Οι εθνικές φορολογικές υπηρεσίες στην Ευρώπη (αλλά και εκτός Ευρώπης) στρέφονται ολοένα και περισσότερο στα εργαλεία Τεχνητής Νοημοσύνης για να μπορέσουν να μειώσουν το έλλειμμα ΦΠΑ γνωστό και ως Vat gap.
Μέχρι σήμερα, τα περισσότερα από τα μοντέλα AI που έχουν υιοθετηθεί αφορούν τη Μηχανική Μάθηση (ML) – τη χρήση τεράστιων ποσοτήτων δεδομένων και αλγορίθμων για τη μίμηση του τρόπου με τον οποίο μαθαίνουν οι άνθρωποι, βελτιώνοντας σταδιακά την ακρίβεια των βασικών διαδικασιών. Για παράδειγμα, το σύστημα Teleinformatyczny Izby Rozliczeniowej (STIR) της Πολωνίας το οποίο είναι ένα τεχνικό σύστημα που στοχεύει στον αυτόματο εντοπισμό ύποπτων συναλλαγών σε άμεσο χρόνο.
Το Πολωνικό σύστημα συλλέγει στοιχεία από τους τραπεζικούς λογαριασμούς που έχουν οι εταιρίες, συμπεριλαμβανομένων των ημερήσιων καταστάσεων συναλλαγών, των στοιχείων αναγνώρισης των αποστολέων και των παραληπτών των συναλλαγών και των αριθμών λογαριασμού τους. Συλλέγει επίσης, την ημερομηνία, το ποσό, το νόμισμα, τον τίτλο και την περιγραφή των συναλλαγών. Σημειώνεται ότι από τον Ιούλιο του 2019, οι τράπεζες πρέπει επίσης να παρέχουν στο σύστημα STIR τις διευθύνσεις IP από τις οποίες οι κάτοχοι λογαριασμού συνδέονται στο τραπεζικό σύστημα και διενεργούν τις συναλλαγές τους.
Τα στοιχεία που έδωσε στη δημοσιότητα η KAS, η Εθνική Διοίκηση Εσόδων, έδειξαν ότι το STIR συνέλεξε στοιχεία για περισσότερες από 11 εκατομμύρια συναλλαγές το 2019, που αφορούσαν σχεδόν 4 εκατομμύρια οντότητες.
Βασικοί τομείς στους οποίους η τεχνητή νοημοσύνη μπορεί να βοηθήσει τις φορολογικές αρχές με τη διαχείριση του ΦΠΑ:
-Αξιολόγηση κινδύνου : ανάλυση τεράστιων όγκων συναλλαγών πωλήσεων και αγορών των φορολογουμένων με βάση διάφορους παράγοντες όπως ιστορικά δεδομένα, δείκτες αναφοράς του κλάδου και δείκτες κινδύνου. Αυτό βοηθά τις φορολογικές αρχές να επικεντρωθούν σε τομείς υψηλού κινδύνου που απαιτούν πιο προσεκτικό έλεγχο. Όσον αφορά το έλλειμμα ΦΠΑ, η τεχνητή νοημοσύνη μπορεί να συμβάλει αναλύοντας αδικαιολόγητες αυξομειώσεις ενδοκοινοτικών συναλλαγών από νέες επιχειρήσεις ή υπερβολικά μεγάλες απαιτήσεις έκπτωσης ΦΠΑ, ιεραρχώντας έτσι τις επιχειρήσεις που πρέπει άμεσα να ελεγχθούν.
-Ανάλυση δεδομένων : Η τεχνητή νοημοσύνη, που βασίζεται στο cloud-computing, μπορεί να επεξεργάζεται ζωντανά τεράστια φορτία δεδομένων για να αποκαλύψει πιθανές ύποπτες συναλλαγές. Με την υιοθέτηση αλγορίθμων ML, οι φορολογικές αρχές μπορούν να εντοπίσουν μοτίβα και ανωμαλίες σε δηλώσεις ΦΠΑ, συναλλαγές, Intrastat, κ.λπ. βοηθώντας τους να εντοπίσουν πιθανούς τομείς στους οποίους να επικεντρώσουν τον έλεγχο.
