استفاده وزارت دارایی اتریش از هوش مصنوعی برای مبارزه فرار مالیاتی

در اتریش، دولت و به‌ویژه وزارت دارایی با هدف افزایش کارایی سیستم مالیاتی و کاهش فرار مالیاتی، از فناوری هوش مصنوعی استفاده می‌کند.

وزارت فدرال دارایی اتریش اخیراً کنفرانسی خبری برگزار کرد و در آن اعلام شد استفاده از روش‌های نوین هوش مصنوعی در مبارزه با فرار مالیاتی به نتایج چشمگیری منجر شده است. بنا به گفته‌ مسئولان، تنها در سال 2024 این ابزارهای هوش مصنوعی استفاده شده منجر به شناسایی مواردی شد که در مجموع ۳۵۴ میلیون یورو درآمد مالیاتی اضافی برای دولت به همراه داشت.  

در این نشست خبری، مارکوس مارتر‌باوئر، وزیر دارایی و باربارا ایبینگر میدل، دبیر‌دولت از حزب مردم حضور داشتند. وزیر دارایی تأکید کرد که در شرایط کنونی کسری بودجه، فرار مالیاتی بیش از پیش برای دولت زیان‌بار است و مقابله با آن یک ضرورت جدی محسوب می‌شود. او اعلام کرد که در پاییز امسال بسته‌ اقدامات جدیدی تحت عنوان «بسته مبارزه با فرار مالیات» ارائه خواهد شد. وی افزود، همان‌طور که روش‌های تقلب و فریب دائماً تغییر می‌کنند و تکامل می‌یابند، مبارزه با آن‌ها نیز باید از ابزارهای مدرن بهره ببرد.

این موفقیت بیش از هم مرهون فعالیت­های مرکز تخصصی تحلیل پیش­بینی (PACC) وابسته به وزارت دارایی است. این مرکز، مرکزی تازه تاسیس در وزارت دارایی برای استفاده از هوش مصنوعی در ساختار مالیاتی اتریش است که با استفاده از مدل‌های ریسک و الگوریتم‌های یادگیری ماشین، به عنوان مثال در سال ۲۰۲۴ بیش از ۶.۶ میلیون بررسی و کنترل مالیاتی انجام داده است.  

بر اساس اعلام کریستیان واینزینگر، رئیس  این مرکز که در کنفرانس خبری مذکور شرکت داشت، اقدامات این مرکز طیف وسیعی را دربر می‌گیرد که شامل بررسی پرونده‌های بازگشت مالیات کارمندان، فرار از مالیات بر درآمد و مالیات شرکت‌ها گرفته تا شناسایی تقلب در مالیات بر ارزش افزوده. او افزود که میلیون‌ها مورد تخلف احتمالی در حوزه رعایت مقررات نیز تحت بررسی قرار گرفته است. بخشی از این موارد شامل کشف شرکت‌های صوری و شناسایی درخواست‌های غیرقانونی برای دریافت کمک‌ها و یارانه‌ها بوده است. در پایان این نشست، وزیر دارایی بار دیگر تأکید کرد که دولت در مسیر استفاده گسترده‌تر از فناوری‌های نوین در سیستم مالیاتی گام برمی‌دارد و پاییز امسال مجموعه‌ای از اقدامات جدید برای تشدید مبارزه با فرار مالیاتی ارائه خواهد شد.  

یکی از شاخص‌ترین مثال‌های کاربرد هوش مصنوعی در اتریش، مرکز تخصصی تحلیل پیش‌بینی (Predictive Analytics Competence Center – PACC)  است که مستقیماً زیر نظر وزارت دارایی فعالیت می‌کند. این مرکز با بهره‌گیری از الگوریتم‌های پیشرفته یادگیری ماشین (Machine Learning) و تحلیل پیش‌بینی (Predictive Analytics)  قادر است حجم عظیمی از داده‌ها را پردازش کرده و خطرات احتمالی تقلب مالیاتی و تخلفات دیگر را در زمان واقعی شناسایی کند. به‌طور مثال، مرکز تخصصی تحلیل پیش‌بینی می‌تواند از طریق تحلیل رفتار مالیاتی افراد و شرکت‌ها، پرونده‌های پرخطر را شناسایی کرده و به بازرسان مالیاتی در اولویت‌بندی پرونده‌ها کمک کند.  

