Όπως δημοσιεύτηκε στις στην φορολογική-λογιστική πύλη ενημέρωσης Τaxheaven. https://www.taxheaven.gr/news/47183/texnhth-nohmosynh-kai-emmeses-texnikes-forologikoy-elegxoy
Οι έμμεσες τεχνικές ελέγχου θεσμοθετήθηκαν στην χώρα μας με το άρθρο 4 παραγρ. 14 του ν. 4038/2012. Πρόκειται για διεθνώς αποδεκτές ελεγκτικές μεθόδους με τις οποίες ο προσδιορισμός του φορολογητέου εισοδήματος του φορολογούμενου πραγματοποιείται μέσω της ανάλυσης της οικονομικής του κατάστασης, κάνοντας χρήση πληροφοριών που προέρχονται από διάφορες πηγές, πέρα από τη φορολογική δήλωση και τα επίσημα βιβλία και στοιχεία του φορολογούμενου.
Στην Γαλλία, εξέλιξαν και βελτίωσαν τις πρακτικές αυτές με την ένταξη της τεχνητής νοημοσύνης (Α.Ι.) και επίσημα στο οπλοστάσιο του ελεγκτικού μηχανισμού για την αποκάλυψη υποθέσεων φοροδιαφυγής. Πρόκειται για την γνωστή πρακτική, η οποία σχετίζεται με την απόκρυψη εισοδημάτων και αποφυγή φόρων και δασμών, και η οποία δεν ταλαιπωρεί μόνο την χώρα μας, δεδομένου ότι και η Γαλλική Φορολογική Αρχή αναζητά κάθε χρόνο 80 με 100 δισ. ευρώ που «λείπουν» από τα ταμεία του Γαλλικού κράτους.
Προκειμένου να καταπολεμηθεί το φαινόμενο αυτό, εδώ και μερικά χρόνια αναπτύχθηκε ένα λογισμικό, το οποίο «τρέχει» σε μια ψηφιακή πλατφόρμα κατασκευασμένη από το Υπουργείο Οικονομίας και τη Γαλλική φορολογική υπηρεσία. Χρειάστηκαν 22 επιστήμονες στον τομέα της πληροφορικής και περίπου 20 εκατομμύρια ευρώ που επενδύθηκαν την προηγούμενη πενταετία για την ολοκλήρωση του φιλόδοξου αυτού σχεδίου που ονομάζεται στα γαλλικά «Mission requêtes et valorisation» (MRV), αλλά η επένδυση αυτή έχει ήδη αρχίσει να αποφέρει τους πρώτους καρπούς. Αγοράστηκε εξοπλισμός πληροφορικής για την απόκτηση περισσότερης υπολογιστικής ισχύος, αποκτήθηκαν βάσεις δεδομένων από ιδιωτικές εταιρείες και ενισχύθηκε η αρχική ομάδα του έργου με προσωπικό περνώντας από τα 14 άτομα στα τέλη του 2017, στα 26 άτομα έως τα τέλη Ιουνίου 2019. Από τον Απρίλιο του 2018, το MRV, το οποίο βασίζεται σε λογισμικό τεχνητής νοημοσύνης, στόχευσης της απάτης και διασταυρώσεων, αποστέλλει ανά τρίμηνο στα αρμόδια τμήματα ελέγχου έναν όγκο φακέλων που καθορίζεται από τους στόχους ελέγχων που έχουν τεθεί από την υπηρεσία. Καλύπτει τα περισσότερα φορολογικά αντικείμενα (Φόρος εισοδήματος, ΦΠΑ, Δασμοί, κλπ) και η διαδικασία συνεχούς εκμάθησης του επιτρέπει να παρέχει, για κάθε φορολογούμενο φυσικό ή νομικό πρόσωπο, μια εκτίμηση που αντικατοπτρίζει το μέγεθος του κινδύνου φορολογικών παραβάσεων.
