Intelligenza Artificiale, network science e data visualization contro le evasioni fiscali. Il progetto dell’Agenzia delle Entrate finanziato dall’UE

Il vasto patrimonio informativo dell’Agenzia delle Entrate sarà la base di azione per l’attuazione del progetto supportato dalla UE “A data driven approach to tax evasion risk analysis in Italy” che opererà per diminuire drasticamente le evasioni fiscali. In particolare, si tratta della produzione annuale di 42 milioni di dichiarazioni, 750 milioni di informazioni comunicate da soggetti terzi ed enti esterni (contributi, bilanci, utenze, assicurazioni, ecc.), 400 milioni di rapporti finanziari attivi, 197 milioni di versamenti F24 e circa 2 miliardi di fatture elettroniche. A ciò si aggiungono informazioni per oltre 150 milioni di immobili censiti.

Il progetto nasce dall’esigenza di prevenire e contrastare, intervenendo nel minor tempo possibile: frodi IVA, anche intracomunitarie, utilizzi indebiti di crediti d’imposta e altre agevolazioni, realizzate anche mediante strutture societarie e schemi transazionali complessi.

“A data driven approach to tax evasion risk analysis in Italy” ideato e presentato dall’Agenzia delle Entrate è approvato dall’Unione Europea che ne permetterà l’attuazione grazie ai finanziamenti che erogherà all’Italia con il supporto della Direzione Generale per il Sostegno alle riforme strutturali (DG Reform) della Commissione Europea. Il progetto permetterà all’Agenzia di intervenire in maniera massiccia contro i fenomeni di evasione ed elusione fiscale.

In sostanza, si provvederà ad introdurre, a sperimentare e ad utilizzare tecniche innovative di network analysis, di machine learning e di data visualization. Nello specifico, gli specifici ambiti d’intervento selezionati saranno i seguenti:

• Network science. La rappresentazione dei dati sotto forma di reti permette di far emergere con maggiore facilità relazioni indirette e non evidenti tra soggetti (ad esempio relazioni tra società) che possono essere correlate a schemi di evasione e di elusione fiscale difficilmente individuabili con le tradizionali tecniche di analisi.
• Analisi visuale delle informazioni. L’adozione di interfacce innovative “uomo-macchina” (ad esempio modalità visuali fluide e intuitive di “navigazione” dei dati), consente di potenziare le capacità degli analisti, accelerando e rendendo più intuitivo e naturale il loro processo di acquisizione e trattamento delle informazioni rilevanti.
• Intelligenza artificiale. L’ausilio di tecniche di apprendimento automatico (machine learning) accelera i processi decisionali, sempre sotto controllo da parte degli analisti, e ne aumenta l’accuratezza e l’efficacia. L’adozione dell’Intelligenza artificiale nel dominio economico e fiscale è indicato nell’atto di indirizzo del MEF.

Approfondimenti:

•  Comunicato stampa in versione pdf