El modelo de valuación fiscal utiliza una amplia variedad de indicadores, incluyendo información sobre la ubicación geográfica del inmueble, su tamaño y características, el valor de las propiedades en la zona, y otros factores relevantes que puedan influir en su valor. Además, el modelo también tiene en cuenta factores económicos y sociales, como la inflación, las tasas de interés y la situación económica del país.

En términos más técnicos, utiliza un algoritmo de aprendizaje automático (machine learning) conocido como Random Forest, que es una técnica de regresión que se utiliza para predecir valores numéricos. 

El modelo se entrena con datos históricos de ventas de propiedades y otros factores relevantes para la valuación, y utiliza esta información para hacer predicciones precisas sobre el valor fiscal de un inmueble.

VER: OpenAI lanzó Chat GPT-4: cuáles son las nuevas mejoras

Es importante destacar que utiliza información pública y confidencial que está protegida por leyes y regulaciones de privacidad, por lo que se garantiza la privacidad y seguridad de los datos de los propietarios de los inmuebles. Esto permite una valuación más precisa y justa de los inmuebles, lo que a su vez puede mejorar la recaudación fiscal y la distribución equitativa de los impuestos.

Además, al utilizar información actualizada y precisa, se pueden evitar desigualdades en la distribución de la carga tributaria, lo que puede mejorar la transparencia y la confianza en el sistema fiscal en general.

Cabe recordar que los modelos de valoración masiva automatizada (AMV) y mapas digitales que permiten la predicción de valores a partir del entrenamiento de diferentes algoritmos, como RandomForest, Support Vector Machine y Neural Networks, que forman parte de técnicas de aprendizaje automático. 

El AMV tiene la ventaja de manejar grandes volúmenes de datos, proporcionando un alto nivel de predicción y siendo factible repetir este tipo de estudio periódicamente. Para crear una muestra de mercado permanente, en 2017 se creó un Observatorio del Mercado Inmobiliario (OMI), que releva una media de 13.000 a 14.000 datos relacionados con la oferta de venta y alquiler de inmuebles en toda la provincia. Utilizan dos tipos de variables independientes: variables "ambientales" basadas en el tamaño de las construcciones en el área y variables relacionadas con "ubicación y distancia" a vías principales, áreas comerciales y áreas con mayor o menor categoría de construcción.

Fuente: UNCiencia