Skip to main content

Πώς η εφορία θα προβλέπει τη φοροδιαφυγή

Το σχέδιο της ΑΑΔΕ για ενσωμάτωση της ΑΙ στη λειτουργία του φοροελεγκτικού και φοροεισπρακτικού μηχανισμού

Μοντέλα πρόβλεψης φαινομένων φοροδιαφυγής και στοχευμένους φορολογικούς ελέγχους εξ αποστάσεως κατόπιν ανάλυσης τεράστιου όγκου δεδομένων προβλέπει το σχέδιο της Ανεξάρτητης Αρχής Δημοσίων Εσόδων για την αξιοποίηση της τεχνητής νοημοσύνης στη λειτουργία του φοροελεγκτικού και φοροεισπρακτικού μηχανισμού.

Στην πλήρη εξέλιξή του το σχέδιο προβλέπει ακόμη και την επαφή των φορολογουμένων όχι πλέον με εφοριακούς υπαλλήλους αλλά με συστήματα ευφυών εικονικών εξυπηρετητών που θα μιμούνται τον άνθρωπο στην ομιλία και το γράψιμο.

Η τεχνητή νοημοσύνη έχει αρχίσει να εισέρχεται για τα καλά στη λειτουργία των υπηρεσιών της Φορολογικής Διοίκησης. Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (AAΔΕ) προχωρεί στη σταδιακή ενσωμάτωση προγραμμάτων και εφαρμογών τεχνητής νοημοσύνης στον τρόπο λειτουργίας των υπηρεσιών της, με σκοπούς την απλοποίηση, την αυτοματοποίηση και την επιτάχυνση της εξυπηρέτησης των φορολογουμένων, αλλά και τη διενέργεια ταχύτερων, αντικειμενικών και αποτελεσματικών φορολογικών ελέγχων.

Τα προγράμματα και οι εφαρμογές αυτές παρέχουν δυνατότητες εξεύρεσης χρήσιμων πληροφοριών κατόπιν ανάλυσης στοιχείων από μεγάλες βάσεις δεδομένων, με χρήση αλγόριθμων ομαδοποίησης ή κατηγοριοποίησης και με αξιοποίηση των αρχών της στατιστικής και της μηχανικής μάθησης. Τα έργα που απαιτούνται υποστηρίζονται με χρηματοδότηση από το Ταμείο Ανάκαμψης και Ανθεκτικότητας.

Με τη χρήση της τεχνητής νοημοσύνης, οι υπηρεσίες της ΑΑΔΕ θα μπορούν πλέον να εξυπηρετούν ταχύτατα τους φορολογούμενους, ενώ παράλληλα θα έχουν τη δυνατότητα να διενεργούν φορολογικούς ελέγχους εξ αποστάσεως με πολύ μεγάλη ακρίβεια και αποτελεσματικότητα, καθώς θα μπορούν να αποκαλύπτουν φορολογητέα ύλη αναλύοντας μεγάλα σύνολα δεδομένων και πληροφοριών από διάφορες πηγές, όπως τραπεζικές συναλλαγές, ψηφιακές δημόσιες πλατφόρμες και μέσα κοινωνικής δικτύωσης. Ενδεικτικά, θα μπορούν να ανιχνεύουν τις συμπεριφορές και τα προφίλ των φορολογουμένων, εντοπίζοντας ασυνήθιστες συναλλαγές ή μεταφορές χρημάτων και πληρωμές μέσω καρτών σε μη καταχωρημένους πωλητές, που συνδέονται συχνά με μη καταγεγραμμένη οικονομική δραστηριότητα μέσω πλατφορμών. Επιπλέον θα αποκτήσουν τη δυνατότητα να εντοπίζουν ανωμαλίες και ασυνήθιστες αποκλίσεις στα εισοδήματα πολιτών και επιχειρήσεων, όπως η μη αναλογία μεταξύ των εισοδηματικών πηγών και των δαπανών.

Μοντέλα πρόβλεψης

Σύμφωνα με πηγές από τη διοίκηση της ΑΑΔΕ, όλα αυτά μπορούν να οδηγήσουν σε πιο στοχευμένους φορολογικούς ελέγχους, καθώς οι υπηρεσίες της Φορολογικής Διοίκησης θα μπορούν:

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

* να δημιουργούν και να μελετούν προφίλ κινδύνου για φορολογούμενους και επιχειρήσεις σχετικά με την πιθανότητα φοροδιαφυγής και φοροαποφυγής, και εν συνεχεία να αποφασίζουν, να προτεραιοποιούν και να εστιάζουν τους ελέγχους σε συγκεκριμένες ομάδες.

* να αξιοποιούν και να αξιολογούν καταγγελίες των πολιτών για περιπτώσεις φοροδιαφυγής με αυτοματοποιημένο, γρήγορο και αποτελεσματικό τρόπο και με περισσότερες δυνατότητες συλλογής και ανάλυσης πληροφοριών.

