Φορολογικός «Big Brother»: Η ΑΑΔΕ στήνει υπερμηχανισμό για ληξιπρόθεσμα χρέη – Στο μικροσκόπιο μεγαλοοφειλέτες, ΦΠΑ και ύποπτες συναλλαγές
Με αιχμή την τεχνητή νοημοσύνη, τα ηλεκτρονικά μέσα και τα συστήματα ανάλυσης δεδομένων, η ΑΑΔΕ εντείνει την πίεση προς φορολογούμενους με ληξιπρόθεσμα χρέη, θέτοντας ως βασικό στόχο για το 2026 την είσπραξη τουλάχιστον 3,2 δισ. ευρώ από παλαιές οφειλές προς το Δημόσιο.
Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων θεωρεί ότι σημαντικό μέρος των οφειλετών διαθέτει οικονομική δυνατότητα αλλά επιλέγει να μην είναι συνεπές στις υποχρεώσεις του, γεγονός που οδηγεί σε πιο επιθετική στρατηγική ελέγχων και εισπράξεων.
Σύμφωνα με το Επιχειρησιακό Σχέδιο του 2026, η ΑΑΔΕ βάζει στο επίκεντρο όχι μόνο τις παλαιές ληξιπρόθεσμες οφειλές αλλά και την αποτροπή δημιουργίας νέων χρεών, αξιοποιώντας πλήρως τις δυνατότητες της ψηφιακής τεχνολογίας.
Στους βασικούς στόχους περιλαμβάνονται εισπράξεις ύψους 1,5 δισ. ευρώ από παλαιές οφειλές ΦΠΑ, έσοδα τουλάχιστον 850 εκατ. ευρώ από μεγάλους οφειλέτες μέσω της ΕΜΕΙΣ, αλλά και 28 εκατ. ευρώ από ληξιπρόθεσμες οφειλές προς την Τελωνειακή Διοίκηση.
Την ίδια ώρα, η ΑΑΔΕ στοχεύει σε εισπραξιμότητα 35% επί των νέων ληξιπρόθεσμων οφειλών, ενώ σχεδιάζει επανέλεγχο τουλάχιστον του 70% των υποθέσεων μεγάλων οφειλετών της τελευταίας πενταετίας.
Πώς λειτουργεί το νέο ψηφιακό μοντέλο ελέγχου
Στο επίκεντρο της νέας στρατηγικής βρίσκεται η αξιοποίηση της τεχνητής νοημοσύνης και των big data για τη δημιουργία αναλυτικού προφίλ κάθε φορολογούμενου.
Η ΑΑΔΕ εφαρμόζει ήδη τη μεθοδολογία PARE (Payment Capacity – Attitude – Recency – Event), μέσω της οποίας αξιολογείται η δυνατότητα αποπληρωμής κάθε οφειλέτη, η συμπεριφορά του απέναντι στις φορολογικές υποχρεώσεις, η παλαιότητα των χρεών αλλά και κρίσιμα οικονομικά γεγονότα που μπορεί να επηρεάζουν την οικονομική του κατάσταση.
Στην πράξη, η φορολογική διοίκηση αναλύει στοιχεία τραπεζικών λογαριασμών, εισοδημάτων, περιουσιακών δεδομένων και προηγούμενων ρυθμίσεων, δημιουργώντας ένα δυναμικό σύστημα αξιολόγησης κινδύνου.
Παράλληλα, μέσω του Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης και Ανάλυσης Δεδομένων, αναπτύσσονται προγνωστικά μοντέλα με χρήση machine learning, τα οποία επιτρέπουν καλύτερη στόχευση στις ενέργειες είσπραξης και στους φορολογικούς ελέγχους.
Η ΑΑΔΕ ενισχύει επίσης τα ηλεκτρονικά μέτρα αναγκαστικής είσπραξης, επεκτείνοντας τη δυνατότητα επιβολής κατασχέσεων εις χείρας τρίτων με πλήρως ψηφιακές διαδικασίες.
Την ίδια ώρα, συνεχίζονται οι διασταυρώσεις πληροφοριών με ξένες φορολογικές αρχές μέσω της Διεθνούς Διοικητικής Συνεργασίας, καθώς και οι στοχευμένες αιτήσεις αμοιβαίας συνδρομής για εισπράξεις από το εξωτερικό.
Στο μικροσκόπιο φοροδιαφυγή, ΦΠΑ και οικονομικό έγκλημα
Η χρήση τεχνητής νοημοσύνης δεν περιορίζεται μόνο στις ληξιπρόθεσμες οφειλές, αλλά επεκτείνεται πλέον και στους φορολογικούς ελέγχους υψηλού κινδύνου.
Η ΑΑΔΕ αξιοποιεί ανάλυση μεγάλου όγκου δεδομένων και ψηφιακές διασταυρώσεις για τον εντοπισμό επιχειρήσεων και επαγγελματικών κλάδων με υψηλή παραβατικότητα, μεγάλες αποκλίσεις μεταξύ δηλωθέντων εισοδημάτων και δαπανών ή αυξημένο φορολογικό κενό.
Παράλληλα, οι Δυνάμεις Ελέγχου Οικονομικών Συναλλαγών χρησιμοποιούν τα νέα συστήματα για την αποκάλυψη οργανωμένων κυκλωμάτων φοροδιαφυγής, λαθρεμπορίου και δασμοφοροδιαφυγής.
Στο στόχαστρο βρίσκονται επίσης η απάτη στον ΦΠΑ, η αδήλωτη εργασία, οι παράνομες οικονομικές συναλλαγές αλλά και υποθέσεις παράνομων επιδοτήσεων και οικονομικού εγκλήματος.
Η φορολογική διοίκηση εκτιμά ότι η συνδυαστική χρήση τεχνητής νοημοσύνης, ηλεκτρονικών διασταυρώσεων και αυτοματοποιημένων διαδικασιών θα αλλάξει ριζικά το μοντέλο φορολογικού ελέγχου τα επόμενα χρόνια, αυξάνοντας την πίεση προς όσους αποκρύπτουν εισοδήματα ή καθυστερούν συστηματικά τις υποχρεώσεις τους προς το Δημόσιο.
Διαβάστε επίσης; ΑΑΔΕ: Εντατικοί έλεγχοι σε επαγγελματίες που αμφισβητούν τα τεκμαρτά εισοδήματα
Μ.Η.Τ. 242183