Χρηστικά

Σε 24ωρη παρακολούθηση όλοι οι φορολογούμενοι από την Εφορία!


Με τεχνητή νοημοσύνη η ΑΑΔΕ θα... προβλέπει αν ο πολίτης έχει τάση για φοροδιαφυγή ή να φεσώσει το Δημόσιο

Προληπτική παρακολούθηση όλων των φορολογουμένων προκειμένου να εντοπίζονται έγκαιρα τάσεις φοροδιαφυγής, αλλά και να προλαμβάνεται η μη συσσώρευση απλήρωτων χρεών προς το δημόσιο προβλέπει το νέο πρότζεκτ της ΑΑΔΕ, που θα στηρίζεται στην τεχνητή νοημοσύνη.

Η φορολογική Αρχή θέτει σε διαβούλευση το σχέδιο για την ανάθεση Σύμβασης Προμήθειας Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης (BI) και ανάλυσης δεδομένων (Data Analytics).

Σύμφωνα με την προκήρυξη, το έργο που θα υλοποιηθεί  στο Πλαίσιο του Εθνικού Σχεδίου Ανάκαμψης και Ανθεκτικότητας «Ελλάδα 2.0», αφορά στην προμήθεια ενός συστήματος ανάλυσης και εξόρυξης δεδομένων στατιστικής και ποσοτικής ανάλυσης, προσημειώσεις κλπ., που θα οδηγήσει στην καλύτερη εκμετάλλευση των δεδομένων της ΑΑΔΕ.

Πρόκειται για ένα 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.

Παρακολούθηση όλων

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

  1. Η διασύνδεση με τα πληροφοριακά συστήματα του ελέγχου: Παροχή δεδομένων για την υλοποίηση έμμεσων τεχνικών ελέγχων και ελεγκτικών διασταυρωτικών επαληθεύσεων
  2. 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
  3. Η έγκαιρη ανίχνευση περιστατικών φοροδιαφυγής: Ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου
  4. 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
  5. Η κατηγοριοποίηση φορολογουμένων: Κατηγοριοποίηση της αναμενόμενης συμπεριφοράς φορολογουμένων πχ στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κλπ.
  6. 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
  7. Η εκτίμηση ρίσκου και αξιολόγηση κινδύνου: Αξιολόγηση των φορολογουμένων ως προς το ρίσκο μη πληρωμής.
  8. 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.

Πρόσθετα χαρακτηριστικά του νέου συστήματος της ΑΑΔΕ είναι:

  • Η 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.
  • Η δυνατότητα παραγωγής στατιστικών και διαδραστικών αναφορών επιχειρησιακής ευφυΐας για το σύνολο των δεδομένων και πληροφοριών στους επιχειρησιακούς χρήστες.
  • Η 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.
Ακολουθήστε το Sofokleousin.gr στο Google News
και μάθετε πρώτοι όλες τις ειδήσεις
Σχετικά Άρθρα