Santiago y el Recaudo que Dormía en los Datos

Prólogo

Un lunes, a las siete y media de la mañana, Santiago ya tenía tres frentes abiertos y una pregunta sin respuesta.

Sobre el escritorio, el oficio de la Contraloría Municipal: una indagación preliminar sobre la gestión tributaria del período anterior — sin hallazgos confirmados, pero abierta. En la agenda, el concejo le exigía para el jueves una cifra de recaudo proyectado que no tenía cómo sustentar. Y en la cabeza, el número que no lo dejaba en paz: ocho mil millones de pesos que el municipio debería estar recaudando y no recaudaba — no por fraude, sino porque la información para encontrarlos vivía dispersa en sistemas que nunca se cruzaban entre sí.

Santiago llevaba tres años como Secretario de Hacienda de un municipio colombiano que no paraba de crecer. 130.000 habitantes, un aeropuerto internacional de primer nivel, una zona franca activa, más de 4.000 empresas registradas en la Cámara de Comercio. Un potencial tributario enorme en el papel — que en la práctica se convertía en recaudo real a una tasa que él sabía, con la incomodidad del que conoce los números, muy por debajo de lo que debía ser.

No era falta de voluntad política. No era falta de personal — su equipo de fiscalización era pequeño pero competente. Era un problema de información. La Secretaría tenía datos: el registro de contribuyentes del ICA, las declaraciones del predial, acceso a la Cámara de Comercio, al RUES, a los registros de la DIAN, y dashboards de Power BI que el equipo anterior había construido con orgullo, mostrando cifras históricas con colores y gráficas.

Lo que no tenía era cómo cruzar toda esa información y preguntarle al sistema: "¿Quién debería estar declarando y no está? ¿Quién declara menos de lo que su actividad económica real indica? ¿Dónde están los $8.000 millones que no estamos recaudando?" Esa pregunta no tenía respuesta en ningún sistema. Requería un analista cruzando bases de datos durante semanas. Y Santiago no tenía semanas.

Porque en el sector público —se lo recordaba la indagación abierta sobre su escritorio— las decisiones sin trazabilidad no solo son ineficientes. Son peligrosas.

Algo tenía que cambiar.

Capítulo 1 — El Diagnóstico

El consultor llegó con una pregunta que Santiago no esperaba de alguien que venía a hablar de tecnología:

"¿Cuántos contribuyentes omisos tiene el municipio en este momento?"

Santiago pensó. "Tenemos estimados. Pero un número exacto, con nombre y NIT, cruzado contra su actividad económica real — eso no lo tenemos."

"¿Y cuánto tiempo le tomaría a su equipo producirlo?"

"Semanas. Si le dedicamos a eso todos los recursos."

El consultor asintió. "Ahí está el problema. Un municipio con este perfil económico debería poder responder esa pregunta en minutos — no en semanas. Y debería poder actualizarla cada mes, no cada vez que alguien decide hacer el ejercicio manualmente."

Le explicó la diferencia entre lo que la Secretaría tenía — dashboards descriptivos construidos sobre datos históricos, útiles para reportar lo que pasó pero incapaces de anticipar lo que debería pasar — y lo que era posible con arquitectura agéntica.

"Los agentes no solo describen — razonan. Un agente que cruza el RUES con el registro de contribuyentes del ICA no está haciendo una consulta de base de datos. Está haciendo la pregunta que un auditor experto haría: '¿esta empresa tiene el nivel de actividad económica que corresponde a lo que declara?' Y lo hace para los 4.000 contribuyentes al mismo tiempo, en minutos, con un nivel de confianza estadística que ningún equipo humano puede replicar."

"¿Por qué tantas entidades públicas tienen IA y no ven resultados?", preguntó Santiago. "¿No es eso lo que le pasa a la mayoría de municipios que adoptan IA?"

"Exactamente. Es lo que en el sector llamamos el Gen AI Paradox. La gran mayoría de las entidades públicas que implementan herramientas de IA en Colombia terminan con dashboards más sofisticados pero con los mismos procesos de fondo. Tecnología sobre burocracia. El resultado es el mismo problema con mejor presentación."

