از نخستین نوآوری‌های فناورانه تا آخرین تحولات هوشمند در مالیات‌ستانی

حرکت ماشین‌های مکانیکی به‌سمت ماشین‌های یادگیرنده

ایده‌ی استفاده از پیشرفته‌ترین فناوری‌ها برای کارامدکردن ادارات مالیاتی، موضوعی تازه نیست. بیش‌از سه قرن پیش، بِلز پاسکال، ریاضی‌دان جوان فرانسوی، با مشاهده‌ی دردسرهای پدرش که به‌عنوان مامور مالیاتی در منطقه‌ی نورماندی فعالیت می‌کرد، تصمیم گرفت راه‌کاری برای آسان‌ترشدن محاسبات مالیاتی ارایه کند.

در اوایل دهه‌ی 1640 میلادی، ماموران مالیاتی تنها با استفاده از قلم، کاغذ و چرتکه، مالیات‌ها را محاسبه و اسناد را بررسی می‌کردند؛ فرایندی که هم زمان‌بَر و هم احتمال خطا در آن بالا بود. پاسکال با الهام از پیشرفت‌های آن زمان در علم مکانیک، پس‌از ساخت نمونه‌های آزمایشی متعدد، دستگاه «پاسکالین» (Pascaline) را معرفی کرد؛ نخستین ماشین‌حساب مکانیکی جهان که قادر بود اعداد تا شش رقم را جمع و تفریق کند و پاسخی ساده اما کاربردی به چالش‌های محاسبات مالیاتی آن دوران به‌شمار می‌رفت.

«سازمان همکاری و توسعه‌ی اقتصادی» می‌گوید چالشی که پاسکال برای پردازش دقیق و کارآمد داده‌ها با آن روبه‌رو بود، هم‌چنان پابرجاست؛ با این تفاوت که ابعاد و پیچیدگی آن در اقتصادِ به‌هم‌پیوسته و چندوجهی امروز به‌مراتب بیش‌تر شده است. هم‌زمان، ابزارهای مورداستفاده‌ی ادارات مالیاتی نیز دگرگون شده‌اند؛ از تجهیزات مکانیکی و سامانه‌های مبتنی‌بر کارت‌های پانچ گرفته تا رایانه‌های الکترونیکی، اینترنت و درنهایت فناوری‌های پیشرفته‌ی «یادگیری ماشین» (Machine Learning) که بخشی از حوزه‌ی گسترده‌تر «هوش مصنوعی» (AI) محسوب می‌شود.

اقتصاد دیجیتال و ابزارهای نوین

در چند دهه‌ی گذشته، محیط فعالیت ادارات مالیاتی دستخوش تحولی اساسی شده است. با دیجیتالی‌شدن اقتصاد جهانی، حجم داده‌های تولیدشده نیز به‌طور چشمگیری افزایش یافته است. فعالیت‌های اقتصادی که زمانی تنها ردپایی کاغذی از خود برجای می‌گذاشتند، اکنون جریانی پیوسته از اطلاعات دیجیتال تولید می‌کنند. درنتیجه، ادارات مالیاتی به یکی از غنی‌ترین نهادهای بخش عمومی از نظر حجم داده تبدیل شده‌اند. این نهادها با بهره‌گیری از پیشرفت‌های علوم داده و هوش مصنوعی، اکنون می‌توانند داده‌های خود را بسیار هوشمندانه‌تر از گذشته تحلیل و استفاده کنند.

در چارچوب تحول دیجیتال، ادارات مالیاتی دیگر صرفا به محاسبه‌ی مالیات اکتفا نمی‌کنند، بلکه به‌سمت رویکردهای پیش‌بینانه و پیش‌گیرانه حرکت کرده‌اند؛ رویکردهایی که برپایه‌ی اصول «مدیریت ریسک تمکین» (CRM) و هم‌چنین «چشم‌انداز مدیریت مالیات 3.0» (Tax Administration 3.0 Vision) سازمان همکاری و توسعه‌ی اقتصادی برای تحقق «مالیات‌ستانی یکپارچه و بدون‌اصطکاک» (Seamless Taxation) شکل گرفته‌اند.

گسترش سریع هوش مصنوعی در نظام‌های مالیاتی

بر اساس داده‌های «پیمایش بین‌المللی واحدهای درآمدی» (ISORA)، در سال 2023 افزون‌بر 90 درصد از بیش‌از 50 کشور عضو «مجمع ادارات مالیاتی» (FTA) سازمان همکاری و توسعه‌ی اقتصادی اعلام کرده‌اند که یا راه‌کارهای مبتنی‌بر هوش مصنوعی را پیاده‌سازی کرده‌اند یا در مسیر اجرای آن هستند. این درحالی است که این رقم در سال 2018 اندکی بیش‌از 40 درصد بود؛ رقمی که حتا در آن‌زمان نیز در مقایسه با سایر نهادهای بخش عمومی، سطح بالایی از استفاده از این فناوری به‌شمار می‌رفت.