Παραδείγματα φορολογικών αρχών που χρησιμοποιούν κάποιο είδος τεχνητής νοημοσύνης.
Η Ιταλία, στην προσπάθειά της για τον έλεγχο της φοροδιαφυγής, εντόπισε πέρυσι πάνω από 1 εκατομμύριο περιπτώσεις υψηλού κινδύνου με ανάλυση δεδομένων που βασίζεται στην τεχνητή νοημοσύνη. Ο αλγόριθμός του VeRa συγκρίνει φορολογικές δηλώσεις, κέρδη, περιουσιακά στοιχεία, τραπεζικούς λογαριασμούς και ηλεκτρονικές πληρωμές αναζητώντας αποκλίσεις. Στη συνέχεια, οι φορολογούμενοι υψηλού κινδύνου λαμβάνουν ειδοποίηση που τους ζητά να τεκμηριώσουν τις διαφορές. Όσο περισσότερα δεδομένα επεξεργάζεται η VeRa, τόσο πιο έξυπνη γίνεται.
Σε πρόσφατη έκθεσή της η φορολογική αρχή ανέφερε ότι απέτρεψε περισσότερα από 6,8 δισεκατομμύρια ευρώ απάτης.
Η Ινδία από τον Μάιο του 2023 χρησιμοποιεί τεχνητή νοημοσύνη για τον εντοπισμό εικονικών αιτήσεων για εκπτώσεις φόρου εισροών μέσω ψευδών εγγραφών. Ο ιστότοπος Business Intelligence and Fraud Analyst (BIFA) της κεντρικής κυβέρνησης, η πύλη e-way και η μονάδα Business Intelligence (BIU) της κυβέρνησης του Ρατζαστάν συνεργάζονται για τον εντοπισμό αριθμών GST που φαίνεται να είναι εικονικές.
Η Μάλτα, το Ηνωμένο Βασίλειο, ο Καναδάς, η Ολλανδία και η Ιρλανδία χρησιμοποιούν ένα σύστημα τεχνητής νοημοσύνης που συγκρίνει καθημερινά πληροφορίες που συλλέγει από δημόσια δεδομένα με αυτά που δηλώνονται στις δηλώσεις ΦΠΑ και στις δηλώσεις φορολογίας εισοδήματος.
Η Σουηδία αναπτύσσει τεχνητή νοημοσύνη για να εντοπίσει ενδεχόμενους κινδύνου όταν οι επιχειρήσεις υποβάλλουν αίτηση έναρξης.
Η Γαλλία χρησιμοποιεί δορυφορικές εικόνες με τεχνητή νοημοσύνη για να εντοπίσει, οχήματα σπίτια ή πισίνες κατοίκων οι οποίοι είναι υποψήφιοι προς έλεγχο.
Τέλος το Xenon το οποίο είναι ένα σύστημα που αναπτύχθηκε αρχικά από την Ολλανδία, χρησιμοποιείται ήδη από έξι ευρωπαϊκές χώρες για τη διερεύνηση της φοροδιαφυγής με βάση τις αναζητήσεις και την έρευνα στο Διαδίκτυο.
Εκτός από τη χρήση της τεχνητής νοημοσύνης για τον εντοπισμό πιθανής φορολογικής απάτης ή λαθών, οι περισσότερες φορολογικές αρχές χρησιμοποιούν την τεχνητή νοημοσύνη για να βοηθήσουν στην αποτελεσματικότητα των δικών τους δραστηριοτήτων συμμόρφωσης και διαχείρισης.
Χώρες όπως ο Καναδάς και η Σιγκαπούρη πρωτοστατούν σε αυτό.