Με τεχνητή νοημοσύνη και νέες τεχνολογίες η ααδε στοχεύει στην είσπραξη ληξιπρόθεσμων οφειλών

Η είσπραξη ληξιπρόθεσμων οφειλών προς το Δημόσιο, αποτελεί στόχο της ΑΑΔΕ για το τρέχον έτος.

– 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%.

– Έλεγχο και επαναξιολόγηση τουλάχιστον του 70% των υποθέσεων των μεγάλων οφειλετών για τα τελευταία πέντε χρόνια, εντός του έτους.

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.