Η τεχνητή νοημοσύνη στη μάχη κατά της φοροδιαφυγής

Οι φοροφυγάδες αποκαλύπτονται με τη χρήση έξυπνων εργαλείων – διασταυρώσεων

Τη δυνατότητα να εντοπίζει κρυφά εισοδήματα με τη χρήση τεχνητής νοημοσύνης έχει πλέον ΑΑΔΕ. Οι φοροφυγάδες αποκαλύπτονται με τη χρήση έξυπνων εργαλείων – διασταυρώσεων, ενώ ταυτόχρονα η τεχνητή νοημοσύνη θα διευκολύνει τους φορολογουμένους στη συμπλήρωση των δηλώσεών τους, προσφέροντας εξατομικευμένη βοήθεια, ελαχιστοποιώντας λάθη και παραλείψεις.

Ο φοροελεγκτικός μηχανισμός θα έχει τη δυνατότητα να εντοπίζει φορολογητέα ύλη με την ανάλυση μεγάλων δεδομένων από διάφορες πηγές, όπως τραπεζικές συναλλαγές, ψηφιακές δημόσιες πλατφόρμες και μέσα κοινωνικής δικτύωσης, ανιχνεύοντας συμπεριφορικά προφίλ, όπως ασυνήθιστες συναλλαγές ή μεταφορές χρημάτων και πληρωμές μέσω καρτών σε μη καταχωρημενους πωλητές, που συνδέονται συχνά με μη καταγεγραμμένη οικονομική δραστηριότητα μέσω πλατφορμών στη λεγόμενη οικονομία διαμοιρασμού. Η τεχνητή νοημοσύνη μπορεί να εντοπίζει ακόμα και ασυνήθιστες αποκλίσεις στα εισοδήματα πολιτών και επιχειρήσεων, όπως η μη αναλογία μεταξύ των εισοδηματικών πηγών και των δαπανών.

Η ΑΑΔΕ έχει ήδη ενσωματώσει προγράμματα τεχνητής νοημοσύνης και data mining στη λειτουργία της, ενώ υλοποιεί και έργα με χρηματοδότηση από το Ταμείο Ανάκαμψης και Ανθεκτικότητας για την αξιοποίηση τεχνολογιών τεχνητής νοημοσύνης και άλλων προηγμένων εργαλείων ανάλυσης δεδομένων από τη φορολογική διοίκηση για τη διενέργεια έξυπνων διασταυρώσεων.

Τα δεδομένα που εξάγονται οδηγούν σε στοχευμένους φορολογικούς ελέγχους:

ΔΙΑΒΑΣΤΕ ΑΚΟΜΗ

Θεσσαλονίκη: Κατσαρίδες, μουχλιασμένα φαγητά και ξυλοδαρμοί στην κλινική με τις «κρυφές» χημειοθεραπείες

1. Προβλέποντας φορολογικές παραβάσεις, με τη χρήση μοντέλων μηχανικής μάθησης για την εκτίμηση του κινδύνου φορολογικών παραβάσεων, βασιζόμενοι σε προηγούμενα μοτίβα συμπεριφοράς, που ενδέχεται να υποδεικνύουν φορολογική απάτη.

2. Αναπτύσσοντας προφίλ κινδύνου για φορολογούμενους και επιχειρήσεις σχετικά με την πιθανότητα φοροδιαφυγής και φοροαποφυγής, επιτρέποντας στις φορολογικές αρχές να αποφασίζουν, να προτεραιοποιούν και να εστιάζουν τους ελέγχους σε συγκεκριμένες ομάδες.

3. Αξιολογώντας και αξιοποιώντας καταγγελίες των πολιτών για περιπτώσεις φοροδιαφυγής με αυτοματοποιημένο, γρήγορο και αποτελεσματικό τρόπο και με περισσότερες δυνατότητες συλλογής και ανάλυσης πληροφοριών.

