تحول دیجیتال در نظام مالیاتی، یکی از مهم‌ترین اصلاحاتی است که طی سال‌های اخیر در بسیاری از کشورها دنبال شده است. استفاده از داده‌های گسترده، هوش مصنوعی، تحلیل الگوریتمی و سامانه‌های هوشمند، این امکان را فراهم می‌کند که فرار مالیاتی بهتر شناسایی شود، رسیدگی‌ها هدفمندتر انجام گیرد و منابع سازمان مالیاتی بر پرونده‌های پرریسک متمرکز شود. از این منظر، حرکت به سمت مالیات هوشمند نه یک انتخاب، بلکه ضرورتی اجتناب‌ناپذیر برای اقتصاد امروز است.

اما در کنار این مزایا، یک پرسش اساسی نیز مطرح می‌شود؛ آیا هر تصمیمی که توسط یک الگوریتم گرفته می‌شود، الزاماً دقیق‌تر و عادلانه‌تر از قضاوت کارشناسی است؟

هوش مصنوعی و الگوریتم‌ها در تشخیص الگوها بسیار قدرتمند هستند. آن‌ها می‌توانند در میان میلیون‌ها تراکنش بانکی، هزاران اظهارنامه و حجم عظیمی از اطلاعات، ارتباط‌هایی را پیدا کنند که شاید از دید انسان پنهان بماند. به همین دلیل، استفاده از این فناوری برای شناسایی پرونده‌های مشکوک، مدیریت ریسک و اولویت‌بندی رسیدگی‌ها اقدامی منطقی و قابل دفاع است.

اما مسئله از جایی آغاز می‌شود که تحلیل آماری و الگوریتمی، جایگزین رسیدگی مبتنی بر اسناد و واقعیت اقتصادی پرونده شود.

اقتصاد، برخلاف ریاضیات، تنها با اعداد تعریف نمی‌شود. پشت هر عدد، یک معامله، یک قرارداد، یک رابطه تجاری یا یک رویداد اقتصادی قرار دارد. ممکن است گردش یک حساب بانکی، از نگاه الگوریتم به‌عنوان درآمد تلقی شود، در حالی که در واقع انتقال داخلی بین حساب‌های یک شرکت، دریافت تسهیلات، بازپرداخت بدهی، دریافت وجه امانی یا گردش ناشی از معاملات واسطه‌ای باشد. الگوریتم الگو را می‌بیند، اما همیشه قادر به درک ماهیت اقتصادی آن نیست.

در سال‌های اخیر، بسیاری از حسابداران، مشاوران مالیاتی و فعالان اقتصادی با پرونده‌هایی مواجه شده‌اند که در آن‌ها بخش قابل توجهی از رسیدگی اولیه بر پایه تحلیل‌های سیستمی یا ضرایب آماری انجام شده است. طبیعی است که استفاده از مدل‌های آماری برای انتخاب پرونده‌های پرریسک، اقدامی پذیرفته‌شده در نظام‌های مالیاتی جهان باشد؛ اما اگر همان مدل‌ها بدون بررسی دقیق اسناد، قراردادها، دفاتر قانونی و توضیحات مؤدی مبنای تشخیص مالیات قرار گیرند، احتمال بروز خطا افزایش خواهد یافت.

عدالت مالیاتی صرفاً به معنای شناسایی مؤدیان پرریسک نیست؛ عدالت زمانی محقق می‌شود که هر مؤدی متناسب با واقعیت اقتصادی فعالیت خود مالیات بپردازد. این هدف تنها با اتکا به داده حاصل نمی‌شود. داده، بخشی از حقیقت است، نه تمام آن.

در علم داده، همواره از دو مفهوم «خطای مثبت» و «خطای منفی» یاد می‌شود. ممکن است یک الگوریتم، فعالیتی سالم را پرریسک تشخیص دهد یا برعکس، فعالیتی پرریسک را عادی تلقی کند. به همین دلیل، در بسیاری از نظام‌های مالیاتی پیشرفته، الگوریتم نقش «انتخاب‌کننده پرونده» را دارد، نه «صادرکننده رأی». تصمیم نهایی همچنان بر عهده کارشناسانی است که اسناد، قراردادها، شرایط اقتصادی و دفاعیات مؤدی را نیز بررسی می‌کنند.

