Η ΑΑΔΕ επιστρατεύει την Τεχνητή Νοημοσύνη: Ψηφιακό «σαφάρι» για 3,2 δισ. ευρώ από ληξιπρόθεσμα

Στην είσπραξη ληξιπρόθεσμων οφειλών προς το Δημόσιο ρίχνει μεγάλο βάρος η ΑΑΔΕ μέσα στο 2026, αξιοποιώντας σύγχρονα ψηφιακά εργαλεία, τεχνητή νοημοσύνη και στοχευμένους ελέγχους.

Σύμφωνα με το Επιχειρησιακό Σχέδιο της Ανεξάρτητης Αρχής, βασικός στόχος είναι η αύξηση των εισπράξεων από παλαιές και νέες οφειλές, καθώς εκτιμάται ότι ανάμεσα στους οφειλέτες υπάρχουν και φορολογούμενοι που έχουν οικονομική δυνατότητα, αλλά δεν ανταποκρίνονται στις υποχρεώσεις τους.

Για το 2026 η ΑΑΔΕ στοχεύει, μεταξύ άλλων, στην είσπραξη τουλάχιστον 3,2 δισ. ευρώ από παλαιές ληξιπρόθεσμες οφειλές φορολογουμένων, καθώς και 1,5 δισ. ευρώ από παλαιές οφειλές ΦΠΑ.

Παράλληλα, η ΕΜΕΙΣ καλείται να πετύχει εισπράξεις τουλάχιστον 850 εκατ. ευρώ από μεγάλους οφειλέτες και στοχευμένες δράσεις, ενώ για τις ληξιπρόθεσμες οφειλές προς την Τελωνειακή Διοίκηση ο στόχος ανέρχεται στα 28 εκατ. ευρώ.

Ιδιαίτερη σημασία δίνεται και στις αιτήσεις αναδιάρθρωσης οφειλών μέσω του Εξωδικαστικού Μηχανισμού, με στόχο την επεξεργασία τουλάχιστον του 90% των αιτήσεων από την ΕΜΕΙΣ.

Στο σχέδιο περιλαμβάνεται επίσης η περιοδική αξιολόγηση των οφειλετών, καθώς και ο έλεγχος και η επαναξιολόγηση τουλάχιστον του 70% των υποθέσεων μεγάλων οφειλετών της τελευταίας πενταετίας μέσα στο έτος.

Για τις νέες ληξιπρόθεσμες οφειλές, η ΑΑΔΕ θέτει ως στόχο εισπραξιμότητα 35%.

Σημειώνεται ότι, σύμφωνα με τα στοιχεία της Αρχής, το 71% των οφειλετών της Φορολογικής Διοίκησης και το 80% των οφειλετών της Τελωνειακής Διοίκησης βρίσκονται ήδη υπό αναγκαστικά μέτρα είσπραξης.

Για την καλύτερη στόχευση των ενεργειών, η ΑΑΔΕ αξιοποιεί ενημερώσεις προς τους φορολογούμενους μέσω sms, email και push notifications, τόσο για τις ληξιπρόθεσμες οφειλές όσο και για τη διατήρηση ή εξόφληση ρυθμίσεων.

Παράλληλα, εφαρμόζεται η μεθοδολογία PARE, μέσω της οποίας δημιουργείται αναλυτικό προφίλ φορολογούμενου. Η αξιολόγηση βασίζεται στην οικονομική δυνατότητα αποπληρωμής, την προηγούμενη συμπεριφορά του οφειλέτη, την παλαιότητα των χρεών και τυχόν σημαντικά οικονομικά γεγονότα που επηρέασαν την ικανότητα πληρωμής.

Μέσω συστημάτων επιχειρησιακής νοημοσύνης και ανάλυσης δεδομένων, η ΑΑΔΕ αναπτύσσει προγνωστικά μοντέλα με χρήση τεχνητής νοημοσύνης και μηχανικής μάθησης, ώστε να βελτιώσει τη στόχευση των δράσεων είσπραξης.

Την ίδια ώρα, επεκτείνεται η δυνατότητα ηλεκτρονικής επιβολής κατασχέσεων εις χείρας τρίτων, ενώ συνεχίζονται οι διασταυρώσεις με στοιχεία αλλοδαπών αρχών μέσω διεθνούς διοικητικής συνεργασίας και στοχευμένων αιτημάτων αμοιβαίας συνδρομής για την είσπραξη οφειλών.

Η τεχνητή νοημοσύνη δεν θα χρησιμοποιηθεί μόνο για τις ληξιπρόθεσμες οφειλές, αλλά και για φορολογικούς ελέγχους, ανάλυση κινδύνου, επιλογή υποθέσεων προς έλεγχο, big data και ψηφιακές διασταυρώσεις.

Σύμφωνα με την ΑΑΔΕ, οι έλεγχοι θα επικεντρωθούν σε κλάδους και επιχειρήσεις με μεγάλο φορολογικό κενό, υψηλή παραβατικότητα και σημαντικές αποκλίσεις μεταξύ δηλωθέντων εισοδημάτων και δαπανών.

Παράλληλα, οι Δυνάμεις Ελέγχου Οικονομικών Συναλλαγών θα αξιοποιούν τα διαθέσιμα δεδομένα για την αποκάλυψη κυκλωμάτων φοροδιαφυγής, λαθρεμπορίου, δασμοφοροδιαφυγής, απάτης στον ΦΠΑ, αδήλωτης εργασίας, παράνομων οικονομικών συναλλαγών και σύνθετων υποθέσεων οικονομικού εγκλήματος.