Automatización en la identificación de posibles SSCO y su impacto en la reducción de riesgos operacionales vinculados al crédito fiscal en empresas de agua potable

dc.contributor.advisorTalla Ramos, Sabino
dc.contributor.authorAguirre Gutierrez, Katherine Gisel
dc.date.accessioned2026-06-09T14:45:57Z
dc.date.available2026-06-09T14:45:57Z
dc.date.issued2025
dc.description.abstractEl presente Trabajo de Suficiencia Profesional tuvo como objetivo mejorar y optimizar la eficiencia en la determinación del crédito fiscal mediante la implementación de un proceso automatizado orientado a la identificación de proveedores que presentan características asociadas a los Sujetos Sin Capacidad Operativa (SSCO) en una empresa prestadora de servicios de agua potable. La metodología aplicada se enmarcó en un enfoque cualitativo con alcance descriptivo; para ello, se utilizaron el análisis documental y la observación directa como principales técnicas de recolección de información. Asimismo, se revisaron las disposiciones normativas emitidas por la Administración Tributaria, así como antecedentes relacionados con los SSCO y su implicancia en la determinación y aplicación del crédito fiscal. Como parte de la propuesta, se implementó un sistema automatizado de validación y monitoreo de proveedores, apoyado en herramientas de inteligencia artificial y automatización robótica de procesos (RPA), que permitió identificar proveedores que no declaran trabajadores ante la Superintendencia Nacional de Aduanas y de Administración Tributaria (SUNAT), constituyendo un indicio relevante para su evaluación tributaria. Los resultados evidenciaron una reducción significativa en el tiempo destinado a la revisión mensual del registro de compras, así como una mejora en la detección oportuna de proveedores riesgosos. En conclusión, la implementación de herramientas tecnológicas en los procesos de revisión tributaria contribuyó a fortalecer el control interno de la empresa, permitiendo anticipar riesgos fiscales asociados a proveedores calificados como SSCO y optimizando el cumplimiento de las obligaciones tributarias.
dc.formatapplication/pdf
dc.identifier.citationAguirre, K. (2025). Automatización en la identificación de posibles SSCO y su impacto en la reducción de riesgos operacionales vinculados al crédito fiscal en empresas de agua potable. [Trabajo de suficiencia profesional de pregrado, Universidad Nacional Mayor de San Marcos, Facultad de Ciencias Contables, Escuela Profesional de Gestión Tributaria]. Repositorio institucional Cybertesis UNMSM.
dc.identifier.urihttps://hdl.handle.net/20.500.12672/30207
dc.language.isospa
dc.publisherUniversidad Nacional Mayor de San Marcos
dc.publisher.countryPE
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectAutomatización de procesos
dc.subjectCumplimiento tributario
dc.subjectCrédito fiscal
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#5.02.04
dc.titleAutomatización en la identificación de posibles SSCO y su impacto en la reducción de riesgos operacionales vinculados al crédito fiscal en empresas de agua potable
dc.typehttp://purl.org/coar/resource_type/c_7a1f
renati.advisor.dni06213891
renati.advisor.orcidhttps://orcid.org/0009-0001-4593- 0960
renati.author.dni74870568
renati.discipline41702249
renati.jurorOrellano Antúnez, Juan Carlos
renati.jurorAlarcón Vargas, Freddy
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional
thesis.degree.disciplineGestión Tributaria
thesis.degree.grantorUniversidad Nacional Mayor de San Marcos. Facultad de Ciencias Contables. Escuela Profesional de Gestión Tributaria
thesis.degree.nameContadora Pública

Files

Original bundle

Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Aguirre_gk.pdf
Size:
3.54 MB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Aguirre_gk_autorizacion.pdf
Size:
225.14 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Aguirre_gk_reportedeturnitin.pdf
Size:
8.91 MB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: