El caso Lili Pink: Lo que detectó ‘el ojo de la DIAN’

Representación gráfica del Ojo de la DIAN analizando datos
Comparte este artículo:
🕐 Tiempo de lectura: 7 minutos

El lunes 27 de abril de 2026, Colombia amaneció con la noticia de uno de los operativos más grandes contra el sector textil en la historia reciente del país. Más de 400 locales comerciales de Lili Pink fueron intervenidos simultáneamente en 59 municipios de 25 departamentos.

La marca que había democratizado la moda íntima femenina en Colombia enfrentaba ahora un proceso de extinción de dominio por presuntos delitos de contrabando y lavado de activos superiores a $730,000 millones de pesos.

Aunque más allá del escándalo mediático y las cifras millonarias, este caso nos enseña algo que debería despertar las alertas de cualquier empresa en Colombia, independientemente de su tamaño o sector; y es la capacidad actual de la DIAN para detectar inconsistencias en la información tributaria incluso sin necesidad de ir a auditar.

Lo que le pasó a Lili Pink no fue producto de una denuncia anónima ni de una auditoría aleatoria. Fue el resultado de un sistema de detección automatizado (del que ya hemos hablado) que identificó patrones irregulares en datos tributarios, cruces de información que no coincidían, y alertas que se fueron acumulando hasta derivar en una investigación que hoy sacude al sector comercial.

¿Cómo la DIAN descubrió todo?

Según información revelada por diversos medios, el origen de esta investigación se remonta a 2022, cuando un sistema interno de monitoreo conocido como “el Ojo de la DIAN” comenzó a generar alertas sobre movimientos irregulares.

Este sistema, que explicamos en detalle en nuestra entrada sobre cómo la DIAN detecta inconsistencias en facturación electrónica, cruza información tributaria en tiempo real y vigila el uso de las plataformas internas por parte de funcionarios. En el caso de Lili Pink, detectó:

  • Accesos inusuales a bases de datos oficiales por parte de funcionarios que no correspondían con sus funciones asignadas.
  • Solicitudes repetidas de devolución de IVA que no seguían patrones habituales del sector textil.
  • Consultas irregulares sobre contribuyentes específicos sin justificación aparente.
  • Inconsistencias entre información exógena reportada por terceros y las declaraciones presentadas por las empresas investigadas.

Estas señales no surgieron de un día para otro. Se fueron acumulando durante meses hasta que el sistema generó suficientes alertas como para justificar una investigación profunda. Para cuando la Fiscalía ejecutó el operativo de abril de 2026, la DIAN ya tenía documentado un presunto esquema que habría operado durante aproximadamente dos décadas.

Representación gráfica de cómo la DIAN descubrió todo en el caso Lili Pink

¿Cuál fue el esquema irregular detectado?

Según la Fiscalía General de la Nación, el caso no se trata únicamente de contrabando de mercancía textil. El presunto esquema habría combinado múltiples maniobras que, desde la perspectiva de control tributario, son exactamente el tipo de inconsistencias que el sistema de la DIAN está diseñado para detectar:

Empresas de papel como proveedoras. La investigación identificó compañías constituidas en serie que simulaban operaciones comerciales legales pero que en realidad no tenían capacidad operativa real. Estas empresas emitían facturas con IVA incluido por operaciones que no existían.

Solicitudes de devolución de IVA sin respaldo. Con esas facturas, se habrían presentado solicitudes de devolución ante la DIAN, argumentando que la empresa había asumido ese impuesto en su cadena productiva. El sistema detectó que esas solicitudes no coincidían con operaciones verificables dentro del sector.

Subfacturación de mercancía importada. Productos que ingresaban al país declarando valores inferiores a su costo real, lo que reducía artificialmente los impuestos de importación y generaba diferencias entre lo que entraba y lo que posteriormente se vendía.

Inconsistencias entre facturación y declaraciones. Diferencias entre lo que las empresas reportaban en su facturación electrónica y lo que declaraban en sus obligaciones tributarias.

