شفافیت الگوریتمی در نظام مالیاتی

شفافیت الگوریتمی در نظام مالیاتی و امکان اعتراض مودیان: تحلیل حقوقی-فنی چالش ها و راهکارها

۱.۱. شفافیت الگوریتمی: از شفافیت اداری سنتی تا شفافیت محاسباتی

شفافیت در حکمرانی اداری، از دیرباز به عنوان عنصری اساسی برای مشروعیت و پاسخگویی قدرت عمومی شناخته شده است. در نظام های حقوقی مدرن، «حق بر توضیح» یا «حق بر دانستن دلایل» تصمیم اداری، به عنوان عنصری از دادرسی منصفانه و از لوازم حاکمیت قانون تلقی می شود. با این حال، ورود الگوریتم های یادگیری ماشین و مدل های هوش مصنوعی به فرآیندهای تصمیم گیری عمومی، مفهوم سنتی شفافیت را با چالش های نوینی مواجه کرده است.

شفافیت الگوریتمی را می توان به سه سطح متمایز تحلیل کرد. نخست، شفافیت پیشینی که به افشای منطق، مفروضات و معیارهای به کاررفته در طراحی الگوریتم اشاره دارد. دوم، شفافیت همزمان که به توجیه تصمیم در لحظه صدور آن و ارائه دلایل قابل فهم به مخاطب مربوط می شود. سوم، شفافیت پسینی که دسترسی به مستندات، لاگ های پردازش و امکان بازبینی تصمیم را ممکن می سازد. در نظام مالیاتی، این سه سطح شفافیت باید به گونه ای طراحی شوند که هم نیاز سازمان به حفاظت از اطلاعات و امنیت سامانه را برآورده کنند و هم حق مودی در فهم و اعتراض به تصمیم را تضمین نمایند.

۱.۲. ماهیت تصمیمات الگوریتمی در نظام مالیاتی: از ابزار کمکی تا تصمیم گیر خودکار

تمایز دیگری که برای تحلیل حقوقی شفافیت الگوریتمی ضروری است، تفکیک میان «ابزار پشتیبان تصمیم» و «تصمیم گیر خودکار» است. در حالت نخست، الگوریتم صرفا به مامور مالیاتی در تحلیل داده ها کمک می کند و تصمیم نهایی توسط انسان اتخاذ می شود. در حالت دوم، الگوریتم به طور مستقل و بدون دخالت موثر انسانی، مالیات را تشخیص یا پرونده را برای بررسی علامت گذاری می کند . این تمایز از آن جهت حیاتی است که در حالت نخست، مسئولیت تصمیم همچنان بر عهده انسان است و حق اعتراض مودی به قضاوت انسانی معطوف می شود، در حالی که در حالت دوم، مودی با تصمیمی مواجه است که هیچ انسان مشخصی مسئولیت آن را نمی پذیرد.

نظام مالیاتی ایران در وضعیت کنونی، ترکیبی از این دو حالت را تجربه می کند. از یک سو، پرونده های کم ریسک به صورت کاملا سیستمی تایید و قطعی می شوند و مودی اساسا با هیچ انسان تصمیم گیری مواجه نمی شود . از سوی دیگر، پرونده های پرریسک برای بررسی دقیق تر به ماموران مالیاتی ارجاع داده می شوند، اما حتی در این حالت نیز انتخاب پرونده برای بررسی و ارزیابی اولیه ریسک توسط الگوریتم انجام شده است. این وضعیت، پرسش از مسئولیت پذیری و پاسخگویی را پیچیده می سازد: اگر الگوریتمی به اشتباه مودی را پرریسک تشخیص دهد و این امر منجر به بررسی گسترده و هزینه بر شود، چه کسی پاسخگوی این تصمیم است؟

۱.۳. حق اعتراض مودی در پرتو تحولات فناورانه

حق اعتراض به تصمیمات مالیاتی، در قانون مالیات های مستقیم ایران به رسمیت شناخته شده است. بر اساس ماده ۲۳۸ اصلاحی، مودی می تواند ظرف سی روز از تاریخ ابلاغ برگ تشخیص، اعتراض خود را به صورت الکترونیکی یا حضوری ثبت کند. در مرحله بعد، پرونده برای رسیدگی به هیئت حل اختلاف مالیاتی ارجاع می شود. با این حال، این سازوکار سنتی اعتراض، برای مواجهه با تصمیمات الگوریتمی طراحی نشده است. زمانی که مودی نمی داند چه داده هایی مبنای تصمیم قرار گرفته و چه منطقی به تشخیص منجر شده است، چگونه می تواند استدلال موثری برای اعتراض تدوین کند؟

مطالعات تطبیقی نشان می دهد که نظام های حقوقی پیشرو، «حق بر توضیح» را به عنوان پیش شرط اعتراض موثر به تصمیمات خودکار تثبیت کرده اند. در رای دیوان دادگستری اتحادیه اروپا در پرونده های مربوط به GDPR، تاکید شده است که «اطلاعات معنادار درباره منطق دخیل» باید به شیوه ای قابل دسترس و قابل فهم ارائه شود، نه صرفا به صورت فرمول های پیچیده. شوت (۲۰۲۶) استدلال می کند که فقدان توضیح پذیری در سیستم های هوش مصنوعی، حق اعتراض را فلج می کند و مدلی برای «توجیه الگوریتمی حداقلی» پیشنهاد می دهد که هدف آن معکوس کردن بار اثبات نامطلوب برای فرد است . این رویکرد، حق مودی در اعتراض موثر را از یک حق شکلی به یک حق ماهوی ارتقا می دهد که مستلزم افشای مبنای تصمیم به زبانی قابل فهم است.

---

 تحول نظام مالیاتی ایران به سمت تصمیم گیری الگوریتمی

۲.۱. از ممیزمحوری به حسابرسی سیستمی: سیر تحول

نظام مالیاتی ایران در دهه گذشته تحولی عمیق را از رسیدگی دستی و ممیزمحور به سمت حسابرسی سیستمی و داده محور تجربه کرده است. این تحول ریشه در طرح جامع مالیاتی و اجرای تدریجی قانون پایانه های فروشگاهی و سامانه مودیان دارد که امکان تجمیع اطلاعات اقتصادی را از منابع مختلف فراهم کرده است . در رویکرد سنتی، مامور مالیاتی با بررسی مدارک و اسناد، به صورت موردی و بر اساس قضاوت شخصی، مالیات را تشخیص می داد. این روش، علاوه بر زمان بر بودن، زمینه ساز دخالت های سلیقه ای و فساد اداری بود.

در رویکرد جدید، داده های مالی مودیان از منابع متعدد—اظهارنامه ها، تراکنش های بانکی، معاملات فصلی، اطلاعات گمرکی و سامانه های دولتی—جمع آوری و در سامانه های مرکزی پردازش می شود. الگوریتم های تحلیل داده، ناهنجاری ها و ریسک های احتمالی را شناسایی کرده و پرونده ها را به دو دسته کم ریسک و پرریسک تقسیم می کنند. پرونده های کم ریسک به صورت خودکار تایید و قطعی می شوند، در حالی که پرونده های پرریسک برای بررسی دقیق تر به ماموران ارجاع داده می شوند . رئیس مرکز بازرسی و مبارزه با فرار مالیاتی سازمان امور مالیاتی اعلام کرده که با به کارگیری رویکردهای تحلیل داده، محاسبه ریسک و الگوریتم های هوشمند، هرگونه مغایرت بین اطلاعات ثبت شده مودیان و رفتار اقتصادی آن ها شناسایی و رصد می شود .

این تحول، مزایای قابل توجهی به همراه داشته است. کاهش دخالت انسانی، یکنواختی رویه ها، سرعت در رسیدگی و امکان شناسایی الگوهای پیچیده فرار مالیاتی از جمله دستاوردهای این رویکرد است. سامانه مودیان با بهره گیری از هوش مصنوعی، امکان شناسایی شرکت های صوری و کاغذی که با فاکتورفروشی و ایجاد بدهی های کاذب اقدام به سوءاستفاده می کردند را فراهم کرده است. بر اساس گزارش ها، تاکنون ۳,۶۸۶ پزشک متخصص که از اینتاکد پزشک عمومی استفاده می کردند، ۶,۶۸۹ آرایشگاه زنانه درجه ممتاز که با اینتاکد درجه پایین تر تشکیل پرونده داده بودند، و ۱۷۶,۲۲۷ فعال خرده فروش که از دستگاه های کارتخوان متعلق به گروه های شغلی دیگر استفاده می کردند، شناسایی شده اند .

۲.۲. زیرساخت های فناورانه و ظرفیت های موجود

زیرساخت فناورانه نظام مالیاتی ایران در سال های اخیر به طور قابل توجهی توسعه یافته است. معاونت حقوقی و فنی مالیاتی سازمان به «معاونت هوشمندسازی مالیاتی» تغییر یافته و دفتر «توسعه خوداظهاری و تمکین داوطلبانه» ذیل آن تاسیس شده است . رئیس کل سازمان امور مالیاتی اعلام کرده که با استفاده از ظرفیت تبصره ماده صد قانون مالیات های مستقیم، پرونده مالیاتی ۹۶ درصد مشاغل خرد بدون نیاز به ارائه اظهارنامه و به صورت سیستمی حسابرسی شده و مالیات ۹۰ درصد آن ها صفر لحاظ شده است .

