L’utilizzo dell’intelligenza artificiale nel contrasto alle patologie: l’esperienza spagnola

Di Chiara Lattanzi -

Abstract (*)

Il lavoro analizza, anche in un’ottica comparatistica, l’impatto dell’intelligenza artificiale sulle norme e sulle procedure fiscali dell’ordinamento giuridico spagnolo, in un’ottica di contrasto alle patologie da parte dell’Amministrazione finanziaria. La finalità è quella di esaminare le questioni più attuali e rilevanti mettendo in luce le differenze e le analogie con il nostro Paese, ma sempre con il fine di esporre la necessità di raggiungere un approccio giuridico e operativo nell’uso delle tecniche di intelligenza artificiale che sia tutelante per il contribuente ed efficace per l’Amministrazione finanziaria.

The use of Artificial Intelligence in the fight against tax evasion and tax avoidance: a comparison between Spain and Italy – The paper analyses, also in a comparative perspective, the impact of Artificial Intelligence on the tax rules and procedures of the Spanish legal system, with a view to counteracting pathologies by the financial Administration. In the analysis, the most conflicting and relevant questions are examined to highlight differences and similarities with our country but always with the aim of exposing the need to achieve a legal and operational approach in the use of Artificial Intelligence techniques necessary that is protective for the taxpayer and effective for the financial Administration.

Sommario: 1. Il quadro normativo di riferimento – 2. L’IA come strumento per l’analisi del rischio – 3. Le criticità applicative tra difetto di trasparenza e di informazione – 4. Punti di contatto e divergenze con l’ordinamento tributario italiano

1. L’ordinamento tributario spagnolo, al pari di altri ordinamenti europei, si sta evolvendo nel senso di un utilizzo – sempre più massivo – di sistemi di Intelligenza Artificiale (di seguito, per semplicità espositiva, IA) da parte dell’AEAT (Agencia Estatal de Administración Tributaria) con finalità di contrasto alle patologie tributarie.

Tale contesto si caratterizza, ad oggi, per la presenza di una serie di previsioni normative, di carattere generale, che costituiscono, de facto, l’unica base giuridica del fenomeno in questione.

È proprio da tali norme che è opportuno prendere le mosse, ai fini della presente analisi.

L’utilizzo dell’IA da parte delle Autorità fiscali è disciplinato, in buona sostanza, dall’art. 96, titolo III, capitolo I, sez. IV, della Ley General tributaria, 17 dicembre 2003, n. 58 (di seguito, LGT). La norma, rubricata “Utilizzo di tecnologie informatiche e telematiche” – in una formulazione che non è stata modificata dopo la sua approvazione nel 2003 – non menziona espressamente gli strumenti o le tecniche di IA, ma contiene solamente un generico riferimento agli strumenti informatici basati su qualsiasi tecnica “digitale”, nonché ai mezzi elettronici, informatici e telematici che possono essere utilizzati dall’Amministrazione fiscale, tra i quali si deve ritenere che siano inclusi gli strumenti basati sull’IA.

Sempre l’art. 96, comma 3, LGT prevede che le procedure e gli atti in cui si utilizzano tecniche e mezzi elettronici, informatici e telematici, garantiranno l’identificazione dell’Amministrazione fiscale attiva e l’esercizio della sua competenza.

Inoltre, continua il disposto normativo, quando l’Amministrazione fiscale agisce in modo automatizzato, sarà garantita l’identificazione degli organi competenti per la programmazione e il monitoraggio del sistema di informazione e degli organi competenti per risolvere i ricorsi che possono essere presentati.

Si inserisce, dunque, un importante obbligo di “identificazione”, sia a livello di programmazione, sia di emanazione del provvedimento.

Con specifico riferimento alle procedure tributarie che avvengono in maniera completamente automatizzata, a chiudere il cerchio è, infine, l’art. 100, comma 2, LGT in cui si prevede che sarà considerata “risoluzione” la risposta effettuata in modo automatizzato dall’Amministrazione fiscale nei procedimenti in cui è prevista questa forma di conclusione (del procedimento).

