Πόση μεταρρύθμιση τελικά;

Ολοι οι διεθνείς οργανισμοί (OECD/Forum on Tax Administration, IOTA, World Bank) συστήνουν την ψηφιοποίηση της φορολογικής διοίκησης ως τη δυναμική μεταρρύθμιση για την αποδοτικότερη λειτουργία της. Ασχέτως των συστάσεων, η δυναμική της μεταρρύθμισης εξαρτάται από το εάν, τελικά, η ψηφιοποίηση εντοπίζει έγκαιρα και αποτελεσματικά τη φορολογική ασυνέπεια στον συνολικό εισπρακτικό κύκλο των δημοσίων εσόδων. Οπως επίσης εξαρτάται από το εάν η ψηφιοποίηση αντιμετωπίζει και μετριάζει τη φοροδιαφυγή πιο αποτελεσματικά και αποδοτικά σε σχέση με την παραδοσιακή λειτουργία της φορολογικής διοίκησης. Συγκεκριμένα, η πρόκληση είναι αν η ψηφιοποιημένη διοίκηση εντοπίζει φορολογούμενους που δεν έχουν καταγραφεί, προσδιορίζει και συλλέγει φόρους, ερευνά και ελέγχει γεγονότα φοροδιαφυγής και επιλύει διαφορές με τους φορολογούμενους – και όλα αυτά, σε πραγματικό χρόνο και σε περιβάλλον σύνεσης, διαφάνειας και λογοδοσίας.

Περισσότερες είναι οι προϋποθέσεις που χρειάζεται να πληρούνται για την επίτευξη αυτής της αποδοτικότητας και αποτελεσματικότητας. Η αξιοπιστία, η ακρίβεια και η επικαιρότητα των δεδομένων (data) της φορολογικής διοίκησης –όπως π.χ., η ταυτότητα των εγγεγραμμένων φορολογουμένων, η συσχέτιση πληροφοριών και βασικών επιχειρησιακών διαδικασιών– είναι αναγκαίες για τον έλεγχο της συμμόρφωσης και της επιβολής των μηχανισμών είσπραξης.

Κράτη που έχουν εφαρμόσει αξιοσημείωτες πρακτικές για την τήρηση των δεδομένων τους είναι η Γαλλία (data lake project), ο Καναδάς (data mining pipeline) και η Σιγκαπούρη (unified data platform). Ακόμη, πέραν από την εισαγωγή νέων εργαλείων και τεχνολογιών, η πραγματική ψηφιοποίηση της φορολογικής διοίκησης προϋποθέτει το συνολικό νομικό και θεσμικό μετασχηματισμό της. Δηλαδή, χρειάζεται να γίνουν οι απαιτούμενες ψηφιακές προσαρμογές των παραδοσιακών επιχειρησιακών διαδικασιών καθώς και να αναπτυχθούν νέες δυνατότητες, όπως π.χ. οι προηγμένες αναλύσεις δεδομένων, αλυσίδων αξίας και factoring για την επεξεργασία τεράστιων όγκων πληροφοριών. Σε αυτή την κατεύθυνση, π.χ., πενήντα ρομποτικές διαδικασίες έχουν αναπτυχθεί στο Ηνωμένο Βασίλειο.

Ιδιαίτερο ενδιαφέρον παρουσιάζει ο τομέας της μηχανικής μάθησης, που μπορεί να χρησιμοποιηθεί για τον εντοπισμό δόλιων πράξεων, όπως π.χ. στην Ιταλία για τον εντοπισμό της απάτης ΦΠΑ, τον εντοπισμό παράνομης διακίνησης αγαθών και δόλιων αιτήσεων επιστροφής φόρου, τον εντοπισμό πιθανών σφαλμάτων ή ασυνεπειών σε φορολογικές δηλώσεις όπως π.χ. στη Νορβηγία για τον εντοπισμό λαθών στις δηλώσεις, κ.ά. Επίσης, η εφαρμογή των τεχνικών της μηχανικής μάθησης σε συνδυασμό με την εφαρμογή των τεχνικών ανάλυσης δεδομένων και αλγορίθμων επιτρέπει τη λήψη αποφάσεων βασισμένων σε πληροφορίες και δεδομένα, όπως π.χ. στην Ισπανία για την επιλογή υποθέσεων προς έλεγχο. Εξίσου ενδιαφέρον είναι ότι οι φορολογικές διοικήσεις πειραματίζονται με την εφαρμογή των τεχνικών αυτών προκειμένου να εντοπίσουν και διορθώσουν διοικητικές ελλείψεις ή πρακτικές που οδηγούν σε αναξιοπιστία, βραδύτητα, ανακρίβειες ή και διαφθορά. Καθώς επίσης να προσδιορίζουν τον βαθμό συμμόρφωσης κατηγοριών φορολογουμένων και τη δημιουργία μοντέλων πρόβλεψης, όπως π.χ. στη Φινλανδία, για την πρόβλεψη των επισφαλών οφειλών.

