Σε εξέλιξη είναι το επιχειρησιακό σχέδιο της ΑΑΔΕ για την είσπραξη ληξιπρόθεσμων οφειλών προς το Δημόσιο, καθώς η Ανεξάρτητη Αρχή θεωρεί ότι μεταξύ όλων όσοι χρωστούν περιλαμβάνονται και εκείνοι που έχουν μεν την οικονομική δυνατότητα, αλλά «αμελούν» να φανούν συνεπείς στις υποχρεώσεις τους.
Μεταξύ άλλων, η ΑΑΔΕ στοχεύει σε:
- Είσπραξη ποσού τουλάχιστον 3,2 δισ. ευρώ έναντι παλαιών ληξιπρόθεσμων οφειλών των φορολογουμένων. Είσπραξη ποσού τουλάχιστον 1,5 δισ. ευρώ έναντι παλαιών ληξιπρόθεσμων οφειλών στην κατηγορία του ΦΠΑ.
- Εισπράξεις της ΕΜΕΙΣ από μεγάλους οφειλέτες και στοχευμένες δράσεις, ύψους τουλάχιστον 850 εκατ. ευρώ.
- *Εισπράξεις 28 εκατ. ευρώ έναντι των συνολικών ληξιπρόθεσμων οφειλών προς την Τελωνειακή Διοίκηση. Σημειώνεται ότι, το 71% οφειλετών της Φορολογικής Διοίκησης και το 80% της Τελωνειακής Διοίκησης τελούν υπό αναγκαστικά μέτρα είσπραξης.
- Επεξεργασία αιτήσεων αναδιάρθρωσης οφειλών Εξωδικαστικού Μηχανισμού ν.4469/2017 και ν.4738/2020 από την ΕΜΕΙΣ, σε ποσοστό τουλάχιστον 90%.
- Αξιολόγηση οφειλετών ληξιπρόθεσμων οφειλών σε περιοδική βάση.
- Έλεγχο και επαναξιολόγηση τουλάχιστον του 70% των υποθέσεων των μεγάλων οφειλετών για τα τελευταία πέντε χρόνια, εντός του έτους.
- Εισπραξιμότητα 35% επί των νέων ληξιπρόθεσμων οφειλών των φορολογουμένων.
Για την αύξηση των εισπράξεων έναντι ληξιπρόθεσμων οφειλών, την εκκαθάριση του χαρτοφυλακίου και τη λήψη μέτρων για τον περιορισμό της αύξησης των νέων ληξιπρόθεσμων, χρησιμοποιούνται η σύγχρονη τεχνολογία και η τεχνητή νοημοσύνη.
Η ΑΑΔΕ ενημερώνει τους φορολογούμενους (μέσω sms, email, push notifications) για τις ληξιπρόθεσμες οφειλές τους, αλλά και για τη διατήρηση και εξόφληση των ρυθμίσεών τους. Ενώ, εφαρμόζει στην πράξη τη μεθοδολογία PARE (Payment capacity- Attitude- Recency- Event) για τη δημιουργία αναλυτικού προφίλ φορολογούμενου, με βάση την ικανότητα να αποπληρώσει τις οφειλές του (αναλύοντας τα στοιχεία των τραπεζικών του λογαριασμών, των εισοδημάτων και της περιουσίας του), την παρελθούσα συμπεριφορά του ως προς την αποπληρωμή των οφειλών, την παλαιότητα των οφειλών του, αλλά και σημαντικά οικονομικά γεγονότα που μπορεί να έχουν επηρεάσει σε κρίσιμο βαθμό τη συμπεριφορά ή την ικανότητα προς εκπλήρωση των υποχρεώσεών του.
Μέσω του Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης (ΒΙ) και Ανάλυσης Δεδομένων (Data Analytics), αναπτύσσονται προγνωστικά μοντέλα, με χρήση τεχνητής νοημοσύνης και μηχανικής μάθησης, για τη βελτίωση της στόχευσης δράσεων είσπραξης ληξιπρόθεσμων οφειλών. Και επεκτείνεται η δυνατότητα επιβολής κατάσχεσης εις χείρας τρίτων με ηλεκτρονικά μέσα, ενώ συνεχίζεται η διασταύρωση των πληροφοριών από αλλοδαπές αρχές, μέσω της Διεθνούς Διοικητικής Συνεργασίας και την αποστολή στοχευμένων αιτήσεων αμοιβαίας συνδρομής στην είσπραξη.
Όμως, η επιχειρησιακή και η τεχνητή νοημοσύνη δεν περιορίζονται στις ληξιπρόθεσμες οφειλές, αλλά αξιοποιούνται και στους στοχευμένους ελέγχους και έρευνες, με την ανάλυση κινδύνου και επιλογή των υποθέσεων για έλεγχο. Επίσης, αξιοποιείται η τεχνητή νοημοσύνη στην ανάλυση δεδομένων (big data) και στις ψηφιακές διασταυρώσεις.
Σύμφωνα με την ΑΑΔΕ, με τις νέες τεχνολογίες στην «φαρέτρα» της, οι φορολογικοί έλεγχοι και οι έρευνες θα επικεντρωθούν μεταξύ άλλων σε κλάδους και επιχειρήσεις με μεγάλο φορολογικό κενό, υψηλή παραβατικότητα και αποκλίσεις μεταξύ δηλωθέντων εισοδημάτων και δαπανών. Παράλληλα, οι Δυνάμεις Ελέγχου Οικονομικών Συναλλαγών, αξιοποιώντας τα συστήματα, τα δεδομένα και τις διαθέσιμες πληροφορίες, θα συμβάλλουν, μεταξύ άλλων, στην αποκάλυψη κυκλωμάτων και μεγάλων υποθέσεων φοροδιαφυγής, λαθρεμπορίου και δασμοφοροδιαφυγής. Επίσης, θα ενισχύσουν την αντιμετώπιση της απάτης στον ΦΠΑ, την αποκάλυψη φαινομένων αδήλωτης εργασίας και παράνομων οικονομικών συναλλαγών, την ανάκτηση ενισχύσεων και επιδοτήσεων και την αντιμετώπιση σύνθετων περιπτώσεων οικονομικού εγκλήματος.
Πηγή: ΑΠΕ – ΜΠΕ