مرکز تخصصی تحلیل پیش‌بینی به‌صورت اختصاصی بر روی شناسایی تقلب مالیاتی و بهینه‌سازی فرآیندهای مالی و مالیاتی تمرکز دارد. این مرکز با هدف استفاده از فناوری‌های نوین از جمله هوش مصنوعی، یادگیری ماشین و تحلیل داده‌های بزرگ، تلاش می‌کند تا کارایی سیستم مالیاتی اتریش را افزایش دهد و درآمدهای دولت را از طریق شناسایی تخلفات و جرائم مالیاتی بهبود بخشد.

مرکز تخصصی تحلیل پیش­بینی از سه بخش تشکیل شده است:

بخش تحلیل داده‌ها و مدل‌سازی ریسک: این بخش مسئول جمع‌آوری و تحلیل حجم عظیمی از داده‌های مالیاتی و اقتصادی است. الگوریتم‌های پیشرفته موسوم به الگوریتم­های یادگیری ماشین برای شناسایی الگوهای غیرعادی و رفتارهای پرخطر مالیاتی استفاده می‌شوند. مدل‌های ریسک به‌صورت پویا بروزرسانی می‌شوند تا با تغییر رفتارهای تقلب، همگام باشند. در سال ۲۰۲۴، این بخش توانست با استفاده از مدل‌های ریسک، حدود ۶٫۶ میلیون بررسی مالیاتی انجام دهد.

بخش بازرسی و کنترل: داده‌های تحلیل‌شده توسط بخش اول به این بخش منتقل می‌شوند تا بازرسی‌های دقیق و هدفمند انجام شود. این بخش شامل متخصصانی است که می‌توانند پرونده‌های مشکوک را شناسایی و بررسی کنند. تمرکز این بخش نه تنها بر تخلفات معمول مانند دستکاری در اظهارنامه‌های مالیاتی، بلکه بر موارد پیچیده‌تر مانند استفاده از شرکت‌های صوری و دریافت غیرمجاز کمک‌ها و تسهیلات نیز است.

بخش نوآوری و توسعه فناوری: این واحد مسئول تحقیق و توسعه روش‌های نوین هوش مصنوعی و ابزارهای تحلیل داده است و هدف آن افزایش کارایی سیستم‌های موجود، کاهش خطا و شناسایی تخلفات در زمان واقعی است. استفاده از فناوری‌های جدید، مانند یادگیری عمیق (Deep Learning) و تحلیل پیش‌بینی پویا (Dynamic Predictive Analytics) به این بخش امکان می‌دهد که فراتر از بررسی گذشته، ریسک‌های آینده را نیز پیش‌بینی کند.

مرکز تخصصی تحلیل پیش­بینی وزارت دارایی در تمامی‌بخش‌های مالیاتی اتریش فعالیت دارد و حوزه‌های عملیاتی آن شامل مالیات بر درآمد و حقوق و دستمزد (بررسی اظهارنامه‌های مالیاتی افراد و شناسایی پرداخت‌های غیرمجاز یا دستکاری شده)، مالیات بر شرکت‌ها و سود (تحلیل تراکنش‌ها و دفاتر شرکت‌ها برای شناسایی تخلفات در حوزه مالیات بر درآمد)، مالیات بر ارزش افزوده (کنترل تراکنش‌های تجاری و شناسایی تقلب در گزارش‌های مالیاتی شرکت‌ها) و تجارت بین‌المللی و تبادلات ارزی (تحلیل تراکنش‌های بین‌المللی و شناسایی تخلفات مالیاتی مرتبط با صادرات و واردات)، کمک‌ها و یارانه‌های دولتی (بررسی دریافت غیرمجاز کمک‌ها و تسهیلات توسط افراد یا شرکت‌ها) و حتی رمزارزها و دارایی‌های دیجیتال (نحلیل تراکنش‌های رمزنگاری شده برای شناسایی تخلفات مالیاتی) می­شود.

روش کار این مرکز به این شکل است که به جای بررسی تصادفی پرونده‌ها، از مدل‌های ریسک استفاده می‌کند تا پرونده‌های پرخطر را اولویت‌بندی کند. روش‌های استاندارد شامل تحلیل اسناد حسابداری، بررسی تراکنش‌های مالی و شناسایی شرکت‌های صوری است. به‌علاوه، با گسترش پایگاه‌های داده و استانداردهای بین‌المللی، این مرکز توانسته سطح دقت و گستردگی بررسی‌ها را به‌طور قابل توجهی افزایش دهد.  