Ομως η κύρια ζητούμενη προϋπόθεση –στη γενικότερη εκτίμηση ότι οι τομείς της μηχανικής μάθησης, των αλγορίθμων και της ανάλυσης δεδομένων μπορούν πράγματι να βελτιώσουν την αποδοτικότητα της φορολογικής διοίκησης σε σχέση με τη φοροδιαφυγή–, είναι η ανεύρεση εκείνης της ψηφιακής διαδικασίας που διασφαλίζει ένα αποδεκτό επίπεδο απορρήτου σε όφελος των φορολογουμένων.

Σημαντική ακόμη προϋπόθεση της ψηφιακής μεταρρύθμισης είναι η χρήση νέων δυνατοτήτων για την εξυπηρέτηση των φορολογουμένων, π.χ. η παροχή αυτοματοποιημένων απαντήσεων καθ’ όλο το 24/ωρο με τη χρήση εικονικών (virtual) υπαλλήλων που λειτουργούν με τη χρήση της τεχνητής νοημοσύνης. Κράτη που διαθέτουν στους φορολογουμένους τους αυτή τη δυνατότητα είναι η Λετονία, η Σουηδία, η Νορβηγία, το Ηνωμένο Βασίλειο, η Νότια Αφρική, η Πορτογαλία, η Δανία, η Αυστραλία, η Σιγκαπούρη, ο Καναδάς, η Κίνα, η Φινλανδία και η Βραζιλία.

Βασικά, η δυναμική της ψηφιακής μεταρρύθμισης καταγράφεται στo εύρος της εφαρμογής της, στην ποιότητα και στη χρήση των δεδομένων. Η μεταρρύθμιση είναι δυναμική όταν η ανάλυση δεδομένων χρησιμοποιείται στο σύνολο της φορολογικής διοίκησης – από όλα τα τμήματα και σε όλες τις επιχειρησιακές διαδικασίες και λειτουργίες. Επίσης, όταν η φορολογική διοίκηση χρησιμοποιεί προηγμένες αναλύσεις δεδομένων για αναφορές και στατιστικά στοιχεία προκειμένου να αποτυπώσει τα πεπραγμένα της και να βελτιώσει τις λειτουργικές διαδικασίες της. Τέλος, η μεταρρύθμιση είναι δυναμική όταν η ποιότητα των δεδομένων επιτρέπει έγκαιρα και επιτυχή αποτελέσματα κατά της φοροδιαφυγής.

Πρακτικά, η μεταρρυθμιστική δυναμική γίνεται αισθητή όταν η φορολογική συμμόρφωση ενισχύεται, η φοροδιαφυγή και απάτη ελαχιστοποιούνται, αυξάνεται η είσπραξη των εσόδων και εμπεδώνεται κλίμα εμπιστοσύνης και συνεργασίας με τους φορολογούμενους. Για την επιτυχή επίτευξη της μεταρρύθμισης χρειάζεται η χάραξη διαδρομής προς αυτή την κατεύθυνση. Το αν η διαδρομή είναι επιτυχής ή όχι, εξαρτάται από την απάντηση που δίνει κάθε φορά στο εξής ερώτημα: σε ποιο βαθμό η ψηφιοποιημένη φορολογική διοίκηση επιτυγχάνει την αλληλουχία αυτοματισμών και θεσμικών μεταρρυθμίσεων;

*Tax expert/επιστημονική συνεργάτιδα ΕΝΑ, δρ Νομικής ΕΚΠΑ, DEA de droit Université Lyon III - Cert. Lund University, Cert. Boston University, Cert. Leiden University, Cert. IMF/VGAPx & VITARAx, TADAT (IMF) trained assessor