Πρόγνωση φοροδιαφυγής με ΑΙ

ΝΑΥΤΕΜΠΟΡΙΚΗ, Page: 1,5 at 01/09/2025

ΑΑΔΕ · ΠΩΣ ΘΑ ΛΕΙΤΟΥΡΓΟΥΝ ΤΑ ΜΟΝΤΕΛΑ ΠΡΟΒΛΕΨΗΣ ΚΙΝΔΥΝΟΥ ΠΟΥ ΚΑΤΕΥΘΥΝΟΥΝ ΤΟΥΣ ΦΟΡΟ-ΕΛΕΓΧΟΥΣ Πρόγνωση φοροδιαφυγής με ΑΙ ΜΟΝΤΕΛΑ 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 όχι πλέον με εφοριακούς υπαλλήλους, αλλά με συστήματα ευφυών εικονικών εξυπηρετητών, που θα μιμούνται τον άνθρωπο στην ομιλία και στο γράψιμο. Η τεχνητή νοημοσύνη έχει αρχίσει να εισέρχεται για τα καλά στη λειτουργία των υ υπηρεσιών της φορολογικής διοίκησης. Η ΑΑΔΕ προχωρεί στη σταδιακή ενσωμάτωση προγραμμάτων και εφαρμογών τεχνητής νοημοσύνης στον τρόπο λειτουργίας των υπηρεσιών της με σκοπούς την απλοποίηση, την αυτοματοποίηση και την επιτάχυνση της εξυπηρέτησης των φορολογουμένων, αλλά και τη διενέργεια γρήγορων, αντικειμενικών και αποτελεσματικών φορολογικών ελέγχων.  • Μελέτη του προφίλ κινδύνου για φορολογούμενους και επιχειρήσεις • Ταχύτερη ανάλυση και αξιοποίηση καταγγελιών και πληροφοριών • Εξυπηρέτηση φορολογουμένων από chatbots .Οι υπηρεσίες της ΑΑΔΕ με τη χρήση της τεχνητής νοημοσύνης θα μπορούν πλέον να εξυπηρετούν ταχύτατα τους φορολογούμενους.