Το 2018, τα αποτελέσματα του MRV ήταν η πηγή 6.917 προτάσεων για εξωτερικούς φορολογικούς ελέγχους (3.000 το 2017, 345 το 2016) και 34.200 προτάσεων για φορολογικούς ελέγχους από την έδρα της υπηρεσίας (22.700 το 2017). Οι πρώτοι έλεγχοι που πραγματοποιήθηκαν επέτρεψαν την ανάκτηση 250 εκατομμυρίων ευρώ από φόρους και 59 εκατομμυρίων ευρώ σε πρόστιμα. Αυτά τα αποτελέσματα είναι ακόμη πιο ικανοποιητικά αν ληφθεί υπόψη ότι, λόγω των προθεσμιών που προβλέπονται από τις Γαλλικές διαδικασίες ελέγχου, μόνο ένα μικρό μέρος των ελέγχων που διενεργήθηκαν μετά από πρόταση του MRV έχει ολοκληρωθεί (2.600 εξωτερικοί έλεγχοι στις 31 Δεκεμβρίου 2018 σε 55.000 φακέλους που απέστειλε το MRV μεταξύ 1 Ιανουαρίου 2017 και 31 Δεκεμβρίου 2018).
Αυτό που ανέπτυξε η «Direction générale des finances publiques» (DGFiP) – το ισοδύναμο της Ανεξάρτητης Αρχής Δημοσίων Εσόδων (ΑΑΔΕ) – είναι ένα σύστημα «εξόρυξης δεδομένων», δηλαδή της συλλογής και αξιολόγησης τεράστιων ποσοτήτων δεδομένων που ελέγχονται διαδοχικά και επαληθεύονται συστηματικά από τον αλγόριθμο. Όχι μόνο δεδομένα που υπάρχουν στα αρχεία του Γαλλικού δημοσίου, αλλά και εκείνα που εξάγονται από πλατφόρμες ηλεκτρονικού εμπορίου, ακόμη και από τα κοινωνικά δίκτυα, ύστερα από αίτημα έγκρισης που είχε υποβληθεί στην Ανεξάρτητη Αρχή CNIL για να χρησιμοποιηθεί το εργαλείο MRV και στα κοινωνικά δίκτυα, και τα οποία καταλήγουν σε ένα φίλτρο που βασίζεται στην τεχνητή νοημοσύνη.
Πρόκειται για ένα σύστημα ελέγχου στο οποίο οι εμπειρογνώμονες αποδίδουν μια αποτελεσματικότητα 10-20% υψηλότερη από αυτή των παραδοσιακών μεθόδων ανάλυσης. Το εργαλείο αυτό έχει διπλή αξία, πρώτα χάρη στις πολλαπλές διασταυρώσεις δεδομένων που πραγματοποιεί και επιτρέπουν σε κάθε ελεγκτή να πολλαπλασιάσει τη συνάφεια των αποτελεσμάτων, και έπειτα με την δυνατότητα του λογισμικού να «μάθει» συμβάλλοντας στη μοντελοποίηση των δεικτών επικινδυνότητας και, ως εκ τούτου, στον αυτόματο εντοπισμό και υπόδειξη των ύποπτων περιπτώσεων.
Ο στόχος της γαλλικής φορολογικής αρχής είναι το ποσοστό των φορολογικών ελέγχων που προέρχονται από εργασίες ανάλυσης δεδομένων που πραγματοποιούνται από τη μονάδα ανάλυσης δεδομένων της κεντρικής διοίκησης της Direction Générale des Finances publiques (DGFiP) να φτάσει το 35% το 2020. Ένας στόχος που χάρη στον «φορολογικό μεγάλο αδελφό» που τέθηκε σε εφαρμογή στην αρχή πιλοτικά και τα θετικά αποτελέσματα που έφερε αλλά και την πρόσφατη απόφαση του Γαλλικού Συνταγματικού Συμβουλίου η οποία δίνει το δικαίωμα στην επεξεργασία δεδομένων τα οποία οι φορολογούμενοι δημοσιεύουν στα μέσα κοινωνικής δικτύωσης από την DGFiP, φαίνεται πως θα είναι εύκολο να επιτευχθεί.
Γιώργος Χουσμεκερίδης
Οικονομολόγος, Μ.Β.Α.
Φοροτεχνικός Σύμβουλος, Λογιστής Α’ Τάξης