Skip to Content
logologo
AI Incident Database
Open TwitterOpen RSS FeedOpen FacebookOpen LinkedInOpen GitHub
Open Menu
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar
Descubrir
Enviar
  • Bienvenido a la AIID
  • Descubrir Incidentes
  • Vista espacial
  • Vista Tabular
  • Vista de lista
  • Entidades
  • Taxonomías
  • Enviar Informes de Incidentes
  • Ranking de Reportadores
  • Blog
  • Resumen de noticias de IA
  • Control de Riesgos
  • Incidente aleatorio
  • Registrarse
Colapsar

Problema 2564

Incidentes Asociados

Incidente 4614 Reportes
IRS Audited Black Taxpayers More Frequently Reportedly Due to Algorithm

Loading...
Los afroamericanos son mucho más propensos a enfrentar auditorías fiscales, según un estudio
nytimes.com · 2023

WASHINGTON — Los contribuyentes afroamericanos tienen al menos tres veces más probabilidades de ser auditados por el Servicio de Impuestos Internos que otros contribuyentes, incluso después de tener en cuenta las diferencias en los tipos de declaraciones que es más probable que presente cada grupo, concluyó un equipo de economistas en uno de los estudios más detallados hasta ahora sobre la raza y el sistema tributario de la nación.

Los hallazgos no sugieren sesgo por parte de los agentes fiscales individuales, que no conocen la raza de las personas a las que auditan. Tampoco sugieren ninguna razón válida para que el I.R.S. apuntar a los estadounidenses negros a tasas tan altas; no hay evidencia de que el grupo incurra en más evasión de impuestos que otros.

En cambio, los hallazgos documentan la discriminación en los algoritmos informáticos que utiliza la agencia para determinar quién es seleccionado para una auditoría, según el estudio realizado por economistas de la Universidad de Stanford, la Universidad de Michigan, la Universidad de Chicago y el Departamento del Tesoro.

Parte de esa discriminación parece estar arraigada en decisiones que el I.R.S. funcionarios hicieron durante la última década cuando [buscaron mantener la aplicación de impuestos] (https://www.nytimes.com/2023/01/23/business/tax-season-irs-funding-biden.html) frente a recortes presupuestarios, al depender de sistemas automatizados para seleccionar devoluciones para auditoría.

Esas decisiones han producido un enfoque que señala de manera desproporcionada las declaraciones de impuestos con posibles errores en la solicitud de ciertos créditos fiscales, como el crédito fiscal por ingreso del trabajo, que complementa los ingresos de los trabajadores de bajos ingresos en un esfuerzo por aliviar la pobreza. Esas declaraciones de impuestos se seleccionan más a menudo para auditorías, independientemente de la cantidad de impuestos adeudados que la agencia pueda recuperar.

El resultado son tasas de auditoría de afroamericanos que son entre tres y cinco veces la tasa de otros contribuyentes, incluso cuando se compara ese grupo con otros contribuyentes que también reclaman el E.I.T.C.

El I.R.S. no detalla cómo selecciona las declaraciones para la auditoría. Pero los investigadores pudieron aislar varias explicaciones aparentes de por qué los contribuyentes negros son atacados con mucha más frecuencia. Una es la complejidad: es mucho más difícil para la agencia auditar declaraciones que incluyen ingresos comerciales, porque ese proceso requiere la experiencia de auditores individuales. Tales declaraciones parecen auditarse con menos frecuencia que las declaraciones de contribuyentes similares que no declaran ingresos de un negocio.

Los contribuyentes negros son mucho menos propensos que otros a declarar ingresos comerciales. Y los contribuyentes afroamericanos parecen presentar declaraciones de manera desproporcionada con el tipo de errores potenciales que son fáciles para el I.R.S. sistemas para identificar, como subdeclarar ciertos ingresos o reclamar créditos fiscales para los que el contribuyente no califica, encuentran los autores.

