αρχικηΟΙΚΟΝΟΜΙΑΗ εφορία θα χρησιμοποιεί τεχνητή νοημοσύνη για να πιάνει τους φοροφυγάδες

Η εφορία θα χρησιμοποιεί τεχνητή νοημοσύνη για να πιάνει τους φοροφυγάδες

Με την ένταξη της τεχνητής νοημοσύνης στο οπλοστάσιο του ελεγκτικού μηχανισμού θα επιχειρηθεί η περιστολή της φοροδιαφυγής και η αποκάλυψη υποθέσεων φοροδιαφυγής. Το εθνικό σχέδιο ανάκαμψης και ανθεκτικότητας θα χρηματοδοτήσει συστήματα τεχνητής νοημοσύνης για τη διευκόλυνση των φορολογικών ελέγχων. Οπως αναφέρει παράγων του υπουργείου Οικονομικών στο Capital.gr, ουσιαστικά πρόκειται για το Data Mining, το οποίο αποτελεί την τέχνη της “εξόρυξης” χρήσιμων πληροφοριών από μεγάλες δεξαμενές πληροφοριών, με στόχο την καταπολέμηση της φοροδιαφυγής. Για παράδειγμα, θα μπορούσε να βοηθήσει τις φορολογικές αρχές να διαπιστώνει ποιες φορολογικές δηλώσεις είναι αληθείς και ποιες ψευδείς.

Ηδη, η φορολογική διοίκηση έθεσε σε διαβούλευση το σχέδιο της διακήρυξης για την προμήθεια συστήματος προηγμένης επιχειρησιακής νοημοσύνης και ανάλυσης δεδομένων (Data Analytics), έργο το οποίο θα υλοποιηθεί με τη βοήθεια του Ταμείου Ανάκαμψης. Το σύστημα θα διαθέτει τεχνικές και εργαλεία τεχνητής νοημοσύνης και μηχανικής μάθησης όπως μοντέλα πρόγνωσης, εξόρυξης δεδομένων, στατιστικής και ποσοτικής ανάλυσης, προσημειώσεις κλπ., που θα οδηγήσει στην καλύτερη εκμετάλλευση των δεδομένων της ΑΑΔΕ.

Στο πλαίσιο αυτό, θα δοθεί έμφαση στον ψηφιακό μετασχηματισμό των φορολογικών και τελωνιακών ελέγχων με τους παρακάτω στόχους:

– Βελτίωση απόδοσης ως προς την είσπραξη δημοσίων εσόδων

-Βελτίωση φορολογικής συμμόρφωσης

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

-Καταπολέμηση φοροδιαφυγής, λαθρεμπορίου, απάτης και αισχροκέρδειας

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

-Ευελιξία στη διασυνδεσιμότητα καθώς θα έχει πρόσβαση σε όλα τα δεδομένα 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

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

ΔΕΝ ΥΠΑΡΧΟΥΝ ΣΧΟΛΙΑ

Αφήστε ένα σχόλιο

two × 2 =