Santiago reconoció esa descripción. Los dashboards de Power BI eran exactamente eso.

Capítulo 2 — La Arquitectura

El diagnóstico técnico reveló algo que Santiago sabía intuitivamente pero nunca había cuantificado.

El municipio tenía acceso a seis fuentes de datos con información económica de los contribuyentes: el registro tributario municipal (ICA y predial), el RUES, la información de la Cámara de Comercio, los reportes de información exógena de la DIAN, los datos del catastro y los registros de licencias de construcción y urbanismo. Seis fuentes. Ninguna hablaba con las otras.

"Sin una Vector Database", explicó el consultor, "ese conocimiento no es recuperable por contexto. El sistema no puede preguntarle a los datos: '¿qué contribuyentes del sector comercio tienen un nivel de actividad en Cámara de Comercio inconsistente con sus declaraciones de ICA?' Puede buscar por NIT exacto. No puede buscar por patrón de inconsistencia."

Antes de conectar el agente al RUES, el equipo jurídico formalizó el convenio de intercambio de información con la Cámara de Comercio local — un acuerdo que el municipio tenía suscrito pero que nunca había sido activado para uso sistemático. Ese convenio no era burocracia: era el fundamento legal que hacía que cada cruce de datos fuera procesable en un eventual proceso de cobro coactivo. Sin él, el análisis era válido estadísticamente — pero impugnable jurídicamente.

"¿Y cómo hace el agente para conocer la información de nuestra Secretaría?"

"Con lo que en el sector llamamos RAG, el agente se conecta con la memoria institucional de la Secretaría — no solo con los datos abiertos. La jurisprudencia del Consejo de Estado en materia tributaria municipal. La doctrina tributaria territorial aplicable al ICA. Los precedentes de cobro coactivo del propio municipio. Las resoluciones internas de la Secretaría. Todo eso se convierte en contexto que el agente usa antes de emitir cualquier alerta de fiscalización. No actúa sobre datos crudos — actúa sobre datos interpretados con criterio jurídico-tributario."

La Memoria Semántica del agente incluía algo que ningún modelo genérico de análisis tributario conocía: las particularidades del régimen de zona franca del municipio. Las empresas operando bajo ese régimen tienen exenciones específicas del ICA municipal. Un agente que no conociera esa frontera generaría alertas sobre contribuyentes que están legalmente exentos — creando trabajo innecesario para el equipo jurídico y potenciales conflictos con inversionistas estratégicos del municipio. La memoria semántica no era solo conocimiento fiscal general — era el conocimiento fiscal específico del municipio, incluyendo sus excepciones.

"¿Y cómo conecta con nuestros sistemas?"

"Con MCP. El protocolo que conecta el agente con tus sistemas sin integraciones frágiles. Lee el registro tributario en tiempo real, consulta el RUES vía el convenio formalizado, cruza con los datos de Cámara de Comercio — sin que nadie tenga que exportar un Excel."

Capítulo 3 — El Primer Agente

Tres meses después, la Secretaría de Hacienda tenía su primer agente en producción.

Se llamaba internamente "el Auditor" — y ejecutaba el cruce de bases de datos que antes tomaba semanas: RUES vs. registro de contribuyentes del ICA, identificando empresas con actividad económica registrada que no aparecían en el padrón de declarantes, o que declaraban montos inconsistentes con su nivel de actividad real.

El primer resultado fue incómodo y revelador al mismo tiempo. 847 contribuyentes con inconsistencias estadísticamente significativas. El agente los clasificaba con precisión jurídica: contribuyentes omisos — que no habían declarado — contribuyentes inexactos — que habían declarado por debajo de su actividad real — y deudores morosos — que habían declarado correctamente pero no habían pagado. Cada categoría activaba un procedimiento diferente. El agente no solo identificaba el problema — lo clasificaba de forma que el equipo jurídico podía actuar directamente, sin una capa adicional de análisis.

El equipo de fiscalización — cuatro profesionales — no podía haber producido esa lista en menos de dos meses. El Auditor la produjo en cuestión de horas.

Santiago entendió algo crítico desde el primer resultado: el agente tenía Skills específicas y límites muy claros.