Cada una de estas maniobras, vista individualmente, genera alertas en el sistema de cruce de información de la DIAN. Combinadas y sostenidas en el tiempo, crean un patrón que el sistema marca como de alto riesgo y que eventualmente deriva en investigación.

Representación de las presuntas empresas falsas mencionadas en el caso Lili Pink

Por qué esto no solo le pasa a quienes cometen fraude

Aquí está el punto al que más atención deberían prestarle las empresas sin importar su tamaño o sector. El sistema de la DIAN no distingue entre inconsistencias intencionales (como las que presuntamente habría cometido Lili Pink) e inconsistencias no intencionales derivadas de errores operativos, descoordinación interna, o procesos mal diseñados.

Para el algoritmo que cruza información, una inconsistencia es una inconsistencia. Una diferencia de $10 millones entre tu facturación electrónica y tu declaración de IVA genera la misma alerta que una diferencia de $100 millones. El sistema no juzga intencionalidad. Solo identifica las diferencias que superan los umbrales establecidos.

Esto significa que una empresa completamente legítima, sin ninguna intención de evasión, puede terminar en el radar de la DIAN simplemente porque:

  • Olvidó procesar una factura a tiempo y eso generó diferencias entre períodos
  • Clasificó incorrectamente una operación y eso distorsionó la información reportada
  • Recibió una factura duplicada que alguien procesó dos veces
  • No generó oportunamente los eventos RADIAN y eso impidió que las facturas fueran reconocidas como soporte válido
  • Tiene diferencias entre lo que reportan sus medios de pago electrónicos y lo que declara, simplemente porque los procesos internos no están sincronizados

Como explicamos en nuestra entrada sobre cómo la DIAN detecta inconsistencias, el sistema cruza facturación electrónica, declaraciones tributarias, información exógena, reportes de medios de pago, y datos de terceros. Cualquier discrepancia entre estas fuentes genera una señal.

Si esa señal se repite, si el margen de diferencia es significativo, o si el sector de la empresa está bajo mayor vigilancia, la probabilidad de que esa inconsistencia derive en un requerimiento o visita aumenta considerablemente.

El costo de las inconsistencias no intencionales

El caso de Lili Pink involucra cifras millonarias y un presunto esquema deliberado. Pero para una empresa promedio, las consecuencias de inconsistencias no intencionales pueden ser igualmente graves en proporción a su tamaño:

Solicitudes de información que consumen tiempo.

Cuando la DIAN detecta una inconsistencia, puede solicitar explicaciones, soportes, y aclaraciones que obligan al área contable a dejar todo y dedicarse a reconstruir información de meses atrás.

Sanciones tributarias por errores de forma.

Incluso si la empresa puede demostrar que no tenía intención de evadir, existen sanciones por presentación de información inexacta, por no generar eventos RADIAN oportunamente, o por diferencias no justificadas entre declaraciones.

Imposibilidad de deducir costos o descontar IVA.

Si las facturas no cumplen con todos los requisitos (incluyendo la generación de eventos cuando corresponde) la empresa pierde el derecho a utilizar esas facturas como soporte, lo que aumenta artificialmente su carga tributaria.

Representación gráfica de cómo llevar todo en orden para evitar inconsistencias con la DIAN

¿Qué pueden hacer las empresas para evitar estas inconsistencias?

La lección del caso Lili Pink no es que todas las empresas están bajo sospecha o que la DIAN está buscando problemas donde no los hay. La lección es que el nivel de trazabilidad y cruce de información que existe hoy requiere que las empresas operen con procesos que garanticen consistencia desde el origen.

Mantener la sincronización entre sistemas

Si tu ERP dice una cosa, tu facturación electrónica dice otra, y tus declaraciones dicen una tercera, tarde o temprano esas diferencias van a generar alertas. Los datos deben fluir de forma integrada desde la operación hasta la declaración.

Validar la información antes de que salga de la empresa

 Es más fácil detectar y corregir un error internamente antes de presentar una declaración que tener que explicarle a la DIAN por qué los números no cuadran meses después.

