Buscar en Google Scholar
Título: Implementación del módulo de digitalización automatizada de datos a través de reconocimiento óptico de caracteres para el sistema de tributación digital en Estados Unidos
Asesor(es): León Baca, Marco Antonio
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 13-nov-2023
Institución: Universidad Peruana de Ciencias Aplicadas (UPC)
Resumen: El proceso de declaración de impuestos en los Estados Unidos se caracteriza por su extensa documentación, complejidad normativa y los desafíos que plantea a los contribuyentes. Este estudio aborda la problemática que enfrentan los declarantes, destacando la necesidad de simplificar y optimizar este proceso. Para mitigar la complejidad tributaria, muchos contribuyentes recurren a servicios de asesoramiento, incluyendo sistemas de declaración en línea respaldados por expertos. La organización analizada en esta tesis ofrece un servicio de declaración de impuestos basado en un sistema Software como Servicio (SaaS). Durante dos décadas, ha centrado sus esfuerzos en mejorar la eficiencia del proceso de registro de información, reconocido como un punto crítico donde los usuarios suelen abandonar el sistema. Este estudio se enfoca en la evaluación de tecnologías emergentes, particularmente el reconocimiento óptico de caracteres (OCR), como una solución para agilizar la importación de datos fiscales. La implementación del OCR puede reducir significativamente la carga de trabajo manual, pero se subraya la importancia de una revisión humana y otros factores. El objetivo es explorar el impacto de esta tecnología en el proceso de declaración de impuestos y analizar los factores clave para su éxito. Al hacerlo, este estudio contribuye al conocimiento sobre cómo las innovaciones tecnológicas pueden mejorar la eficiencia y la experiencia del contribuyente en un ámbito de importancia crucial. El análisis de esta implementación y sus implicaciones puede arrojar luz sobre cómo simplificar un proceso tributario oneroso y brindar beneficios tanto a los ciudadanos como a las entidades fiscales.

The process of tax filing in the United States is characterized by extensive documentation, regulatory complexity, and the challenges it poses to taxpayers. This study addresses the issues faced by taxpayers, highlighting the need to simplify and optimize this process. To mitigate tax complexity, many taxpayers turn to advisory services, including online tax-filing systems backed by experts. The organization analyzed in this thesis offers an online tax-filing service based on Software as a Service (SaaS). Over two decades, it has focused on improving the efficiency of the information input process, recognized as a critical point where users often abandon the system. This study focuses on the evaluation of emerging technologies, particularly Optical Character Recognition (OCR), as a solution to streamline the import of tax data. The implementation of OCR can significantly reduce manual workload, but the importance of human review and other factors is emphasized. The goal is to explore the impact of this technology on the tax-filing process and analyze the key factors for its success. In doing so, this study contributes to understanding how technological innovations can enhance efficiency and the taxpayer experience in a critically important domain. The analysis of this implementation and its implications can shed light on how to simplify a burdensome tax process and provide benefits to both citizens and tax authorities.
Enlace al repositorio: http://hdl.handle.net/10757/670760
Disciplina académico-profesional: Ingeniería de Sistemas
Institución que otorga el grado o título: Universidad Peruana de Ciencias Aplicadas (UPC). División de Estudios Profesionales para Ejecutivos (EPE)
Grado o título: Ingeniero de Sistemas
Jurado: Subauste Oliden, Daniel Alejandro; Requejo Chaname, Walter Juan
Fecha de registro: 8-ene-2024; 8-ene-2024



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons