA y definir datos, controles, revisión humana, pruebas, seguridad y evidencia antes de automatizar.
Conciliación
Use matching para balanza, factura, contrato, declaración y estudio. Defina tolerancias y excepciones.
No cierre diferencias sólo porque el algoritmo encontró similitud.
Extracción contractual
IA puede extraer precio, moneda, plazo, parte y cláusulas. Valide muestra, idiomas y formatos.
El contrato original sigue siendo fuente.
Borradores
Un modelo generativo puede resumir o redactar, pero debe usar fuentes controladas y revisión experta. Prohíba citas inventadas.
Marque contenido generado y versión.
Monitoreo de márgenes
Calcule indicadores desde datos aprobados y compare con política. La IA puede explicar drivers sugeridos, no decidir ajuste.
Fiscal y contabilidad aprueban.
Forecast
Modelos pueden proyectar rentabilidad y escenarios. Documente variables, entrenamiento y error.
No trate forecast como hecho.
Ajustes
Automatice cálculo sólo después de definir tipo, regla, CFDI, impuesto y aprobación. Separe recomendación de ejecución.
Bloquee asientos automáticos sin autorización.
Evidencia de servicios
IA puede indexar tickets y entregables. No debe fabricar evidencia ni inferir prestación sólo por palabras.
El receptor valida beneficio.
Calidad de datos
Defina completitud, exactitud, oportunidad, unicidad y linaje. Corrija fuente antes de entrenar.
Garbage in sigue siendo riesgo.
Catálogo maestro
Unifique entidades, cuentas, operaciones, monedas, contratos y servicios. Asigne dueño y vigencia.
El modelo depende de taxonomía estable.
Privacidad
Clasifique datos fiscales, personales, contratos y secretos. Minimice y controle acceso. Revise transferencia internacional.
No suba archivos a herramientas no autorizadas.
Seguridad
Evalúe proveedor, cifrado, retención, entrenamiento, subprocesadores, incidentes y salida. Pruebe prompt injection y exfiltración.
Coordine con seguridad.
Propiedad intelectual
Revise derechos sobre entradas, salidas, prompts y modelos. Evite exponer benchmarks licenciados.
Contrato define uso.
Sesgo
Datos históricos pueden reproducir clasificaciones erróneas o tratamientos distintos por entidad. Mida desempeño por segmento.
No asuma neutralidad.
Explicabilidad
El usuario debe entender qué dato produjo una alerta y cómo. Para decisiones materiales, prefiera lógica reproducible.
Una caja negra dificulta defensa.
Revisión humana
Defina quién revisa, competencia, umbral y evidencia. Evite rubber stamping.
El humano necesita tiempo y contexto.
Niveles de autonomía
Nivel uno recomienda; dos prepara; tres ejecuta con aprobación; cuatro automatiza bajo límites. En fiscal, empiece bajo.
Documente límites.
Pruebas
Use conjunto histórico separado, casos límite y datos adversariales. Mida precisión, recall, error monetario y estabilidad.
Repruebe tras cambio.
Piloto
Defina alcance, éxito, duración, responsables y stop criteria. Compare con proceso manual.
No escale por demo atractiva.
Monitoreo
Controle drift, error, uso, excepciones y costos. Revise mensualmente.
Desactive si excede umbral.
Registro
Guarde modelo, versión, prompt, fuente, salida, revisión, decisión y fecha cuando material. El nivel depende del riesgo.
La trazabilidad soporta auditoría.
Gestión de cambios
Toda actualización de modelo, proveedor, dato o prompt pasa evaluación. No permita cambios silenciosos.
Versione y apruebe.
Proveedor
Evalúe disponibilidad, lock-in, residencia de datos, SLA, auditoría y terminación. Exija eliminación y exportación.
Prepare contingencia.
Modelo interno
Si se desarrolla, documente código, datos, dependencias y responsables. Separe desarrollo y producción.
Controle acceso.
Marco NIST
Use gobernar para roles, mapear para contexto, medir para pruebas y gestionar para tratamiento. Es voluntario y no sustituye ley.
Adapte proporcionalmente.
Matriz de controles
Campos: uso, dato, modelo, proveedor, decisión, impacto, humano, prueba, seguridad, evidencia, dueño y frecuencia.
Asigne riesgo residual.
KPI
Mida operaciones clasificadas, omisiones, tiempo, error, alertas útiles, excepciones, costo y remediación. No mida sólo velocidad.
Calidad primero.
Auditoría interna
Revise gobernanza, muestras, accesos, cambios y decisiones. Intente reproducir salida.
Reporte hallazgos.
Autoridad fiscal
La empresa sigue responsable de cifras y argumentos. No presente “lo dijo la IA”. Entregue fundamento y evidencia.
Conserve archivos fuente.
Incidentes
Defina pérdida de datos, salida incorrecta, uso no autorizado y falla. Contenga, notifique, corrija y documente.
Aprenda del incidente.
Señales de alerta
Alertas: datos sin dueño, herramienta pública, salida sin fuente, ejecución automática, ausencia de pruebas, modelo cambiado, humano simbólico, alta precisión sin definición o ahorro sin calidad.
Detenga y revise.
Checklist
Confirme problema, usuario, dato, permiso, proveedor, modelo, riesgo, humano, prueba, seguridad, evidencia, KPI, monitoreo, cambio, incidente y salida.
Apruebe por nivel.
Ejemplo ilustrativo
Un grupo clasifica cuentas intercompañía. El piloto usa histórico etiquetado, umbral de confianza y revisión. Detecta operaciones omitidas, pero también confunde reembolsos. Ajusta taxonomía antes de escalar.
No automatiza declaraciones.