Όπως αναφέρουν από την Ανεξάρτητη Αρχή Δημοσίων Εσόδων, με το νέο σύστημα θα ανιχνεύονται σε πραγματικό χρόνο ύποπτα περιστατικά φοροδιαφυγής και λαθρεμπορίου, ενώ οι φορολογούμενοι θα κατηγοριοποιούνται ανάλογα με τη συμπεριφορά τους – π.χ. στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κ.λπ.

Η τεχνητή νοημοσύνη μπορεί εύκολα να εντοπίζει ύποπτες αποκλίσεις μεταξύ εσόδων και δαπανών νοικοκυριών και επιχειρήσεων ενώ θα συμβάλλει και στη δημιουργία αυτοματοποιημένων συστημάτων υποβοήθησης κατά τη δήλωση φόρων. Αυτά τα συστήματα μπορούν να διευκολύνουν τους φορολογουμένους στη συμπλήρωση των δηλώσεών τους, προσφέροντας εξατομικευμένη βοήθεια με ακρίβεια και ευκολία, ελαχιστοποιώντας λάθη και παραλείψεις. Επίσης παρέχουν συμβουλευτική υποστήριξη στους φορολογούμενους για τη συμμόρφωσή τους με τους φορολογικούς κανόνες, διευκολύνοντας τη συμμόρφωση.

Το έργο που υλοποιείται με πόρους του Ταμείου Ανάκαμψης περιλαμβάνει:

• Διασύνδεση με τα πληροφοριακά συστήματα του ελέγχου: Παροχή δεδομένων για την υλοποίηση έμμεσων τεχνικών ελέγχων και ελεγκτικών διασταυρωτικών επαληθεύσεων.
• Ανάλυση δεδομένων για σκοπούς στόχευσης ελέγχων: Αντληση και ανάλυση δεδομένων της ΑΑΔΕ σε συνδυασμό με δεδομένα από εξωτερικές πηγές (παγκόσμιος ιστός, κοινωνικά δίκτυα, ανοιχτά δεδομένα κ.λπ.) για την αποδοτικότερη επικαιροποίηση ανάλυσης κινδύνων στη στόχευση και προτεραιοποίηση των ελέγχων, σε συμφωνία και προς επίτευξη των στόχων του στρατηγικού και επιχειρησιακού σχεδίου της ΑΑΔΕ.
• Έγκαιρη ανίχνευση περιστατικών φοροδιαφυγής: Ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου.
• Ανακάλυψη δυναμικών σχέσεων μεταξύ των φορολογουμένων: Οπως έχει αποδειχθεί από εφαρμογές άλλων ευρωπαϊκών χωρών είναι πολύ σημαντικό βήμα για την εύρεση απάτης και φοροδιαφυγής.
• Κατηγοριοποίηση φορολογουμένων: Κατηγοριοποίηση της αναμενόμενης συμπεριφοράς φορολογουμένων π.χ. στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κ.λπ.
• Profiling φορολογουμένων: Εύρεση μη εμφανών ομοιοτήτων μεταξύ των φορολογουμένων όπως προκύπτουν έπειτα από δημογραφική, οικονομική και συμπεριφορική ανάλυση του συνόλου του πληθυσμού των φορολογουμένων. Χρησιμοποιείται στην εκτίμηση κινδύνου και σε άλλες περιπτώσεις χρήσης.
• Εκτίμηση ρίσκου και αξιολόγηση κινδύνου: Αξιολόγηση των φορολογουμένων ως προς το ρίσκο μη πληρωμής.
• Πρόβλεψη εσόδων και οφειλών: Πρόβλεψη εσόδων και οφειλών συνολικά και ανά φορολογούμενο ή ανά ΔΟΥ, ανά γεωγραφική περιοχή, ανά επάγγελμα, ή οποιαδήποτε άλλη διάσταση βάσει των ιστορικών στοιχείων συμπεριφοράς των φορολογουμένων.

Πηγή: newsbeast.gr