En efecto, los investigadores sugieren que el I.R.S. se ha centrado en auditorías que son más fáciles de realizar y, como resultado, se encuentra auditando de manera desproporcionada a un grupo históricamente desfavorecido en lugar de a otros contribuyentes, incluidas personas de alto patrimonio neto.

“Lo que el I.R.S. elige centrarse en cuando realiza auditorías puede socavar o complementar nuestro sistema fiscal progresivo”, dijo Daniel Ho, autor del estudio y director de la facultad del Laboratorio de Regulación, Evaluación y Gobernanza de Stanford, conocido como RegLab, donde se originó el estudio. .

El I.R.S. podría, en cambio, programar sus algoritmos para orientar las auditorías hacia rendimientos más complicados con un mayor valor potencial en dólares para el gobierno si una auditoría encontrara errores. En ese caso, la discriminación en el sistema desaparecería, concluyeron los autores.

“Históricamente, ha existido la idea de que si las agencias federales y otros formuladores de políticas no tienen acceso a datos sobre raza y no toman en cuenta explícitamente la raza al tomar decisiones políticas y asignar recursos, el resultado resultante no puede estar estructuralmente sesgado. ”, dijo Evelyn Smith, autora del artículo, estudiante de posgrado en economía de la Universidad de Michigan y miembro visitante en el RegLab de Stanford.

Una lección del estudio, dijo, "es que eso no es cierto en absoluto".

En su primer día en el cargo, el presidente Biden firmó una serie de órdenes ejecutivas que buscan promover la equidad racial en el gobierno federal y la nación. Uno de ellos incluía una directiva a la oficina de presupuesto de la Casa Blanca para “estudiar métodos para evaluar si las políticas y acciones de la agencia crean o exacerban barreras para la participación plena e igualitaria de todas las personas elegibles”.

Esa orden inspiró a los investigadores del RegLab, que utiliza el aprendizaje automático y otras técnicas avanzadas para ayudar a los gobiernos a mejorar las políticas. Eventualmente produjo el estudio, que los autores presentarán públicamente el martes. Fue realizado por investigadores de Stanford, incluidos la Sra. Smith, el Sr. Ho y Hadi Elzayn, junto con Thomas Hertz y Robin Fisher de la Oficina de Análisis de Impuestos del Departamento del Tesoro; Arun Ramesh de la Universidad de Chicago; y Jacob Goldin de Chicago y del Tesoro.

El grupo quería usar el aprendizaje automático para mejorar el proceso de auditoría federal y querían saber si ese proceso estaba infundido con prejuicios raciales. Pero no pudieron observarlo fácilmente, porque el I.R.S. no pide a los contribuyentes que declaren su raza en los formularios de impuestos, ni que hagan un seguimiento de la raza de ninguna manera.

En cambio, los investigadores construyeron una forma de llenar los espacios en blanco sobre la raza de los contribuyentes, a través de una asociación con el Tesoro que les dio acceso a 148 millones de declaraciones de impuestos y 780,000 auditorías, principalmente desde 2014, pero desde 2010 hasta 2018.

Usaron los nombres de los contribuyentes, primero y último, y la demografía del censo de sus vecindarios para adivinar efectivamente la raza de cualquier contribuyente. Luego examinaron esos resultados en una pequeña muestra de declaraciones de contribuyentes que habían informado su raza en otro lugar, en formularios electorales estatales, para estar seguros de que sus estimaciones eran correctas.

Los hallazgos finales fueron claros y sorprendentes, dijeron los autores. Vieron una correlación inmediata entre la composición racial de los vecindarios y las tasas de auditoría en esas áreas, señales vívidas de tasas de auditoría significativamente más altas para los contribuyentes negros.

