Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · lexifina.com
Formalizar el código tributario de EE. UU. (con Lean)
Lexifina ha traducido con IA a Lean el Título 26 del US Code y el cálculo del IRPF federal de 2025 para buscar errores y lagunas. Ha encontrado 138 fallos de redacción y rarezas en la ley de 2025, y ha contrastado su modelo con tres programas fiscales ajenos.
Foto: vía lexifina.com
1 medio · MadridPublicada 14 nov, 17:50Actualizada 14 nov, 22:45· Ya no está en portadaEscrita por IA · cómo funciona
Lexifina, que trabaja con global-law (un repositorio CC0 de legislación y jurisprudencia versionadas), usa Lean, un lenguaje cuyo comprobador de tipos también verifica pruebas matemáticas. Su tesis es que apuntar una IA y un comprobador de pruebas a un registro versionado de la ley permite encontrar contradicciones y errores mecánicos que se le escapan a las personas. Un día antes habían comprobado que una búsqueda en Lean redescubría el backdoor Roth.
Primero analizaron el texto del Título 26, publicado como datos estructurados por la Office of the Law Revision Counsel. Un parser lee todas las referencias cruzadas, incluidas las escritas con palabras, y Lean comprueba si existe la disposición citada y si sigue en vigor. De 257 hallazgos revisados por un agente de IA, 98 eran intencionados, 21 eran falsas alarmas y 138 fallos reales: 67 referencias a algo derogado, movido o reescrito, 24 erratas, 8 palabras de nivel equivocadas, 9 pares de disposiciones con el mismo número y 30 paréntesis sin cerrar. Cada fallo tiene un certificado en Lean, y las 138 comprobaciones tardan unos dos minutos y medio.
Después escribieron en Lean el impuesto federal sobre la renta de 2025 para un hogar, incluidos los cambios de la One Big Beautiful Bill Act: renta hasta el AGI, deducciones, el impuesto (con el AMT) y los créditos. La traducción la hizo una IA, el paso con pérdidas, y la reforzaron con pruebas contra cifras publicadas por el IRS y con la revisión adversarial de un segundo agente. Lean aporta además pruebas válidas para cualquier entrada, no solo para una muestra, como que ciertas deducciones nunca crecen al subir los ingresos. Entre lo que salió: el Code consolidado mezcla la ley de 2025 y la de 2026; la misma ley redondea en direcciones opuestas en las deducciones por propinas y horas extra y en la de intereses de préstamos de coche; una pareja puede deducir más impuestos estatales y locales (SALT) declarando por separado (con 300.000 dólares cada uno, hasta 25.000 en dos declaraciones frente a 10.000 en una conjunta); la Tax Table difiere de la fórmula legal entre −5 y +6 dólares; y hay umbrales abruptos, como una familia con tres hijos que puede perder hasta 8.046 dólares de EITC por un dólar de ingresos por inversiones por encima de 11.950.
Para validar el modelo construyeron 5.000 hogares de muestra (2.000 corrientes y 3.000 deliberadamente complicados) y calcularon su impuesto de 2025 con su modelo y con PolicyEngine-US, Tax-Calculator y UsTaxes. Su modelo y PolicyEngine-US coincidieron en 4.993 hogares; los otros siete difieren como mucho en 11 dólares, todos en el EITC, porque el modelo lee la tabla impresa del IRS y PolicyEngine usa la fórmula. Tax-Calculator daba el EITC y el crédito por cuidado de hijos a casados que declaran por separado sin comprobar que vivieran separados, y en un caso no calculó el AMT. UsTaxes tenía 14 bugs confirmados; entre ellos, descartaba sin aviso los ingresos por cuenta propia porque nunca adjunta el Schedule C. La comparación también sirvió para detectar dos errores en el modelo propio.
«Formalizing US Tax Code (Using Lean)» · puesto 30 · 124 puntos · enviado por dnw
Lo que dicen los comentarios
La discusión se centra menos en la técnica que en si tiene sentido tratar la ley como código. Varios discuten que se llame «bugs» a las lagunas: para algunos es una postura política, porque lo que es laguna o beneficio depende del punto de vista. Otros replican que formalizar sirve para destapar cambios ocultos en la redacción de las leyes. Se debate también si las leyes son vagas a propósito y cuánto pesan los jueces y el precedente en el common law, lo que limitaría extender esto más allá del código tributario. Otros preguntan qué aporta Lean frente a un simple script y alguien sugiere comprobar invariantes de sentido común, cuyos contraejemplos serían lagunas potenciales. Hay escepticismo sobre otro proyecto «vibecodeado» de formalización legal y sobre el error del modelo propio con la deducción del 20 %. Por último, se señalan los conflictos entre normas y el lenguaje Catala, que el gobierno francés usa en un servicio web.
Trabajé en una empresa, antes de los LLM, que analizaba leyes para responder sobre la legalidad de transacciones financieras. Las normas no tienen por qué ser coherentes y hay conflictos graves. Lo mejor que pudimos hacer fue hacerlos visibles y escalarlos a una persona.
Decir que las lagunas son bugs es una afirmación política: que cierto reparto de recursos es fraudulento por naturaleza. No hay datos que el código Lean pueda usar para decidir si un resultado es intencionado o no.
Es ilegítimo cualquier cambio legal que sus autores tengan que ocultar redactando la ley para que parezca otra cosa, y eso es lo que la formalización pretende detectar.
Supongo que se querrían demostrar invariantes de sentido común, como «no se puede pagar más impuestos que ingresos». Lean podría refutar alguno, y esos contraejemplos serían posibles lagunas.
Las lagunas suelen ser intencionadas: permiten que los ricos con asesores fiscales las aprovechen. Y los jueces, que son personas y no máquinas, fallan según el espíritu de la ley, no según su letra.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.