Mākslīgais intelekts (MI) un mašīnmācīšanās tehnoloģiju straujā attīstība ir veicinājusi arī to izmantošanu nodokļu administrēšanas procesā gan Eiropas, gan Latvijas līmenī. MI ieviešana ir izrādījusies īpaši efektīva, palīdzot nodokļu administrācijām novērst nodokļu neatbilstības un krāpšanas gadījumus, uzlabot nodokļu maksātāju pieredzi un palielināt iekšējo procesu efektivitāti. Šajā rakstā apskatīsim dažādus nesenus piemērus, kā MI tiek izmantots nodokļu administrēšanas procesa uzlabošanai un nodokļu ieņēmumu palielināšanai Latvijā un citviet Eiropā.
Latvijas mērogā cītīgi sekojam līdzi citu Eiropas valstu praksei, integrējot dažādus MI rīkus, lai optimizētu nodokļu pārvaldes procesu. Kā nesenāku piemēru var minēt jauno nodokļu maksātāju reitingu, par kura vērtējumu nozīmi un darbību esam jau iepriekš rakstījuši MindLink. No tehniskā skatpunkta reitings darbojas, izmantojot SAP HANA Rule Framework kārtulas un WebIntelligence pārskatus, kas pielāgojami ar VID darbinieku atbilstošām piekļuves tiesībām un zināšanām. Tādējādi reitinga sistēma pamatojas uz VID zināšanu bāzi un ir ilgtermiņā pielāgojama, nodrošinot maksimāli automatizētu nodokļu maksātāja segmentēšanas datu sagatavošanu.
Līdzīgi kā mūsu Baltijas kaimiņvalstīs un citās Eiropas valstīs, kopš 2020. gada VID mājaslapā ir pieejams virtuālais asistents “Toms”, kurš palīdz vispārīgos nodokļu jautājumos un kura zināšanas palielinās ar katru uzdoto jautājumu.
Jāatzīmē, ka papildus minētajiem rīkiem VID izmanto mašīnmācīšanās algoritmu, kas, analizējot, piemēram, VID deklarētās algas, Centrālās statistikas pārvaldes datus un uzņēmumu finanšu rādītājus, spēj identificēt uzņēmumus, kas maksā “aplokšņu” algas, ar gandrīz 90% precizitāti. Šī metode lielākoties ir testēta rūpniecībā, tirdzniecībā, transportā un būvniecībā, secinot, ka 37% uzņēmumu šajās nozarēs maksā algas aploksnēs, ietekmējot gandrīz ceturto daļu darbinieku.
Vairākas Eiropas valstis jau ir guvušas ievērojamus panākumus, izmantojot MI nodokļu pārvaldē, lai efektīvāk varētu identificēt un novērst krāpšanu nodokļu jomā.
Austrija
Izmantojot MI, Austrija 2023. gadā palielināja nodokļu ieņēmumus par 185 miljoniem eiro. Finanšu ministrijas Prognozēšanas analītikas kompetences centrs, izmantojot MI un mašīnmācīšanās algoritmus, ir pārbaudījis 34 miljonus gadījumu un no tiem atlasījis 375 000 aizdomīgu gadījumu padziļinātai izpētei, paverot iespēju optimizēt nodokļu audita procesu. Izmantojot mašīnmācīšanās algoritmus, šis centrs spēj analizēt lielus datu apjomus un veikt riska novērtējumus reāllaikā, lai identificētu neatbilstības un potenciālus pārkāpumus. MI tiek izmantots arī uzņēmumu monitorēšanai un novērtēšanai jau kopš to reģistrācijas brīža, lai laicīgi atklātu aizdomīgus darījumus vai nodokļu neatbilstības.
Polija
Arī Polijā kopš 2017. gada ir ieviests MI un mašīnmācīšanās modelis, ko izmanto PVN krāpniecības apkarošanai, analizējot apjomīgas nodokļu maksātāju datu kopas, lai identificētu aizdomīgus darījumus. Ieviestais STIR modelis palīdz veikt nodokļu maksātāju riska novērtējumu un saistību izvērtējumu, kā arī automātisku un pielāgotu atgādinājumu izsūtīšanu, aicinot laicīgi pildīt nodokļu saistības. STIR nodod datus nodokļu administrācijai, kas var bloķēt uzņēmuma bankas kontus, ja ir aizdomas par PVN krāpšanu. Šādi nodokļu atbilstības nodrošināšanas pasākumi ir palīdzējuši ievērojami samazināt Polijas PVN plaisu no 6,6 miljardiem eiro 2017. gadā līdz 1,7 miljardiem eiro 2021. gadā.
Itālija
Itālija ir viena no vadošajām valstīm MI izmantošanā nodokļu pārkāpumu konstatēšanai. Ieviestais VeRa algoritms palīdz Itālijas nodokļu administrācijai salīdzināt finanšu datus, tostarp nodokļu deklarācijas un bankas kontus, lai identificētu nodokļu maksātāju riska pakāpi un liktu paskaidrot augsta riska nodokļu maksātājiem konstatētās neatbilstības. Izmantojot MI algoritmus finanšu datu salīdzināšanai, Itālija 2022. gadā identificēja vairāk nekā miljonu augsta riska gadījumu un novērsa krāpniecību 6,8 miljonu eiro apmērā.
Rumānija
Saskaņā ar 2021. gada Eiropas Komisijas datiem Rumānijā ir viena no lielākajām PVN plaisām. Lai to mazinātu, Rumānijas nodokļu administrācija izmanto mašīnmācīšanās algoritmus apjomīgu datu apstrādei, risku izvērtējumiem un MI sistēmas datu konsolidācijai, lai radītu priekšstatu par nodokļu maksātāju finanšu situāciju, kā arī robotikas risinājumus sistēmu automatizācijai, uzlabojot nodokļu pārbaužu procesa precizitāti. Saskaņā ar pieejamo informāciju MI izmantošanas rezultātā PVN ieņēmumi 2023. gadā pieauga apmēram par 1%.
MI izmantošana nodokļu pārvaldes procesā ir pavērusi neskaitāmas iespējas efektīvākai un precīzākai datu apstrādei un analīzei. Sistēmu automatizācija, izmantojot MI, palīdz nodokļu administrācijām ātri un precīzi apstrādāt lielu datu apjomu. MI un mašīnmācīšanās modeļu integrēšana nodokļu administrēšanas procesā var darboties arī ārpus pamata datu analīzes kā efektīvs rīks galveno tendenču noteikšanā, lai ātrāk un efektīvāk atklātu nodokļu neatbilstības vai pārkāpumus. Tas nodokļu maksātājiem un administrācijām nodrošina ievērojamu laika un resursu ietaupījumu, kā arī veicina paša procesa caurspīdīgumu un uzticamību, ļaujot ātrāk un precīzāk identificēt un novērst iespējamās nodokļu neatbilstības un pārkāpumus.
No valstu piemēriem secināms, ka MI kļūst par neaizstājamu instrumentu nodokļu administrēšanas procesā, kas arī nākotnē piedāvās nepieredzētas iespējas uzlabot nodokļu pārvaldes procesu efektivitāti, veicināt caurskatāmību un godīgu uzņēmumu konkurenci. Šādu izmaiņu ietekmē uzņēmumiem būs jāpievērš pastiprināta uzmanība saviem nodokļu risku vadības procesiem, lai uzlabotu savu reputāciju un celtu nodokļu atbilstības līmeni.
Ja Jums ir kāds komentārs par šo rakstu, lūdzu, iesūtiet to šeit lv_mindlink@pwc.com
Uzdot jautājumu
