Contribuyentes que usan redes de patrones para evitar el pago de sus contribuciones, de acuerdo con un estudio de la Universidad de Chapingo
Un estudio realizado por la Universidad Autónoma de Chapingo, financiado por el Servicio de Administración Tributaria (SAT), halló que patrones podrían haber evadido 60 mil millones de pesos de impuesto sobre la renta (ISR) correspondiente a los sueldos de sus trabajadores.
La evasión anual mediante este esquema sería de 17 mil 680.84 millones en 2017, 20 mil 267.81 millones en 2018 y 22 mil 17.39 millones en 2019.
Se halló que entre 2017 y 2019, unos 71 mil patrones tuvieron relacionada del 90 al 100% de su plantilla laboral con al menos otro patrón. En ocasiones, un patrón pagaba los sueldos y salarios y, el otro, remuneraciones como viáticos y aguinaldo.
El estudio detectó que hay trabajadores que tienen pagos provenientes de más de un patrón durante el mismo ejercicio fiscal, a pesar de que únicamente tienen una relación laboral. A partir de este hecho deducen que los patrones se organizan en redes para disminuir artificialmente el pago de impuestos.
En el estudio se reconoce que el hecho de que un trabajador tenga dos patrones no significa necesariamente que se esté ante un esquema para evadir obligaciones fiscales, pues cualquier trabajador es libre de tener dos relaciones laborales si así lo desea.
Sin embargo, señalan la existencia de casos en que los patrones reparten el pago de su nómina a través de otros patrones, con lo que se pretende fraccionar el sueldo del trabajador.
Además de reducir la carga fiscal, el uso de este tipo de esquemas tiene implicaciones negativas para los trabajadores, como evitar que generen antigüedad laboral, lo que disminuye la prima de antigüedad que se paga a los trabajadores al momento de terminar la relación laboral.
Así funcionan los esquemas
Para el estudio, los investigadores rastrearon los patrones a los que estaban relacionados los trabajadores mediante los comprobantes fiscales digitales por internet (CFDI), y se presumió que un trabajador tenía vínculos “naturales” con dos patrones cuando éstos no tenían una relación entre sí.
En cambio, consideraron que el vínculo es inducido cuando, por causa del patrón, un trabajador tiene relación con dos o más patrones. En este supuesto contemplaron dos posibilidades:
- Un patrón subcontrata personal y además tiene contratado al mismo personal.
- Un patrón usa dos o más razones sociales para pagar al trabajador, aunque sólo tenga una relación laboral. Esto genera al menos dos efectos:
- Que los trabajadores no generen antigüedad, evitando pagos contemplados en la ley.
- Crear empleaos simultáneos para simular salarios mínimos, con lo que se evita pagar ISR.
Para calcular el monto de lo que posiblemente se evadió en pago de ISR, compararon lo que pagaron de ISR los patrones con vínculos artificiales con lo que pagaron otros contribuyentes con declaraciones anuales consistentes.
Esto recomiendan al SAT
Como consecuencia de la investigación, recomiendan a la autoridad fiscal:
- Generar mecanismos de consulta con el trabajador para verificar sus percepciones mensuales y los patrones con los que tiene relación.
- Generar un sistema de indicadores para identificar a las empresas cuyo manejo de nómina debería auditarse.
- Hacer auditorías digitales en el régimen de sueldos y salarios, utilizando la información complementaria de las declaraciones anuales.
- Hacer campañas de información dirigidas a los trabajadores, informándoles de sus derechos y obligaciones como contribuyentes.
Otro estudio, también financiado por el SAT, pero realizado por la Universidad Nacional Autónoma de México (UNAM), analizó el comportamiento de las redes conformadas por empresas que facturan operaciones simuladas (EFOS) detectadas por el SAT.
Mediante el análisis de datos, detectaron ciertas tipologías de patrones de conexión, así como redes de emisión de CFDI entre contribuyentes. Uno de los resultados obtenidos es que las EFOS se concentran en algunas actividades económicas, como servicios de consultoría, administración y supervisión de construcción, entre otros servicios de apoyo a negocios.
La investigación usó modelos de machine learning para detectar contribuyentes que podrían ser EFOS. Esto se hizo primero de manera individual y luego a redes completas. Con esta metodología detectar a 4 mil 26 contribuyentes que interactúan en distintas redes. De éstos, 3 mil 784 son personas morales y 242 son personas físicas.
Puedes consultar los estudios en esta liga.
Suscríbete a El Fiscoanalista (novedades y jurisprudencias en materia fiscal y laboral) y a nuestro canal de YouTube.