Tale norma, peraltro, si raccorda strettamente con l’art. 96, comma 3, secondo alinea, LGT, che stabilisce l’obbligo di identificare gli organismi competenti per la programmazione e la vigilanza del sistema e gli organi competenti a risolvere i contrasti nei casi in cui l’Amministrazione fiscale agisca in modo automatizzato.

Come è stato sottolineato in dottrina (Pérez Bernabeu B., Inteligencia artificial y administración tributaria a la luz del principio de legalidad: hacia un marco jurídico garantista, in Revista Española de Derecho Financiero, 2024, 204, 6) in un contesto normativo così delineato, gli strumenti di IA possono essere utilizzati da parte dell’Amministrazione finanziaria per una molteplicità di scopi che vengono ricondotti, essenzialmente, a due macrocategorie.

Da un lato, i modelli predittivi che, attraverso tecniche statistiche, analizzano un dato insieme di input, per elaborare modelli di supporto nel processo decisionale da parte del funzionario.

Dall’altro, i modelli prescrittivi che adottano decisioni, concludendo il procedimento in modo completamente automatizzato.

Sempre la medesima dottrina (Pérez Bernabeu B., ibidem, 8), non ha mancato di rilevare come l’utilizzo di modelli di IA predittiva (ossia quei modelli che non concludono la procedura in modo completamente automatizzato, poiché richiedono un successivo intervento umano), attualmente, sia privo di una solida base giuridica e di una regolamentazione sul loro utilizzo al di là del riferimento generico all’art. 96, comma 1, LGT che prevede, come detto, la promozione dell’«uso di tecniche e mezzi elettronici, informatico e telematico» da parte dell’Amministrazione finanziaria.

In secondo luogo, è stato sottolineato come tali precetti non rappresentano, in ogni caso, neanche una “specifica” base giuridica per l’utilizzo di modelli prescrittivi di IA (ossia quelli che concludono una procedura in modo completamente automatizzato senza la necessità dell’intervento umano in qualsiasi momento) da parte dell’Amministrazione finanziaria, per il semplice motivo che non vi è alcun riferimento esplicito a strumenti basati sull’IA.

Inoltre, solo nel migliore dei casi e grazie ad un esercizio ermeneutico, si potrebbero comprendere modelli algoritmici prescrittivi da includere nel riferimento contenuto nell’art. 100, comma 2, LGT alla risoluzione automatizzata delle procedure, che, non è sempre riconducibile a strumenti di IA, ma anche di Robot Process Automatition (RPA).

2. Fatte queste doverose premesse circa l’attuale quadro normativo, si passa ora ad analizzare le applicazioni dell’intelligenza artificiale da parte dell’Amministrazione finanziaria spagnola.

Sul punto, è opportuno procedere con una considerazione di carattere preliminare. Come è stato evidenziato (Añon Roig M.J., Desigualdades algorítmicas: Conductas de alto riesgo para los derechos humanos, in Derechos y Libertades, 2022, 47, 17 ss., l’intelligenza artificiale si declina prevalentemente, ad oggi – in un’ottica di contrasto alle patologie – come un potente strumento di gestione dei rischi ante facto, dispiegando funzioni anticipatorie basate su modelli matematici di previsione dei comportamenti che sostituiscono il calcolo della probabilità.

Tale calcolo si basa su un principio di causalità materiale, agendo con un modello di ragionamento algoritmico che aumenta l’efficienza dell’Amministrazione, talvolta a scapito della trasparenza, producendo risultati caratterizzati da un certo grado di opacità e disuguaglianza tra gli utenti (rectius, nella fattispecie, i contribuenti).

È evidente, dunque, come tale processo non sia scevro da criticità e necessiti un implemento in senso migliorativo.

