UIF

UIF — Sanciones: partes

Personas y empresas sancionadas por la UIF, con CUIT/DNI validado.

RegulatorioPLA/FT — AML

Qué incluye

27 columnas documentadas
Formato Parquet y CSV
Cobertura 2010 a presente
Actualización mensual
Acceso por descarga, API y MCP
Schema versionado y trazable a la fuente

Casos de uso

¿Figura esta persona o empresa (por CUIT/DNI exacto) como sancionada en una resolución UIF?
¿Qué directores u oficiales de cumplimiento fueron sancionados junto con una entidad?
¿Qué montos de multa impuso la UIF y a qué personas/entidades?
¿Hay CUITs publicados por la UIF con dígito verificador inválido (error de fuente)?
¿Qué partes fueron absueltas (total o parcialmente) en cada acto?
¿Qué filas requieren revisión manual antes de confiar en su clasificación/identificador?

Columnas27

Columna	Tipo	Descripción	Unidad
parte_id	String	Clave primaria determinística (sha1 de acto_url\|nombre\|cuit_o_dni, 16 hex). Estable → upsert idempotente.	—
acto_url	String	URL del PDF de la resolución sancionatoria. Clave de join con data_uif_pla_ft_sanciones.acto_url.	—
acto	String	Referencia humana del acto sancionatorio (ej. 'RESAP UIF N°05/26'), tal como figura en data_uif_pla_ft_sanciones.	—
expediente	String	Número de expediente, extraído verbatim del PDF (auxiliar de auditoría).	—
resolucion	String	Identificación de la resolución tal como figura en el PDF (auxiliar de auditoría; puede duplicar `acto`).	—
nombre	String	Nombre completo o razón social de la parte, tal como figura en la dispositiva.	—
tipo	String	'fisica' (persona humana) o 'juridica' (sociedad/entidad).	—
cuit	String	CUIT canónico (11 dígitos sin separadores) extraído verbatim del PDF. Null si la parte no tiene CUIT en el texto (típico de directores, sólo DNI). Validar con cuit_valido.	—
dni	String	DNI, SIEMPRE 8 dígitos (relleno con 0 a la izquierda si el documento traía 7 — es la forma que el CUIT de persona física define, dígitos 3-10, Ley 11.683; misma forma que usan el informe por CUIT y el grafo). El containment verbatim contra el PDF se chequea con los dígitos tal como aparecen en el documento, ANTES del relleno. Null si no figura o no tiene forma válida. Sin dígito verificador propio — ver dni_baja_confianza; si hay CUIT de persona física en la misma fila, sí se valida contra el DNI que ese CUIT embebe (revisar si no coincide).	—
rol	String	Rol/cargo de la parte según el texto (ej. 'oficial de cumplimiento', 'miembro del órgano de administración', 'sujeto obligado'). Null si no se indica.	—
clasificacion	String	'sancionado' o 'absuelto'. Taxonomía de negocio vigente — es lo que decide el pipeline de extracción (ver disposicion para el campo derivado/legacy).	—
absuelto_parcialmente	Boolean	true si, dentro de la MISMA resolución, la parte está absuelta de un cargo y sancionada de otro (va clasificacion='sancionado' + este flag). Siempre implica revisar=true.	—
disposicion	String	DERIVADO de clasificacion+monto_multa: 'sancionado_multa', 'responsable', 'absuelto' (más 'prescripto'/'fallecido'/'sobreseido', valores legacy que el pipeline vigente ya no emite). Se mantiene por compatibilidad con un consumidor interno del grafo de entidades — no usar como fuente de verdad para código nuevo.	—
monto_multa	Float64	Monto de la multa en pesos (ARS, unidades base). Null si a la parte no se le impone multa.	—
cuit_valido	Boolean	True/False según el dígito verificador IRAM 5160 del CUIT final (tras reparación si hizo falta). Null si la parte no tiene CUIT resuelto.	—
cuit_origen	String	Cómo se obtuvo el CUIT final: 'leido' (verbatim, sin intervención), 'reparado_homoglifo' (letra confundible con un dígito corregida porque el candidato pasa módulo 11), 'reconciliado_multiples_citas' (el documento citaba el mismo CUIT más de una vez con caracteres distintos; se resolvió con certeza). Null si no hay CUIT.	—
dni_origen	String	Cómo se obtuvo el DNI final: 'leido' (verbatim) o 'reconstruido_desde_cuit' (derivado de los dígitos 3-10 de un CUIT de persona física ya validado, Ley 11.683 — certeza matemática). Null si no hay DNI.	—
identificador_variantes	String	Citas crudas del identificador vistas en el documento cuando hubo más de una (reconciliadas o no) — auditoría de la reparación. Null si sólo hubo una cita.	—
identidad_corroborada_por	String	Fuente(s) externa(s) (arca/rns/igj/bora_cuit por CUIT, bora_dni por DNI — separadas por coma) cuyo nombre registrado para el identificador coincide con el extraído del PDF — corroboración independiente. bora_* = data_gold_sociedades_personas, la única fuente que alcanza a personas físicas (por dni). Null si ninguna fuente lo confirma (match exacto de tokens tras normalizar; un nombre incompleto o una denominación truncada por la fuente no cuenta como no-corroboración, queda null también). NUNCA se usa para poner un identificador que el PDF no trae — es sólo verificación.	—
cita_articulo	String	Frase verbatim (máx ~200 caracteres) del artículo dispositivo que sustenta la clasificación — evidencia de auditoría, no pensada para mostrar al cliente final.	—
cita_verbatim	Boolean	true si cita_articulo aparece literal en el texto (tolerando pies de página interpuestos por saltos de página). Informativo — NO dispara revisar.	—
revisar	Boolean	true cuando el identificador NO resolvió con certeza (forma inválida, no verbatim, módulo 11 fallido, más de un candidato tras reconciliar), DNI de OCR sin corroborar, DNI/CUIT algebraicamente inconsistentes, dispositiva no ubicada, o clasificación posiblemente ambigua. Ver revisar_motivo. absuelto_parcialmente y cita_verbatim=false NO disparan este flag.	—
revisar_motivo	String	Explicación en texto de por qué revisar=true. Null cuando revisar=false.	—
fuente_texto	String	'nativo' (capa de texto digital del PDF) o 'ocr' (render + reconocimiento local, PDF escaneado sin capa de texto, ~15% del corpus).	—
dni_baja_confianza	Boolean	true cuando dni no es null y fuente_texto='ocr'. El DNI no tiene dígito verificador — un DNI mal reconocido por OCR no lo caza ningún invariante de forma; para screening de alto impacto, confirmar contra el PDF.	—
extraccion_modelo	String	Modelo LLM usado para extraer las partes (provenance/reproducibilidad).	—
snapshot_date	Date	Fecha del snapshot (AR-universal). Discrimina re-extracciones.	ISO 8601 YYYY-MM-DD

Pueden invalidar un análisis ingenuo. Documentadas como parte del control de calidad.

disposicion es un campo DERIVADO/legacy — usar clasificacion

disposicion (sancionado_multa/responsable/absuelto/prescripto/ fallecido/sobreseido) existe por compatibilidad con un enriquecimiento interno del grafo de entidades de Almanac que ya lo consume; se deriva automáticamente de clasificacion + monto_multa. Para cualquier uso nuevo, usar clasificacion (sancionado/absuelto), que es la taxonomía vigente y la que efectivamente decide el pipeline de extracción.

CUIT/DNI extraído del PDF — verbatim + validado, no es dato de la UIF en estructurado

El CUIT/DNI no figura en el listado oficial de la UIF; se extrae del texto del PDF de la resolución con un LLM y se valida determinísticamente (debe estar textual en la fuente + dígito verificador IRAM para CUIT). El campo extraccion_modelo registra el modelo usado. Verificar siempre contra el PDF original (acto_url) para usos de alto impacto.

cuit_valido = false: el CUIT se MANTIENE, no se descarta — pero no lo tomes como bueno

Cuando cuit_valido es false, el CUIT está textual en el PDF pero su dígito verificador no cierra — típicamente un error de la UIF al transcribir el CUIT en la resolución (aunque también puede ser un error de OCR sobre un PDF escaneado, ver fuente_texto). La fila queda con revisar=true. No usar ese CUIT como identificador confiable de screening sin revisión manual contra el PDF.

DNI sin dígito verificador — fuente_texto y dni_baja_confianza son la única defensa

A diferencia del CUIT, el DNI argentino no tiene dígito verificador: no hay forma determinística de detectar un DNI mal leído. fuente_texto ('nativo'|'ocr') y dni_baja_confianza (true cuando el DNI viene de un documento OCR-eado) son la señal de confianza — para screening de alto impacto, tratar dni_baja_confianza=true con mayor cautela (confirmar contra el PDF original antes de una decisión de compliance).

dni SIEMPRE mide 8 dígitos — rellenar no valida

dni se emite SIEMPRE con 8 dígitos (relleno con 0 a la izquierda si el PDF traía 7) porque es la forma que el propio CUIT de persona física define (dígitos 3-10) y la que usan el informe por CUIT y el grafo — un join que compara sin normalizar pierde hasta 20% de la población que sólo tiene DNI (medido, hallazgo del dueño 2026-07-28). El relleno NO es una validación: un DNI de 7 dígitos al que le falta un dígito del medio también mide 7 y también se rellena. La única red determinística es cruzar contra el CUIT cuando hay uno en la misma fila (dígitos 3-10 del CUIT deben igualar el DNI) — si no coincide, la fila queda revisar=true con motivo "algebraicamente inconsistentes", el DNI NUNCA se pisa con el valor que el CUIT sugiere. Al consultar data_gold_sociedades_personas (que en la fuente mide entre 4 y 8 dígitos sin relleno consistente) para cotejar identidad, la comparación normaliza los DOS lados (lpad sobre la columna de la fuente) — filtrar por igualdad cruda ahí también pierde casos.

Directores suelen venir sólo con DNI, no CUIT

Las personas físicas (miembros del órgano de administración, oficiales de cumplimiento) frecuentemente aparecen con DNI y sin CUIT. Para esas filas cuit es null y cuit_valido es null; el screening por persona física se hace por dni.

revisar=true no significa 'descartado' — significa 'no confiar sin revisión'

Una fila con revisar=true SIGUE en la tabla con su clasificación; el identificador puede haber quedado null (no resolvió con certeza) o presente con una inconsistencia real (ej. DNI/CUIT algebraicamente distintos). revisar_motivo explica el porqué. Para uso de compliance de alto impacto, excluir revisar=true o revisar manualmente contra el PDF. Recalibrado 2026-07-28: absuelto_parcialmente y que cita_articulo no groundee verbatim YA NO disparan revisar (son dato/ evidencia, no una amenaza a la corrección — ver esos campos).

cuit_origen/dni_origen: un valor reparado no es lo mismo que uno leído tal cual

leido = verbatim, limpio, una sola cita. reparado_homoglifo = el PDF citaba una letra confundible con un dígito (ej. "O" por "0") en la posición del dígito verificador; se aceptó porque el candidato pasa módulo 11. corroborado_multiples_citas = el CUIT aparece más de una vez en el documento pero TODAS las citas dicen lo mismo (confirmación redundante, no hubo nada que reparar — típico cuando la misma persona aparece en dos artículos por absuelto_parcialmente). reparado_conflicto_citas = las citas SÍ discrepan entre sí (caso real: Cushamen, "O" en un artículo y "0" en otro); se resolvió porque exactamente un candidato pasa módulo 11 (identificador_variantes guarda las citas crudas). desempatado_por_identidad = dos candidatos pasaban módulo 11; una fuente externa (arca/rns/igj/bora_cuit) desempató porque el nombre matcheaba inequívoco a uno solo — en la práctica casi nunca pasa (módulo 11 admite un solo dígito válido por prefijo de 10 dígitos). reconstruido_desde_cuit (sólo dni_origen) = el DNI no estaba escrito aparte; se derivó de los dígitos 3-10 de un CUIT de persona física YA validado — certeza matemática (Ley 11.683), no una lectura de OCR/LLM. Ninguna reparación inventa un valor que no esté verbatim en el documento — ver identificador_variantes para auditar cada caso.

identidad_corroborada_por es VERIFICACIÓN, no enriquecimiento — y el match es deliberadamente conservador en ambos sentidos

Se coteja el CUIT ya resuelto contra data_arca_padron_contribuyentes/ data_justicia_rns_sociedades/data_justicia_igj_entidades/ data_gold_sociedades_personas (por columna cuit, clave bora_cuit; match exacto de tokens tras normalizar — nunca difuso). El DNI se coteja ADEMÁS contra data_gold_sociedades_personas por columna dni (clave bora_dni) — es la ÚNICA de las cuatro fuentes que corrobora personas físicas (directores/oficiales de cumplimiento, la población que este dataset agrega); arca/rns/igj son padrones de sociedades/contribuyentes por CUIT y no alcanzan ahí. Si el PDF no trae un identificador, JAMÁS se lo pone desde estas fuentes. Cuando el identificador pasa el dígito verificador (o no tiene uno, caso DNI) pero una fuente externa tiene un nombre COMPLETAMENTE distinto (intersección de tokens vacía — el criterio de "distinto" es a propósito más laxo que el de "coincide": exigir igualdad exacta para la contradicción daba 20/152 falsos positivos en la muestra de 40 — nombre incompleto en el PDF vs nombre completo en la fuente, ARCA truncando denominacion a un largo fijo, abreviaturas no cubiertas), se marca revisar con motivo propio — es el error que módulo 11 solo no puede ver (un dígito mal leído que da OTRO identificador válido). Medido sobre la muestra de 40 con las cuatro fuentes: 0 contradicciones nuevas por DNI, 19/152 DNI corroborados por bora_dni (0 antes de sumar esta fuente — CUIT/RNS/IGJ dejaban sin cobertura exactamente a la población que este dataset agrega); los 4 casos con intersección vacía (todos por CUIT) son 2 renombres históricos conocidos de la entidad (mismo CUIT, otro nombre comercial vigente — HSBC Argentina -> Banco Galicia, BBVA Banco Francés -> BBVA Argentina; no es un error), 1 caso de palabras pegadas en la extracción del PDF ("MUNDOBURSÁTIL" sin espacio) y 1 de un nombre legal muy largo truncado por ARCA. Ninguno era realmente "otro identificador válido por error de lectura". Cobertura: data_arca_padron_contribuyentes NO tiene ~26% de los CUIT conocidos por Almanac (medido en otro contexto) — un identificador sin corroboración de ninguna fuente no es sospechoso por eso solo, sólo significa que ninguna de las cuatro fuentes disponibles lo tiene registrado con un nombre exactamente igual.

cita_verbatim es informativo — no confundir con revisar

cita_verbatim=false significa que la frase citada como evidencia no aparece contigua en el texto extraído — la causa dominante medida es un pie de página del tipo '20XX - Año de/del ...' interpuesto a mitad de frase por un salto de página del PDF, no una alucinación del modelo (verificado contra el PDF en varios casos: CUIT/DNI/clasificación seguían correctos). No dispara revisar; es evidencia de auditoría interna, nunca se expone al cliente.

Dato personal de fuente pública — Ley 25.326

El nombre, CUIT y DNI de una persona física sancionada son datos personales (Ley 25.326), aun de fuente pública. Su publicación por la UIF está amparada en el ejercicio de sus funciones; el uso debe limitarse a compliance regulatorio y screening AML/CFT.