Producto OTP Automation Diagnostic
Incluye inventario, priorización, arquitectura de datos, matriz de riesgos, controles, piloto, KPI y roadmap. Puede recomendar no usar IA.
La solución adecuada a veces es una regla determinística.
Evaluación de impacto antes del desarrollo
Documente el problema, decisión afectada, usuarios, datos, entidades, frecuencia, materialidad y daño posible. Identifique si una salida incorrecta podría alterar una factura, ajuste, declaración, evidencia o respuesta a la autoridad. Clasifique confidencialidad, dependencia de terceros y posibilidad de revertir. El caso no debe aprobarse sólo porque la tecnología esté disponible.
Defina un resultado de referencia manual. Sin tiempo, costo, error y cobertura actuales no se puede demostrar mejora. Establezca umbrales separados para precisión, falsos positivos, falsos negativos, revisión humana y disponibilidad. En precios de transferencia, omitir una operación material puede ser más grave que marcar varias operaciones inocuas; la métrica debe reflejar esa asimetría.
Tarjeta del caso de uso
Cada automatización necesita una ficha viva: objetivo, propietario, versión, población, fuentes, transformaciones, modelo o regla, limitaciones, umbral, revisor, decisiones prohibidas, evidencia generada, monitoreo y retiro. Añada supuestos jurídicos y fecha de verificación para impedir que el sistema aplique una interpretación superada.
La tarjeta se actualiza cuando cambia proveedor, modelo, prompt, taxonomía, ERP, política o regulación. Una modificación aparentemente menor puede alterar resultados. El dueño aprueba la nueva versión después de pruebas comparables y conserva la anterior para reproducir salidas históricas.
Elegir entre regla, analítica e IA generativa
Use regla determinística cuando existe condición estable y explicable: cuenta, contraparte, moneda o umbral. Use analítica predictiva para patrones con historial etiquetado y métrica verificable. Reserve IA generativa para extracción, resumen o borrador sujeto a fuente y revisión; no para inventar hechos, decidir deducibilidad o presentar automáticamente.
Compare opciones por exactitud, explicabilidad, mantenimiento, seguridad, costo y dependencia. Una expresión regular o conciliación SQL puede superar a un modelo complejo. La sofisticación no es un objetivo de control. Seleccione la herramienta mínima que resuelva el problema con evidencia reproducible.
Validación independiente y pruebas adversariales
Un equipo distinto al desarrollador prueba muestras normales, límites, datos incompletos, periodos nuevos, idiomas, monedas y entidades adquiridas. Introduzca contratos ambiguos, facturas duplicadas, cuentas reclasificadas y mensajes maliciosos en entradas documentales. Compruebe que accesos y prompts no revelen información de otras entidades.
Revise resultados por segmento, no sólo promedio. Una precisión alta puede ocultar fallas en préstamos, regalías o una filial pequeña. Documente defectos conocidos y controles compensatorios. Si el revisor humano no puede detectar razonablemente el error, reduzca autonomía o descarte el caso.
Despliegue gradual y reversión
Empiece en modo sombra: el sistema produce resultado sin ejecutar y se compara con el proceso vigente. Después habilite una población limitada, con aprobación humana y registro. Amplíe sólo si calidad, tiempo e incidentes cumplen umbrales durante varios ciclos. No estrene un modelo en la semana de una declaración crítica.
Defina un interruptor de suspensión, versión estable, respaldo de datos y procedimiento manual. La reversión debe probarse, no sólo escribirse. Si cambia el modelo del proveedor sin aviso suficiente, bloquee producción hasta revalidar. Conserve capacidad de reconstruir qué versión generó cada salida.
Monitoreo de beneficio y riesgo
Mida operaciones cubiertas, anomalías confirmadas, tiempo ahorrado, retrabajo, errores evitados, tasa de anulación humana, incidentes, deriva y costo total. El ahorro bruto no compensa una caída de calidad o evidencia. Revise si la automatización desplaza trabajo hacia revisores o crea dependencia de pocos especialistas.
Trimestralmente, el dueño confirma que el propósito sigue vigente, los datos representan la población y los controles operan. Auditoría interna puede muestrear decisiones y registros. Retire casos con beneficio marginal, riesgo creciente o imposibilidad de explicar resultados.
Evidencia para una revisión fiscal
Archive la fuente original, transformación, parámetros, versión, salida, revisión humana y decisión final de cada proceso material. La autoridad no necesita recibir código irrelevante, pero la empresa sí debe reconstruir cómo llegó a la cifra o clasificación presentada. Conserve también excepciones y correcciones: ocultarlas impide demostrar que el control detectó y resolvió fallas.
El expediente técnico acompaña, pero no sustituye, contratos, contabilidad y análisis económico. Traduzca resultados del modelo a una explicación empresarial verificable y asigne a una persona responsable de defenderla.
Conclusión
La IA puede ampliar capacidad de Operational TP, pero también amplifica errores. El éxito depende de un proceso ya definido y datos gobernados.
Automatice tareas, no responsabilidad. Mantenga humano, pruebas, trazabilidad y derecho a detener.
Solicite un OTP Automation Diagnostic para seleccionar casos de uso y diseñar controles antes de desplegar IA en procesos intercompañía.
Fuentes oficiales verificadas
- NIST, AI Risk Management Framework.
- NIST, perfil de riesgos de IA generativa.
- OCDE, IA en la administración tributaria, 2025.
- OCDE, Tax Administration 2025: servicios y tecnologías.
- Cámara de Diputados, Ley del Impuesto sobre la Renta vigente.
Verificación cerrada el 2 de agosto de 2026. Los marcos técnicos citados no sustituyen obligaciones mexicanas ni políticas internas.