Los afroamericanos se concentran desproporcionadamente en trabajos de bajos salarios. Son más propensos que los blancos a reclamar el E.I.T.C. Los autores se preguntaron si esa prevalencia al reclamar el crédito podría explicar por qué los contribuyentes negros enfrentan más auditorías, porque el I.R.S. los datos muestran que la agencia [audita a las personas que reclaman el E.I.T.C](https://www.taxpayeradvocate.irs.gov/news/nta-blog-eitc-audits-will-once-again-begin-proactively-responding-to-an -eitc-auditoría-es-crucial/). a tasas más altas que otros contribuyentes.

Pero a medida que avanzaba la investigación, los autores encontraron que la proporción de estadounidenses negros que reclamaban el E.I.T.C. sólo explicó una pequeña parte de las diferencias de auditoría. En cambio, más de las tres cuartas partes de la disparidad se debe a la frecuencia con la que se audita a los contribuyentes negros que reclaman el crédito, en comparación con el E.I.T.C. reclamantes que no son negros.

Los funcionarios del Tesoro están al tanto de los hallazgos. El departamento inició un comité asesor el otoño pasado para ayudarlo a enfocarse en las disparidades que enfrentan los estadounidenses. de color Este mes, los investigadores del departamento publicaron un [análisis de las disparidades raciales](https://home.treasury.gov/news/featured-stories/disparities-in-the-benefits-of-tax-expenditures-by-race- and-ethnicity?source=email) en el código fiscal. Encontró una amplia gama de ventajas fiscales que ayudan en gran medida a los estadounidenses de mayores ingresos, como la deducción de intereses hipotecarios y las tasas impositivas preferenciales para los ingresos por inversiones, que benefician de manera desproporcionada a los contribuyentes blancos.

Los funcionarios del departamento están en el proceso de aumentar la aplicación de impuestos a personas con altos ingresos y corporaciones que no pagan lo que deben, utilizando dinero de un proyecto de ley sobre el clima, la salud y los impuestos que el Sr. Biden promulgó como ley el verano pasado.

Cuando se le preguntó sobre el estudio esta semana, una portavoz del Tesoro señaló una carta que el subsecretario del Tesoro, Wally Adeyemo, escribió el otoño pasado al I.R.S. comisionado sobre esos esfuerzos de cumplimiento, que en efecto priorizaron tomar medidas enérgicas contra grupos de contribuyentes de altos ingresos.

“Los desafíos históricos y la falta de fondos han llevado a que las tasas de auditoría para quienes se encuentran en la parte superior de la distribución disminuyan más que las auditorías por correspondencia de quienes se encuentran en la parte inferior en la última década, lo que debería cambiar”, escribió el Sr. Adeyemo.

El representante Richard E. Neal de Massachusetts, el principal demócrata en el Comité de Medios y Arbitrios, dijo en un comunicado el miércoles que las tasas de auditoría documentadas en el estudio eran “inaceptables, pero una consecuencia de las herramientas algorítmicas que exacerban los prejuicios raciales en nuestras instituciones. ”

El Sr. Neal dijo que estaba ansioso por trabajar con el Tesoro en las nuevas medidas de cumplimiento, y los niveles de financiación, que el Sr. Biden puso en marcha el año pasado. “Está claro que debemos abordar la discriminación en el IRS”, dijo.

Leer la Fuente

Investigación

  • Definición de un “Incidente de IA”
  • Definición de una “Respuesta a incidentes de IA”
  • Hoja de ruta de la base de datos
  • Trabajo relacionado
  • Descargar Base de Datos Completa

Proyecto y Comunidad

  • Acerca de
  • Contactar y Seguir
  • Aplicaciones y resúmenes
  • Guía del editor

Incidencias

  • Todos los incidentes en forma de lista
  • Incidentes marcados
  • Cola de envío
  • Vista de clasificaciones
  • Taxonomías

2024 - AI Incident Database

  • Condiciones de uso
  • Política de privacidad
  • Open twitterOpen githubOpen rssOpen facebookOpen linkedin
  • e1b50cd