Elizabete Lizete Lapsiņa

Старший налоговый консультант, PwC Латвия

Matīss Auziņš

Руководитель налоговых проектов, PwC Латвия

Искусственный интеллект (ИИ) и стремительно развивающиеся технологии машинного обучения нашли применение и в процессе налогового администрирования на уровне Европы и Латвии. Внедрение ИИ оказалось особенно эффективным – помогает налоговым администрациям устранять налоговые расхождения и случаи мошенничества, улучшать опыт налогоплательщиков и повышать эффективность внутренних процессов. В данной статье рассмотрим некоторые недавние примеры использования ИИ для усовершенствования процесса налогового администрирования и увеличения налоговых поступлений в Латвии и других странах Европы.

Использование ИИ в системе налогового управления в Латвии

В масштабе Латвии мы старательно следуем практике других европейских стран, интегрируя различные инструменты ИИ для оптимизации процесса налогового управления. Среди недавних примеров можно упомянуть новый рейтинг налогоплательщиков, о значении оценок и действии которого уже писали в MindLink. С технической точки зрения рейтинг составляется с использованием правил SAP HANA Rule Framework и отчетов WebIntelligence, которые адаптируются к соответствующим правам доступа и знаниям работников СГД. Таким образом, рейтинговая система опирается на базу знаний СГД и поддается адаптации в долгосрочной перспективе, обеспечивая максимально автоматизированную подготовку данных сегментирования налогоплательщика.

Как и в соседних странах Балтии и других странах Европы, с 2020 года на домашней странице СГД работает виртуальный ассистент Том, помогающий в решении общих налоговых вопросов, объем знаний которого растет с каждым заданным вопросом.

Следует отметить, что помимо вышеуказанных инструментов СГД использует также алгоритм машинного обучения, который, проанализировав, например, задекларированные в СГД зарплаты, данные Центрального статистического управления и финансовые показатели предприятий, способен с точностью почти 90% идентифицировать предприятия, выплачивающие зарплаты «в конвертах». Данный метод тестировался в основном в производственной, торговой, транспортной и строительной сферах, показав, что 37% предприятий указанных отраслей платят зарплаты «в конвертах», что затрагивает почти четверть работников.

Использование ИИ в налоговом управлении – примеры других европейских стран

Несколько стран Европы уже достигли значительных успехов при использовании ИИ в налоговом управлении для более эффективного выявления и устранения мошенничества в налоговой сфере.

Австрия

За счет использования ИИ Австрия в 2023 году увеличила налоговые поступления на 185 миллионов евро. Центр компетенции в сфере аналитики прогнозирования Министерства финансов, используя ИИ и алгоритмы машинного обучения, проверил 34 миллиона случаев и отобрал из них 375 тысяч подозрительных для углубленного изучения, открыв возможность для оптимизации процесса налогового аудита. Используя алгоритмы машинного обучения, центр может анализировать большие объемы данных и проводить оценки риска в режиме реального времени для выявления несоответствий и потенциальных нарушений. ИИ используется также для мониторинга и оценки предприятий еще с момента их регистрации, чтобы вовремя обнаружить подозрительные сделки или налоговые несоответствия.

Польша

В Польше тоже с 2017 года введены ИИ и модель машинного обучения, которые используются для борьбы со случаями мошенничества с НДС путем анализа больших наборов данных о налогоплательщиках с целью выявления подозрительных сделок. Внедренная модель STIR помогает выполнять оценку риска налогоплательщиков и оценку обязательств, а также автоматическую адаптированную рассылку напоминаний, призывающих вовремя исполнить налоговые обязательства. STIR передает данные налоговой администрации, которая может заблокировать банковские счета предприятия, если возникли подозрения в мошенничестве с НДС. Такие меры по обеспечению налогового соответствия помогли существенно сократить разрыв по НДС в Польше – с 6,6 миллиарда евро в 2017 году до 1,7 миллиарда евро в 2021 году.

Италия

Италия – одна из ведущих стран по использованию ИИ для выявления налоговых нарушений. Внедренный алгоритм VeRa помогает итальянской налоговой администрации сравнивать финансовые данные, в том числе налоговые декларации и банковские счета, чтобы определить степень риска налогоплательщиков и потребовать у рискованных налогоплательщиков разъяснить обнаруженные несоответствия. Используя алгоритмы ИИ для сравнения финансовых данных, Италия в 2022 году идентифицировала более миллиона случаев с высокой степенью риска и предотвратила мошенничество в размере 6,8 миллиона евро.

Румыния

Согласно данным Европейской комиссии за 2021 год, в Румынии зафиксирован один из крупнейших разрывов по НДС. В целях его уменьшения румынская налоговая администрация использует алгоритмы машинного обучения для обработки больших данных, оценки рисков и консолидации данных системы ИИ, чтобы создать представление о финансовом положении налогоплательщиков, а также решения робототехники для автоматизации систем, повышая точность процесса налоговых проверок. Согласно доступной информации, в результате использования ИИ поступления НДС в 2023 году возросли приблизительно на 1%.

Выводы

Использование ИИ в процессе налогового управления открыло бесчисленные возможности для более эффективного и точного анализа и обработки данных. Автоматизация систем посредством ИИ помогает налоговым администрациям быстро и точно обработать большой объем данных. Интеграция ИИ и моделей машинного обучения в процесс налогового администрирования может работать и помимо анализа основных данных как эффективное средство выявления главных тенденций, чтобы быстрее и успешнее обнаруживать налоговые несоответствия или нарушения. Это обеспечивает налогоплательщикам и налоговым администрациям существенную экономию времени и ресурсов, а также способствует прозрачности и надежности самого процесса, позволяя быстрее и точнее идентифицировать и предотвращать возможные налоговые несоответствия и нарушения.

Из примеров стран можно заключить, что ИИ становится незаменимым инструментом в процессе налогового администрирования, который и в дальнейшем будет обеспечивать невиданные возможности для повышения эффективности процессов налогового управления, содействия прозрачности и честной конкуренции между предприятиями. Под влиянием таких изменений предприятиям потребуется обратить повышенное внимание на свои процессы управления налоговыми рисками, чтобы улучшить репутацию и повысить уровень налогового соответствия.