Το κρατικό credit score και οι νομικοί προβληματισμοί πίσω από τη βαθμολογία
Πόσο «καλός οφειλέτης» είσαι; Το κρατικό credit scoring και οι νομικοί προβληματισμοί πίσω από τη βαθμολογία
Πόσο συνεπής είναι ένας οφειλέτης στις οικονομικές του υποχρεώσεις; Πόσο πιθανό είναι να συνεχίσει να τις εξυπηρετεί στο μέλλον; Και μπορεί ένα σύνολο φορολογικών, ασφαλιστικών και περιουσιακών δεδομένων να μετατραπεί σε μία βαθμολογία που αποτυπώνει την οικονομική αξιοπιστία ενός προσώπου;
Οι ερωτήσεις αυτές αποκτούν πλέον πρακτική σημασία.
Με τον ν. 4972/2022 δημιουργήθηκε το θεσμικό πλαίσιο για την αξιολόγηση της έναντι του Δημοσίου φερεγγυότητας και πιστοληπτικής ικανότητας φυσικών και νομικών προσώπων. Το 2026 το σύστημα εξειδικεύθηκε περαιτέρω με σειρά κανονιστικών αποφάσεων, μεταξύ των οποίων οι ΚΥΑ 117786 ΕΞ 2026 και 117113 ΕΞ 2026.
Πρόκειται, ουσιαστικά, για ένα κρατικό credit scoring system. Και ακριβώς επειδή το σύστημα δεν περιορίζεται στην καταγραφή υφιστάμενων χρεών, αλλά επιχειρεί να προβλέψει τη μελλοντική οικονομική συμπεριφορά, ανακύπτουν σημαντικά ζητήματα προστασίας προσωπικών δεδομένων και ευρύτεροι νομικοί προβληματισμοί.
Τι ακριβώς κάνει το credit scoring
Η πιστοληπτική βαθμολόγηση βασίζεται σε στατιστική επεξεργασία ιστορικών δεδομένων οικονομικής συμπεριφοράς και, όπως προβλέπει η σχετική ΚΥΑ, σε αλγορίθμους μηχανικής μάθησης.
Στόχος είναι να εκτιμηθούν τρία βασικά στοιχεία: η ικανότητα αποπληρωμής, η συμπεριφορά ως προς την αποπληρωμή και η πιθανότητα αθέτησης υποχρεώσεων προς φορείς του Δημοσίου.
Για τον υπολογισμό μπορούν να αξιοποιούνται δεδομένα από την ΑΑΔΕ, όπως στοιχεία δηλώσεων εισοδήματος, περιουσιακής κατάστασης και ΕΝΦΙΑ, βεβαιωμένες οφειλές, πληρωμές, ρυθμίσεις και μέτρα αναγκαστικής εκτέλεσης. Αντίστοιχα, αντλούνται πληροφορίες για ασφαλιστικές οφειλές από το ΚΕΑΟ και στοιχεία σχετικά με πτωχεύσεις και πλειστηριασμούς από το Ηλεκτρονικό Μητρώο Φερεγγυότητας.
Τα φυσικά πρόσωπα εντάσσονται επίσης σε ομάδες με κοινά χαρακτηριστικά, όπως μισθωτοί, συνταξιούχοι, επιχειρηματίες, αγρότες ή πρόσωπα χωρίς εισόδημα, και η οικονομική τους συμπεριφορά συγκρίνεται και με εκείνη ομοιογενών ομάδων.
Το αποτέλεσμα, επομένως, δεν είναι μία απλή απάντηση στο ερώτημα «χρωστά ή δεν χρωστά». Είναι μία αλγοριθμική εκτίμηση για το πόσο πιθανό θεωρείται ότι το συγκεκριμένο πρόσωπο θα εκπληρώνει τις οικονομικές του υποχρεώσεις στο μέλλον.
Άλλο το Μητρώο Ιδιωτικού Χρέους και άλλο το credit score
Ιδιαίτερη προσοχή απαιτείται σε μία διάκριση που συχνά χάνεται στη δημόσια συζήτηση.
Το Μητρώο Παρακολούθησης Ιδιωτικού Χρέους, που ρυθμίζεται με την ΚΥΑ 74552 ΕΞ 2026, αποτελεί διαφορετικό μηχανισμό. Σκοπός του είναι η συγκέντρωση και επεξεργασία δεδομένων για την παρακολούθηση του συνολικού ιδιωτικού χρέους και τα στοιχεία του τηρούνται σε ανωνυμοποιημένη μορφή.
