Δυνατότητα ανακάλυψης φορολογητέου υλικού που έχει κρυφτεί μέσω χρήσης τεχνητή νοημοσύνη έχει τώρα Ανεξάρτητη Δ.Ο.Υ. Βασικά, οι φοροαπατεώνες εντοπίζονται με έξυπνα εργαλεία – διασταυρώσεις και ταυτόχρονα η τεχνητή νοημοσύνη θα διευκολύνει τους φορολογούμενους να συμπληρώσουν τις δηλώσεις τους, προσφέροντας εξατομικευμένη βοήθεια, ελαχιστοποιώντας τα λάθη και τις παραλείψεις.
Ο πρόεδρος της Ανεξάρτητης Αρχής Εσόδων παρουσίασε ένα σχέδιο για τη χρήση τεχνητής νοημοσύνης για την παροχή υπηρεσιών και τη μείωση της φοροδιαφυγής Γιώργος Πιτσιλής στο 5ο Συνέδριο Φορολογικού Δικαίου. Όπως είπε ο κ. Πιτσιλής, μέσω της χρήσης τεχνητής νοημοσύνης η ΑΑΔΕ θα μπορεί να αποκαλύπτει φορολογητέο υλικό.
Αυτό μπορεί να γίνει με την ανάλυση μεγάλων συνόλων δεδομένων από διάφορες πηγές, π.χ ΤΡΑΠΕΖΙΚΕΣ ΕΡΓΑΣΙΕΣ συναλλαγές, ψηφιακές δημόσιες πλατφόρμες ΚΑΙ μεσα ΚΟΙΝΩΝΙΚΗΣ ΔΙΚΤΥΩΣΗΣ, ανίχνευση προφίλ συμπεριφοράς όπως ασυνήθιστες συναλλαγές ή μεταφορές χρημάτων και πληρωμές με κάρτα σε μη εγγεγραμμένους πωλητές, που συχνά σχετίζονται με μη εγγεγραμμένες χρηματοοικονομικές δραστηριότητες μέσω πλατφορμών στο λεγόμενο οικονομία του διαμοιρασμού. Η τεχνητή νοημοσύνη μπορεί να εντοπίσει, όπως ανέφερε ο διοικητής της ΑΑΔΕ, ανωμαλίες και ασυνήθιστες αποκλίσεις στα εισοδήματα πολιτών και επιχειρήσεων, όπως δυσαναλογία μεταξύ πηγών εσόδων και εξόδων.
Ο κ. Πιτσιλής είπε ότι η ΑΑΔΕ έχει ήδη ενσωματώσει στις δραστηριότητές της προγράμματα τεχνητής νοημοσύνης και εξόρυξης δεδομένων και επίσης υλοποιεί έργα που χρηματοδοτούνται από Ταμείο Ανάκαμψης και Ανθεκτικότητας ώστε η φορολογική διοίκηση να χρησιμοποιεί τεχνολογία τεχνητής νοημοσύνης και άλλα προηγμένα εργαλεία ανάλυσης δεδομένων για την εφαρμογή έξυπνων μεταβάσεων.
Τα δεδομένα που αποκτήθηκαν οδηγούν σε στοχευμένους φορολογικούς ελέγχους:
1. Πρόβλεψη ληξιπρόθεσμων φορολογικών οφειλών, με χρήση μοντέλων μηχανικής μάθησης για την εκτίμηση του κινδύνου ληξιπρόθεσμων φορολογικών οφειλών με βάση προηγούμενα πρότυπα συμπεριφοράς που μπορεί να υποδηλώνουν φορολογική απάτη.
2. Ανάπτυξη προφίλ κινδύνου για φορολογούμενους και επιχειρήσεις σχετικά με ευκαιρίες φοροδιαφυγής και φοροαποφυγής, δίνοντας τη δυνατότητα στις φορολογικές αρχές να λαμβάνουν αποφάσεις, να θέτουν προτεραιότητες και να εστιάζουν τον έλεγχο σε συγκεκριμένες ομάδες.
3. Αξιολόγηση και δράση επί των καταγγελιών των πολιτών για φοροδιαφυγή με αυτοματοποιημένο, γρήγορο και αποτελεσματικό τρόπο, με βελτιωμένες δυνατότητες συλλογής και ανάλυσης πληροφοριών.