Μεσομακροπρόθεσμα με την τεχνητή νοημοσύνη προβλέπεται να αναπτυχθούν:

1) Αυτοματοποιημένα συστήματα υποβοήθησης κατά τη δήλωση φόρων. Αυτά τα συστήματα θα μπορούν να διευκολύνουν τους φορολογούμενους στη συμπλήρωση των δηλώσεών τους, προσφέροντας εξατομικευμένη βοήθεια με ακρίβεια και ευκολία, ελαχιστοποιώντας λάθη και παραλείψεις.

2) Συστήματα ευφυών εικονικών εξυπηρετητών (smart agents) που θα μπορούν να παρέχουν συμβουλευτική υποστήριξη στους φορολογούμενους για τη συμμόρφωσή τους με τους φορολογικούς κανόνες, διευκολύνοντας τη συμμόρφωση. Η εξυπηρέτηση των φορολογουμένων από τις νέες Υπηρεσίες που θα αντικαταστήσουν τις ΔΟΥ σχεδιάζεται να γίνεται όχι πλέον από εφοριακούς υπαλλήλους, αλλά από ψηφιακές εφαρμογές τεχνητής νοημοσύνης όπως τα chatbots, δηλαδή τα λογισμικά που μιμούνται τον άνθρωπο στον γραπτό και προφορικό λόγο και απαντούν αυτοματοποιημένα σε ερωτήσεις που τους υποβάλλονται. Τα chatbots θα βοηθούν τους φορολογούμενους στην πλοήγησή τους σε όλες τις ψηφιακές υπηρεσίες της ΑΑΔΕ και θα τους καθοδηγούν ώστε να διεκπεραιώνουν εύκολα, γρήγορα και ορθά τις διαδικασίες υποβολής δηλώσεων, πληρωμών φόρων, ρυθμίσεων οφειλών, είσπραξης επιστροφών φόρων, συμψηφισμών επιστροφών με οφειλές κ.λπ.

3) Ηλεκτρονικές πλατφόρμες για εκπαίδευση, παρέχοντας στοχευμένο εκπαιδευτικό υλικό για τη φορολογική συμμόρφωση, βοηθώντας τους φορολογούμενους να κατανοήσουν τις υποχρεώσεις και τα δικαιώματά τους.

Ενδεικτικά, από την υλοποίηση του έργου θα καλυφθούν:

• Η διασύνδεση με τα πληροφοριακά συστήματα του ελέγχου: Παροχή δεδομένων για την υλοποίηση έμμεσων τεχνικών ελέγχων και ελεγκτικών διασταυρωτικών επαληθεύσεω.ν

• Η ανάλυση δεδομένων για σκοπούς στόχευσης ελέγχων: Άντληση 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.

• Η έγκαιρη ανίχνευση περιστατικών φοροδιαφυγής: Ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου.

• Η ανακάλυψη δυναμικών σχέσεων μεταξύ των φορολογουμένων: Όπως έχει αποδειχτεί από εφαρμογές άλλων ευρωπαϊκών χωρών, είναι πολύ σημαντικό βήμα για την εύρεση απάτης και φοροδιαφυγής.

• Η κατηγοριοποίηση φορολογουμένων: Κατηγοριοποίηση της αναμενόμενης συμπεριφοράς φορολογουμένων, π.χ. στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κ.λπ.

• Το profiling φορολογουμένων: Εύρεση μη εμφανών ομοιοτήτων μεταξύ των φορολογουμένων όπως προκύπτουν μετά από δημογραφική, οικονομική και συμπεριφορική ανάλυση του συνόλου του πληθυσμού των φορολογουμένων. Χρησιμοποιείται στην εκτίμηση κινδύνου και σε άλλες περιπτώσεις χρήσης

• Η εκτίμηση ρίσκου και η αξιολόγηση κινδύνου: Αξιολόγηση των φορολογουμένων ως προς το ρίσκο μη πληρωμής

• Η 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.

Μοντέλα πρόγνωσης και ανάλυσης

Στην αξιοποίηση της τεχνητής νοημοσύνης στοχεύει και η προμήθεια από την Ανεξάρτητη Αρχή Δημοσίων Εσόδων Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης (ΒΙ) και Ανάλυσης Δεδομένων (Data Analytics), που βρίσκεται σε εξέλιξη, καθώς εκτιμάται ότι θα συνεισφέρει στην καταπολέμηση της φοροδιαφυγής και του λαθρεμπορίου, μέσω αποτελεσματικότερης στόχευσης ελέγχων.

Το σύστημα θα παρέχει λογισμικό και κατάλληλα εργαλεία τεχνητής νοημοσύνης και μηχανικής μάθησης, όπως μοντέλα πρόγνωσης, εξόρυξης δεδομένων, στατιστικής και ποσοτικής ανάλυσης.