Generar los eventos RADIAN oportunamente

Como explicamos en detalle en nuestra entrada sobre los eventos título valor, estos eventos no son opcionales para la facturación. Sin ellos, las facturas pierden validez como soporte fiscal.

Llevar trazabilidad completa de cada factura

Desde que llega hasta que se contabiliza, cada factura debe tener un registro claro de quién la recibió, quién la validó, qué se hizo con ella, y en qué momento se procesó. Si la DIAN pregunta por una factura específica, la empresa debe poder responder inmediatamente.

Detectar las inconsistencias antes de contabilizar

Si tu empresa puede detectar internamente que hay una diferencia entre lo que está facturando y lo que va a declarar, puede corregirla antes de que se convierta en una inconsistencia oficial.

En empresas con alto volumen de operaciones, mantener esta consistencia de forma manual es prácticamente imposible. El riesgo de que algo se pierda, se digite mal, se procese dos veces, o simplemente no se registre, aumenta proporcionalmente con el volumen de facturas.

Sistemas que centralizan la recepción de facturas (como el software de AI Automation), validan automáticamente su información, detectan duplicados antes de que entren al flujo, organizan los datos con lógica contable, y mantienen trazabilidad completa de cada documento, reducen dramáticamente la probabilidad de que existan inconsistencias entre lo que la empresa opera y lo que declara.

La detección de la DIAN: un sistema que llegó para quedarse

El caso de Lili Pink estará en los titulares por semanas. Involucra cifras millonarias y consecuencias que afectan a miles de empleados y proveedores. Pero la realidad de fondo es que este tipo de detección no es excepcional. Es el nuevo estándar.

Como documentamos en nuestra entrada sobre cómo la DIAN detecta inconsistencias, la entidad está ejecutando jornadas masivas de presencia institucional, visitando miles de contribuyentes en operativos simultáneos, y todo esto basado en análisis previo de datos que identifica dónde hay señales de alerta.

No es cuestión de persecución. El caso de Lili Pink solo es un ejemplo a gran escala de cómo el sistema tributario evolucionó de auditorías posteriores esporádicas a una detección preventiva continua. Y ese sistema (El Ojo de la DIAN), no va a retroceder.

Para las empresas, esto significa que ya no pueden operar bajo la lógica de “corregir si me revisan”. La revisión es constante, automatizada, y no requiere que un funcionario llegue físicamente a la empresa para identificar que algo no cuadra.

Así que si tu empresa tiene procesos que probablemente desencadenen en inconsistencias (aunque no sean intencionales) es cuestión de tiempo para que la DIAN las detecte. Por eso, el objetivo es poder sostener la coherencia entre todos los datos que la empresa genera.

Acerca del autor

¿Quieres conocer cómo funciona nuestro producto de automatización con IA en tus procesos empresariales?

Déjanos tus datos para programar una cita con nuestro equipo. Analizaremos tu flujo actual y te prepararemos un demo personalizado. Es el primer paso para automatizar con inteligencia.

Al suscribirte aceptas nuestra política de tratamiento de datos.

Picture of Esteban Villegas

Esteban Villegas

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

¿Quieres conocer cómo funciona nuestro producto de automatización con IA en tus procesos empresariales?

Déjanos tus datos para programar una cita con nuestro equipo. Analizaremos tu flujo actual y te prepararemos un demo personalizado. Es el primer paso para automatizar con inteligencia.

Al suscribirte aceptas nuestra política de tratamiento de datos.

Representación gráfica del Ojo de la DIAN analizando datos
Comparte este artículo:

Acerca del autor

Picture of Esteban Villegas

Esteban Villegas

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Artículos relacionados

Suscríbete a nuestro
AI Simplified Blog

Aprende fácilmente sobre la Inteligencia Artificial y su impacto en tus entornos empresariales, educativos y personales.

Ingresa tu correo y recibe las actualizaciones del blog.

Al suscribirte aceptas nuestra política de tratamiento de datos.