اما مساله ای که باید به آن توجه داشت ابزارهای هوش مصنوعی و مدل­های ریسک است که این مرکز از آنها استفاده می­کند. مرکز تخصصی تحلیل پیش­بینی از چندین نوع مدل هوش مصنوعی برای تحلیل داده‌ها استفاده می‌کند که عبارتند از:

مدل‌های یادگیری نظارت­شده (Supervised Learning): این مدل­ها بر اساس داده‌های تاریخی شناسایی تخلفات آموزش می‌بینند و قادرند پرونده‌های جدید را بر اساس احتمال تقلب ارزیابی کنند.

مدل‌های یادگیری بدون نظارت (Unsupervised Learning): این مدل‌ها الگوهای پنهان در داده‌ها را کشف می‌کنند و موارد غیرعادی یا انحراف‌های ناگهانی را مشخص می‌کنند. کاربرد این مدل در شناسایی شرکت‌های صوری و تراکنش‌های غیرمتعارف بین‌المللی بسیار مؤثر است.

مدل‌های تحلیل پیش‌بینی پویا (Dynamic Predictive Analytics): این مدل‌ها نه تنها داده‌های گذشته را بررسی می‌کنند، بلکه با پیش‌بینی رفتار آینده مالیات‌دهندگان، احتمال وقوع تخلف را قبل از رخداد واقعی تخمین می‌زنند.

ترکیب این مدل‌ها موجب می‌شود که این مرکز بتواند پرونده‌های پرخطر را به شکل هوشمند اولویت‌بندی کرده و منابع انسانی را به بررسی هدفمند اختصاص دهد.

فرآیند عملیاتی بررسی پرونده‌ها در این مرکز شامل مراحل زیر است:

جمع‌آوری داده‌ها: داده‌های مالیاتی افراد و شرکت‌ها، تراکنش‌های بانکی، اطلاعات تجارت بین‌المللی و حتی داده‌های رمزارزها در این مرحله گردآوری می‌شوند. باید توجه داشت که حجم داده‌ها بسیار بالاست و نیاز به پردازش با الگوریتم‌های مقیاس‌پذیر دارد.

تحلیل اولیه و شناسایی موارد پرخطر: مدل‌های ریسک بر اساس داده‌های جمع‌آوری شده، پرونده‌ها را ارزیابی کرده و لیستی از موارد با احتمال تخلف بالا ارائه می‌دهند.

بازرسی و بررسی دقیق: تیم متخصص مرکز بر اساس رتبه‌بندی ریسک، پرونده‌ها را بررسی می‌کند و تخلفات واقعی را تأیید می‌کند.

گزارش و اقدامات قانونی: نتایج بررسی‌ها به وزارت دارایی ارسال می‌شود و اقدامات قانونی یا اصلاحی مطابق قانون اجرا می‌گردد.

یکی از نمونه‌های بارز عملکرد مرکز تحلیل پیش­بینی که به عنوان نمونه در سال ۲۰۲۴ در گزارش ­ها آمده مربوط به شناسایی یک شبکه شرکت صوری بین‌المللی است که با هدف فرار از مالیات بر ارزش افزوده فعالیت می‌کرد. با تحلیل داده‌های تراکنش‌های بانکی و مقایسه با الگوهای رفتاری گذشته، سیستم توانست این شبکه را شناسایی و درآمد غیرقانونی آن‌ها را حدود ۷٫۲ میلیون یورو تخمین بزند.

 منابع:

https://orf.at/stories/3402401/

https://www.derstandard.at/story/3000000283295/finanzministerium-setzt-gegen-steuerbetrug-verst228rkt-auf-ki

https://www.diepresse.com/19997398/ki-deckt-steuerbetrug-auf-350-millionen-euro-mehreinnahmen-fuer-das-finanzministerium

https://www.vatupdate.com/2024/08/14/austria-uses-ai-to-generate-additional-tax-revenue/?utm_source=chatgpt.com

 https://www.law360.com/tax-authority/articles/2376539

https://www.bmf.gv.at/en/topics/combating-fraud/anti-fraud-units/pacc.html?utm_source=chatgpt.com