سامانه واکنش ذینفعان به عنوان یکی از مهم ترین ابتکارات در حوزه شفافیت داده ای، به مودیان امکان می دهد تا داده های نادرست ثبت شده به نام خود را مشاهده و رد کنند. معاون فناوری های مالیاتی سازمان توضیح داده است که بر اساس این رویکرد جدید، اگر مودی اعتراض کند و اعلام نماید داده ثبت شده به او ارتباطی ندارد، این سازمان امور مالیاتی است که باید اثبات کند اطلاعات مورد نظر متعلق به اوست. بدین ترتیب، بار اثبات از دوش مودی برداشته شده و بر عهده سازمان قرار گرفته است . این تغییر، گامی مهم در جهت تکریم مودیان و تحقق عدالت مالیاتی محسوب می شود.

در حوزه دادرسی مالیاتی، تحولات ساختاری مهمی در حال وقوع است. بر اساس بند «ت» ماده ۲۷ قانون برنامه هفتم پیشرفت، فرآیند دادرسی مالیاتی از سازمان امور مالیاتی منفک شده و مراکز دادرسی مستقل در حال تشکیل است . این جداسازی، که سال ها مورد مطالبه فعالان اقتصادی و مودیان بوده، با هدف کاهش تعارض منافع و افزایش بی طرفی در رسیدگی به اعتراضات انجام شده است. مرکز عالی دادخواهی مالیاتی نیز به سطح ۳۰ درصد استقلال دست یافته و افزایش ۸۰ درصدی آراء صادره را تجربه کرده است.

۲.۳. چالش های حقوقی و فنی موجود

نظام مالیاتی ایران در مسیر گذار به تصمیم گیری الگوریتمی با چالش های چندلایه ای مواجه است. نخست، خلا چارچوب حقوقی جامع برای شفافیت الگوریتمی. قوانین موجود، از جمله قانون مالیات های مستقیم و قانون تجارت الکترونیک، برای مواجهه با پرسش های نوین ناشی از تصمیم گیری خودکار طراحی نشده اند. نه تعریفی از «تصمیم الگوریتمی» ارائه می دهند و نه مکانیزمی برای تضمین حق «توضیح پذیری» پیش بینی کرده اند. حتی قانون هوش مصنوعی اتحادیه اروپا، با وجود چارچوب بلندپروازانه خود، مستقیما به کاربرد هوش مصنوعی در اداره مالیاتی نمی پردازد و خلا نظارتی در تقاطع حکمرانی خودکار و حقوق فردی باقی می گذارد .

دوم، تعارض میان شفافیت و حفاظت از اطلاعات. الگوریتم های تشخیص ریسک مالیاتی بر مبنای داده های گسترده ای طراحی می شوند که بخشی از آن ها ممکن است حاوی اطلاعات محرمانه یا تجاری باشد. افشای کامل منطق الگوریتم می تواند زمینه ساز سوءاستفاده و «بازی با سیستم» توسط مودیان متخلف شود. این تعارض، پرسش از «حد شفافیت» را به یکی از پیچیده ترین مسائل حقوقی تبدیل می کند. رویه های قضایی نشان می دهد که دادگاه ها ممکن است ترتیبات خاصی برای حفاظت از اطلاعات حساس وضع کنند، اما این امر نباید به انکار حق مودی در فهم مبنای تصمیم منجر شود .

سوم، مشکل مسئولیت پذیری. زمانی که تصمیمی توسط الگوریتم اتخاذ می شود، پرسش از «مسئول» تصمیم پیچیده می شود. آیا مسئولیت بر عهده سازمان امور مالیاتی است که الگوریتم را به کار گرفته؟ بر عهده طراح الگوریتم؟ یا بر عهده ماموری که خروجی الگوریتم را تایید کرده است؟ فقدان پاسخ روشن به این پرسش، حق مودی در مطالبه خسارت ناشی از تصمیمات نادرست را با ابهام مواجه می سازد. پژوهشگران تاکید کرده اند که بدون تخصیص روشن مسئولیت و رویه های نظارت مستند، کارایی به تنهایی نمی تواند توجیه کننده محدودیت حقوق رویه ای بنیادین باشد .

چهارم، ضعف در تضمین حق اعتراض موثر. سازوکار سنتی اعتراض، مبتنی بر فرض دسترسی مودی به دلایل تصمیم است. اما در تصمیمات الگوریتمی، مودی اغلب نه از داده های مبنای تصمیم مطلع است و نه از منطق پردازش. این وضعیت، اعتراض مودی را به یک اقدام شکلی و ناکارآمد تبدیل می کند. همان طور که تجربه نظام های حقوقی دیگر نشان می دهد، بدون تضمین حق بر توضیح، دسترسی به عدالت در تصمیمات خودکار توهمی بیش نیست . در نظام مالیاتی ایران، اگرچه سامانه واکنش ذینفعان گامی مهم در جهت شفافیت داده ای محسوب می شود، اما صرفا امکان مشاهده و رد داده های نادرست را فراهم می کند، نه فهم منطق الگوریتمی که بر مبنای آن داده ها تصمیم گیری می کند.