بنابر اعلام OECD، بیش‌از دو برابر شدن میزانِ به‌کارگیری هوش مصنوعی تنها طی پنج‌سال، نشان‌دهنده‌ی روند بلندمدت تبدیل ادارات مالیاتی به سازمان‌هایی بالغ، داده‌محور و انعطاف‌پذیر است؛ سازمان‌هایی که با تکیه بر رویکردهای پیش‌گیرانه، هوش مصنوعی را به‌عنوان ادامه‌ی طبیعی تحول فناورانه‌ی خود پذیرفته‌اند.

کاربردهای عملی هوش مصنوعی در ادارات مالیاتی

براساس تازه‌ترین نتایج «پیمایش فهرست ابتکارهای فناوری مالیاتی» (ITTI) که با مشارکت کشورهای عضو «مجمع ادارات مالیاتی» سازمان همکاری و توسعه‌ی اقتصادی انجام شده است، هوش مصنوعی اکنون در طیفی گسترده از فعالیت‌های ادارات مالیاتی به‌کار گرفته می‌شود. نتایج این بررسی نشان می‌دهد بیش‌ترین میزان استفاده از هوش مصنوعی به کشف تقلب و فرار مالیاتی اختصاص دارد؛ موضوعی که با توجه به توانایی مدل‌های پیشرفته‌ی هوش مصنوعی در شناسایی الگوهای ظریف، ناهنجاری‌ها و ارتباطات پنهان در مجموعه‌داده‌های پیچیده، کاملا قابل‌انتظار است؛ الگوهایی که روش‌های سنتی معمولا قادر به شناسایی موثر آن‌ها نیستند.

بخش مهم دیگر از کاربرد هوش مصنوعی نیز به «فرایندهای ارزیابی ریسک» (RAP) مربوط می‌شود. در این حوزه، ادارات مالیاتی از مدل‌سازی پیش‌بینانه، روش‌های بخش‌بندی مبتنی‌بر هوش مصنوعی و سایر ابزارهای هوشمند استفاده می‌کنند تا رفتارهای مغایر با قوانین مالیاتی و هم‌چنین الگوهای نوظهور ریسک را شناسایی کنند.

فراتر از این کاربردها، هوش مصنوعی و به‌ویژه «هوش مصنوعی مولد» (Generative AI) درحال تغییر شیوه‌ی تعامل ادارات مالیاتی با مودیان هستند. دستیارهای مجازی و ابزارهای دیجیتال امکان ارایه‌ی خدمات شخصی‌سازی‌شده و پاسخ‌گویی شبانه‌روزی (24 ساعت شبانه‌روز و 7 روز هفته) را فراهم کرده‌اند. هم‌چنین هوش مصنوعی در فرایندهای داخلی سازمان‌های مالیاتی نیز نقشی مهم ایفا می‌کند و به این سازمان‌ها کمک می‌کند پرونده‌ها را اولویت‌بندی کنند؛ منابع را به شکل بهینه تخصیص دهند؛ و حجم کار را کارامدتر مدیریت کنند.

برپایه‌ی OECD، نمونه‌های میدانی این کاربردها در «پایگاه داده‌ی زنجیره‌های مدیریت مالیاتی» (TASD) این سازمان منتشر شده است.

توان‌مندی‌های جدید، مسوولیت‌های جدید

«سازمان همکاری و توسعه‌ی اقتصادی» تاکید می‌کند که هوش مصنوعی می‌تواند دقت و کارایی عملیات مالیاتی را افزایش دهد و از بارِ رعایت الزامات مالیاتی برای مودیان بکاهد؛ اما در عین‌حال، این فناوری خطراتی تازه‌ نیز به هم‌راه دارد. ازجمله‌ی این خطرات می‌توان به چالش‌های مرتبط با عدالت، شفافیت، احتمال سوگیری و ماهیت «جعبه‌ی سیاه» (Black Box) برخی مدل‌های هوش مصنوعی اشاره کرد؛ مدل‌هایی که نحوه‌ی تصمیم‌گیری آن‌ها به‌سادگی قابل توضیح نیست.

بر همین اساس، سازمان‌های مالیاتی مسوولیت دارند سازوکارهایی ایجاد کنند که سامانه‌های هوش مصنوعی را قابل‌توضیح‌تر کنند؛ از کاهش موثر سوگیری‌های موجود در مجموعه‌داده‌ها اطمینان حاصل کنند؛ حقوق مودیان را حفظ کنند؛ و از حاکمیت قانون که پایه‌ی اعتماد مودیان و قرارداد اجتماعی است، پاس‌داری کنند.