نکته مهم دیگر، شفافیت الگوریتم‌هاست. اگر مؤدی نداند بر چه مبنایی پرریسک شناخته شده یا چگونه یک مغایرت برای او محاسبه شده است، امکان دفاع مؤثر نیز کاهش می‌یابد. یکی از اصول مهم دادرسی عادلانه، قابلیت پاسخ‌گویی و امکان بررسی مستندات است. در نظام مالیاتی هوشمند نیز این اصل نباید نادیده گرفته شود.

از سوی دیگر، نباید فراموش کرد که اقتصاد ایران ویژگی‌هایی دارد که تحلیل آن صرفاً بر اساس داده‌های خام دشوار است. نوسانات شدید اقتصادی، تغییرات مستمر قیمت‌ها، شیوه‌های مختلف تأمین مالی، ساختار پیچیده برخی معاملات و شرایط خاص کسب‌وکارها، همگی باعث می‌شوند که تفسیر یک عدد بدون شناخت زمینه اقتصادی آن، گاهی به نتیجه‌ای نادرست منجر شود.

این سخنان به معنای مخالفت با هوشمندسازی نظام مالیاتی نیست. برعکس، حرکت به سمت مالیات داده‌محور، کاهش ارتباطات غیرضروری، افزایش شفافیت و استفاده از فناوری، از مهم‌ترین مسیرهای اصلاح نظام مالیاتی است. اما همان‌گونه که در پزشکی، نرم‌افزارهای تشخیص بیماری جای پزشک را نگرفته‌اند، در مالیات نیز الگوریتم نباید جایگزین قضاوت حرفه‌ای شود.

هوش مصنوعی باید ابزار تصمیم‌سازی باشد، نه تصمیم‌گیری. وظیفه آن شناسایی الگوها، کشف مغایرت‌ها و اولویت‌بندی رسیدگی‌هاست، اما تشخیص نهایی باید بر پایه اسناد، مدارک، واقعیت اقتصادی معاملات و حق دفاع مؤدی انجام شود. الگوریتم می‌تواند هشدار دهد، اما نباید بدون بررسی همه ابعاد پرونده، حکم صادر کند.

آینده نظام مالیاتی بدون تردید به سمت استفاده گسترده‌تر از داده، هوش مصنوعی و تحلیل‌های هوشمند حرکت خواهد کرد. موفقیت این تحول، اما نه در میزان استفاده از فناوری، بلکه در نحوه استفاده از آن سنجیده می‌شود. اگر فناوری بتواند دقت را افزایش دهد و هم‌زمان حقوق مؤدیان را حفظ کند، اعتماد عمومی به نظام مالیاتی نیز تقویت خواهد شد. اما اگر الگوریتم به جای آنکه ابزار تحقق عدالت باشد، به مرجع تشخیص بدون امکان بررسی و اصلاح تبدیل شود، نه‌تنها خطاهای سیستمی افزایش خواهد یافت، بلکه اعتماد به عدالت مالیاتی نیز آسیب خواهد دید.

مالیات هوشمند، زمانی به معنای واقعی کلمه «هوشمند» است که فناوری در خدمت عدالت باشد، نه جایگزین آن. الگوریتم‌ها می‌توانند سرعت را افزایش دهند، اما عدالت همچنان به قضاوت حرفه‌ای، بررسی مستندات و شنیدن دفاعیات مؤدی نیاز دارد. در نهایت، آنچه نظام مالیاتی را کارآمد می‌کند، صرفاً قدرت پردازش داده‌ها نیست؛ بلکه توانایی تشخیص واقعیت اقتصادی در کنار احترام به حقوق قانونی مؤدیان است.

ساسان باقرپناه