ΑΑΔΕ: Ο αλγόριθμος που ξεσκεπάζει εταιρείες-φαντάσματα και «αχυρανθρώπους»

ΑΑΔΕ: Ο αλγόριθμος που ξεσκεπάζει εταιρείες-φαντάσματα και «αχυρανθρώπους»
64 / 100 SEO Score

Με τη βοήθεια του δείκτη Jaccard, η φορολογική διοίκηση χαρτογραφεί τις κρυφές σχέσεις μεταξύ επιχειρήσεων και φυσικών προσώπων. Στο μικροσκόπιο οι εναλλαγές ΑΦΜ, οι κοινές έδρες και οι επιχειρήσεις που αφήνουν πίσω τους εκατομμύρια ευρώ σε χρέη προς το Δημόσιο.

Ένα νέο ψηφιακό εργαλείο αξιοποιεί η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) για τον εντοπισμό εταιρειών-φαντασμάτων, εικονικών επιχειρήσεων και προσώπων που εμφανίζονται τυπικά ως ιδιοκτήτες ή διαχειριστές, χωρίς να έχουν την πραγματική ευθύνη της επιχειρηματικής δραστηριότητας. Πρόκειται για τον μαθηματικό δείκτη ομοιότητας Jaccard, ο οποίος επιτρέπει στις ελεγκτικές υπηρεσίες να εντοπίζουν κρυφές συνδέσεις μεταξύ διαφορετικών ΑΦΜ και να χαρτογραφούν ευρύτερα επιχειρηματικά δίκτυα που ενδέχεται να συνδέονται με φοροδιαφυγή και συσσώρευση ανεξόφλητων οφειλών.

Η βασική καινοτομία της μεθόδου είναι ότι οι έλεγχοι δεν περιορίζονται πλέον στην εξέταση κάθε επιχείρησης ξεχωριστά. Αντίθετα, ο αλγόριθμος αναζητά κοινά χαρακτηριστικά μεταξύ εταιρειών και φυσικών προσώπων, εξετάζοντας εάν τα ίδια πρόσωπα συμμετέχουν επανειλημμένα σε διαφορετικά επιχειρηματικά σχήματα. Στην ανάλυση συνυπολογίζονται κοινές επαγγελματικές έδρες, τηλέφωνα επικοινωνίας, ηλεκτρονικές διευθύνσεις, λογιστές, πελάτες και προμηθευτές. Με αυτόν τον τρόπο μπορεί να εντοπιστεί, για παράδειγμα, μια επιχείρηση που διακόπτει τη λειτουργία της αφήνοντας χρέη και αντικαθίσταται από άλλη με διαφορετικό ΑΦΜ, αλλά με παρόμοια δραστηριότητα και κοινά πρόσωπα.

Ο δείκτης Jaccard υπολογίζει τον βαθμό ομοιότητας μεταξύ δύο προσώπων, συγκρίνοντας τις εταιρείες στις οποίες συμμετέχουν. Εάν δύο άτομα εμφανίζονται σε 15 επιχειρήσεις το καθένα και έχουν 10 κοινές, τότε ο συνολικός αριθμός των διαφορετικών εταιρειών ανέρχεται σε 20. Η διαίρεση των 10 κοινών εταιρειών με τις 20 διαφορετικές δίνει ποσοστό ομοιότητας 50%. Όσο υψηλότερο είναι το ποσοστό, τόσο ισχυρότερη θεωρείται η συγκεκριμένη επιχειρηματική σύνδεση. Στη συνέχεια, οι επιμέρους συσχετίσεις ενώνονται και δημιουργούν μεγαλύτερα δίκτυα, ακόμη και όταν ορισμένα πρόσωπα δεν έχουν άμεση σχέση μεταξύ τους.