Con riferimento alla Spagna, l’evoluzione tecnologica dell’Amministrazione finanziaria si è potenziata nell’ultimo decennio grazie all’implementazione di molteplici strumenti digitali e, soprattutto, attraverso l’utilizzo di applicazioni tecnologiche basate sull’intelligenza artificiale. A queste applicazioni, infatti, è stata attribuita maggiore importanza in virtù della sempre maggiore disponibilità di dati in possesso degli Enti pubblici.

D’altro canto, la Legge Generale Tributaria, al pari dell’ordinamento tributario italiano, impone ai contribuenti la comunicazione periodica di un alto numero di dati che, dunque, rappresentano per l’Amministrazione finanziaria un fondamentale bacino sui quali innestare gli strumenti di IA (Oliver Cuello F., Big Data e inteligencia artificial en la Administración Tributaria, in Revista de los Estudios de Derecho y Ciencia Política, 2021, 33, 3).

Fine ultimo, l’individuazione “precoce” della frode fiscale.

È sulla base di tale premessa, che l’AEAT ha avviato un processo di creazione di profili di rischio (veri e propri cluster) che consentano di valutare “ex ante” quali contribuenti possano essere più inclini a potenziali frodi fiscali. Questo controllo fiscale, basato su modelli di controllo predittivo del rischio, consente in ultima analisi, almeno in teoria, di migliorare l’efficienza della riscossione, il che si traduce in un miglioramento del sistema fiscale (Martín López J., Inteligencia artificial, sesgos y no discriminación en el ámbito de la inspección tributaria, in Crónica Tributaria, 2022, 182, 59).

In buona sostanza, ciò cui si è assistito nella penisola Iberica è una implementazione massiva di modelli di gestione del rischio (denominati compliance risk management), ossia di modelli basati su un’analisi ex ante dei possibili rischi fiscali erariali.

Ciò si è reso possibile attraverso l’uso dei big data e dell’IA e, in particolare, dei modelli predittivi, con cui si valuta la conformità dei contribuenti e si determinano i possibili rischi prima ancora che si verifichino.

Dunque, le finalità di tax compliance e di minore conflittualità “sottendono”, certamente, ex se, anche una finalità di contrasto alle patologie.

Ciò è stato reso quanto mai evidente dai piani Strategici 2020-2023 e 2024-2027 dell’AEAT, che riflettono l’utilizzo di sistemi tecnologici all’avanguardia volti a facilitare il lavoro amministrativo e la ricerca di una compliance fiscale ottimale (Pedrosa Lopez C., Adecuación de las normas y procedimientos tributarios del ordenamiento jurídico español a la inteligencia artificial, in Atti del Convegno ILATD, Santiago del Cile, ottobre 2024).

Da ultimo, non può mancarsi di citare l’ultimo recente documento di prassi l’Estrategia de Inteligencia Artificial del 27 maggio 2024, che reca fondamentali indicazioni, di cui si dirà meglio avanti (sul punto cfr., da ultimo, anche Martin Caceres A.F., L’intelligenza artificiale nei procedimenti di accertamento e di ispezione nell’ordinamento giuridico tributario spagnolo, in Dir. prat. trib. int., 2024, 3, 701).

Come è stato sottolineato dalla dottrina, tutti gli strumenti di IA sono collegati e alimentati dalla banca dati consolidata della Sottodirezione Generale per l’Analisi delle Informazioni e le Tecnologie di Investigazione delle Frodi del Dipartimento di Informazione Fiscale dell’AEAT, che si arricchisce, costantemente, anche di informazioni provenienti da altre istituzioni pubbliche: catasto, traffico, previdenza sociale o registri immobiliari, civile e commerciale (sul punto, Aldea Gamarra A., La aplicación de las tecnologías de vanguardia en la gestión de pública de los tributos, Huri-Age, in Papeles el tiempo de los Derechos, 2022, 11, 7).

