Σε μια κρίσιμη στροφή για τα δημόσια οικονομικά της χώρας, η Ελλάδα μεταμορφώνει το φορολογικό της σύστημα με ψηφιακά εργαλεία, τεχνητή νοημοσύνη και επιτήρηση σε πραγματικό χρόνο — και τα αποτελέσματα φαίνονται ήδη. Το Associated Press, σε εκτενές ρεπορτάζ του από την Αθήνα, παρουσίασε πώς οι νέες τεχνολογίες αλλάζουν ριζικά τον τρόπο με τον οποίο η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) αντιμετωπίζει τη φοροδιαφυγή.
Το ρεπορτάζ σημειώνει ότι το νέο, υπερσύγχρονο κτίριο της ΑΑΔΕ, που άλλοτε λειτουργούσε ως εμπορικό κέντρο και παγοδρόμιο, έχει μετατραπεί σε ψηφιακό κόμβο όπου “τρέχουν” αναλύσεις μεγάλων δεδομένων, παρακολουθήσεις με drones και στοχευμένοι έλεγχοι επιχειρηματικών συναλλαγών.
Οι αλγόριθμοι εντοπίζουν ύποπτες αποκλίσεις — επιχειρήσεις με μεγάλη κίνηση αλλά ελάχιστες δηλωμένες συναλλαγές. Σύμφωνα με τον διοικητή της ΑΑΔΕ, Γιώργο Πιτσιλή, ο οποίος μίλησε στο Associated Press, η εφαρμογή τέτοιων εργαλείων έχει ήδη φέρει εντυπωσιακά αποτελέσματα. Στον έλεγχο με την κωδική ονομασία “Saturday Night Fever”, για παράδειγμα, εντοπίστηκαν νυχτερινά κέντρα που δήλωναν πολύ χαμηλότερα έσοδα από την πραγματικότητα· μέσα σε λίγες ημέρες, οι ίδιες επιχειρήσεις ανέφεραν σχεδόν διπλάσια κέρδη.

Η μεταρρύθμιση άρχισε τα τελευταία χρόνια και, όπως αναφέρει το AP, βοήθησε ώστε η Ελλάδα να εμφανίσει πλεόνασμα στον προϋπολογισμό του 2024, μετά από χρόνια ελλειμμάτων. Ωστόσο, οι προκλήσεις παραμένουν: Η υψηλή φορολογία και το αυξημένο κόστος ζωής κάνουν πολλούς πολίτες να νιώθουν ότι η συμμόρφωση αυξάνεται, αλλά η φορολογική δικαιοσύνη δεν βελτιώνεται.
Ο κ. Πιτσιλής υπογράμμισε στο Associated Press ότι ο ψηφιακός μετασχηματισμός είναι μη αναστρέψιμος και ότι μέχρι το 2026 στόχος είναι η πλήρης ενσωμάτωση της τεχνητής νοημοσύνης, ώστε η φορολογική διαχείριση να γίνει όσο το δυνατόν πιο αυτοματοποιημένη, διαφανής και ακριβής.
Όπως παρουσιάστηκε σε εκδήλωση για την αναβάθμιση του ελεγκτικού μηχανισμού της ΑΑΔΕ, μέχρι στιγμής έχουν εξασφαλιστεί τα εξής:
- Πιλοτικό μοντέλο τεχνητής νοημοσύνης και μηχανικής μάθησης (Machine Learning): Αναπτύχθηκε ένα σύστημα που επιτρέπει την πιο στοχευμένη και αποδοτική επιλογή υποθέσεων για φορολογικό έλεγχο.
- Υιοθέτηση Μεθοδολογιών Ανάλυσης Κινδύνου: Εφαρμόστηκαν νέες προσεγγίσεις για τη συστηματική αξιολόγηση του φορολογικού κινδύνου, επιτρέποντας στους ελεγκτικούς μηχανισμούς να εστιάζουν εκεί που υπάρχει μεγαλύτερο ρίσκο.
- Αντιμετώπιση σύγχρονων μορφών φοροδιαφυγής: Εκπονήθηκε ένας ειδικός οδηγός για την παρακολούθηση και τον έλεγχο των δραστηριοτήτων στο ηλεκτρονικό εμπόριο και τα κρυπτονομίσματα, καλύπτοντας κενά που υπήρχαν σε αυτές τις ραγδαία αναπτυσσόμενες αγορές.