La Commissione di studio CNDCEC “Accertamento e rapporti con l’amministrazione centrale e locale” ha emanato nel mese di novembre 2024 un documento di ricerca riguardo all'applicazione dell'intelligenza artificiale agli accertamenti tributari.
L'articolo continua dopo la pubblicità
In tale documento è richiamato il Regolamento europeo 2024/1689 - AI Act, che fornisce una definizione di intelligenza artificiale, che è da considerarsi come un sistema “automatizzato progettato per funzionare con livelli di autonomia variabili e che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce dall’input che riceve come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali.”
L'AI Act, entrato in vigore il 13 luglio 2024 e pienamente applicabile dal 2 agosto 2026, introduce delle norme riguardo alla commercializzazione, all’attivazione e all’utilizzo dei sistemi di intelligenza artificiale nell'Unione Europea.
Gli obiettivi principali di questa disposizione sono:
Il citato Regolamento sull'intelligenza artificiale distingue tra tre categorie principali di sistemi di IA:
La ratio del Regolamento è quella di assicurare un utilizzo dell'intelligenza artificiale che sia antropocentrica e affidabile e che sia in grado di garantire un elevato livello di protezione della salute, della sicurezza e dei diritti fondamentali sanciti dalla Carta dei diritti fondamentali dell'Unione Europea.
L'intelligenza artificiale può rappresentare un significativo passo avanti verso l'uguaglianza tributaria tra i contribuenti. Questo obiettivo viene raggiunto principalmente attraverso l'imparzialità dell'azione amministrativa di accertamento, che impone di trattare allo stesso modo i contribuenti che si trovano nella stessa situazione.
L'IA può essere uno strumento efficace per rendere effettiva l'uguaglianza tributaria. Una volta individuato un modello di azione relativo a una fattispecie normativa astratta, questo può essere applicato a tutte le situazioni concrete, sia per l'interpretazione della legge o dei fatti, sia per la valutazione dell'abusività di una o più operazioni economiche.
Inoltre, l'intelligenza artificiale può avere un ruolo importante nella prevenzione e nella repressione dell'evasione e dell'elusione fiscale.
L'immensa mole di dati a disposizione dell'Amministrazione finanziaria, come dati catastali, fatture elettroniche, flussi finanziari, circolari, interpelli, pareri, sentenze, può essere gestita in maniera efficace da un sistema di IA.
Tuttavia, l'utilizzo dell'IA finalizzata a promuovere l'imparzialità e l'efficacia dell'azione amministrativa, nonché la certezza dei rapporti giuridici, deve essere necessariamente bilanciato con i diritti fondamentali dell'uomo. Questi includono il diritto alla protezione dei dati personali, il diritto ad un'imposizione coerente con una manifestazione di effettiva capacità contributiva, il diritto di difesa nell'ambito di un procedimento amministrativo, ecc.
Il Documento di Ricerca si sofferma inoltre sugli Algoritmi alla base dell’Intelligenza Artificiale.
In termini funzionali, un algoritmo è una serie di istruzioni che possono risolvere un problema o giungere a conclusioni cognitive a partire da dati noti.
Questo meccanismo richiama l'istituto giuridico delle presunzioni (art. 2727 c.c.), dove la legge o il giudice traggono conseguenze da un fatto noto per risalire a un fatto ignoto.
Esistono due tipi principali di sistemi di intelligenza artificiale in relazione alla tipologia di algoritmi che viene utilizzata:
Gli algoritmi non deterministici differiscono dalla logica inferenziale puramente causale perché ammettono vari risultati possibili e vanno ad identificare di volta in volta quello più probabile.
L'apprendimento automatico (machine learning) consente a una macchina intelligente di migliorare le proprie capacità e prestazioni nel tempo, apprendendo dai dati acquisiti dall'esperienza. L'algoritmo di autoapprendimento costruisce un modello da applicare ai nuovi dati, migliorando sé stesso.
