Fiscalidad internacional e IA
Identification of Unconventional Patterns in Double Taxation Agreements: An Analysis Based on AI-Assisted Natural Language Processing Models
Trabajo de Fin de Grado en ADE · Universidad Complutense de Madrid · Matrícula de Honor (Top 1 %) · Premio de Emprendimiento Universitario UCM 2025
Análisis comparado de los convenios para evitar la doble imposición suscritos por España con distintos países económicamente relevantes, contrastados con el Modelo de Convenio de la OCDE (2017), con el objetivo de identificar cláusulas atípicas y patrones no convencionales derivados de negociaciones bilaterales concretas.
El estudio emplea técnicas de procesamiento del lenguaje natural e ingeniería de prompts sobre un modelo de lenguaje de gran tamaño, evaluando su capacidad para sistematizar el análisis comparado y para detectar divergencias respecto del texto modelo.
El trabajo obtuvo Matrícula de Honor (Top 1 %) y fue distinguido en los XIII Premios de Emprendimiento Universitario UCM 2025 por su potencial como proyecto legaltech.
Fuentes
- Modelo de Convenio Tributario sobre la Renta y sobre el Patrimonio de la OCDE (2017).
- Convenios para evitar la doble imposición suscritos por España.
Cómo citar este trabajo
DÍAZ-HEREDERO LÓPEZ, G., «Identification of Unconventional Patterns in Double Taxation Agreements: An Analysis Based on AI-Assisted Natural Language Processing Models», DÍAZ-HEREDERO Legal & Tax, 2025. Disponible en: https://diazheredero-web.pages.dev/es/investigacion/patrones-no-convencionales-convenios-doble-imposicion/ (última consulta: dd/mm/aaaa).
Los contenidos publicados tienen carácter informativo y no constituyen asesoramiento individualizado. No sustituyen el análisis de un caso concreto ni la revisión de la documentación correspondiente.