Мониторинг big data становится чем–то вроде "ока Саурона" от ФНС. Финансы корпораций система уже отлично отслеживает, следующая цель — заглянуть в карманы домохозяйств.
Согласно оценке Boston Consulting Group, Россия на 5–8 лет отстаёт от государств — лидеров цифровой трансформации. При этом в налоговой сфере все наоборот — мы впереди планеты всей по уровню цифровизации. Наряду с Сингапуром, Канадой и Австралией Россия является членом Брисбенской группы — неформального клуба технологически передовых налоговых администраций мира.
Правда, хвастаться этими инновациями никто не хочет. И банки, и часть финтех–компаний, опрошенных "ДП", отказались комментировать технологию слежки за денежными потоками. В срок так и не пришёл официальный ответ и от самой ФНС. Почти анекдот: столь современная, технологичная и "открытая" (как указано на сайте) структура принимает запросы от СМИ по факсу.
Найти все "фирмы–прокладки"
Основная боль налоговой системы — контроль уплаты НДС. Как рассказала Наталья Ненашева, управляющий партнёр консалтинговой компании Topline, каждый товар при движении от производителя или импортера к конечному потребителю проходит цепочку контрагентов. Ранее в ней возникали сбои из–за фирм–однодневок. Наличие таких "прокладок" в цепочке позволяло снять обязательства по НДС — реально действующие компании предъявляли налог к возмещению, а однодневки уклонялись от уплаты НДС в бюджет.
Отследить всю картину в режиме постоянно растущих объёмов данных было невозможно — мешал гигантский массив информации по 7,5 млн юрлиц, всем книгам покупок и продаж (только каждый квартал генерируется 1,5 млрд строк книг продаж и покупок). На выявление подобных схем вручную не хватило бы ни времени, ни человеческих ресурсов. По данным самой ФНС (здесь и далее — информация из открытых источников), после внедрения цифровых систем контроля рост собираемости НДС вырос на 500–600 млрд рублей.
Искусственный интеллект находит такие корреляции между данными, которые человек построить неспособен, так как прямой связи нет. Например, проблему с НДС решает автоматизированная система контроля, основанная на data–аналитике. Сейчас нужно включать в декларацию по НДС сведения из книг покупок и продаж. IT–системы автоматически сверяются с информацией от партнеров. Таким образом, налоговая отслеживает расхождения в цепочках. Когда алгоритм находит расхождения по счетам–фактурам контрагентов, он сам, без участия налогового инспектора, делает запрос банковской выписки и автоматически может выявлять налоговые правонарушения.
Анализ big data позволяет налоговым органам получать больше пользы и от уже "использованных" данных. По словам Натальи Ненашевой, проводится и цифровой анализ макроэкономических данных. Этот массив информации анализируется: по уровню зарплат, выручки и так далее. Сравниваются условно похожие фирмы и их налоговые отчисления. Если есть подозрительные компании, которые при одинаковых оборотах платят меньше, чем их "близнецы", то нейросеть подсказывает, где необходима проверка.
Эта же методика используется для борьбы с теневыми зарплатами. Одна из целей ФНС — находить компании, которые используют выплаты в конвертах. Искусственный интеллект выявляет несоответствие масштаба экономической деятельности компании и уровня оплаты труда.
Как говорится на сайте ФНС, все данные агрегируются внутри единой системы. Федеральное хранилище данных, или "единый налоговый файл", формируемый в ЦОДе (data–центре) налоговой, позволяет сопоставлять и анализировать между собой любые налоговые данные всей страны.
Вещи тоже следят
Ещё одной востребованной налоговиками технологией является интернет вещей (IoT). Ключевое направление для использования IoT в этой сфере — подключение кассовых аппаратов к налоговым администрациям. Как рассказали в IT–компании "Платформа ОФД", компания ежедневно обрабатывает и передает в ФНС свыше 40 млн кассовых чеков.
Онлайн–кассы контролируют оборот 2–2,5 трлн рублей в месяц (то есть 75–95% оборота розничной торговли в РФ). За счёт этого розница получается абсолютно "прозрачная". Как только проходит оплата покупки, все данные уходят в ФНС. Таким образом, налоговая получает данные в режиме онлайн, а система исключает ручную обработку данных и даёт автоматическую оценку рисков.
С помощью онлайн–касс ведомство получило возможность делать предиктивную аналитику, основанную на алгоритмах machine learning (машинное обучение). Эти массивы информации в дальнейшем будут применяться для расчёта индексов потребительских цен, территориального планирования, как сообщала сама ФНС в открытых источниках.
Стоит отметить, что машинное обучение несёт в себе определённые риски и заинтересованные лица могут проводить атаки на ИИ. Эксперт по информационной безопасности Алексей Лукацкий сообщает, что кибератаки строятся вокруг двух направлений: "Во–первых, злоумышленник, если такая задача будет поставлена, может украсть модель, по которой осуществляется принятие решений, и подогнать показатели фирмы так, чтобы модель не выявляла отклонения и аномалии. Во–вторых, он может дать на вход обучающей модели сфальсифицированные данные для того, чтобы она обучилась неправильно и принимала неправильные решения, не замечала какие–то аномалии", — говорит эксперт.
Пока на чёрных рынках нет даже намека на данные об алгоритмах. Тайну, обеспечивающую казну деньгами, государство хранит хорошо.
