Caso real: un organismo de rentas pasó de semanas a menos de una hora resolviendo descargos impositivos con agentes IA on-premise

El área de Inteligencia Fiscal de un organismo de rentas provincial es responsable de un procedimiento crítico: cuando se detecta una diferencia impositiva, se notifica al contribuyente —la corrida de vista— y este presenta su descargo con toda la documentación probatoria que considere pertinente.

A partir de ahí empezaba el cuello de botella. Todo el análisis dependía enteramente de la lectura humana.

El punto de partida

Para resolver un solo caso, un analista tenía que:

• Leer la corrida de vista y entender exactamente qué se estaba reclamando.
• Revisar la totalidad de los aportes del contribuyente: expedientes que con frecuencia superan las 50 páginas entre comprobantes, documentación respaldatoria y argumentación legal.
• Identificar y cotejar la normativa vigente aplicable a esa casuística, incluyendo jurisprudencia y antecedentes.
• Determinar si el descargo procedía o no.
• Redactar la resolución con el formato legal exigido.

El organismo contaba con 90 días para expedirse. Ese plazo no era generoso: reflejaba cuánto tiempo real insumía sostener el estándar de calidad y trazabilidad legal que exige un acto administrativo.

El problema no era de volumen. Era de profundidad. Cada caso demandaba horas de lectura especializada, y ese tiempo de analista senior se consumía en recopilar y sintetizar, no en el criterio experto que solo una persona puede aportar.

El desafío técnico

Tres restricciones descartaban cualquier solución genérica de mercado:

1. Datos sensibles de contribuyentes. La información fiscal de personas y empresas no podía salir de la infraestructura del organismo bajo ninguna circunstancia. Enviar expedientes a la API de un proveedor cloud externo estaba fuera de discusión.
2. Trazabilidad obligatoria. Un acto administrativo requiere que sea auditable cómo se llegó a la conclusión. Una respuesta correcta pero opaca no sirve.
3. La decisión final es indelegable. Ningún sistema podía resolver de forma autónoma. El objetivo nunca fue reemplazar al analista, sino entregarle el caso ya masticado para que aplique su criterio.

La solución: arquitectura multiagente con human-in-the-loop

Diseñamos y desarrollamos una arquitectura de cinco agentes especializados, cada uno con una misión única, orquestados en un flujo con intervención humana obligatoria en el punto de decisión.

1. Ingesta

El sistema toma la corrida de vista —que da inicio al análisis— junto con la totalidad de los aportes presentados por el contribuyente.

2. Síntesis

Un agente dedicado procesa el volumen documental y produce un resumen estructurado del caso: qué se reclama, qué presentó el contribuyente, qué argumenta.

3. Análisis normativo

Otro agente levanta la normativa vigente aplicable según la casuística evaluada y cruza los aportes contra el marco legal correspondiente.

4. Resolución borrador

El sistema genera una resolución en formato borrador con el template legal completo que el organismo necesita para notificar al contribuyente. No es un resumen: es un documento listo para revisión.

5. Revisión humana

El analista recibe el caso en la plataforma y decide:

• Aprueba → descarga la resolución y la carga en el sistema de notificación del organismo.
• Rechaza → escribe un prompt indicando qué corregir: nueva legislación, jurisprudencia omitida, contexto adicional o ajustes de criterio. Eso vuelve a disparar el flujo completo y genera una nueva resolución con las correcciones incorporadas.

Ese último punto es el corazón del diseño: el rechazo no es un fracaso del sistema, es el mecanismo de mejora. El analista no corrige un documento, corrige el razonamiento.

La plataforma de gestión

Además del motor de agentes, se desarrolló una plataforma propia donde el equipo del organismo puede:

• Seguir el caso nodo por nodo — por qué agente está pasando, qué documentación tomó cada uno y cómo la analizó.
• Gestionar normativas — cargar y descargar el corpus legal vigente sin depender del proveedor.
• Administrar learnings por tipo de impuesto — instrucciones específicas para que los agentes actúen de determinada forma según se trate de IVA, Ingresos Brutos u otra casuística.
• Monitorear el pipeline de casos — qué se procesó, qué está listo para resolución, qué está en curso.

