Ελλαδα

ΑΑΔΕ: Στο φως φοροδιαφυγή 3 εκατ. ευρώ σε γνωστό κέντρο διασκέδασης ενηλίκων

Επιβλήθηκε πρόστιμο 130.000 ευρώ

62224-137655.jpg
Newsroom
1’ ΔΙΑΒΑΣΜΑ
Στο φως φοροδιαφυγή 3 εκατ. ευρώ σε γνωστό κέντρο διασκέδασης ενηλίκων
Στο φως φοροδιαφυγή 3 εκατ. ευρώ σε γνωστό κέντρο διασκέδασης ενηλίκων © Eric Nopanen/ Unsplash

ΑΑΔΕ: Φοροδιαφυγή 3 εκ. ευρώ σε κέντρο διασκέδασης ενηλίκων - Επιβλήθηκε πρόστιμο 130.000 ευρώ

Αξιοποιώντας πληροφορίες που έφτασαν μέσω καταγγελίας, και παρακολουθώντας στοχευμένα τη φορολογική συμπεριφορά γνωστού κέντρου διασκέδασης ενηλίκων, η ΑΑΔΕ διαπίστωσε φοροδιαφυγή ύψους 3 εκατ. ευρώ.

Ταυτόχρονα, στο εν λόγω γνωστό κέντρο διασκέδασης ενηλίκων, οι ελεγκτές της ΑΑΔΕ προχώρησαν και σε επιτόπιο έλεγχο. Από την πλήρη επεξεργασία των στοιχείων, διαπίστωσαν ότι για το φορολογικό έτος 2022 η επιχείρηση δεν υπέβαλε δήλωση φορολογίας εισοδήματος, αποκρύπτοντας έσοδα 2,7 εκατ. ευρώ, ενώ απέφυγε και την καταβολή ΦΠΑ συνολικού ποσού 255.000 ευρώ.

Πρόστιμο 130.000 ευρώ επέβαλλε η ΑΑΔΕ

Στην επιχείρηση επιβλήθηκε ο προβλεπόμενος φόρος και προσαυξήσεις, καθώς πρόστιμο 130.000 ευρώ. Ο έλεγχος συνεχίζεται και σε προηγούμενες χρήσεις, για να διαπιστωθεί εάν η επιχείρηση ήταν το ίδιο… αμελής.

Aξίζει να σημειωθεί πως με τη χρήση της Τεχνητής Νοημοσύνης, η ΑΑΔΕ θα έχει τη δυνατότητα να αποκαλύπτει φορολογητέα ύλη:

  • Αναλύοντας μεγάλα σύνολα δεδομένων από διάφορες πηγές, όπως τραπεζικές συναλλαγές, ψηφιακές δημόσιες πλατφόρμες, και μέσα κοινωνικής δικτύωσης.
  • Ανιχνεύοντας συμπεριφορικά προφίλ, όπως ασυνήθιστες συναλλαγές ή μεταφορές χρημάτων και πληρωμές μέσω καρτών σε μη καταχωρημένους πωλητές, που συνδέονται συχνά με μη καταγεγραμμένη οικονομική δραστηριότητα μέσω πλατφορμών στη λεγόμενη οικονομία διαμοιρασμού.
  • Εντοπίζοντας ανωμαλίες και ασυνήθιστες αποκλίσεις στα εισοδήματα πολιτών και επιχειρήσεων, όπως η μη αναλογία μεταξύ των εισοδηματικών πηγών και των δαπανών.

Ο Διοικητής της ΑΑΔΕ τόνισε ότι όλα αυτά μπορούν να οδηγήσουν σε πιο στοχευμένους φορολογικούς ελέγχους:

  • Προβλέποντας φορολογικές παραβάσεις, με τη χρήση μοντέλων μηχανικής μάθησης για την εκτίμηση του κινδύνου φορολογικών παραβάσεων, βασιζόμενοι σε προηγούμενα μοτίβα συμπεριφοράς, που ενδέχεται να υποδεικνύουν φορολογική απάτη.’
  • Αναπτύσσοντας προφίλ κινδύνου για φορολογούμενους και επιχειρήσεις σχετικά με την πιθανότητα φοροδιαφυγής και φοροαποφυγής, επιτρέποντας στις φορολογικές αρχές να αποφασίζουν, να προτεραιοποιούν και να εστιάζουν τους ελέγχους σε συγκεκριμένες ομάδες.
  • Αξιολογώντας και αξιοποιώντας καταγγελίες των πολιτών για περιπτώσεις φοροδιαφυγής με αυτοματοποιημένο, γρήγορο και αποτελεσματικό τρόπο και με περισσότερες δυνατότητες συλλογής και ανάλυσης πληροφοριών.

ΕΓΓΡΑΦΕΙΤΕ ΣΤΟ NEWSLETTER ΜΑΣ

Tα καλύτερα άρθρα της ημέρας έρχονται στο mail σου

ΠΡΟΣΦΑΤΑ

ΤΑ ΠΙΟ ΔΗΜΟΦΙΛΗ

ΔΙΑΒΑΖΟΝΤΑΙ ΠΑΝΤΑ

ΔΕΙΤΕ ΕΠΙΣΗΣ

Έχετε δει 20 από 200 άρθρα.