Με τεχνητή νοημοσύνη η ΑΑΔΕ θα προβλέπει φοροδιαφυγή και χρέη

Ειδική εφαρμογή με τη συνδρομή της τεχνητής νοημοσύνης η οποία θα ανιχνεύει έγκαιρα τις τάσεις των φορολογουμένων προς τη φοροδιαφυγή ή προς τη δημιουργία ληξιπρόθεσμων χρεών, θέτει σύντομα σε λειτουργία η ΑΑΔΕ. Πρόκειται για ένα έργο που δρομολογήθηκε πριν από ενάμισι χρόνο και τώρα φτάνει στο στάδιο της ολοκλήρωσής του, για να αρχίσει να σκιαγραφεί το προφίλ κάθε φορολογούμενου.

Η εφαρμογή θα λαμβάνει πληροφορίες από όλα τα ηλεκτρονικά συστήματα της φορολογικής Αρχής (εισοδήματα και περιουσιακά στοιχεία), από φορείς που είναι online με την ΑΑΔΕ, όπως το ΓΕΜΗ, ο ΕΦΚΑ, οι τράπεζες κ.λπ., καθώς επίσης και από το διαδίκτυο, όπου θα αναζητούνται για τους φορολογούμενους, πληροφορίες, οι οποίες ενδεχομένως έχουν φορολογικό ενδιαφέρον.

Ο φιλόδοξος στόχος της ΑΑΔΕ είναι, με τη χρήση διαφόρων αλγορίθμων που αφορούν στη δραστηριότητα του φορολογούμενου, την περιοχή έδρας, τον «φάκελο» με το ιστορικό των φορολογικών του συναλλαγών, να γίνεται μια εκτίμηση για το αν έχει ροπή προς τη φοροδιαφυγή ή αφήνει ληξιπρόθεσμα χρέη.

Στις περιπτώσεις που ανιχνεύονται οι εν λόγω τάσεις, τότε η ΑΑΔΕ θα παρεμβαίνει έγκαιρα προκειμένου να τις αποτρέψει, δείχνοντας στον φορολογούμενο τον δρόμο της οικειοθελούς φορολογικής συμμόρφωσης, προκειμένου να αποφευχθούν οι διοικητικές κυρώσεις και τα πρόστιμα.

Φυσικά, μέσω της έξυπνης εφαρμογής θα επιλέγονται και οι στόχοι (φυσικά πρόσωπα και επιχειρήσεις) όπου θα κατευθύνονται οι ελεγκτές, όταν η ανάλυση του προφίλ τους δείχνει πως είναι απαραίτητος ο φορολογικός έλεγχος.

Αρχικά η εφαρμογή θα τροφοδοτηθεί με στοιχεία ύποπτων περιπτώσεων, δηλαδή φορολογούμενους, φυσικά ή νομικά πρόσωπα, με ιστορικό παραβατικότητας, αλλά σταδιακά θα επεκταθεί σε όλους, ώστε η φορολογική συμμόρφωση να γίνεται προληπτικά και εθελοντικά και όχι με κυρώσεις.

Οι 7 τρόποι λειτουργίας

Οι παράμετροι στις οποίες θα στηρίζεται η έξυπνη εφαρμογή της ΑΑΔΕ είναι οι ακόλουθες:

1. Η ανάλυση δεδομένων για σκοπούς στόχευσης ελέγχων: Άντληση και ανάλυση δεδομένων της ΑΑΔΕ σε συνδυασμό με δεδομένα από εξωτερικές πηγές (παγκόσμιο ιστός, κοινωνικά δίκτυα, ανοιχτά δεδομένα κλπ.) για την αποδοτικότερη επικαιροποίηση ανάλυσης κινδύνων στη στόχευση και προτεραιοποίηση των ελέγχων, σε συμφωνία και προς επίτευξη των στόχων των στρατηγικών και επιχειρησιακών σχεδίων της ΑΑΔΕ.
2. Η ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου.
3. Ο εντοπισμός «δυναμικών σχέσεων» μεταξύ των φορολογουμένων. Πρόκειται για στοιχεία που αποκαλύπτουν στενή συνεργασία δύο ή περισσότερων επιχειρήσεων, στοιχεία τα οποία σύμφωνα με τη διεθνή εμπειρία, πολλές φορές υποκρύπτουν απάτη και φοροδιαφυγή. Για παράδειγμα είναι η «ανταλλαγή» πλαστών και εικονικών τιμολογίων.
4. Το profiling φορολογουμένων, δηλαδή η εύρεση μη εμφανών ομοιοτήτων μεταξύ των φορολογουμένων όπως προκύπτουν μετά από δημογραφική, οικονομική και συμπεριφορική ανάλυση του συνόλου του πληθυσμού και η εκτίμηση κινδύνου.
5. Η κατηγοριοποίηση φορολογουμένων, ανάλογα με τη συμπεριφορά τους, όπως, αν είναι στρατηγικός κακοπληρωτής ή έχει πιθανότητα φοροδιαφυγής.
6. Η εκτίμηση ρίσκου και αξιολόγηση κινδύνου, που αφορά στην αξιολόγηση των φορολογουμένων ως προς το ρίσκο μη πληρωμής φόρων.
7. Η πρόβλεψη εσόδων και οφειλών. Η εφαρμογή θα προβαίνει σε προβλέψεις για τα έσοδα που πρόκειται να εισπραχθούν και για τις οφειλές που θα μείνουν απλήρωτες, συνολικά και ανά φορολογούμενο ή ανά ΔΟΥ, ανά γεωγραφική περιοχή, ανά επάγγελμα, ή οποιαδήποτε άλλη διάσταση βάση των ιστορικών στοιχείων συμπεριφοράς των φορολογουμένων.