En el sector financiero público, la capacidad de detectar fraudes y, al mismo tiempo, mantener los datos estrictamente en el país puede ser un requisito fundamental.
Esta solución proporciona un plan para abordar este desafío con Cloud de Confiance by S3NS. Las agencias pueden implementar BigQuery ML Cloud de Confiance by S3NS para analizar millones de declaraciones de impuestos y detectar anomalías de alto riesgo en tiempo real. Al mismo tiempo, un sistema RAG de Gemma local y de código abierto usa la búsqueda de vectores para asignar esas anomalías directamente a las políticas fiscales. Esto garantiza el cumplimiento contextual y la auditabilidad completa, sin realizar llamadas a la API externa ni mover datos fuera del límite soberano.
Para implementar esta solución, sigue la implementación de referencia que se incluye con Terraform.
Público objetivo
Esta solución está diseñada para las autoridades fiscales nacionales o las agencias financieras reguladas. Está dirigida a las siguientes partes interesadas:
- Auditores y agentes de investigación fiscal que revisan los paneles en tiempo real para investigar las anomalías marcadas y usan el asistente de IA de Gemma fundamentado para generar resúmenes de casos rastreables
- Funcionarios de cumplimiento que administran de forma centralizada la base de conocimiento legal del sistema subiendo e indexando documentos oficiales de política fiscal dentro de una interfaz local segura
- Científicos de datos que acceden de forma segura a los datos sin procesar con entornos de Jupyter alojados en GKE para entrenar, validar y volver a implementar de forma iterativa los modelos de detección de anomalías
Capacidades principales
- Detección de anomalías soberana: Usa BigQuery ML para analizar conjuntos de datos masivos y marcar anomalías de alto riesgo de forma instantánea, lo que garantiza que los datos nunca salgan del límite soberano.
- Generación mejorada por recuperación (RAG): Ejecuta búsquedas de vectores semánticos en las bibliotecas de políticas internas para proporcionar estadísticas fundamentadas y contextuales con el LLM de Gemma de código abierto.
- Asistencia de IA localizada: Genera resúmenes de incumplimientos de políticas a través de un asistente de IA que se ejecuta por completo dentro del perímetro regional.
- Administración de conocimiento dinámico: Mantén una base de datos de cumplimiento actualizada indexando las reglamentaciones oficiales como incorporaciones de vectores para su uso inmediato en las canalizaciones de RAG.
- Internacionalización dinámica: Cambia de forma instantánea el idioma de la IU entre inglés, francés y alemán sin recargas ni reinicios.
Arquitectura
Esta arquitectura aprovecha BigQuery ML y una canalización de RAG con el LLM de Gemma para ofrecer una detección de anomalías fiscales segura y contextual.
Componentes
En esta solución, se usan las siguientes tecnologías y Cloud de Confiance by S3NS servicios:
| Componente | Tecnología | Objetivo |
|---|---|---|
| Datos | Python | Genera datos fiscales (TRAINING/NEW_FILING). |
| Modelo | BigQuery ML | Regresión logística para la detección de anomalías |
| LLM | Gemma | Modelo de código abierto que proporciona estadísticas contextuales fundamentadas en la política fiscal oficial |
| RAG | BigQuery | Búsqueda de vectores para la coincidencia semántica y la fundamentación de RAG |
| Infraestructura de contenedores | GKE | Infraestructura de contenedores para la aplicación de la oficina de impuestos y el servidor de JupyterHub |
| Análisis | Jupyter | Notebook para el entrenamiento y el análisis o la validación de modelos de AA |
| App | Flask | App web para la visualización de predicciones |
Implementación de referencia
En GitHub, se proporciona una implementación de referencia de esta solución con Terraform. Ten en cuenta que este es un prototipo de prueba de concepto creado con fines de demostración, y la implementación no se audita ni se protege para casos de uso de producción.
Para obtener información sobre los requisitos previos y las instrucciones de implementación, consulta Detección de anomalías fiscales soberanas con BigQuery ML y Gemma.