13. Preguntar al SII / SAT / AFIP / DIAN con IA (RAG)

Hasta ahora vimos cómo la IA clasifica transacciones, extrae datos de facturas y asiste en auditoría. Todo eso opera sobre datos tuyos. En esta lección damos el salto a un caso distinto y mucho más delicado: usar IA para consultar normativa tributaria.

Si recordás la Lección 2, dijimos que un LLM puede alucinar artículos, fechas y porcentajes. Para preguntas tributarias eso es inaceptable: una respuesta inventada puede derivar en una declaración mal armada o en un dictamen profesional indefendible.

La técnica que resuelve este problema se llama RAG (Retrieval-Augmented Generation). Es la única forma profesionalmente responsable de usar LLMs sobre normativa.

¿Qué es RAG, en términos contables?

RAG significa Retrieval-Augmented Generation: "Generación Aumentada por Recuperación".

Es una arquitectura simple pero muy poderosa:

Pregunta del usuario  →  Buscador semántico (Retrieval)  →  Texto relevante de la normativa
                              ↓
                            LLM (con el texto recuperado como contexto)
                              ↓
                          Respuesta con cita al artículo / página

En lugar de pedirle al LLM que conteste de memoria (lo que aprendió durante su entrenamiento, que puede estar desactualizado o ser inventado), RAG funciona así:

Indexás tu propia base de conocimiento: Manual de IVA del SII, Resolución Miscelánea Fiscal del SAT, Estatuto Tributario colombiano, etc.
Cuando alguien pregunta algo, un buscador semántico encuentra los fragmentos más relevantes (no por keyword, sino por significado).
Esos fragmentos se le pasan al LLM junto con la pregunta.
El LLM responde sobre el texto que le diste, no sobre lo que cree recordar.

🔑 Idea clave

Sin RAG, le pedís al LLM que responda desde su memoria (riesgo alto de alucinación). Con RAG, el LLM responde desde el documento que vos le pasaste (riesgo bajo, con cita explícita).

Para normativa tributaria, siempre se usa RAG.

Por qué RAG es crítico (y no opcional) en tributario

Esto no es preferencia técnica. Hay tres razones profesionales por las que RAG es la única opción aceptable:

1. Los LLMs tienen "fecha de corte" de conocimiento

Cada modelo se entrenó con datos hasta cierta fecha. GPT-5.5, Claude 4 y Gemini 3 conocen normativa hasta un punto en el tiempo. No conocen las reformas tributarias que se publicaron después.

Si la administración tributaria publicó una circular el mes pasado, el modelo no la tiene. Va a responder con la norma anterior, sin avisarte.

2. Los LLMs alucinan números de artículos

Es el riesgo más documentado de los LLMs sin RAG. Te pueden decir con total seguridad:

"Según el artículo 14 ter del Decreto Ley 824, los servicios de marketing digital exportados desde Chile están afectos a un IVA del 19%..."

El problema: ese "artículo 14 ter del DL 824" puede estar inventado, mal numerado, o derogado. El modelo no tiene forma de chequearse a sí mismo.

3. Tu firma profesional no es transferible al modelo

Como vimos en la Lección 3, si vos firmás un dictamen citando un artículo inexistente porque el LLM te lo dictó, la consecuencia legal es tuya. No de OpenAI ni de Anthropic. RAG con citas verificables al documento fuente te permite trazabilidad y defensa profesional.

⚠️ Regla profesional

Cualquier respuesta sobre normativa tributaria debe terminar con una cita al texto fuente. Si no podés señalar "esto está en la página X del documento Y, párrafo Z", no podés firmarlo profesionalmente. RAG fue diseñado precisamente para eso.

Cómo funciona un RAG por dentro (sin programar)

Para entender qué configurás cuando armás tu propio RAG, conviene entender los componentes:

1. Chunking (fragmentar el documento)

Un Manual de IVA puede tener 400 páginas. No se le pasa entero al LLM. Se divide en chunks (fragmentos) de, típicamente, 500-1500 palabras. Cada chunk mantiene metadatos: nombre del documento, página, sección.

2. Embeddings (convertir texto en vectores)

Cada chunk se convierte en una representación numérica llamada embedding: una lista de cientos de números que captura el "significado" del texto. Textos con significados parecidos quedan cerca en ese espacio numérico.

3. Vector store (almacenar los embeddings)

Los embeddings se guardan en una base de datos especializada. Las más conocidas en 2026 son:

Pinecone (la más usada, SaaS, fácil de configurar)
Weaviate (open source, también disponible como cloud)
Qdrant (open source, muy rápido)
pgvector (extensión de PostgreSQL, gratis si ya usás Postgres)

4. Retrieval (búsqueda semántica)

Cuando hacés una pregunta, esa pregunta también se convierte en embedding y se buscan los chunks más cercanos en el vector store. Típicamente devuelve los 3-10 fragmentos más relevantes.

5. Generation (el LLM responde con el contexto)

Los chunks recuperados se le pasan al LLM (GPT-5.5, Claude 4) junto con la pregunta. El LLM redacta la respuesta citando los chunks.

[Pregunta] + [3-10 chunks relevantes] → LLM → Respuesta con citas

💡 Analogía contable

Es como tener un becario que no contesta de memoria: vos le pasás el Manual de IVA físico, le hacés una pregunta, él busca la página relevante, te la marca con un post-it y redacta una respuesta citando esa página exacta. Si lo dudás, abrís el Manual y verificás.

Plataformas no-code para armar tu RAG

La buena noticia: en 2026 no necesitás programar para tener tu propio RAG tributario. Hay tres caminos prácticos según tu nivel y presupuesto:

Opción 1: ChatGPT con archivos (más simple)

Subís PDFs directamente a un GPT personalizado o a un chat. ChatGPT internamente hace un mini-RAG sobre esos archivos.

✅ Cero configuración técnica
✅ Ideal para uso individual o de equipo chico
❌ Límites de tamaño (decenas de archivos, no miles)
❌ Confidencialidad: revisar términos de uso enterprise

Opción 2: Claude Projects (mejor para documentos largos)

Claude Projects permite subir documentos al "knowledge base" del proyecto. Claude 4 los usa como contexto en cada conversación.

✅ Excelente para documentos largos (Claude maneja contextos grandes)
✅ Menor tasa de alucinaciones que GPT en este caso de uso
✅ Plan Team o Enterprise con DPA disponible
❌ Límite de archivos por proyecto

Opción 3: NotebookLM (Google)

NotebookLM está diseñado específicamente para "preguntarle a tus documentos". Cada respuesta viene con citas clicables al PDF fuente.

✅ Citas con click directo al párrafo del PDF
✅ Gratis para uso personal
✅ Muy fuerte para resumir y comparar documentos
❌ No tiene API para integrar a workflows (en mayo 2026)

Opción 4: RAG profesional (Pinecone + GPT-5.5 / Claude 4)

Para una firma de auditoría que quiere indexar toda la legislación tributaria de varios países, lo más profesional es:

Pinecone o Weaviate como vector store
Embeddings de OpenAI (text-embedding-3-large) o de Voyage AI
GPT-5.5 o Claude Sonnet 4.6 como modelo de generación
Orquestado con n8n, Make o LangChain (sin necesidad de codear demasiado)

Plataforma	Para quién	Costo aprox./mes
ChatGPT con archivos	Contador individual	$20 USD (Plus)
Claude Projects	Equipo chico (5-10 personas)	$25 USD/usuario (Team)
NotebookLM	Investigación individual	Gratis / Workspace
Pinecone + LLM API	Firma mediana/grande	$50-500 USD según volumen

Caso práctico: armar un RAG sobre IVA chileno

Veamos cómo se haría, paso a paso, sin programar, usando Claude Projects como ejemplo:

Paso 1: recolectar las fuentes

Para una consulta de IVA chileno, necesitarías idealmente:

Decreto Ley 825 (Ley sobre Impuesto a las Ventas y Servicios) — texto vigente
Reglamento del DL 825
Manual de IVA publicado por el SII (versión más reciente)
Circulares relevantes del SII que interpreten artículos clave

📌 Nota práctica

Estos documentos son públicos y los podés descargar desde el portal del SII. Verificá que sean las versiones vigentes y guardá la fecha de descarga en el nombre del archivo (ej: manual_iva_sii_2026-03.pdf).

Paso 2: crear el proyecto y subir los documentos

En Claude Projects creás un proyecto llamado, por ejemplo, "IVA Chile 2026" y subís los PDFs al knowledge base. Eso dispara internamente el chunking + embeddings + indexación.

Paso 3: configurar las instrucciones del proyecto

Esto es clave y donde la mayoría se equivoca. Las instrucciones del proyecto deben ser explícitas sobre cómo responder:

Eres un asistente especializado en IVA chileno. Responde
únicamente con base en los documentos del knowledge base.

Reglas obligatorias:
1. Cita SIEMPRE el documento y la sección/página exacta de la
   que sacaste la información.
2. Si la pregunta no se puede responder con los documentos
   disponibles, decilo explícitamente. NO inventes.
3. Distinguí entre "texto literal de la norma" e "interpretación".
4. Si hay circulares del SII que matizan un artículo, mencionalas.
5. Al final de cada respuesta, agregá la nota:
   "Esta respuesta no constituye asesoría tributaria formal.
    Verifique contra el texto vigente y consulte a su asesor."

Paso 4: hacer la consulta

Soy contadora de una agencia de marketing chilena que prestó
servicios a un cliente en Estados Unidos. Quiero saber si esa
operación está exenta de IVA por considerarse exportación de
servicios, y bajo qué condiciones.

(ejemplo hipotético — no constituye consejo)

Paso 5: revisar la respuesta y verificar la cita

El asistente responde algo como:

Según el Manual de IVA del SII (sección X, página Y), la
exportación de servicios puede estar exenta de IVA si cumple
los siguientes requisitos:

1. [Condición 1, citada del Manual]
2. [Condición 2, citada del Manual]
3. [Condición 3, citada del Manual]

Limitaciones encontradas en los documentos disponibles:
- La sección X.Y menciona casos específicos que pueden requerir
  pronunciamiento del SII.

Cita: Manual de IVA SII, sección X.Y, páginas N-M.

Esta respuesta no constituye asesoría tributaria formal.
Verifique contra el texto vigente y consulte a su asesor.

Acción profesional: abrís el PDF en las páginas citadas y verificás que el texto coincida con lo afirmado por el asistente. Si todo cuadra, la respuesta es utilizable como borrador de análisis. Si no cuadra, ajustás el prompt o agregás más documentos al proyecto.

Casos LATAM equivalentes

El mismo patrón se aplica para cualquier país de LATAM:

País	Fuentes típicas para indexar	Caso de uso típico
Chile (SII)	DL 825, DL 824 (Renta), Manual IVA, circulares SII	Consultas IVA, Renta, F22
México (SAT)	CFF, LISR, LIVA, Resolución Miscelánea Fiscal, criterios SAT	Consultas CFDI, ISR, retenciones
Argentina (AFIP)	Ley IVA, Ley Ganancias, RG AFIP, Procedimiento Fiscal	Consultas IVA, IIBB, monotributo
Colombia (DIAN)	Estatuto Tributario, Decretos reglamentarios, conceptos DIAN	Renta, IVA, ICA, conceptos DIAN
Brasil (Receita Federal)	RIR, RIPI, Regulamento ICMS de cada estado	ICMS, ISS, PIS/COFINS

🇧🇷 Particularidad brasileña

En Brasil, además de la normativa federal, hay normas estaduales (ICMS) y municipales (ISS). Un RAG brasileño suele ser por estado/municipio. La Reforma Tributaria 2023-2033 (con IBS y CBS) hace que mantener el RAG actualizado sea aún más crítico.

Las trampas comunes (y cómo evitarlas)

Trampa 1: documentos desactualizados

Si subís el Manual de IVA versión 2022, el RAG va a responder con normativa 2022. Solución: poner fecha en el nombre del archivo, hacer revisión trimestral de actualizaciones, y agregar al system prompt: "Los documentos del knowledge base tienen fecha X. Verificá si hay actualizaciones posteriores".

Trampa 2: confiar en la respuesta sin abrir la cita

El gran beneficio de RAG es la cita verificable. Si no abrís el PDF para verificar, perdés el beneficio. Solución: política interna de tu firma: ninguna respuesta de IA tributaria se usa sin que un humano abra y lea el párrafo citado.

Trampa 3: mezclar países en un mismo RAG

Si tenés normativa de Chile, México y Argentina en el mismo proyecto, el modelo puede mezclar conceptos similares pero distintos (IVA chileno vs IVA argentino). Solución: un RAG por país. O un solo RAG pero con el system prompt indicando "siempre identificá de qué país es la fuente y aclará si la pregunta no especifica país".

Trampa 4: olvidar la confidencialidad

Si subís documentos internos (contratos de clientes, declaraciones, etc.), usá el plan Enterprise con DPA firmado. Para normativa pública (que está en el portal del SII), esto no es problema. Pero cuando mezclás normativa pública con datos del cliente, tratá todo el proyecto como confidencial.

Cuándo NO basta con RAG

RAG es muy bueno, pero tiene límites:

❌ Casos de planificación tributaria compleja: requieren análisis estructurado por un especialista, no solo búsqueda en normativa.
❌ Casos en zona gris (no resueltos por la norma): el RAG te va a decir "no encontré algo claro al respecto". Ese es el momento del juicio profesional.
❌ Litigios o consultas vinculantes: ahí necesitás dictamen formal, no respuesta de IA.
❌ Casos con pronunciamientos administrativos no indexados: si la administración tributaria emite un oficio puntual no público, no está en tu RAG.

🎯 Posicionamiento profesional

RAG te convierte en un contador mucho más rápido buscando normativa y mucho más preciso citando fuentes. No te convierte en abogado tributarista. La diferencia es que ahora tenés tiempo para pensar la estrategia, en vez de gastarlo buscando el artículo.

Próximos pasos

En la Lección 14 vamos a aplicar lo aprendido al cierre tributario mensual y anual. Vas a ver cómo combinar:

Tu plan de cuentas (Módulo 2)
OCR de facturas (Módulo 3)
Detección de anomalías (Módulo 4)
RAG sobre normativa (esta lección)

…en un flujo integral que reduce el tiempo de cierre tributario en 40-60%, manteniendo la firma del contador como la única fuente de validación legal.

💡 Ejercicio para esta semana

Descargá del portal de tu administración tributaria (SII, SAT, AFIP, DIAN) un solo documento que uses con frecuencia (por ejemplo, el Manual de IVA).

Subilo a Claude Projects o ChatGPT con archivos.

Hacé tres preguntas que normalmente buscarías a mano. Cronometrá.

Verificá cada respuesta contra el PDF original.

Vas a ver dos cosas: el tiempo de respuesta cae a segundos, y vas a detectar al menos una respuesta que no coincide exactamente con la fuente — esa diferencia es exactamente el motivo por el que la firma profesional sigue siendo tuya.

Próxima lección: 14. Cierre tributario asistido por IA