Più in dettaglio, quanto agli strumenti di IA utilizzati dall’Amministrazione finanziaria spagnola, è bene precisare come L’AEAT, abbia implementato, nel corso degli anni, una serie di strumenti la cui finalità è quella di agevolare le attività umane di ispezioni e verifiche. Dunque, l’intervento umano rimane, comunque, essenziale e determinante. Tra questi strumenti, secondo le Specifiche Tecniche AEAT del Dipartimento di Informazioni Fiscali del 2020, vanno evidenziati i seguenti:

  • ZÚJAR: esso è basato sul data mining utilizzando un sistema di intelligenza artificiale, apprendimento automatico, statistiche e sistemi di database per eseguire analisi avanzate dell’insieme di informazioni disponibili al fine di determinare modelli di non conformità e/o non conformità. È un’applicazione di analisi multidimensionale interattiva che consente di lavorare utilizzando l’archiviazione dei dati. La sua natura è orizzontale, cioè non è legata ad un settore specifico all’interno dell’AEAT, ma viene utilizzata trasversalmente nei diversi ambiti dell’ispezione, della gestione e anche della riscossione delle imposte. Il sistema si occupa di archiviare e sistematizzare tutti i dati e quindi, attraverso l’incrocio, di identificare i contribuenti che soddisfano le caratteristiche precedentemente predefinite. Ciò viene effettuato dai cosiddetti zújares, identificati come moduli o unità di informazione che facilitano la classificazione dei contribuenti.

  • HERMES: tale strumento si concentra sull’analisi dei rischi che, per mezzo di algoritmi di machine learning, genera report standardizzati e determina la selezione dei contribuenti che saranno potenzialmente soggetti ad azioni di gestione, ispezione e riscossione. Oltre a basarsi sui dati contenuti nelle banche dati, questo sistema utilizza anche informazioni provenienti da fonti internazionali: CbC Reports, scambio di informazioni sui ruling fiscali e scambio automatico di informazioni finanziarie ACCount in applicazione dell’accordo CRS a livello OCSE.

  • PROMETHEUS: è una derivazione del sistema ZÚJAR, appositamente progettato per le aree di ispezione e gestione. Cioè, ha le stesse caratteristiche tecniche di ZÚJAR, ma consente di analizzare i dati di un contribuente specifico. La sua rilevanza è spiegata dalla capacità del sistema di confrontare ed estrarre correlazioni tra i dati in suo possesso. In questo modo, tale strumento permette una riconciliazione tra le informazioni contabili e l’estratto conto bancario e di incrociarla con qualsiasi informazione proveniente dalle banche dati dell’Agenzia delle Entrate stessa. Le informazioni collegate a PROMETEO sono fondamentalmente legate ai dati di fatturazione, contabilità e conto corrente, che sono associati ai file di ispezione.

  • TESEO: come ZÚJAR, tale strumento è orizzontale, ma in questo caso l’applicazione consente all’AEAT di costruire grafici con gli elementi che sono già presenti nel suo sistema. Esso è focalizzato sull’analisi delle reti (personali, aziendali, economiche…) per la ricerca di pattern anomali camuffati sotto apparenze di legalità. Basato sulla Relazione Zujar, con la possibilità di aumentare i livelli di relazione quanto vuoi. Attraverso questa applicazione è possibile ottenere in modo automatico e interattivo una rappresentazione grafica o tabellare dei collegamenti esistenti tra i contribuenti, applicando filtri diversi a seconda delle caratteristiche o delle relazioni selezionate.

  • DAEDALUS: facilita l’identificazione dei contribuenti i cui principali dati personali (come nome, cognome o codice fiscale) sono sconosciuti. Questo sistema funziona con informazioni frammentarie provenienti dal contribuente e anche dalle persone ad esso associate. Pertanto, il database del programma include vari tipi di informazioni che possono aiutare a identificare il contribuente, come l’indirizzo fiscale, i conti bancari, la proprietà del veicolo, tra gli altri.

  • RIFA: È uno strumento che, per mezzo di un framework Python, recupera informazioni (strutturate) da fonti aperte situate sul web.

