- ΑΡΧΙΚΗ
-
ΕΠΙΚΑΙΡΟΤΗΤΑ
-
ΠΟΛΙΤΙΣΜΟΣ
-
LIFE
-
LOOK
-
YOUR VOICE
-
επιστροφη
- ΣΕ ΕΙΔΑ
- ΜΙΛΑ ΜΟΥ ΒΡΟΜΙΚΑ
- ΟΙ ΙΣΤΟΡΙΕΣ ΣΑΣ
-
-
VIRAL
-
επιστροφη
- QUIZ
- POLLS
- YOLO
- TRENDING NOW
-
-
ΖΩΔΙΑ
-
επιστροφη
- ΠΡΟΒΛΕΨΕΙΣ
- ΑΣΤΡΟΛΟΓΙΚΟΣ ΧΑΡΤΗΣ
- ΓΛΩΣΣΑΡΙ
-
- PODCAST
- 102.5 FM RADIO
- CITY GUIDE
- ENGLISH GUIDE
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.