Σύμφωνα με την Ανεξάρτητη Εφορία, χάρη στο νέο σύστημα, ύποπτες περιπτώσεις φοροδιαφυγής και λαθρεμπορίου θα εντοπίζονται σε πραγματικό χρόνο και οι φορολογούμενοι θα κατηγοριοποιούνται ανάλογα με τη συμπεριφορά τους – μεταξύ των οποίων: στρατηγικής αθέτησης, πιθανότητα φοροδιαφυγής κ.λπ.
Η τεχνητή νοημοσύνη μπορεί εύκολα να εντοπίσει ύποπτες αποκλίσεις μεταξύ των εσόδων και των εξόδων των νοικοκυριών και των επιχειρήσεων.
Σύμφωνα με τον κ. Πιτσιλή, η τεχνητή νοημοσύνη συμβάλλει και στη δημιουργία αυτοματοποιημένων συστημάτων υποστήριξης κατά τις φορολογικές δηλώσεις. Αυτά τα συστήματα μπορούν να διευκολύνουν τους φορολογούμενους να συμπληρώσουν τις δηλώσεις τους δηλώσεις τους, προσφέροντας εξατομικευμένη βοήθεια με ακρίβεια και ευκολία, ελαχιστοποιώντας τα λάθη και τις παραλείψεις. Παρέχουν επίσης συμβουλευτική υποστήριξη φορολογικής συμμόρφωσης στους φορολογούμενους, διευκολύνοντας τη φορολογική συμμόρφωση. Το έργο που υλοποιείται από το Ταμείο Ανάκαμψης περιλαμβάνει:
• Διασύνδεση με συστήματα πληροφοριών ελέγχου: Παροχή δεδομένων για τη διενέργεια έμμεσων τεχνικών ελέγχων και επαλήθευσης πολλαπλών ελέγχων.
• Ανάλυση δεδομένων για στόχευση ελέγχου: Εξαγωγή και ανάλυση δεδομένων της ΑΑΔΕ σε συνδυασμό με δεδομένα από εξωτερικές πηγές (παγκόσμιος ιστός, κοινωνικά δίκτυα, ανοιχτά δεδομένα κ.λπ.) για την αποτελεσματικότερη ενημέρωση της ανάλυσης κινδύνου για στόχευση και ιεράρχηση ελέγχων, σύμφωνα με τη σύμβαση και την επίτευξη των στόχων του στρατηγικού και επιχειρησιακού σχεδίου της ΑΑΔΕ.
• Έγκαιρος εντοπισμός φοροδιαφυγής: εντοπισμός ύποπτης φοροδιαφυγής και λαθρεμπορίου σε πραγματικό χρόνο.
• Αποκάλυψη δυναμικών σχέσεων μεταξύ των φορολογουμένων: Όπως έχουν δείξει ευρήματα από άλλες ευρωπαϊκές χώρες, αυτό είναι ένα πολύ σημαντικό βήμα για τον εντοπισμό της απάτης και της φοροδιαφυγής.
• Κατηγοριοποίηση φορολογουμένων: Κατηγοριοποίηση της αναμενόμενης συμπεριφοράς φορολογουμένων, συμπεριλαμβανομένων: στρατηγικής αθέτησης, πιθανότητα φοροδιαφυγής κ.λπ.
• Προσδιορισμός φορολογουμένων: Εύρεση μη προφανών ομοιοτήτων μεταξύ φορολογουμένων με βάση τη δημογραφική, οικονομική και συμπεριφορική ανάλυση ολόκληρου του πληθυσμού των φορολογουμένων. Χρησιμοποιείται στην αξιολόγηση κινδύνου και σε άλλες περιπτώσεις χρήσης.
• Αξιολόγηση και Εκτίμηση Κινδύνου: Εκτίμηση φορολογουμένων για κίνδυνο μη πληρωμής.
• Πρόβλεψη εισοδήματος και χρέους: Πρόβλεψη εσόδων και χρέους συνολικά και ανά φορολογούμενο ή DOU, ανά γεωγραφική περιοχή, επάγγελμα ή οποιαδήποτε άλλη διάσταση με βάση ιστορικά δεδομένα σχετικά με τη συμπεριφορά των φορολογουμένων.