Μοντέλα πρόγνωσης και ανάλυσης ΣΤΗΝ ΑΞΙΟΠΟΙΗΣΗ της τεχνητής νοημοσύνης στοχεύει και η προμήθεια από την Ανεξάρτητη Αρχή Δημοσίων Εσόδων Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης (ΒΙ) και Ανάλυσης Δεδομένων (Data Analytics), που 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 τεχνητής νοημοσύνης και μηχανικής μάθησης. Πώς η εφορία θα προβλέπει τη φοροδιαφυγή Το σχέδιο της ΑΑΔΕ για ενσωμάτωση της ΑΙ στη λειτουργία του φοροελεγκτικού και φοροεισπρακτικού μηχανισμού * Έγκαιρες και έγκυρες προβλέψεις παραβατικότητας σε συγκεκριμένες ομάδες φορολογουμένων. 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. Του Γιώργου Παλαιτσάκη gpalaitsakis@naftemporiki.gr ΣΤΗΝ ΠΛΗΡΗ εξέλιξή του το σχέδιο προβλέπει ακόμη και την επαφή των φορολογουμένων όχι πλέον με εφοριακούς υπαλλήλους αλλά με συστήματα ευφυών εικονικών εξυπηρετητών που θα μιμούνται τον άνθρωπο στην ομιλία και το γράψιμο. Η τεχνητή νοημοσύνη έχει αρχίσει να εισέρχεται για τα καλά στη λειτουργία των υπηρεσιών της Φορολογικής Διοίκησης. Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) προχωρεί στη σταδιακή ενσωμάτωση προγραμμάτων και εφαρμογών τεχνητής νοημοσύνης 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 τεχνητής νοημοσύνης, 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 αποκαλύπτουν φορολογητέα ύλη αναλύοντας μεγάλα σύνολα δεδομένων 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. Μοντέλα πρόβλεψης Σύμφωνα με πηγές από τη διοίκηση της ΑΑΔΕ, όλα αυτά μπορούν 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 προγνώσεις Στοχευμένοι φορολογικοί έλεγχοι εξ αποστάσεως, με ταχύτατες και «έξυπνες» αναλύσεις δεδομένων. ηγούμενα μοτίβα συμπεριφοράς, που ενδέχεται να υποδεικνύουν φορολογική απάτη. • να δημιουργούν να μελετούν προφίλ κινδύνου για φορολογούμενους και επιχειρήσεις σχετικά με την πιθανότητα φοροδιαφυγής και φορ αποφυγής. • 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 τεχνητή νοημοσύνη προ προβλέπεται να αναπτυχθούν: ΑΑΔΕ Αυτοματοποιημένα συστήματα υποβοήθησης κατά τη δήλωση φόρων. Αυτά τα συστήματα θα μπορούν να διευκολύνουν τους φορολογούμενους στη συμπλήρωση των δηλώσεών τους, προσφέροντας εξατομικευμένη βοήθεια. 2) Συστήματα ευφυών εικονικών εξυπηρετητών (Smart agents) που θα μπορούν να παρέχουν συμβουλευτική υποστήριξη στους φορολογούμενους. Η εξυπηρέτηση των φορολογουμένων από τις νέες Υπηρεσίες που θα αντικαταστήσουν τις ΔΟΥ σχεδιάζεται να γίνεται όχι πλέον από εφοριακούς υπαλλήλους, αλλά από ψηφιακές εφαρμογές τεχνητής νοημοσύνης όπως τα chatbots, δηλαδή τα λογισμικά που μιμούνται τον άνθρωπο στον γραπτό και προφορικό λόγο και απαντούν αυτοματοποιημένα σε ερωτήσεις που τους υποβάλλονται. 3) Ηλεκτρονικές πλατφόρμες για εκπαίδευση, παρέχοντας στοχευμένο εκπαιδευτικό υλικό για τη φορολογική συμμόρφωση, βοηθώντας τους φορολογούμενους να κατανοήσουν τις υποχρεώσεις και τα δικαιώματά τους. Ενδεικτικά, από υλοποίηση του έργου θα καλυφθούν: • Η διασύνδεση με τα πληροφοριακά συστήματα του ελέγχου: Παροχή δεδομένων για την υλοποίηση έμμεσων τεχνικών ελέγχων και ελεγκτικών. • Η ανάλυση δεδομένων για σκοπούς στόχευσης ελέγχων: Άντληση και ανάλυση δεδομένων της ΑΑΔΕ σε συνδυασμό με δεδομένα από εξωτερικές πηγές (παγκόσμιος ιστός, κοινωνικά δίκτυα, ανοιχτά δεδομένα κ.λπ.). • Η έγκαιρη ανίχνευση περιστατικών φοροδιαφυγής: Ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου. • Η ανακάλυψη δυναμικών σχέσεων μεταξύ των φορολογουμένων: Όπως έχει αποδειχτεί από εφαρμογές άλλων ευρωπαϊκών χωρών, είναι πολύ σημαντικό βήμα για την εύρεση απάτης και φοροδιαφυγής. • Η κατηγοριοποίηση φορολογουμένων: Κατηγοριοποίηση της αναμενόμενης συμπεριφοράς φορολογουμένων, π.χ. στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κ.λπ. • Το profiling φορολογουμένων: Εύρεση μη εμφανών ομοιοτήτων μεταξύ των φορολογουμένων όπως προκύπτουν μετά από δημογραφική, οικονομική και συμπεριφορική ανάλυση του συνόλου του πληθυσμού των φορολογουμένων. • Η εκτίμηση ρίσκου και η αξιολόγηση κινδύνου: : Αξιολόγηση των φορολογουμένων ως προς το ρίσκο μη πληρωμής. • Η πρόβλεψη εσόδων και οφειλών: Πρόβλεψη εσόδων και οφειλών συνολικά και ανά φορολογούμενο ή ανά ΔΟΥ, ανά γεωγραφική περιοχή, ανά επάγγελμα, ή οποιαδήποτε άλλη διάσταση, βάσει των ιστορικών στοιχείων συμπεριφοράς των φορολογουμένων. φορολογουμένων.