Το ΑΙ στο «κυνήγι» της φοροδιαφυγής – Πώς θα γίνονται οι έλεγχοι

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 λιγότερο συχνά με εφοριακούς υπαλλήλους και περισσότερο με συστήματα ευφυών εικονικών εξυπηρετητών που μιμούνται τον άνθρωπο στην ομιλία και το γράψιμο.

Η ΤΝ 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 ΑΙ 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 ΑΙ, 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.

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 ΤΝ 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 ήδη έχουν αρχίσει να αντικαθιστούν τις ΔΥΟ, έχει σχεδιαστεί να γίνεται όχι μόνο από εφοριακούς υπαλλήλους αλλά και από ψηφιακές εφαρμογές ΤΝ, 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 έχουν προγραμματιστεί να βοηθούν τους φορολογούμενους στην πλοήγησή τους σε όλες τις ψηφιακές υπηρεσίες της ΑΑΔΕ και να 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.

Ανάλυση δεδομένων για αποτελεσματικότερο έργο
Στην αξιοποίηση της ΑΙ στοχεύει και η σταδιακή έναρξη λειτουργίας από την ΑΑΔΕ Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης (ΒΙ) και Ανάλυσης Δεδομένων (Data Analytics), η οποία 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 ΤΝ και μηχανικής μάθησης, όπως μοντέλα πρόγνωσης, εξόρυξης δεδομένων, στατιστικής και ποσοτικής ανάλυσης. Ενδεικτικά, από την υλοποίηση του έργου θα καλυφθούν οι εξής παράμετροι:

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 (Διαδίκτυο, social media, 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.

Εγκαιρη ανίχνευση περιστατικών φοροδιαφυγής:
Ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου.

Ανακάλυψη δυναμικών σχέσεων μεταξύ των φορολογουμένων:
Οπως έχει αποδειχτεί 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 μετά 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 φορολογική υπηρεσία (ΚΕΦΟΔΕ, Ελεγκτικό Κέντρο, ΔΟΥ, ΥΦΕ), ανά γεωγραφική περιοχή, ανά επάγγελμα ή υπό οποιαδήποτε άλλη διάσταση βάσει των ιστορικών στοιχείων συμπεριφοράς των φορολογουμένων.

Προφίλ συμμόρφωσης και ασφαλείς προγνώσεις
Το όλο σύστημα εντάσσεται σταδιακά στον ελεγκτικό μηχανισμό, με στόχο την πλήρη αξιοποίηση των αλγορίθμων και των big data analytics για τον εντοπισμό αποκλίσεων, τη δημιουργία προφίλ συμμόρφωσης φορολογουμένων και την πρόγνωση της φοροδιαφυγής.

Το έργο χρηματοδοτείται από το Ταμείο Ανάκαμψης και Ανθεκτικότητας «Ελλάδα 2.0» και περιλαμβάνει:

1 Ισχυρή αρχιτεκτονική δεδομένων: Ενοποίηση εσωτερικών δεδομένων της ΑΑΔΕ και εξωτερικών πηγών από τρίτους φορείς ή διεθνείς βάσεις.

2 Μοντέλα Τεχνητής Νοημοσύνης: Ανάπτυξη αλγορίθμων μηχανικής μάθησης για μοντέλα πρόγνωσης φοροδιαφυγής και στατιστικής ανάλυσης.

3 Real-time data analytics: Επεξεργασία στοιχείων σε πραγματικό χρόνο για άμεση έκδοση αναφορών και υποστήριξη των ψηφιακών ελέγχων.

4 Εκπαίδευση προσωπικού: Προβλέπεται η τμηματική εκπαίδευση των στελεχών και των επιχειρησιακών χρηστών της ΑΑΔΕ για τη χρήση των νέων εργαλείων επιχειρησιακής νοημοσύνης.

Πηγή: eleftherostypos.gr