Gobernanza: el eje que definió el proyecto

Este no fue un proyecto de IA con una capa de seguridad agregada al final. La gobernanza fue requisito de diseño desde el día cero:

• Despliegue on-premise. Toda la solución corre en servidores internos del organismo. Ningún dato de contribuyente se envía a proveedores externos de modelos.
• Código en repositorios del cliente. El desarrollo vive en la infraestructura del organismo.
• Dominio de la arquitectura y del modelo. El cliente entiende y controla qué modelo se usa, cómo está orquestado y cómo modificarlo.
• Redundancia y resguardo de datos bajo las políticas del propio organismo.

¿Por qué un organismo público elige un partner y no contrata directamente a un hyperscaler? Porque cuando los datos son de contribuyentes, la conversación deja de ser sobre capacidad del modelo y pasa a ser sobre quién es el custodio de la información y a quién se llama cuando algo falla.

Implementación y acompañamiento

• MVP — 3 meses: plataforma funcional entregada y puesta en producción.
• Evolutivo — 3 meses: agentes redistribuidos y especializados, nuevas casuísticas incorporadas, ajustes de plataforma.

Durante el evolutivo, los cinco agentes originales fueron subdivididos y especializados, aplicando un principio que validamos proyecto tras proyecto: un agente, una misión. Combinar objetivos múltiples en un mismo agente degrada la consistencia.

El acompañamiento no terminó con la entrega técnica: capacitamos directamente a los referentes del proyecto para que ellos bajaran el conocimiento al resto del equipo de analistas. Modelo de transferencia, no de dependencia.

Impacto: de semanas a menos de una hora

Antes, determinar si un descargo era procedente —revisar documentación, verificar jurisprudencia, chequear antecedentes— podía llevar semanas de trabajo del analista. Hoy, en menos de una hora el analista tiene el resumen completo, el análisis normativo y una propuesta de resolución para avanzar con la determinación final. El procesamiento de los agentes ocurre en segundos; el tiempo restante es revisión humana, que es exactamente donde debe estar.

1. Reasignación de talento especializado. El analista dejó de invertir horas leyendo 50 páginas y sintetizando: empieza donde antes terminaba, en el criterio.
2. Trazabilidad reforzada. Automatizar mejoró la auditabilidad: cada resolución registra qué normativa se consultó y qué documentación se consideró, nodo por nodo.
3. Consistencia de criterio. La aplicación de normativa deja de depender de qué analista tomó el caso y de cuánta documentación alcanzó a revisar.
4. Impacto hacia afuera. Del otro lado del expediente hay un contribuyente esperando: el trámite se vuelve más rápido y más simple para el ciudadano.

Nota metodológica sobre el volumen

El área procesa aproximadamente un caso cada dos meses. No es una limitación de la solución sino una característica del proceso: casos de alta complejidad y bajo volumen. Por eso la métrica relevante no es cantidad de casos procesados, sino tiempo de resolución por caso. Es el patrón inverso al de retail o atención al cliente: acá el valor no está en la escala, está en la profundidad.

Dónde más aplica este patrón

La arquitectura —ingesta documental masiva → análisis contra marco normativo → resolución borrador → validación humana— es directamente trasladable a:

• Administración pública: expedientes administrativos, licitaciones, habilitaciones, reclamos ciudadanos.
• Legal: due diligence, análisis de contratos, research jurisprudencial.
• Banca y seguros: análisis de siniestros, evaluación crediticia documental, compliance regulatorio.
• Salud: auditoría de prestaciones y autorizaciones.
• Cualquier proceso donde profesionales senior invierten horas leyendo documentación extensa para llegar a una decisión reglada.

Cierre

Este proyecto no automatizó una decisión. Automatizó todo lo que hay que hacer antes de decidir. Esa distinción es la que permite llevar IA a procesos donde el error tiene consecuencias legales y donde la responsabilidad no es delegable. Y es la que convierte a la gobernanza —lejos de ser un freno— en la condición que hace posible el despliegue.

Ver también: Gobernanza IA as a Service · Caso comercio exterior: facturas con IA · IA para empresas.