AI i podatki. Algorytm, który wybiera podatnika do kontroli

AI w podatkach analizuje miliony deklaracji, łączy dane z banków, faktur i rejestrów, wykrywa oszustwa i typuje podatników do kontroli. Skuteczność fiskusa rośnie do rekordowych poziomów. Rachunek płaci jednak przejrzystość: obywatel oznaczony jako ryzykowny zwykle nie wie, dlaczego algorytm wskazał właśnie jego i nie ma jak tego sprawdzić.

.Przez dekady kontrola podatkowa przypominała rybaka z siecią: administracja zarzucała ją szeroko i sprawdzała, co się złapie. Wielu uczciwych podatników przechodziło uciążliwe kontrole, które nie wykrywały niczego, a znaczna część oszustw pozostawała niewidoczna. Ten model właśnie odchodzi do historii.

Efekty widać w liczbach. Według danych polskiego Ministerstwa Finansów skuteczność typowania kontroli sięga w ostatnich latach około 90 procent: jeśli urząd puka do drzwi, niemal na pewno coś znajdzie. Liczba kontroli spada, ich celność rośnie. Dla budżetu to sukces bez precedensu.

Dla obywatela to jednak zmiana głębsza, niż się wydaje. W starym świecie kontrola mogła być pechem. W nowym jest werdyktem: skoro system typuje niemal bezbłędnie, samo wskazanie przez algorytm staje się quasi-oskarżeniem, zanim urzędnik zdąży zadać pierwsze pytanie.

Skąd algorytm wie, na kogo patrzeć

.Paliwem tej zmiany są dane, których administracje podatkowe mają dziś więcej niż jakakolwiek inna instytucja państwa. Jednolite pliki kontrolne przekazują fiskusowi ewidencje zakupów i sprzedaży. Systemy e-fakturowania dostarczają faktury w czasie rzeczywistym. Banki raportują przepływy, rejestry przedsiębiorców dostarczają powiązania osobowe i kapitałowe, a wymiana międzynarodowa dokłada informacje o zagranicznych kontach i dochodach.

Algorytm nie czyta tych zbiorów jak urzędnik, po jednym dokumencie. Szuka wzorców w całości: firma deklarująca obroty nieproporcjonalne do przepływów na koncie, łańcuch spółek fakturujących się nawzajem w zamkniętym obiegu, nagły wzrost odliczeń niepasujący do profilu branży, adres rejestracji dzielony z dziesiątkami innych podmiotów. Pojedynczo każda z tych cech bywa niewinna. Współwystępowanie podnosi punktację ryzyka.

Na tym polega przewaga maszyny: człowiek nie zestawi milionów deklaracji z miliardami transakcji, a model robi to codziennie. I na tym polega problem: podatnik zostaje oceniony nie za to, co zrobił, lecz za to, do jakiego wzorca pasuje.

Polska skarbówka jest w tej rewolucji pionierem

.Polska ma w tej dziedzinie pozycję szczególną i historię, którą warto opowiedzieć uczciwie. Punktem wyjścia była zapaść: luka VAT, czyli różnica między podatkiem należnym a faktycznie pobranym, sięgała w połowie poprzedniej dekady około jednej czwartej potencjalnych wpływów. Odpowiedzią stała się cyfryzacja poboru: jednolity plik kontrolny, mechanizm podzielonej płatności i przede wszystkim STIR, System Teleinformatyczny Izby Rozliczeniowej, działający od 2018 roku.

STIR analizuje przepływy na milionach firmowych rachunków bankowych i wylicza dla każdego podmiotu wskaźnik ryzyka udziału w wyłudzeniach skarbowych. Na tej podstawie Szef Krajowej Administracji Skarbowej może zablokować konto na 72 godziny, a przy podejrzeniu zobowiązania przekraczającego równowartość 10 tysięcy euro przedłużyć blokadę do trzech miesięcy. Według danych Ministerstwa Finansów w 2023 roku zablokowano w ten sposób 1188 rachunków z 88,5 miliona złotych, rok wcześniej 1138 rachunków z 77,4 miliona.