Ιδιαίτερα αποκαλυπτικά ήταν τα αποτελέσματα από την εφαρμογή της μεθόδου στην υπόθεση των «αχυρανθρώπων» στη Θεσσαλονίκη. Το ΔΕΟΣ της ΑΑΔΕ εντόπισε εκατοντάδες συνδέσεις μεταξύ ΑΦΜ, εξετάζοντας ζευγάρια προσώπων που είχαν τουλάχιστον δύο κοινές εταιρείες. Με όριο ομοιότητας πάνω από 5%, καταγράφηκαν 719 συνδέσεις μεταξύ 369 ΑΦΜ, οι οποίες σχημάτιζαν 29 ομάδες. Η μεγαλύτερη περιλάμβανε 262 ΑΦΜ. Όταν το όριο αυξήθηκε πάνω από 10%, εντοπίστηκαν 504 συνδέσεις μεταξύ 330 ΑΦΜ, κατανεμημένες σε 60 ομάδες, ενώ με όριο άνω του 20% προέκυψαν 358 συνδέσεις μεταξύ 270 ΑΦΜ, σε 77 ομάδες. Η μεγαλύτερη από αυτές περιλάμβανε 13 ΑΦΜ.

Η μέθοδος επιτρέπει στους ελεγκτές να εντοπίζουν τις ισχυρότερες σχέσεις και να κατευθύνουν τις έρευνες σε συγκεκριμένες επιχειρήσεις και πρόσωπα. Ωστόσο, η ύπαρξη κοινών εταιρικών συμμετοχών ή υψηλού ποσοστού ομοιότητας δεν αποτελεί από μόνη της απόδειξη παράνομης δραστηριότητας, αλλά ένδειξη που μπορεί να οδηγήσει σε περαιτέρω φορολογικό έλεγχο. Η αξιοποίηση του εργαλείου έχει ήδη συνδεθεί με την αποκάλυψη μεγάλου κυκλώματος 380 επιχειρήσεων και 205 φυσικών προσώπων, το οποίο είχε συσσωρεύσει οφειλές 43 εκατ. ευρώ προς το Δημόσιο.

Η ΑΑΔΕ αξιοποιεί επίσης στοιχεία από διαφορετικές βάσεις δεδομένων, προκειμένου να εντοπίζει τις πραγματικές σχέσεις πίσω από τις επιχειρηματικές δραστηριότητες. Στις διασταυρώσεις περιλαμβάνονται πληροφορίες από το myDATA, τα μητρώα επιχειρήσεων, τα στοιχεία εργαζομένων και προμηθευτών, τα μισθωτήρια συμβόλαια, καθώς και δεδομένα από τράπεζες και παρόχους ενέργειας. Ιδιαίτερη σημασία έχουν οι περιπτώσεις στις οποίες παρατηρείται διαδοχική αλλαγή ΑΦΜ στην ίδια επαγγελματική εγκατάσταση, με την επιχείρηση να συνεχίζει ουσιαστικά την ίδια δραστηριότητα, ενώ οι οφειλές της προηγούμενης εταιρείας παραμένουν ανεξόφλητες.

Παρά την εκτεταμένη αξιοποίηση των ψηφιακών εργαλείων, η τελική αξιολόγηση των ευρημάτων και η διενέργεια των ελέγχων παραμένουν αρμοδιότητα των ελεγκτικών υπηρεσιών. Η ανάλυση κινδύνου βοηθά στην επιλογή των υποθέσεων που παρουσιάζουν αυξημένες ενδείξεις παρατυπιών, ενώ πληροφορίες και ευρήματα από επιτόπιες έρευνες μπορούν επίσης να οδηγήσουν στην έναρξη ελέγχων. Σύμφωνα με στοιχεία της υπόθεσης στη Θεσσαλονίκη, η εφαρμογή της συγκεκριμένης μεθοδολογίας επιτρέπει πλέον στην ΑΑΔΕ να εντοπίζει ευρύτερα δίκτυα επιχειρηματικών σχέσεων και να ερευνά υποθέσεις που θα ήταν δυσκολότερο να αποκαλυφθούν με τους παραδοσιακούς ελέγχους.

ΠΗΓΗ