Esistono tre tipi di apprendimento automatico:
Ve.Ra., acronimo di "Verifica dei rapporti finanziari", è uno strumento di data analysis utilizzato per le analisi del rischio di evasione fiscale basate sui dati dell'Archivio dei Rapporti Finanziari, come previsto dalla legge di bilancio per il 2020. Il processo di controllo si basa sull'individuazione del rischio fiscale e su algoritmi nella selezione dei contribuenti da una vasta popolazione fino a un campione di posizioni ad alto rischio.
L'Archivio dei Rapporti Finanziari, istituito ai sensi dell'art. 7, comma 6, d.P.R. 605/1973 e implementato dall'art. 11 d.l. 201 del 2011, svolge un ruolo centrale nella lotta all'evasione fiscale. Le informazioni contenute in questa banca dati sono utilizzate nelle attività di selezione e controllo, con un ruolo essenziale nel contrasto all'evasione.
Le nuove analisi informatizzate del rischio di evasione utilizzano prioritariamente le informazioni dell'Archivio, previa anonimizzazione/pseudonimizzazione dei dati anagrafici dei contribuenti. Il Documento sulla valutazione d’impatto illustra un esempio concreto di applicazione degli algoritmi per selezionare efficacemente le posizioni di contribuenti da sottoporre a istruttoria.
L'esempio di selezione informatizzata dei contribuenti fornito dall'Agenzia si articola in cinque fasi principali:
Secondo l'Agenzia delle Entrate, la modellazione statistica dei dati non porta automaticamente a provvedimenti impositivi. I modelli di analisi stocastica supportano le strutture di controllo, ma non sostituiscono l'intervento umano. Le analisi segnalano i contribuenti che presentano elevate probabilità di violazione di norme tributarie, ma le decisioni finali sono prese da personale qualificato. I dati personali sono pseudonimizzati (ossia sostituiti con codici fittizi) affinché non sia mai possibile associare i dati finanziari ad uno specifico individuo, prima che sia stata verificata la presenza di un rischio fiscale.
L'Amministrazione finanziaria sta rapidamente implementando sistemi di intelligenza artificiale per contrastare l'evasione e l'elusione fiscale. Tuttavia, in attesa della piena entrata in vigore dell’AI Act, l'uso di questi sistemi è limitato dalle decisioni del Garante e del Consiglio di Stato, che richiedono il rispetto della privacy e la trasparenza degli algoritmi. Un accertamento completamente automatizzato non è attualmente legittimo a causa della mancanza di trasparenza degli algoritmi, che devono essere conoscibili in modo che sia possibile verificare che i criteri, i presupposti e gli esiti del procedimento robotizzato siano conformi alle prescrizioni e alle finalità stabilite sia nella fase legislativa che in quella amministrativa.
Nel Documento di Ricerca viene dunque indicato che ci si trova in una situazione di stallo: sebbene sia necessario utilizzare questi strumenti per combattere l'evasione e l'elusione fiscale, un accertamento completamente automatizzato non risulta legittimo poiché l'algoritmo, allo stato attuale, non è o non può essere trasparente.
Per risolvere questo problema, nel Documento di Ricerca si propone la creazione di un Organismo tecnico nazionale che certifichi l'attendibilità dei sistemi di IA utilizzati dall'Agenzia delle Entrate. Tramite un sistema di certificazioni, tale Organismo potrebbe svolgere la funzione pubblica di verificare che l'evoluzione dell’algoritmo sia conforme alle norme sostanziali, garantendo la sua coerenza:
In questo modo, un algoritmo certificato da esperti potrebbe essere conforme all'ordinamento giuridico, superando le limitazioni legate alla conoscibilità dell'algoritmo stesso. Inoltre, seguendo l'insegnamento della Consulta, che permette alla norma tributaria di essere completata nei requisiti tecnici da esperti del settore, l'Organismo incaricato dovrebbe includere rappresentanti di tutti gli stakeholder. Questi rappresentanti, essendo destinatari delle disposizioni in materia, hanno interesse a garantire che l'intelligenza artificiale venga utilizzata in modo coerente con i valori sistematici dell'ordinamento tributario