Trend luki VAT wydaje się przyznawać tej strategii rację, choć liczby wymagają ostrożności. Według szacunków dla Komisji Europejskiej luka spadła z około 25 procent w 2015 roku do rekordowo niskich poziomów na początku obecnej dekady, by w słabszym gospodarczo 2023 roku odbić do 16 procent, czyli ponad 47 miliardów złotych, a w 2024 roku znów zejść do 10,9 procent. Ministerstwo Finansów, liczące własną metodą, podaje odpowiednio 13,5 i 6,9 procent. Rozbieżność metodologiczna nie zmienia kierunku: cyfrowy fiskus odzyskał dla budżetu dziesiątki miliardów.

Od lutego 2026 roku dochodzi element domykający układankę: obowiązkowy Krajowy System e-Faktur, najpierw dla większych firm, od kwietnia dla pozostałych. Państwo zobaczy każdą fakturę w gospodarce w momencie jej wystawienia. Dla algorytmów typujących to skok zasobów bez precedensu.

Wskaźnik ryzyka, którego nikt nie zobaczy

.W samym środku tej maszynerii tkwi jednak konstrukcja, która powinna budzić niepokój niezależnie od sympatii politycznych. Algorytmy STIR są niejawne: kryteria wyliczania wskaźnika ryzyka zna wąskie grono pracowników izby rozliczeniowej i administracji. O blokadzie rachunku przedsiębiorca nie jest uprzedzany, dowiaduje się o niej zwykle w momencie odrzucenia przelewu. Uzasadnienie, które otrzymuje, bywa ogólnikowe, bo szczegóły chroni tajemnica skarbowa.

Logika tej niejawności jest zrozumiała: ujawnienie kryteriów pozwoliłoby oszustom projektować transakcje tak, by prześlizgiwały się pod progiem alarmu. Przestępcy podatkowi to przeciwnik uczący się, a wykrywanie oszustw przypomina grę w kotka i myszkę, w której odsłonięcie kart oznacza przegraną.

Tyle że ta sama niejawność, która chroni system przed oszustem, odbiera uczciwemu podatnikowi możliwość obrony. Nie sposób polemizować z punktacją, której się nie zna. Nie sposób wykazać błędu w modelu, do którego nie ma dostępu ani podatnik, ani jego pełnomocnik, ani w praktyce sąd. Konstrukcyjnie powstaje asymetria: państwo wie o obywatelu niemal wszystko, obywatel o decydującym o nim systemie nie wie nic.

Holandia pokazała, jak wygląda katastrofa

.Że nie jest to niepokój teoretyczny, dowiodła sprawa, która przeszła do historii jako toeslagenaffaire. Holenderska administracja skarbowa używała samouczącego się algorytmu do oceny ryzyka nadużyć przy zasiłkach na opiekę nad dziećmi. System nauczył się traktować jako czynnik ryzyka między innymi obce obywatelstwo, a oznaczone rodziny automatycznie pozbawiano świadczeń i żądano zwrotu wypłaconych kwot, często dziesiątek tysięcy euro, bez rzetelnej ludzkiej weryfikacji.

Skala krzywdy okazała się porażająca. Około 26 tysięcy rodzin, według późniejszych szacunków nawet 35 tysięcy osób, niesłusznie uznano za oszustów. Ludzie tracili domy, pracę i płynność finansową, a według danych holenderskiego urzędu statystycznego ponad trzy i pół tysiąca dzieci z poszkodowanych rodzin trafiło do pieczy zastępczej. Holenderski organ ochrony danych uznał praktykę za bezprawną i dyskryminującą. W styczniu 2021 roku rząd premiera Marka Ruttego podał się w całości do dymisji. Był to prawdopodobnie pierwszy gabinet w historii obalony przez algorytm.

Lekcja z Hagi nie brzmi „nie używajcie AI w podatkach”. Brzmi: system, który automatycznie karze, a nie tylko podpowiada, w połączeniu z niejawnością i brakiem realnej ludzkiej kontroli, potrafi krzywdzić na skalę przemysłową, latami i bez korekty. Holandia nie miała złych intencji. Miała złą architekturę.

