Η ΑΑΔΕ στοχεύει σε 3,2 δισ. ευρώ από ληξιπρόθεσμες οφειλές: Πώς η Τεχνητή Νοημοσύνη ενισχύει την είσπραξη

Η είσπραξη των ληξιπρόθεσμων οφειλών προς το Δημόσιο αποτελεί πρωταρχικό στόχο της ΑΑΔΕ για το τρέχον έτος. Η Ανεξάρτητη Αρχή εστιάζει ιδιαίτερα σε όσους έχουν την οικονομική δυνατότητα να πληρώσουν, αλλά καθυστερούν να εκπληρώσουν τις υποχρεώσεις τους.

Σύμφωνα με το Επιχειρησιακό Σχέδιο 2026, η ΑΑΔΕ θέτει τους ακόλουθους στόχους:

• Είσπραξη τουλάχιστον 3,2 δισ. ευρώ από παλαιές ληξιπρόθεσμες οφειλές φορολογουμένων.
• Είσπραξη τουλάχιστον 1,5 δισ. ευρώ από παλαιές ληξιπρόθεσμες οφειλές ΦΠΑ.
• Εισπράξεις ύψους τουλάχιστον 850 εκατ. ευρώ από μεγάλους οφειλέτες και μέσω στοχευμένων δράσεων της ΕΜΕΙΣ.
• Εισπράξεις 28 εκατ. ευρώ από ληξιπρόθεσμες οφειλές προς την Τελωνειακή Διοίκηση.

Σημειώνεται ότι, το 71% των οφειλετών της Φορολογικής Διοίκησης και το 80% της Τελωνειακής Διοίκησης υφίστανται ήδη αναγκαστικά μέτρα είσπραξης.

Επιπλέον, προβλέπονται:

• Επεξεργασία αιτήσεων αναδιάρθρωσης οφειλών (Εξωδικαστικός Μηχανισμός ν.4469/2017 και ν.4738/2020) από την ΕΜΕΙΣ, με ποσοστό τουλάχιστον 90%.
• Περιοδική αξιολόγηση των οφειλετών ληξιπρόθεσμων οφειλών.
• Έλεγχος και επαναξιολόγηση τουλάχιστον του 70% των υποθέσεων μεγάλων οφειλετών για την τελευταία πενταετία, εντός του έτους.
• Εισπραξιμότητα 35% επί των νέων ληξιπρόθεσμων οφειλών των φορολογουμένων.

Για την ενίσχυση των εισπράξεων, την εκκαθάριση του χαρτοφυλακίου και τον περιορισμό της αύξησης των νέων ληξιπρόθεσμων οφειλών, η ΑΑΔΕ αξιοποιεί σύγχρονη τεχνολογία και τεχνητή νοημοσύνη.

Η ΑΑΔΕ ενημερώνει τους φορολογούμενους για τις ληξιπρόθεσμες οφειλές τους και τη διατήρηση/εξόφληση των ρυθμίσεών τους μέσω SMS, email και push notifications. Παράλληλα, εφαρμόζει τη μεθοδολογία PARE (Payment capacity- Attitude- Recency- Event) για τη δημιουργία λεπτομερούς προφίλ φορολογούμενου. Αυτή η μεθοδολογία λαμβάνει υπόψη την ικανότητα αποπληρωμής (ανάλυση στοιχείων τραπεζικών λογαριασμών, εισοδημάτων, περιουσίας), την προηγούμενη συμπεριφορά αποπληρωμής, την παλαιότητα των οφειλών και σημαντικά οικονομικά γεγονότα που μπορεί να έχουν επηρεάσει την ικανότητα ή τη συμπεριφορά του οφειλέτη.

Μέσω του Συστήματος Προηγμένης Επιχειρησιακής Νοημοσύνης (BI) και Ανάλυσης Δεδομένων (Data Analytics), αναπτύσσονται προγνωστικά μοντέλα με χρήση τεχνητής νοημοσύνης και μηχανικής μάθησης, με στόχο τη βελτίωση της στόχευσης των δράσεων είσπραξης ληξιπρόθεσμων οφειλών. Επεκτείνεται, επιπλέον, η δυνατότητα επιβολής κατάσχεσης εις χείρας τρίτων μέσω ηλεκτρονικών μέσων, ενώ συνεχίζεται η διασταύρωση πληροφοριών από αλλοδαπές αρχές μέσω Διεθνούς Διοικητικής Συνεργασίας και η αποστολή στοχευμένων αιτήσεων αμοιβαίας συνδρομής στην είσπραξη.

Η επιχειρησιακή νοημοσύνη και η τεχνητή νοημοσύνη δεν περιορίζονται στις ληξιπρόθεσμες οφειλές, αλλά αξιοποιούνται και σε στοχευμένους ελέγχους και έρευνες, μέσω ανάλυσης κινδύνου και επιλογής υποθέσεων για έλεγχο. Η τεχνητή νοημοσύνη συμβάλλει επίσης στην ανάλυση δεδομένων (big data) και σε ψηφιακές διασταυρώσεις.

Σύμφωνα με την ΑΑΔΕ, οι φορολογικοί έλεγχοι και οι έρευνες, με τη βοήθεια των νέων τεχνολογιών, θα επικεντρωθούν σε κλάδους και επιχειρήσεις με σημαντικό φορολογικό κενό, υψηλή παραβατικότητα και αποκλίσεις μεταξύ δηλωθέντων εισοδημάτων και δαπανών. Παράλληλα, οι Δυνάμεις Ελέγχου Οικονομικών Συναλλαγών, αξιοποιώντας τα συστήματα, τα δεδομένα και τις διαθέσιμες πληροφορίες, θα συμβάλλουν στην αποκάλυψη κυκλωμάτων και μεγάλων υποθέσεων φοροδιαφυγής, λαθρεμπορίου και δασμοφοροδιαφυγής. Επίσης, θα ενισχυθεί η αντιμετώπιση της απάτης στον ΦΠΑ, η αποκάλυψη φαινομένων αδήλωτης εργασίας και παράνομων οικονομικών συναλλαγών, η ανάκτηση ενισχύσεων και επιδοτήσεων, καθώς και η αντιμετώπιση σύνθετων περιπτώσεων οικονομικού εγκλήματος.