Punti chiave da ricordare
- L’intelligenza artificiale sta diventando uno strumento fondamentale nella lotta contro le frodi sociali e fiscali, ma è ancora sottoutilizzata dalle amministrazioni.
- Le tecnologie di IA (machine learning, deep learning, IA generativa) consentono di analizzare grandi volumi di dati e di identificare schemi di frode sempre più complessi.
- Le amministrazioni utilizzano già strumenti avanzati (data mining, fatturazione elettronica, immagini aeree, scanner), ma tali dispositivi sono spesso ben lontani dalle attuali potenzialità dell’IA.
- L’IA generativa potrebbe migliorare la produttività abbattendo i silos informativi, assistendo gli operatori tramite interfacce di tipo chatbot e persino accelerando lo sviluppo del software.
- L’implementazione di questi strumenti richiede rigorose misure di salvaguardia: trasparenza, rispetto del GDPR, controllo umano sistematico e prevenzione di decisioni automatizzate arbitrarie.
Retrospettive
La relazione del Senato dedicata al ruolo dell’intelligenza artificiale nella lotta contro le frodi rileva innanzitutto una differenza di approccio tra la DGFIP, che adotta un approccio più proattivo, e gli enti previdenziali, che assumono un ruolo più defilato. Tuttavia, secondo il rapporto, l’utilizzo dell’IA presenta numerosi vantaggi: individuare la frode in senso stretto , ma anche prevenirla in ambito fiscale o, in ambito sociale, individuare i casi in cui gli assicurati non ricorrono alle prestazioni sociali disponibili.
La prevenzione dell’evasione fiscale inizia ben prima della presentazione della dichiarazione dei redditi. L’amministrazione fiscale ricorre ormai a tecnologie quali l’obbligo di fatturazione elettronica per l’IVA e la blockchain per la registrazione delle transazioni, rendendo praticamente impossibile la modifica dei documenti una volta che questi sono stati trasmessi all’amministrazione.
Dopo le dichiarazioni, l’individuazione delle frodi L’analisi fiscale si basa prevalentemente sul datamining, una tecnica utilizzata dal 2014 dalla DGFIP. Il datamining è un metodo complesso di incrocio dei dati basato su un modello statistico, ma non rientra né nel machine learning né nel deep learning. Le fonti dei dati comprendono dati interni, dati pubblici e dati raccolti specificatamente ai fini dell’analisi. L’amministrazione dispone di diversi mezzi per ottenerli. Ad esempio, il progetto «foncier innovation» utilizza immagini aeree per individuare costruzioni non dichiarate. A partire dalle leggi di bilancio del 2020 (articolo 154) e del 2024 (articolo 112), l’amministrazione dispone ora di poteri investigativi sui social media per raccogliere informazioni.
Anche in ambito sociale si ricorre a questo strumento. Dal 2011, la CAF lo utilizza tramite il DMDE (ovvero, il datamining dei dati in entrata): il rapporto indica che si tratta di uno strumento per programmare i controlli tra i nuclei familiari beneficiari: un algoritmo statistico determina un «punteggio di rischio» (da 0 a 1) sulla base di circa 40 dati/criteri (sui 300 contenuti in una pratica). Tale algoritmo opera esclusivamente sui dati della CAF: non viene effettuato alcun incrocio con altri enti quali France Travail (ex Pôle emploi). Secondo il rapporto, il DMDE avrebbe reso possibile il 70% dei controlli in loco.
Tuttavia, tali strumenti statistici rimangono piuttosto lontani dagli ultimi progressi nel campo dell’intelligenza artificiale (in particolare l’IA generativa). Il rapporto parla di strumenti «molto lontani dalla frontiera tecnologica».
Prospettive
I relatori esaminano il futuro della lotta contro le frodi sociali e fiscali grazie all’intelligenza artificiale attraverso diversi strumenti. In ambito fiscale, sono in corso numerosi progetti, quali il programma «100% Scanning», che utilizza un algoritmo per analizzare le immagini dei tomografi a raggi X al fine di individuare sostanze stupefacenti, o il progetto «Foncier Innovation», che verrà esteso a tutta la Francia.
Ma la relazione va oltre: i senatori ritengono che l’IA generativa potrebbe svolgere un ruolo chiave, vista l’inflazione legislativa e la complessità esponenziale delle normative. L’IA generativa, che opera sulla base del linguaggio naturale (e quindi testuale), potrebbe analizzare i testi in modo molto più rapido e, in ultima analisi, facilitarne l’attuazione.
In ambito fiscale, un primo vantaggio dell’IA generativa consiste nel consentire l’integrazione delle informazioni. L’IA generativa potrebbe rivelarsi utile come interfaccia ergonomica, sotto forma di chatbot, a disposizione degli agenti del controllo fiscale per il riscontro incrociato delle informazioni. Avviato nel 2018, il progetto PILAT riprende questa idea, ma registra un ritardo di oltre due anni.
Il rapporto individua un altro ambito di applicazione: l’IA generativa potrebbe aiutare gli sviluppatori dell’Urssaf (che utilizza un centinaio di applicazioni) a generare codice in modo automatizzato. L’espansione dell’IA generativa presenta tuttavia alcuni rischi, in particolare per quanto riguarda la privacy e la riservatezza dei dati dei contribuenti e degli assicurati. La detenzione di informazioni personali al di fuori delle procedure di controllo classiche e del diritto di comunicazione tradizionale rappresenta una minaccia riconosciuta dalla CNIL e dal Consiglio costituzionale.
Al fine di tutelare il contribuente, sono state introdotte diverse garanzie. Tra queste figura il diritto alla trasparenza, che obbliga l’amministrazione fiscale a informare esplicitamente i contribuenti sull’utilizzo dell’IA, in conformità con la legge per una Repubblica digitale e con il RGPD (Regolamento generale sulla protezione dei dati). A livello europeo, è stata recentemente approvata la legge sull’IA (AI Act), che mira ad armonizzare le norme in materia di IA in Europa, classificando i sistemi di IA in base al livello di rischio e imponendo requisiti più rigorosi per i sistemi ad alto rischio.
Inoltre, è sempre necessario un intervento umano per verificare la coerenza delle informazioni. Sebbene l’IA abbia contribuito all’individuazione delle frodi e alla redazione della lettera di contestazione o della diffida (tramite l’IA generativa), sussiste un elevato rischio di automatizzazione delle rettifiche, priva di sfumature e senza tenere conto del contesto specifico dell’azienda. Il ruolo dell’avvocato, in qualità di consulente aziendale, sarà in questo caso essenziale per attenuare gli eccessi o gli errori derivanti dall’automazione e fornire gli elementi necessari a limitare il carattere potenzialmente binario, se non addirittura arbitrario, dell’IA.
Esonero di responsabilità
Le opinioni, le presentazioni, i dati e le stime riportati sul sito web, ivi compreso il blog, hanno esclusivamente scopo informativo e non devono essere considerati come consulenza legale. Per ottenere un parere legale, è necessario rivolgersi a un professionista del diritto nella propria giurisdizione.
L'uso del contenuto di questo sito web, compreso il blog, per scopi commerciali, inclusa la rivendita, è vietato senza il previo consenso di Evidency. La richiesta di autorizzazione deve specificare lo scopo e la portata della riproduzione. Per scopi non commerciali, tutto il materiale di questa pubblicazione può essere citato o ristampato liberamente, ma è necessario un riconoscimento e un link a questo sito web.