Wysoka skuteczność może być złudzeniem optycznym

.Ponad 90 procent trafień brzmi jak twardy dowód jakości typowania. Warto jednak rozumieć, co ta liczba mierzy, a czego nie. Mierzy odsetek kontroli, które wykryły nieprawidłowość. Nie mówi nic o dwóch rzeczach ważniejszych: ilu oszustów system w ogóle nie zauważył i ilu uczciwych oznaczył, choć do kontroli ostatecznie nie doszło.

Jest i subtelniejszy mechanizm, znany badaczom algorytmów jako pętla sprzężenia zwrotnego. Model uczy się na wynikach kontroli, ale kontrolowani są ci, których sam wytypował. Jeśli algorytm z jakiegoś powodu częściej wskazuje określony typ firm, to właśnie tam znajdowane będą nieprawidłowości, co utwierdzi model w jego preferencjach. Branże i profile poza jego podejrzeniami pozostaną niezbadane, więc statystyka nigdy nie wykaże, że system się myli. Wysoka skuteczność i systematyczna ślepota mogą współistnieć bezkonfliktowo.

W Holandii tę pętlę domykał czynnik obywatelstwa. Nie ma powodu zakładać, że polskie modele zawierają podobnie jaskrawe zmienne. Ale nie ma też sposobu, by to sprawdzić, i to jest sedno problemu, nie zawartość konkretnego algorytmu.

Obywatel ma prawa, o których często nie wie

.Prawo nie jest wobec tej sytuacji bezradne, choć jego ochrona bywa bardziej teoretyczna niż praktyczna. RODO zakazuje co do zasady decyzji opartych wyłącznie na zautomatyzowanym przetwarzaniu, jeśli wywołują wobec osoby skutki prawne, i przyznaje prawo do uzyskania ludzkiej interwencji. Trybunał Sprawiedliwości UE w wyroku w sprawie niemieckiej wywiadowni SCHUFA z grudnia 2023 roku zinterpretował te przepisy szeroko, uznając, że już samo automatyczne wyliczenie scoringu może być decyzją zautomatyzowaną, jeśli w praktyce przesądza o losie człowieka.

Administracje podatkowe bronią się argumentem, że algorytm jedynie podpowiada, a decyzję podejmuje urzędnik. Formalnie to prawda. Praktycznie, jak pokazała Holandia i jak wskazują badacze automatyzacji w administracji, człowiek zatwierdzający setki rekomendacji dziennie rzadko którąkolwiek kwestionuje. Nadzór istnieje na papierze, znika w statystyce.

Europejski AI Act tylko częściowo domyka tę lukę. Rozporządzenie obejmuje kategorią wysokiego ryzyka systemy używane przez organy publiczne do oceny świadczeń i wiarygodności, ale administracja podatkowa w ścisłym sensie wymyka się prostym klasyfikacjom, a państwa członkowskie mają w tym obszarze pole interpretacji. Obywatel oznaczony przez fiskusowy algorytm pozostaje więc w strefie, gdzie jego prawa istnieją, lecz ich wyegzekwowanie wymaga determinacji, pieniędzy i lat.

Automatyczna pomyłka kosztuje obywatela więcej niż państwo

.Asymetria dotyczy także kosztów błędu. Gdy algorytm słusznie wskaże oszusta, państwo odzyskuje miliony. Gdy pomyli się wobec uczciwej firmy, blokada rachunku na trzy miesiące może oznaczać utratę płynności, kontraktów i zaufania kontrahentów, a w skrajnych przypadkach upadłość, zanim jakikolwiek sąd rozpatrzy zażalenie. Dla systemu to statystyczny szum, ułamek procenta fałszywych trafień. Dla konkretnego przedsiębiorcy to całe życie zawodowe.

