Νέα εποχή στους φορολογικούς ελέγχους φέρνει η ΑΑΔΕ, αξιοποιώντας εργαλεία τεχνητής νοημοσύνης και προηγμένους αλγόριθμους για τον εντοπισμό πιθανών περιπτώσεων φοροδιαφυγής. Στόχος είναι οι έλεγχοι να γίνονται πιο στοχευμένοι και να εντοπίζονται ύποπτες συμπεριφορές μέσα από τη διασταύρωση τεράστιου όγκου δεδομένων.
Στο πλαίσιο του προγράμματος «Φορολογική Διοίκηση 3.0», η ΑΑΔΕ προχωρά στην αναβάθμιση του ελεγκτικού της μηχανισμού, αξιοποιώντας και χρηματοδοτικά εργαλεία του Ταμείου Ανάκαμψης.
Η νέα προσέγγιση βασίζεται στην επεξεργασία δεδομένων σε μεγάλη κλίμακα, ώστε οι φορολογικές αρχές να μπορούν να εντοπίζουν μοτίβα και ενδείξεις φορολογικής παραβατικότητας πριν οδηγηθούν σε έναν πλήρη έλεγχο.
Η ομάδα «ΔΕΟΣ» και οι αυτοματοποιημένες διασταυρώσεις
Κεντρικό ρόλο στον επιχειρησιακό σχεδιασμό έχει η ομάδα «ΔΕΟΣ» (Διεύθυνση Επιχειρησιακού Σχεδιασμού), η οποία αξιοποιεί στοιχεία από συστήματα ανάλυσης κινδύνου.
Στο μικροσκόπιο των διασταυρώσεων μπορούν να βρεθούν δεδομένα από myDATA, ηλεκτρονικές πληρωμές, POS, τραπεζικές συναλλαγές και καταναλωτικές δαπάνες, με στόχο να εντοπίζονται ασυμφωνίες ανάμεσα στην πραγματική οικονομική εικόνα και όσα δηλώνονται στις φορολογικές αρχές.
Ιδιαίτερη βαρύτητα δίνεται στον εντοπισμό αδήλωτων εισοδημάτων, τόσο από επιχειρηματική δραστηριότητα όσο και από ακίνητα και μισθώσεις.
Παράλληλα, οι αλγόριθμοι μπορούν να εντοπίζουν περιπτώσεις όπου υπάρχει μεγάλη απόσταση ανάμεσα στις δαπάνες διαβίωσης και στα δηλωμένα εισοδήματα.
Στο πεδίο των ελέγχων περιλαμβάνονται επίσης οι ψηφιακές συναλλαγές και τα κρυπτονομίσματα, ενώ αυτοματοποιημένες διασταυρώσεις μπορούν να χρησιμοποιηθούν και για τον εντοπισμό ανασφάλιστων οχημάτων.
Οι τέσσερις τρόποι με τους οποίους λειτουργεί η AI
Η τεχνητή νοημοσύνη μπορεί να αξιοποιηθεί σε διαφορετικά επίπεδα για την ανάλυση των φορολογικών δεδομένων.
1. Αναγνώριση προτύπων
Τα συστήματα συγκρίνουν οικονομικά δεδομένα επιχειρήσεων που δραστηριοποιούνται στον ίδιο κλάδο. Μία ασυνήθιστη εικόνα, όπως πολύ υψηλές δαπάνες ή εξαιρετικά χαμηλό περιθώριο κέρδους, μπορεί να αποτελέσει ένδειξη που θα οδηγήσει σε περαιτέρω έλεγχο.
2. Προγνωστική ανάλυση
Οι αλγόριθμοι μπορούν να αξιολογούν δεδομένα και να δημιουργούν προφίλ φορολογικού κινδύνου, βοηθώντας τις ελεγκτικές υπηρεσίες να κατευθύνουν τους διαθέσιμους πόρους σε υποθέσεις που παρουσιάζουν μεγαλύτερο ενδιαφέρον.
3. Ανάλυση διαδικτυακών δεδομένων
Εργαλεία ανάλυσης δημόσια διαθέσιμων πληροφοριών στο διαδίκτυο μπορούν να χρησιμοποιούνται για τον εντοπισμό ενδείξεων που δεν συμβαδίζουν με την οικονομική εικόνα που εμφανίζεται στις φορολογικές δηλώσεις.
4. Δορυφορικά δεδομένα
Η αξιοποίηση δορυφορικών εικόνων μπορεί να συμβάλει στη διασταύρωση στοιχείων για ακίνητα, σε συνδυασμό με δεδομένα από το Κτηματολόγιο και το Ε9, ώστε να εντοπίζονται πιθανές αποκλίσεις σχετικά με κατασκευές, πισίνες ή άλλες μεταβολές που δεν έχουν αποτυπωθεί στα φορολογικά στοιχεία.
Στο στόχαστρο και τα κρυπτονομίσματα
Ιδιαίτερη σημασία αποκτά και η ιχνηλάτηση συναλλαγών σε blockchain.
Μέσω εξειδικευμένων εργαλείων ανάλυσης, οι φορολογικές αρχές μπορούν να εξετάζουν τις κινήσεις που πραγματοποιούνται μέσω ανταλλακτηρίων κρυπτονομισμάτων και να αναζητούν συνδέσεις με τραπεζικές συναλλαγές.
Στόχος είναι να εντοπίζονται πιθανά αδήλωτα εισοδήματα ή κέρδη, αλλά και συναλλαγές που ενδέχεται να παρουσιάζουν ενδείξεις οικονομικής παραβατικότητας.
Από τους μαζικούς ελέγχους στους στοχευμένους ελέγχους
Η βασική αλλαγή που επιχειρείται είναι η μετάβαση σε ένα μοντέλο όπου η τεχνολογία θα βοηθά την ΑΑΔΕ να εντοπίζει πρώτα τις υποθέσεις με αυξημένο φορολογικό κίνδυνο και στη συνέχεια να κατευθύνει εκεί τους ελεγκτές.
Έτσι, η τεχνητή νοημοσύνη δεν λειτουργεί απλώς ως εργαλείο επεξεργασίας δεδομένων, αλλά ως μηχανισμός πρόβλεψης και αξιολόγησης φορολογικού κινδύνου, αλλάζοντας σταδιακά τον τρόπο με τον οποίο σχεδιάζονται οι φορολογικοί έλεγχοι.
