Η χρήση της τεχνητής νοημοσύνης αποκτά ιδιαίτερη σημασία σε θέματα φορολογικής διοίκησης, καθώς μπορεί να βοηθήσει σημαντικά στην τήρηση της φορολογικής νομοθεσίας, στη διευκόλυνση της επικοινωνίας μεταξύ φορολογικών αρχών και φορολογουμένων, και στη διασφάλιση των φορολογικών εσόδων. Σε διεθνές επίπεδο, η τάση προς την ψηφιοποίηση των φορολογικών αρχών ενισχύεται με την πλειονότητα των φορολογικών διοικήσεων να χρησιμοποιούν την επιστήμη των μαζικών δεδομένων και τα εργαλεία ανάλυσής τους για τη βελτίωση της εξυπηρέτησης των φορολογουμένων, την ενίσχυση της φορολογικής συμμόρφωσης και τη δίκαιη κατανομή των φορολογικών βαρών.
Αναμφισβήτητα, η αυτοματοποίηση των διαδικασιών με τη χρήση τεχνητής νοημοσύνης μπορεί να ενισχύσει τη λειτουργική αποτελεσματικότητα των φορολογικών αρχών. Για παράδειγμα, η ανάλυση μαζικών δεδομένων μπορεί να συμβάλει στην αντιμετώπιση της φοροδιαφυγής. Επίσης, το ψηφιακό περιβάλλον σε συνδυασμό με αλγορίθμους που «εκπαιδεύονται να αναγνωρίζουν συσχετισμούς και να κάνουν προβλέψεις» από πραγματικά στοιχεία παρέχει τη δυνατότητα ακριβέστερης πρόβλεψης των φορολογικών εσόδων και καλύτερου σχεδιασμού των φορολογικών πολιτικών. Επιπλέον, τα chatbots, εξοπλισμένα με επεξεργασία φυσικής γλώσσας, μπορούν να διαδραματίσουν σημαντικό ρόλο στην παροχή βοήθειας στους φορολογουμένους και, ως εκ τούτου, στη μείωση του διοικητικού κόστους και της φορολογικής διοίκησης.
Η χρήση όμως της τεχνητής νοημοσύνης δικαιολογημένα δημιουργεί και σημαντικές ανησυχίες, καθώς ανακύπτουν ερωτήματα σχετικά με το κράτος δικαίου και τα δικαιώματα των φορολογουμένων. Μεροληπτικοί αλγόριθμοι, μεροληπτική επιλογή των υποθέσεων στις οποίες βασίζονται οι αλγόριθμοι, στοιχεία που χρησιμοποιούνται για την εκπαίδευση των αλγορίθμων, τα οποία δεν είναι αντιπροσωπευτικά του πληθυσμού, εγκυμονούν τον κίνδυνο να εξάγουν μεροληπτικά αποτελέσματα. Για παράδειγμα, εάν ο αλγόριθμος επιλέξει ένα δείγμα για φορολογικό έλεγχο που δεν είναι αντιπροσωπευτικό του πραγματικού πληθυσμού, ή ένα δείγμα που στηρίζεται σε προκαταλήψεις και στερεότυπα, τότε το μοντέλο της τεχνητής νοημοσύνης πιθανότατα να οδηγηθεί σε λάθος συμπεράσματα ή να μάθει να αναπαράγει τις προκαταλήψεις και τα στερεότυπα.
Η δυνατότητα της τεχνητής νοημοσύνης να αυτοματοποιεί πολύπλοκες διαδικασίες ενέχει επίσης τον κίνδυνο να κάνει δυσκολότερη για τους φορολογουμένους την κατανόηση των αποφάσεων που τους επηρεάζουν και ως εκ τούτου να εγείρει ερωτήματα σχετικά με τα δικαιώματά τους ως προς τον έλεγχο των αποφάσεων της φορολογικής διοίκησης.
Αναλυτές και ερευνητές προειδοποιούν ότι ενώ η τεχνητή νοημοσύνη μπορεί να αποτελέσει χρήσιμο εργαλείο για τον εξορθολογισμό της φορολογικής συμμόρφωσης, η αποτελεσματικότητα της είναι τόσο καλή όσο και οι άνθρωποι που τη χρησιμοποιούν.
Η ανάλυση μαζικών δεδομένων μπορεί να συμβάλει στην αντιμετώπιση της φοροδιαφυγής, ενισχύοντας την αποτελεσματικότητα των φορολογικών αρχών.
Οι ανησυχίες αυτές δεν είναι φυσικά καινούργιες. Εχουν συζητηθεί στο πλαίσιο του G20, του Παγκόσμιου Οικονομικού Φόρουμ, του Ευρωπαϊκού Κοινοβουλίου, του ΟΟΣΑ και των Ηνωμένων Εθνών, και έχουν αποτυπωθεί στη Διακήρυξη Bletchley τον Νοέμβριο του 2023 και στη δέσμευση των συμμετεχόντων να συνεργαστούν για μια ανθρωποκεντρική, αξιόπιστη και υπεύθυνη τεχνητή νοημοσύνη.
Η επιτροπή του Συμβουλίου της Ευρώπης για την τεχνητή νοημοσύνη ολοκλήρωσε πρόσφατα τη σύνταξη πλαισίου (ένα νομικά δεσμευτικό κείμενο) για την ανάπτυξη, τον σχεδιασμό και την εφαρμογή της τεχνητής νοημοσύνης. Στόχος του είναι να διασφαλίσει ότι τα ανθρώπινα δικαιώματα, η δημοκρατία και το κράτος δικαίου προστατεύονται και προωθούνται στο ψηφιακό περιβάλλον.
Συμπερασματικά, η χρήση της τεχνητής νοημοσύνης σε θέματα φορολογικής διοίκησης μπορεί να βοηθήσει σημαντικά στην εξυπηρέτηση των φορολογουμένων και στη φορολογική συμμόρφωση.
*Ο κ. Χρήστος Κωτσόγιαννης είναι καθηγητής Οικονομικών στο Πανεπιστήμιο του Εξετερ, Ηνωμένο Βασίλειο, και διευθυντής του Ερευνητικού Κέντρου Tax Administration Research Centre (TARC).
