Η τεχνητή νοημοσύνη στην υπηρεσία της ΑΑΔΕ: Μαζί με τα «ρομποτάκια» και τους αλγορίθμους η εφορία θα αξιοποιεί και το Data Mining, ένα νέο μέσο «εξόρυξης» χρήσιμων πληροφοριών με στόχο την καταπολέμηση της φοροδιαφυγής.
Με 100 εκατ. ευρώ από το πρόγραμμα «Ψηφιακός Μετασχηματισμός 2021-2027» του ΕΣΠΑ η ΑΑΔΕ προχωρά στην άμεση αναβάθμιση των πληροφοριακών συστημάτων φορολογίας και στον επιχειρησιακό εκσυγχρονισμό του ελεγκτικού της μηχανισμού.
Τα νέα συστήματα θα έχουν τη δυνατότητα να αντλούν δεδομένα από μια τεράστια δεξαμενή πληροφοριών και στοιχείων για τα εισοδήματα, την ακίνητη και κινητή περιουσία, τις δαπάνες, τις καθημερινές συναλλαγές με καταστήματα, αλλά και τις τραπεζικές κινήσεις.
Σε πρώτη μάλιστα φάση η τεχνητή νοημοσύνη θα ελέγχει άμεσα με την κατάθεσή τους όλες τις φορολογικές δηλώσεις και θα διαπιστώνει ποιες είναι αληθείς ή ψευδείς, δίνοντας «σήμα» στις φορολογικές αρχές για να «ξεσκονίσουν» τον «ύποπτο» φορολογούμενο, ενώ ταυτόχρονα θα μπορεί να ανιχνεύει την ύπαρξη τυχόν κρυφών περιουσιακών στοιχείων.
Μέσω της τεχνητής νοημοσύνης, θα μπορούν να ανιχνεύονται σε πραγματικό χρόνο ύποπτα περιστατικά φοροδιαφυγής και λαθρεμπορίου, ενώ οι φορολογούμενοι κατηγοριοποιούνται ανάλογα με τη συμπεριφορά τους.
Το νέο σύστημα με τη βοήθεια της τεχνητής νοημοσύνης θα μπορεί να:
– Συνδέεται και να έχει πρόσβαση σε όλα τα δεδομένα της ΑΑΔΕ καθώς και εξωτερικών πηγών.
– Προχωρά στην παραγωγή στατιστικών και διαδραστικών αναφορών επιχειρησιακής ευφυΐας για το σύνολο των δεδομένων και πληροφοριών στους επιχειρησιακούς χρήστες.
– επεξεργάζεται δεδομένα 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.
– εφαρμόζει 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.