Ta dysproporcja ma konsekwencję ustrojową. Skoro koszt pomyłki ponosi niemal wyłącznie obywatel, administracja nie ma naturalnego bodźca, by pomyłki minimalizować ponad poziom, który psuje jej statystyki. Bodziec musi więc przyjść z zewnątrz: z prawa, z sądów, z obowiązków odszkodowawczych i z przejrzystości wymuszonej regulacją. Tam, gdzie go nie ma, system będzie optymalizował ściągalność, nie sprawiedliwość, bo do tego został zaprojektowany.

Uczciwy podatnik też płaci, tylko inaczej

.Jest wreszcie koszt, którego nie widać w żadnej statystyce: mrożący wpływ na zwykłe zachowania gospodarcze. Przedsiębiorcy, wiedząc o istnieniu niejawnej punktacji, zaczynają unikać ruchów, które mogłyby „zaświecić się” w systemie, choć są w pełni legalne: nietypowej transakcji, szybkiego wzrostu, rozliczenia z nowym zagranicznym kontrahentem. Racjonalną strategią staje się bycie przeciętnym, bo przeciętność nie generuje anomalii.

Gospodarka, w której firmy optymalizują się pod algorytm ryzyka zamiast pod klienta, płaci za skuteczność fiskusa cenę rozproszoną i niewidzialną, ale realną. Zaufanie działa zresztą w obie strony: badania administracji podatkowych od lat pokazują, że skłonność do dobrowolnego płacenia podatków rośnie tam, gdzie obywatele uważają system za sprawiedliwy i przewidywalny. Fiskus postrzegany jako nieprzenikniona czarna skrzynka może więc w długim horyzoncie podkopywać to, co w poborze podatków najtańsze: dobrowolność.

Polska stoi przed własnym testem

.Nadchodzące lata będą dla polskiego modelu sprawdzianem. KSeF da administracji wgląd w każdą fakturę w gospodarce, a rozwój narzędzi analitycznych uczyni typowanie jeszcze gęstszym. Pokusa, by iść drogą czystej skuteczności, będzie rosła razem z możliwościami.

Doświadczenia innych państw podpowiadają, czego wymagać. Po pierwsze, jawności co do zasady: obywatel powinien wiedzieć, że został wytypowany algorytmicznie, jakie kategorie danych o nim przetworzono i mieć prawo do zrozumiałego uzasadnienia, nawet jeśli szczegółowe wagi modelu pozostaną tajne. Po drugie, realnego, nie rytualnego nadzoru człowieka nad decyzjami dotkliwymi, z blokadą rachunku na czele. Po trzecie, niezależnego audytu modeli pod kątem błędów systematycznych, prowadzonego przez instytucję spoza administracji skarbowej. Po czwarte, szybkiej i realnej ścieżki odszkodowawczej za błędne oznaczenie, bo to ona tworzy bodziec do dbałości o jakość.

Żaden z tych postulatów nie osłabia walki z oszustami. Wszystkie dotyczą wyłącznie tego, co dzieje się, gdy system się myli. A każdy system statystyczny czasem się myli, z definicji.

Skuteczne państwo nie może być nieprzejrzyste

.AI w podatkach zostanie z nami na dobre i co do zasady słusznie. Wyłudzenia VAT finansowały przestępczość zorganizowaną, a ich ograniczenie to realne miliardy na szpitale, szkoły i obronność. Algorytmiczne typowanie oszczędza też uczciwym firmom tysięcy zbędnych kontroli, które w modelu losowym spadały właśnie na nie.

Spór nie toczy się więc o to, czy fiskus ma używać algorytmów. Toczy się o to, czy obywatel oznaczony przez maszynę pozostaje obywatelem, z prawem do wyjaśnienia, obrony i naprawienia krzywdy, czy staje się rekordem o podwyższonym wskaźniku, wobec którego procedury toczą się same.

Holenderska lekcja jest tu ostateczna: technologia, która miała chronić budżet, obaliła rząd, bo nikt w porę nie zapytał, co system robi ludziom, których błędnie oznaczył. Skuteczność bez przejrzystości nie jest sprawnością państwa. Jest jego przewagą nad obywatelem, a tej żadna luka podatkowa nie usprawiedliwia.

Szymon Ślubowski