ΑΑΔΕ: Ηλεκτρονική παρακολούθηση των φορολογουμένων με τεχνητή νοημοσύνη

Την ασφυκτική ηλεκτρονική παρακολούθηση των φορολογουμένων με προγράμματα τεχνητής νοημοσύνης επιδιώκει η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ), προκειμένου να είναι σε θέση να γνωρίζει ανά πάσα στιγμή το ιστορικό της φορολογικής τους συμμόρφωσης, την τρέχουσα κατάσταση συμμόρφωσής τους με όλες τις οικονομικές υποχρεώσεις τους, την πιστοληπτική τους ικανότητα και την φερεγγυότητα και, αναλύοντας άμεσα όλες αυτές τις πληροφορίες, να μπορεί να προβλέπει και ει δυνατόν να προλαμβάνει και να αποτρέπει συμπεριφορές με στόχο την φοροδιαφυγή, το λαθρεμπόριο, την απάτη, την αισχροκέρδεια και τη μη έγκαιρη-εμπρόθεσμη καταβολή των φόρων.

Εναλλακτικά δε – εφόσον η πρόληψη και η αποτροπή καθίστανται αδύνατες – να μπορεί να διενεργεί τους ελέγχους της, τη στιγμή που οι φορολογούμενοι εκδηλώνουν αυτές τις παραβατικές συμπεριφορές ώστε να τους εντοπίζει και να τους τιμωρεί άμεσα, με πρόστιμα, κατασχέσεις και άλλα διοικητικά μέτρα και ποινές. H συλλογή πληροφοριών και δεδομένων προς επεξεργασία για την πρόγνωση της συμπεριφοράς των φορολογουμένων θα γίνεται όχι μόνο από τις βάσεις δεδομένων δημοσίων υπηρεσιών αλλά και μέσω των διαδικτυακών πλατφορμών αναζήτησης (google κ.λπ.) καθώς και από τα μέσα κοινωνικής δικτύωσης (facebook, tweeter κ.λπ.).

Στο πλαίσιο υλοποίησης αυτών των στόχων, η ΑΑΔΕ προχώρησε ήδη στη διενέργεια Προκαταρκτικής Διαβούλευσης επί ενός σχεδίου Διακήρυξης για την ανάθεση Σύμβασης Προμήθειας Συστήματος Προηγμένης Επιχειρησιακής (Τεχνητής) Νοημοσύνης (BI) και ανάλυσης δεδομένων (Data Analytics). Το αντικείμενο της σύμβασης, το οποίο θα υλοποιηθεί στο πλαίσιο του Εθνικού Σχεδίου Ανάκαμψης και Ανθεκτικότητας «Ελλάδα 2.0», είναι η προμήθεια ενός συστήματος ανάλυσης και εξόρυξης δεδομένων που θα περιλαμβάνει την προμήθεια κατάλληλων λύσεων λογισμικού και την ανάπτυξη τεχνικών και εργαλείων τεχνητής νοημοσύνης και μηχανικής μάθησης, όπως μοντέλα πρόγνωσης, εξόρυξης δεδομένων, στατιστικής και ποσοτικής ανάλυσης, προσημειώσεις κλπ., ώστε όλες οι φοροελεγκτικές και φοροεισπρακτικές υπηρεσίες να είναι σε θέση να εκμεταλλεύονται κατά τον καλύτερο δυνατό τρόπο τα δεδομένα που έχουν στη διάθεσή τους για τους φορολογούμενους.

Το σχέδιο Διακήρυξης προβλέπει ότι θα σχεδιαστούν και θα υλοποιηθούν διάφορες περιπτώσεις χρήσης (use cases) από τον ανάδοχο, σε συνεργασία με το προσωπικό της ΑΑΔΕ, που θα καλύπτουν ένα ευρύ φάσμα των επιχειρησιακών απαιτήσεων της ΑΑΔΕ, με ιδιαίτερη έμφαση στον ψηφιακό μετασχηματισμό των φορολογικών και τελωνειακών ελέγχων και με τους παρακάτω 4 στόχους:

1) Βελτίωση απόδοσης ως προς την είσπραξη δημοσίων εσόδων

2) Βελτίωση φορολογικής συμμόρφωσης

3) Βελτίωση εσωτερικών διαδικασιών, διαχείρισης ανθρωπίνου δυναμικού, παγίων, υποδομών, δαπανών και κινδύνων

4) Καταπολέμηση φοροδιαφυγής, λαθρεμπορίου, απάτης και αισχροκέρδειας

Τα βασικά χαρακτηριστικά που θα πρέπει να περιλαμβάνει το σύστημα ανάλυσης και εξόρυξης δεδομένων είναι τα εξής:

• Ευελιξία στη διασυνδεσιμότητα καθώς θα έχει πρόσβαση σε όλα τα δεδομένα (δομημένα, ημιδομημένα, αδόμητα) της ΑΑΔΕ καθώς και εξωτερικών πηγών με στόχο την προ- επεξεργασία, την ενοποίηση, τον μετασχηματισμό και την αξιοποίηση τους

• Δυνατότητα παραγωγής στατιστικών και διαδραστικών αναφορών επιχειρησιακής ευφυΐας για το σύνολο των δεδομένων και πληροφοριών στους επιχειρησιακούς χρήστες

• Επεξεργασία των δεδομένων σε πραγματικό χρόνο προκειμένου να επιτευχθεί η παραγωγή αναφορών σε πραγματικό χρόνο, η λήψη απόφασης και δράσης βάσει αυτών και η άμεση ενημέρωση των εφαρμογών

• Σύστημα τεχνητής νοημοσύνης και μηχανικής μάθησης το οποίο θα περιλαμβάνει τεχνικές με τις οποίες θα γίνεται επεξεργασία δεδομένων και εξαγωγή πληροφορίας από μεγάλα σύνολα δεδομένων με σκοπό να γίνουν προβλέψεις για μελλοντικά γεγονότα. Αρχικά, τα ιστορικά δεδομένα χρησιμοποιούνται για να χτίσουν ένα μαθηματικό μοντέλο το οποίο συλλαμβάνει τις σημαντικές μελλοντικές τάσεις. Στη συνέχεια, το μοντέλο πρόβλεψης που δημιουργείται, χρησιμοποιείται σε τρέχοντα δεδομένα για να προβλέψει τι θα συμβεί μελλοντικά ή για να προτείνει δράσεις με τις οποίες θα επιτευχθούν τα καλύτερα δυνατά αποτελέσματα

• Δυνατότητα χρήσης προβλεπτικών μελλοντικών τάσεων

Ενδεικτικά, από την υλοποίηση του Έργου θα καλυφθούν:

• Η διασύνδεση με τα πληροφοριακά συστήματα του ελέγχου: Παροχή δεδομένων για την υλοποίηση έμμεσων τεχνικών ελέγχων και ελεγκτικών διασταυρωτικών επαληθεύσεων

• 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 του στρατηγικού και επιχειρησιακού σχεδίου της ΑΑΔΕ

• 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 πχ στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κλπ.

• 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. Χρησιμοποιείται στην εκτίμηση κινδύνου και σε άλλες περιπτώσεις χρήσης

• Η εκτίμηση ρίσκου και 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 βάση των ιστορικών στοιχείων συμπεριφοράς των φορολογουμένων.