Физлица под присмотром
К концу 2020 года ФНС планирует оцифровать 540 млн сведений из архивов ЗАГС. После этого начнётся подготовка к запуску Единого регистра населения. Он сформирован на базе данных ЗАГС и будет аккумулировать информацию от различных ведомств, включая МВД, ФНС, Пенсионный фонд, Роструд и другие.
Как считает Наталья Ненашева, налоговой будут полезны данные о семейных связях. Одно из приоритетных направлений работы ФНС в 2020–м — борьба с необоснованным дроблением бизнеса, и такая информация поможет выявлять экономически необоснованные дробления компаний, так как ускорит автоматическое отслеживание аффилированности фирм.
"Если компания работает на УСН и превышает лимит выручки в 150 млн рублей, она лишается права на льготную ставку в 6%. Стремясь к оптимизации, часть общего потока выручки переводят на дочерние или аффилированные фирмы.
Если ФНС докажет, что экономической необходимости в создании такого “холдинга” нет, финансовые санкции очень существенны. На доходы дополнительно начисляют НДС, налог на прибыль и штраф в размере 40% от суммы умышленно (по мнению ФНС) неуплаченных налогов", — сообщает эксперт.
Учредитель АНО "Информационная культура" Иван Бегтин сообщает, что с помощью данных регистра можно будет составить картину о теневых доходах физлиц. "Когда есть много разных источников информации: о зарегистрированных автомобилях, недвижимости, иных дорогостоящих покупках, счетах и одновременно сведения о том, сколько человек заплатил налогов, появляется возможность сопоставить официальные доходы и расходы домохозяйств", — отмечает он.
По мнению эксперта, нововведение касается и фискальной политики. "Перераспределение налоговой нагрузки и более чёткое структурирование субъектов налогообложения как раз возможно за счёт big data. Если окажется, что существует категория граждан, у которых расходы существенно выше дохода, то налоговики могут предложить, например, ввести налог, основанный на расходах человека. Кроме того, можно будет выяснить, что у человека есть льготы, а доход его значительно превышает предполагаемый доход тех людей, которые эту льготу должны получать", — говорит Иван Бегтин.
Ранее глава ФНС Даниил Егоров сообщал, что эти данные позволят расширить возможности для анализа и принятия экономических решений — налоговая увидит жизнь не отдельных людей, а целых семей.
Большая ответственность
Правда, ФСБ уже высказывала претензии к этой идее создания единого реестра. Специалисты по информационной безопасности тоже оценивают её неоднозначно: с одной стороны, неизвестно ни об одной крупной утечке данных из налоговой. С другой — это достаточно лакомый кусок для любого злоумышленника, считает Алексей Лукацкий. "Если в одном месте будут собраны все данные о человеке, то для мошенников эта информация станет крайне ценной. Но сейчас говорить о том, насколько это будет защищено, невозможно", — говорит он.
Иван Бегтин подчёркивает: многое зависит от того, будет ли система функционировать только внутри налоговой или с ней будут работать и другие органы власти.
"Одна из проблем с пробивом граждан — это уязвимость данных МВД России. Если у таких ведомств будет доступ к регистру, то, конечно, информация выйдет на чёрный рынок", — считает эксперт. Стоит сказать, что ФНС использует современные технологии не только для повышения эффективности сбора налогов. Например, в апреле ведомство попробовало в работе технологию блокчейн. Была запущена платформа для выдачи беспроцентных кредитов малому и среднему бизнесу. Каждый участник становится звеном цепи, формируя свой узел в рамках распределённых реестров. Это решение исключило возможность повторной выдачи кредитов и обеспечило быструю проверку заёмщика на соответствие требованиям.
А летом, например, был создан омниканальный чат–бот "Таксик", который ответил уже на 80 тысяч вопросов физлиц. Он разработан с использованием технологий машинного обучения, нейросетей и лингвистического анализа. "Таксик" работает неплохо: на вопрос корреспондента "ДП", "куда идут мои налоги", без промедлений отвечает — "в бюджет". Но вот куда они пропадают из бюджета, рассказать уже не смог.
“
В Австралии в распоряжении налоговых органов есть программа Smarter Data, которая использует большие данные для оценки рисков, аналитики, управления данными, анализа поведения налогоплательщика и т. д. Это помогает сэкономить время, деньги и усилия в процессе управления рисками. ОЭСР отмечает и опыт Китая: там облачная платформа больших данных позволяет анализировать более 200 тыс. таблиц баз данных по 264 моделям управления рисками. В Бразилии применяют технологию IoT. Там с помощью интернета вещей отслеживают транспортные средства, перевозящие товары, чтобы правильно рассчитывать косвенные налоги в разных штатах.
Антонина Левашенко
руководитель российского центра компетенций и анализа стандартов ОЭСР Ранхигс
“
Максимально упростить и расширить инструменты фискальной политики государств помогут цифровые валюты от центробанков (CBDC) — это цифровая версия действующих национальных фиатных валют, но без посредников в виде коммерческих банков. Отличным примером внедрения СBDC в экономику для эффективного налогообложения может послужить Швеция. Там уже давно отказались от наличных, поскольку они препятствуют отрицательным процентным ставкам. На купюры и монеты в 2015 году пришлось всего 2% общей суммы всех платежей. С внедрением CBDC — е–кроны — этот процесс выйдет на совершенно иной уровень.
Мария Станкевич
директор по Развитию криптовалютной платформы Exmo