"El Auditor identifica inconsistencias y las fundamenta con datos. No decide si hay una infracción tributaria — eso requiere criterio jurídico y es responsabilidad del equipo de fiscalización. No emite actos administrativos — eso requiere competencia legal de la Secretaría. No reemplaza al funcionario — lo informa. Esa frontera no se negocia."

"¿Por qué tan importante esa frontera?"

"Least Privilege aplicado al sector público. Un agente que actúa más allá de su alcance en una entidad estatal no genera un bug — genera un acto administrativo viciado, una nulidad, un recurso de reconsideración que tumbará el proceso completo. El Repo donde vive el código del agente es del municipio — no del proveedor. Y cada decisión que el agente toma queda registrada con trazabilidad completa para cualquier auditoría de la Contraloría."

Santiago pensó en la indagación preliminar. Esa trazabilidad era exactamente lo que necesitaba.

Capítulo 4 — La Semana que el Sistema Encontró lo que Nadie Buscaba

Cuatro meses después del lanzamiento, el Auditor encontró algo que nadie le había pedido que buscara.

Un patrón en el sector de construcción: 23 empresas con licencias de construcción activas en la Secretaría de Planeación que no aparecían en el registro de contribuyentes del ICA bajo las actividades CIIU correspondientes. No era una búsqueda programada — era una correlación que el agente detectó al cruzar fuentes que nadie había cruzado sistemáticamente antes.

El equipo jurídico revisó el hallazgo. Era procedente. Las 23 empresas tenían obligación tributaria con el municipio. La fundamentación estaba respaldada en la jurisprudencia del Consejo de Estado sobre el hecho generador del ICA para actividades de construcción.

El potencial de recaudo: $1.200 millones de pesos en vigencias no prescritas.

"Eso es Human-on-the-Loop funcionando en fiscalización tributaria", explicó el consultor. "El agente encontró el patrón. El equipo jurídico validó la procedencia. La Secretaría tomó la decisión de actuar. Nadie saltó etapas. Nadie emitió un acto sin respaldo. La autonomía fue del agente en el análisis — el criterio y la decisión fueron siempre humanos."

Pero esa semana también reveló algo que Santiago necesitaba gestionar con urgencia: tres funcionarios habían estado usando ChatGPT para redactar requerimientos tributarios — pegando nombres, NITs, montos y situaciones fiscales específicas en un modelo público sin política, sin aprobación y sin trazabilidad.

La reserva de la información tributaria, aplicable a los tributos municipales por remisión al Estatuto Tributario, era explícita: esa información solo podía usarse para el control y recaudo de los impuestos, dentro de la infraestructura oficial de la entidad. Cada mensaje enviado a ChatGPT era una potencial violación del artículo 269F del Código Penal — violación de datos personales. No era un problema de política interna. Era un problema de responsabilidad penal personal del funcionario.

Eso era Shadow AI en una entidad del Estado colombiano.

"¿Cómo lo gobernamos?"

"Con política y con alternativa. La Secretaría necesita una política de uso de IA compatible con el marco normativo — Ley 1712 de transparencia, Ley 1581 de protección de datos, los deberes de reserva del Estatuto Tributario. Y la alternativa es que el ecosistema les dé lo que necesitan dentro de la infraestructura aprobada — sin que tengan que buscar atajos afuera."

También ese trimestre definieron el Veto Period para las acciones de mayor impacto: alertas de inconsistencia menores podían generar comunicaciones automáticas de requerimiento de información. Procesos de determinación oficial del tributo requerían revisión del equipo jurídico. Cobro coactivo: solo con aprobación del Secretario.

"Eso es el LOA aplicado a fiscalización tributaria municipal", explicó el consultor. "El municipio que no define esos niveles de automatización antes de desplegar el agente está creando actos administrativos que un abogado tributarista puede tumbar a la primera impugnación."

Capítulo 5 — El Sistema Nervioso

Un año después, la Secretaría de Hacienda operaba de una manera que Santiago no hubiera podido describir cuando llegó al cargo.

