Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) θέτει ως κεντρικό στρατηγικό στόχο για το 2026 την εντατικοποίηση των διαδικασιών είσπραξης ληξιπρόθεσμων οφειλών προς το Δημόσιο. Σύμφωνα με το Επιχειρησιακό Σχέδιο της Αρχής, εκτιμάται ότι ένα σημαντικό ποσοστό οφειλετών διαθέτει την οικονομική δυνατότητα να εξοφλήσει τα χρέη του, αλλά επιλέγει να μην είναι συνεπές στις υποχρεώσεις του. Η νέα στρατηγική περιλαμβάνει συγκεκριμένους ποσοτικούς στόχους και την αξιοποίηση σύγχρονων τεχνολογικών εργαλείων.
Ποσοτικοί Στόχοι και Κατηγορίες Οφειλών
Το επιχειρησιακό πλάνο προβλέπει την είσπραξη τουλάχιστον 3,2 δισεκατομμυρίων ευρώ από παλαιές ληξιπρόθεσμες οφειλές φορολογουμένων. Παράλληλα, για την κατηγορία του Φόρου Προστιθέμενης Αξίας (ΦΠΑ), ο στόχος ανέρχεται σε τουλάχιστον 1,5 δισεκατομμύριο ευρώ. Η Ειδική Μονάδα Είσπραξης και Ικανοποίησης Στόχων (ΕΜΕΙΣ) καλείται να εισπράξει τουλάχιστον 850 εκατομμύρια ευρώ από μεγάλους οφειλέτες, ενώ για την Τελωνειακή Διοίκηση ο στόχος είναι 28 εκατομμύρια ευρώ. Αξίζει να σημειωθεί ότι το 71% των οφειλετών της Φορολογικής Διοίκησης και το 80% της Τελωνειακής Διοίκησης βρίσκονται ήδη υπό καθεστώς αναγκαστικών μέτρων είσπραξης.
Ψηφιακός Μετασχηματισμός και Αξιοποίηση Τεχνολογίας
Η ΑΑΔΕ επενδύει στην τεχνολογία και την τεχνητή νοημοσύνη για να αυξήσει την αποτελεσματικότητα των εισπρακτικών μηχανισμών. Μέσω της μεθοδολογίας PARE (Payment capacity, Attitude, Recency, Event), δημιουργείται ένα αναλυτικό προφίλ για κάθε φορολογούμενο, το οποίο λαμβάνει υπόψη την ικανότητα αποπληρωμής (βάσει τραπεζικών λογαριασμών, εισοδημάτων και περιουσίας), την προηγούμενη συμπεριφορά του, την παλαιότητα των οφειλών και σημαντικά οικονομικά γεγονότα. Παράλληλα, η Αρχή ενημερώνει τους πολίτες για τις οφειλές τους μέσω SMS, email και push notifications, ενώ υπενθυμίζει και την ανάγκη τήρησης των ρυθμίσεων.
Το Σύστημα Προηγμένης Επιχειρησιακής Νοημοσύνης (BI) και Ανάλυσης Δεδομένων (Data Analytics) χρησιμοποιείται για την ανάπτυξη προγνωστικών μοντέλων με τεχνητή νοημοσύνη και μηχανική μάθηση. Αυτά τα μοντέλα βελτιώνουν τη στόχευση των δράσεων είσπραξης, ενώ επεκτείνεται και η δυνατότητα ηλεκτρονικής κατάσχεσης εις χείρας τρίτων. Η διασταύρωση πληροφοριών με αλλοδαπές αρχές μέσω της Διεθνούς Διοικητικής Συνεργασίας και η αποστολή αιτήσεων αμοιβαίας συνδρομής αποτελούν επίσης βασικά εργαλεία.
Εντατικοποίηση Ελέγχων και Στόχευση Υψηλού Κινδύνου
Η τεχνητή νοημοσύνη δεν περιορίζεται μόνο στην είσπραξη, αλλά αξιοποιείται και για τη διενέργεια στοχευμένων ελέγχων και ερευνών. Μέσω ανάλυσης κινδύνου και επεξεργασίας μεγάλων δεδομένων (big data), οι φορολογικοί έλεγχοι θα επικεντρωθούν σε κλάδους και επιχειρήσεις που παρουσιάζουν μεγάλο φορολογικό κενό, υψηλή παραβατικότητα και σημαντικές αποκλίσεις μεταξύ δηλωθέντων εισοδημάτων και δαπανών. Οι Δυνάμεις Ελέγχου Οικονομικών Συναλλαγών, αξιοποιώντας τα διαθέσιμα συστήματα και δεδομένα, θα συμβάλλουν στην αποκάλυψη κυκλωμάτων φοροδιαφυγής, λαθρεμπορίου και δασμοφοροδιαφυγής. Επιπλέον, θα ενισχυθεί η αντιμετώπιση της απάτης στον ΦΠΑ, η αποκάλυψη της αδήλωτης εργασίας και η αντιμετώπιση σύνθετων υποθέσεων οικονομικού εγκλήματος.
