Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) αξιοποιεί ένα νέο σύστημα ανάλυσης κινδύνου που βασίζεται στον δείκτη ομοιότητας Jaccard, για την ανίχνευση δικτύων εταιρειών-φαντασμάτων στη Θεσσαλονίκη. Σύμφωνα με ανακοίνωση της ΑΑΔΕ, το εξελιγμένο αυτό μοντέλο εστιάζει στον εντοπισμό και την εξάρθρωση κυκλωμάτων εικονικών εταιρειών και «αχυρανθρώπων», χαρτογραφώντας τις κρυφές συνδέσεις μεταξύ ΑΦΜ που χρησιμοποιούνται διαδοχικά για αποφυγή φορολογικών και ασφαλιστικών υποχρεώσεων.
Αντί να εξετάζεται κάθε επιχείρηση ξεχωριστά, ο αλγόριθμος συγκρίνει επιχειρηματικές σχέσεις, αναλύοντας φυσικά πρόσωπα, κοινές επαγγελματικές έδρες, στοιχεία επικοινωνίας, λογιστές και τραπεζικούς λογαριασμούς. Επίσης, ελέγχει εμπορικές συναλλαγές μέσω δεδομένων myDATA και δηλώσεων ΦΠΑ. Όταν μια νέα εταιρεία εξυπηρετεί τους ίδιους πελάτες με μια παλαιότερη που έχει αφήσει χρέη, ο δείκτης ομοιότητας αυξάνεται σημαντικά.
Το σύστημα συγκρίνει κάθε επιχείρηση ως σύνολο δεδομένων με άλλες, με τον δείκτη ομοιότητας να πλησιάζει το 1 όταν οι σχέσεις είναι ιδιαίτερα στενές. Όπως διευκρινίζει η ΑΑΔΕ, ο αλγόριθμος ελέγχει επαναλαμβανόμενα φυσικά πρόσωπα σε διαφορετικά εταιρικά σχήματα, διασταυρώνει κοινές υποδομές, και εντοπίζει αλληλοεπικαλυπτόμενους πελάτες και προμηθευτές.
Με αυτόν τον τρόπο, το εργαλείο χαρτογραφεί δίκτυα και ομάδες επιχειρηματικών σχέσεων, διευκολύνοντας την εξάρθρωση κυκλωμάτων. Ενδεικτικά, εντοπίστηκε κύκλωμα 380 επιχειρήσεων και 205 προσώπων με οφειλές 43 εκατ. ευρώ προς το Δημόσιο.
Ο δείκτης Jaccard υπολογίζει τη συσχέτιση μεταξύ προσώπων και ΑΦΜ. Για παράδειγμα, αν δύο πρόσωπα εμφανίζονται από κοινού σε 10 εταιρείες από ένα σύνολο 20 διαφορετικών εταιρειών, ο δείκτης είναι 50%, δείχνοντας υψηλή συσχέτιση. Τα ζευγάρια με υψηλή ομοιότητα συνδέονται σε «κρίκους», που σχηματίζουν «αλυσίδες» και ομάδες, οι οποίες ελέγχονται περαιτέρω για παράνομες δραστηριότητες.
Εφαρμογή στη Θεσσαλονίκη και αποτελέσματα
Στην υπόθεση της Θεσσαλονίκης, το ΔΕΟΣ της ΑΑΔΕ χρησιμοποίησε τον δείκτη Jaccard για να εντοπίσει εκατοντάδες «κρίκους» μεταξύ ΑΦΜ, με τουλάχιστον δύο κοινές εταιρείες ανά ζευγάρι. Οι κρίκοι αυτοί οδήγησαν σε αλυσίδες και ομάδες:
Για Jaccard άνω του 5% εντοπίστηκαν 719 κρίκοι μεταξύ 369 ΑΦΜ σε 29 ομάδες, με τη μεγαλύτερη να περιλαμβάνει 262 ΑΦΜ.
Για Jaccard άνω του 10%, 504 κρίκοι μεταξύ 330 ΑΦΜ σε 60 ομάδες, ενώ για άνω του 20% εντοπίστηκαν 358 κρίκοι μεταξύ 270 ΑΦΜ σε 77 ομάδες.
Όσο αυξάνεται το όριο ομοιότητας, διατηρούνται οι ισχυρότερες συνδέσεις και οι μεγάλες αλυσίδες σπάνε σε μικρότερες ομάδες. Η ΑΑΔΕ διευκρινίζει ότι οι ομάδες αυτές δεν θεωρούνται αυτόματα κυκλώματα, αλλά συγκεντρώνουν ενδείξεις για περαιτέρω έλεγχο.
Μετασχηματισμός των φορολογικών ελέγχων
Η ενσωμάτωση του δείκτη Jaccard στη φορολογική διοίκηση έχει αλλάξει ριζικά τη διαδικασία ελέγχων. Οι αλγόριθμοι επιλέγουν αυτόματα υποθέσεις υψηλού κινδύνου, κατευθύνοντας τους ελεγκτές στους πυρήνες πιθανών κυκλωμάτων.
Το εργαλείο χρησιμοποιείται για τον εντοπισμό ύποπτων ΑΦΜ, με ταχύτητα και στοχευμένους ελέγχους χωρίς ανθρώπινη παρέμβαση. Παράλληλα, διασυνδέει βάσεις δεδομένων από το ΓΕΜΗ, τράπεζες, κτηματολόγιο και ηλεκτρονικές πληρωμές, δημιουργώντας ένα ενιαίο ψηφιακό προφίλ κινδύνου.
Η μεθοδολογία αυτή εφαρμόζεται σε όλες τις αντίστοιχες περιπτώσεις, επιτρέποντας στην ΑΑΔΕ να χαρακτηρίζει ως «επικίνδυνες» τις υποθέσεις με αυξημένο δείκτη ομοιότητας, και να κατευθύνει τους ελέγχους στις πιο κρίσιμες επιχειρηματικές σχέσεις.