El Auditor seguía siendo el núcleo. Pero ahora coordinaba con el Agente de Comportamiento Tributario — que monitoreaba la evolución de las declaraciones de cada contribuyente a lo largo del tiempo, detectaba cambios de patrón que podían indicar una omisión o inexactitud sobrevenida y generaba alertas preventivas antes de que el ciclo de fiscalización tuviera que activarse. Y con el Agente de Cartera — que priorizaba el cobro coactivo según la probabilidad de recuperación, el monto adeudado y el estado jurídico de cada proceso, optimizando los recursos del equipo hacia donde había mayor retorno.

No eran sistemas independientes. Era Orquestación aplicada a la gestión tributaria municipal — el Auditor identificaba un contribuyente inexacto, el Agente de Comportamiento cruzaba si era un patrón nuevo o una situación histórica recurrente, y el equipo jurídico recibía un dosier completo con la fundamentación normativa antes de iniciar cualquier actuación.

La Silicon-based Workforce de la Secretaría no tenía nuevos funcionarios — tenía los mismos cuatro profesionales de fiscalización. Pero cada uno trabajaba ahora con la inteligencia de un sistema que procesaba la totalidad del padrón tributario de forma continua. Su valor — el criterio jurídico, la capacidad de negociación con el contribuyente, el conocimiento del contexto local — era irremplazable. Lo que el ecosistema hacía era liberarlos para ejercerlo.

El Concejo Municipal recibió en la rendición de cuentas un número que nadie esperaba: el recaudo del ICA había crecido 12% respecto al año anterior — sin nuevos impuestos, sin aumentar tarifas, sin contratar más fiscalizadores. El desglose era auditable: 5 puntos porcentuales vinieron de 312 contribuyentes omisos incorporados al padrón — incluidas las 23 empresas de construcción detectadas en el cruce con licencias. 4 puntos de 198 contribuyentes inexactos que ajustaron sus declaraciones tras el requerimiento fundamentado. 3 puntos de cartera recuperada mediante cobro coactivo priorizado por el Agente de Cartera. Cada punto porcentual tenía nombre, NIT y soporte documental. De las 847 inconsistencias iniciales, 510 derivaron en actuación tras depurar las exenciones de zona franca y los casos sin mérito; en total, el municipio recuperó cerca de $2.800 millones en el primer año — alrededor del 35% de la brecha estimada, con el resto en proceso plurianual.

Santiago presentó los resultados con el vocabulario que había aprendido:

"Medimos con CLASSic Metrics: costo por contribuyente analizado, latencia de detección de inconsistencias, exactitud de las alertas generadas, nivel de seguridad de los datos tributarios bajo reserva y estabilidad del sistema durante el cierre fiscal. El ROI Agéntico es auditable: el recaudo adicional del primer año superó en más de tres veces la inversión en el ecosistema, recuperada en menos de un trimestre."

La indagación preliminar de la Contraloría se cerró sin hallazgos. La trazabilidad completa de cada decisión de fiscalización — quién la tomó, con qué información, en qué momento, con qué fundamento jurídico — había sido el escudo.

El Alcalde, que había escuchado la presentación en silencio, hizo la pregunta que Santiago esperaba:

"¿Esto lo podemos replicar en otros municipios de la región?"

Santiago sonrió.

"No solo podemos. Deberíamos."

Epílogo

El Ecosistema Agéntico en gobierno municipal no reemplaza al funcionario de hacienda. Lo convierte en el arquitecto de una gestión tributaria que es justa precisamente porque es precisa.

La diferencia entre los municipios que cierran sus brechas fiscales y los que las perpetúan no es el tamaño del equipo. No es la sofisticación del sistema de información. No es la voluntad política — que generalmente existe.

Es si el Secretario de Hacienda entiende que los datos del municipio ya contienen la respuesta a la pregunta de quién debe y no está pagando — y que sin arquitectura agéntica, esa respuesta seguirá atrapada en silos que nadie tiene tiempo de cruzar manualmente.

Santiago lo entendió cuando tuvo que explicarle al Concejo Municipal por qué el recaudo estaba por debajo de la meta — sin poder decirles exactamente dónde estaba la brecha.