OECD هشدار می‌دهد با حرکت تدریجی سازمان‌های مالیاتی به‌سمت رویکردهای پیش‌بینانه در حوزه‌ی تمکین و ارایه‌ی راهنمایی، برخی خطرات نیز پررنگ‌تر می‌شوند؛ زیرا سامانه‌های پیش‌بین تنها بر رفتارهای تاییدشده‌ی گذشته تکیه نمی‌کنند، بلکه درباره‌ی رفتارهای احتمالی آینده نیز استنتاج انجام می‌دهند. به همین‌دلیل، ضروری است اطمینان حاصل شود این پیش‌بینی‌ها همواره منصفانه، متناسب و عاری از تبعیض باقی بمانند.

تقویت «هوش مصنوعیِ قابل‌اعتماد» در ادارات مالیاتی

با گسترش استفاده از هوش مصنوعی، استقرار «هوش مصنوعیِ قابل‌اعتماد» (Trustworthy AI) به یکی از مهم‌ترین اولویت‌های سازمان‌های مالیاتی تبدیل شده است. در همین راستا، «مجمع ادارات مالیاتی» سازمان همکاری و توسعه‌ی اقتصادی در قالب «ابتکار مدیریت مالیاتی 3.0» (Tax Administration 3.0 Initiative) یک گروه پروژه‌ی تخصصی تشکیل داده است. اعضای این گروه را مدیران ارشد سازمان‌های مالیاتی کشورهای مختلف جهان، همراه با نمایندگان بخش خصوصی و دانشگاه‌ها تشکیل می‌دهند. این گروه، بستری برای بررسی ابعاد مختلف هوش مصنوعیِ قابل‌اعتماد از دیدگاه‌های گوناگون فراهم کرده است.

یکی از مهم‌ترین مبانی این فعالیت‌ها، «اصول هوش مصنوعیِ قابل‌اعتماد سازمان همکاری و توسعه‌ی اقتصادی» (OECD Principles on Trustworthy AI) است که مشخص می‌کند هوش مصنوعی باید به چه‌اهدافی دست یابد و اجرای آن بر چه‌ارزش‌هایی استوار باشد. با این‌حال، OECD در گزارش «حکمرانی با هوش مصنوعی؛ وضعیت موجود و مسیر پیشِ‌رو در کارکردهای اصلی دولت» که در سال 2025 منتشر شد، تاکید کرده است بسیاری از نهادهای عمومی هم‌چنان به راهنمایی‌های عملی بیش‌تری نیاز دارند تا بتوانند این اصول را متناسب با شرایط سازمانی خود تفسیر و اجرا کنند.

هدف پروژه‌ی «مجمع ادارات مالیاتی» نیز پرکردن همین خلا است؛ یعنی تبدیل اصول کلی هوش مصنوعی به چارچوب‌ها و ابزارهایی عملی که با واقعیات ادارات مالیاتی و خطرات ناشی از کاربردهای مختلف این فناوری سازگار باشند. هم‌زمان، «ابتکار اداره‌ی مالیات 3.0» نیز بستری مشترک برای تبادل تجربه و دانش درزمینه‌ی هوش مصنوعی فراهم کرده و نشست‌هایی را درباره‌ی مهم‌ترین ابعاد هوش مصنوعیِ قابل‌اعتماد برگزار می‌کند.

جمع‌بندی

نگارنده‌ی مقاله در پایان می‌نویسد حتی بِلز پاسکال که از پایه‌گذاران تفکر پیش‌بینانه به‌شمار می‌رود، هرگز نمی‌توانست ابعاد تحول امروزِ مبتنی‌بر هوش مصنوعی را پیش‌بینی کند. امروزه ادارات مالیاتی یا از مدل‌های هوش مصنوعی استفاده می‌کنند یا درحال استقرار آن‌ها هستند؛ مدل‌هایی که تا یک نسل پیش نیز، تصور چنین توانایی‌هایی برای بسیاری غیرممکن بود.

به گزارش OECD، بلوغ بالای داده‌ها و توان سازگاری ادارات مالیاتی، آن‌ها را در موقعیتی مناسب برای بهره‌گیری از این پیشرفت‌ها قرار داده است؛ با این‌حال، ارزش بلندمدت هوش مصنوعی به میزان استفاده‌ی مسوولانه از آن و هم‌چنین اعتماد مودیان به نهادهایی بستگی دارد که از این فناوری بهره می‌برند.

این نوشتار در پایان تاکید می‌کند که با توجه به سرعت بالای تحول هوش مصنوعی، همکاری و تبادل دانش میان ادارات مالیاتی کشورهای مختلف نقشی اساسی در شناسایی خطرات نوظهور، تدوین راه‌کارهای موثر برای کاهش این خطرات، و توسعه‌ی بهترین رویه‌های اجرایی خواهد داشت.

نویسنده: سوفی استنبوگ (مشاور مرکز سیاست‌گذاری و مدیریت مالیاتی سازمان همکاری و توسعه‌ی اقتصادی)

منبع: https://www.oecd.org/en/blogs/2026/04/artificial-intelligence-in-tax-administration-from-early-innovation-to-modern-transformation