Δεν πρέπει, επομένως, να θεωρείται ότι κάθε πληροφορία που συγκεντρώνεται στο Μητρώο Ιδιωτικού Χρέους εισέρχεται αυτομάτως στην ατομική πιστοληπτική βαθμολόγηση.
Διαφορετική είναι και η ενοποιημένη βαθμολόγηση της ΚΥΑ 117113 ΕΞ 2026, η οποία επιτρέπει τον συνδυασμό της βαθμολόγησης έναντι του Δημοσίου με αξιολογήσεις φορέων πιστοληπτικής αξιολόγησης.
Πρόκειται για προσωπικά δεδομένα;
Αναμφίβολα ναι, όταν το scoring αφορά φυσικό πρόσωπο. Μάλιστα, το κρίσιμο στοιχείο δεν είναι μόνο ότι χρησιμοποιούνται φορολογικά, ασφαλιστικά και περιουσιακά δεδομένα. Από αυτά παράγεται ένα νέο προσωπικό δεδομένο: μία αξιολόγηση ή πρόβλεψη για την οικονομική αξιοπιστία και τη μελλοντική συμπεριφορά του προσώπου.
Με όρους ΓΚΠΔ πρόκειται για χαρακτηριστική περίπτωση κατάρτισης προφίλ, δηλαδή profiling.
Ενεργοποιούνται συνεπώς οι βασικές αρχές του Κανονισμού: νομιμότητα και διαφάνεια της επεξεργασίας, περιορισμός του σκοπού, ελαχιστοποίηση των δεδομένων, ακρίβεια και περιορισμός του χρόνου διατήρησης.
Δεν αρκεί δηλαδή να υπάρχει θεσμική βάση για το scoring. Πρέπει και τα δεδομένα που χρησιμοποιούνται να είναι αναγκαία και κατάλληλα για τον συγκεκριμένο σκοπό και το αποτέλεσμα να μην στηρίζεται σε λανθασμένες ή παρωχημένες πληροφορίες.
Όταν το score αρχίζει να καθορίζει αποφάσεις
Το άρθρο 22 ΓΚΠΔ θέτει ειδικούς κανόνες για αποφάσεις που βασίζονται αποκλειστικά σε αυτοματοποιημένη επεξεργασία και παράγουν έννομα ή αντίστοιχα σημαντικά αποτελέσματα για το πρόσωπο.
Η νομολογία του Δικαστηρίου της Ευρωπαϊκής Ένωσης έχει ήδη ασχοληθεί ειδικά με το credit scoring. Στην υπόθεση SCHUFA, C-634/21, κρίθηκε ότι ακόμη και η παραγωγή ενός credit score μπορεί, υπό προϋποθέσεις, να εμπίπτει στους κανόνες περί αυτοματοποιημένης λήψης αποφάσεων, όταν ο αποδέκτης του score βασίζεται σε αυτό σε καθοριστικό βαθμό για να αποφασίσει εάν θα συνάψει μία σύμβαση.
Το κρίσιμο ερώτημα, επομένως, δεν είναι μόνο ποιος «πατά το κουμπί» της τελικής απόφασης. Είναι πόση πραγματική επιρροή έχει το score στην απόφαση.
Εάν, για παράδειγμα, μία χαμηλή βαθμολογία καταλήξει στην πράξη να συνεπάγεται σχεδόν αυτόματα άρνηση χρηματοδότησης, τότε η ύπαρξη ενός ανθρώπου στο τέλος της διαδικασίας δεν αρκεί από μόνη της για να αποκλείσει τον προβληματισμό περί αυτοματοποιημένης απόφασης.
Ο πολίτης πρέπει να μπορεί να καταλάβει το «γιατί»
Η ελληνική ρύθμιση προβλέπει ότι μαζί με τη βαθμολογία παρέχεται και επεξήγησή της. Το πραγματικό ζήτημα όμως είναι πόσο συγκεκριμένη και κατανοητή θα είναι αυτή η εξήγηση.
Το ΔΕΕ, στην υπόθεση Dun & Bradstreet Austria, C-203/22, κατέστησε σαφές ότι στην αυτοματοποιημένη πιστοληπτική αξιολόγηση το υποκείμενο πρέπει να λαμβάνει πληροφορίες που του επιτρέπουν όχι απλώς να πληροφορείται το αποτέλεσμα, αλλά να κατανοεί ουσιαστικά πώς προέκυψε και να μπορεί να το αμφισβητήσει.
Ένα «χαμηλό score λόγω οικονομικής συμπεριφοράς» δύσκολα αρκεί. Ο ενδιαφερόμενος πρέπει να μπορεί να αντιληφθεί ποια στοιχεία επηρέασαν ουσιαστικά τη βαθμολογία του και, εφόσον κάποιο είναι εσφαλμένο, να ζητήσει τη διόρθωσή του.
Είναι πράγματι ελεύθερη η συγκατάθεση;
Για τη χορήγηση της πιστοληπτικής βαθμολόγησης σε φορέα του ιδιωτικού τομέα προβλέπεται ρητή, ειδική και διακριτή συγκατάθεση του ενδιαφερομένου για κάθε μεμονωμένο αίτημα, καθώς και συναίνεση για την άρση του φορολογικού απορρήτου.
Πρόκειται για σημαντική εγγύηση. Ο προβληματισμός θα εμφανιστεί εάν το credit score καθιερωθεί μελλοντικά ως συνήθης προϋπόθεση για την πραγματοποίηση σημαντικών συναλλαγών.
Εάν, δηλαδή, κάποιος μπορεί θεωρητικά να αρνηθεί να κοινοποιήσει τη βαθμολογία του, αλλά στην πράξη η άρνηση συνεπάγεται ότι δεν θα λάβει χρηματοδότηση ή δεν θα μπορέσει να ολοκληρώσει μία συγκεκριμένη συναλλαγή, τότε τίθεται το ερώτημα πόσο ελεύθερη παραμένει η συγκατάθεση κατά την έννοια του ΓΚΠΔ.
Αλγοριθμικές διακρίσεις και AI Act
Το credit scoring βρίσκεται και στο πεδίο του ευρωπαϊκού AI Act. Τα συστήματα Τεχνητής Νοημοσύνης που χρησιμοποιούνται για την αξιολόγηση της πιστοληπτικής ικανότητας φυσικών προσώπων ή για τον καθορισμό credit score χαρακτηρίζονται από τον ευρωπαϊκό νομοθέτη ως συστήματα υψηλού κινδύνου.
Ο λόγος είναι σαφής. Μία λανθασμένη ή μεροληπτική αξιολόγηση μπορεί να επηρεάσει ουσιαστικά την πρόσβαση ενός ανθρώπου σε οικονομικούς πόρους και υπηρεσίες.
Ιδιαίτερη προσοχή χρειάζεται επομένως στον κίνδυνο αλγοριθμικών ή έμμεσων διακρίσεων. Ένα μοντέλο μπορεί να μην χρησιμοποιεί απευθείας προστατευόμενα χαρακτηριστικά και παρ’ όλα αυτά, μέσω άλλων μεταβλητών ή της ένταξης σε συγκεκριμένες ομάδες, να παράγει συστηματικά δυσμενέστερα αποτελέσματα για ορισμένες κατηγορίες προσώπων.
Ο πραγματικός προβληματισμός δεν είναι αν υπάρχει ένα score
Η πιστοληπτική αξιολόγηση δεν είναι από μόνη της παράνομη. Αποτελεί εδώ και χρόνια εργαλείο διαχείρισης πιστωτικού κινδύνου. Το νέο στοιχείο βρίσκεται στην κλίμακα και στη φύση της επεξεργασίας: δημόσια οικονομικά δεδομένα, μηχανική μάθηση, πρόβλεψη μελλοντικής συμπεριφοράς, δυνατότητα διαβίβασης της βαθμολογίας σε ιδιώτες και συνδυασμός της με άλλες πιστοληπτικές αξιολογήσεις.
Γι’ αυτό και έχουν ήδη διενεργηθεί τόσο εκτίμηση αντικτύπου για την προστασία προσωπικών δεδομένων όσο και αλγοριθμική εκτίμηση αντικτύπου.
Η ουσιαστική νομική συζήτηση, επομένως, δεν είναι αν «επιτρέπεται ένα credit score».
Είναι ποια δεδομένα επιτρέπεται να το διαμορφώνουν, πόσο διαφανής είναι ο τρόπος υπολογισμού του, πώς διορθώνεται ένα λάθος, πόσο πραγματική είναι η δυνατότητα αμφισβήτησής του και, κυρίως, πόσο καθοριστικό μπορεί να γίνει για την οικονομική ζωή ενός ανθρώπου.
Γιατί ένα score μπορεί να είναι ένα χρήσιμο εργαλείο αξιολόγησης κινδύνου. Δεν πρέπει όμως να μετατραπεί σε μία μόνιμη οικονομική ταυτότητα που ακολουθεί το πρόσωπο και προκαθορίζει σε ποιες συναλλαγές μπορεί ή δεν μπορεί να συμμετέχει.