  • GENIO (INFONOR): esso si sostanzia in un’applicazione che gestisce la creazione di report da parte dei contribuenti stessi grazie alle informazioni conservate nelle query che si trovano nel database ZÚJAR. Poiché è collegato a un tale database, l’uso dello strumento si caratterizza anche per essere eminentemente orizzontale, in modo da poter creare qualsiasi tipo di report.

  • BUSCÓN: è basato sul text mining. È uno strumento per la ricerca e l’indicizzazione di testi in documenti di tipo Google, con l’obiettivo di ottenere informazioni categorizzate per la loro selezione ed elaborazione automatizzata.

In termini di out put della “macchina”, vengono finalizzati tre modelli, con finalità diverse: 1) modelli di somiglianza o di confronto (identificazione dei contribuenti rispetto ad altri in situazioni passate); 2) Modelli di anomalia; 3) modelli predittivi (che offrono risultati sulle cause del rischio di un contribuente).

L’uso di strumenti tecnologici da parte dell’Amministrazione fiscale spagnola basati su algoritmi e modelli di intelligenza artificiale predittiva ha lo scopo, in definitiva, di rafforzare la prevenzione e la lotta contro la frode fiscale. Questo obiettivo diventa, quindi, la principale sfida da affrontare per modernizzare il sistema fiscale spagnolo, garantire la giustizia fiscale e aumentarne l’efficienza di riscossione (si veda Pedrosa Lopez C., Adecuación de las normas y procedimientos tributarios del ordenamiento jurídico español a la inteligencia artificial, cit., 19). In definitiva, l’Amministrazione fiscale spagnola mira a realizzare un sistema fiscale più efficiente nella lotta contro la frode, a evitare nuove forme di frode fiscale, ad aumentare l’efficacia del controllo fiscale e ad incoraggiare il rispetto volontario dei contribuenti dei loro obblighi fiscali. Cercando così di creare un sistema fiscale più efficiente, equo e giusto, che garantisca la sostenibilità delle finanze pubbliche (“Piano nazionale per la ripresa, la trasformazione e la resilienza, misure e azioni per prevenire e contrastare la frode fiscale”. Successivamente, tale obiettivo è stato approvato dall’Addendum allegato al presente Piano nel settembre 2023).

3. Se questo è lo stato dell’arte, la dottrina più attenta non ha mancato di sottolineare una serie di criticità di natura applicativa, che possono derivare dall’utilizzo dei citati strumenti. A tal proposito, un particolare accento è stato posto sulla la relazione tra bias algoritmici e discriminazione, a fronte alla scarsa regolamentazione normativa del settore (Pedrosa Lopez C., ibidem, 24). In tal senso, la dottrina iberica distingue, nello specifico, tra bias statistici, in cui il risultato è derivato dal modello predittivo, e bias di campionamento, in cui il risultato è causato dai dati utilizzati (Boucher P., Artificial intelligence: How does it work, why does it matter, and what can we do about it?, European Parliamentary Research Service, Scientific Foresight Unit [STOA], Bruxelles, 2020, 66). In buona sostanza, i pregiudizi possono risiedere, da una parte, nell’inadeguatezza dei dati perché la selezione degli stessi è intrinsecamente distorta volontariamente o involontariamente in relazione a un determinato gruppo, il che farà sì che l’algoritmo replichi il pregiudizio e impari a trattare quel gruppo in modo diverso, a causa di una scarsa qualità dei dati o di un’errata selezione dei dati (Martín López J., Inteligencia artificial y comprobación tributaria: transparencia y no discriminación, cit., 153‐160 y Inteligencia artificial, sesgos y no discriminación en el ámbito de la inspección tributaria, cit., 56‐57). Dall’altra, questo risultato può essere rinvenuto nella configurazione del sistema algoritmico stesso, cioè nel modo di stabilire correlazioni, categorizzare comportamenti e prevedere comportamenti. Ciò significherebbe che il modello predittivo cesserebbe di essere neutrale, poiché quel particolare gruppo riceverebbe un trattamento divergente (Pedrosa Lopez C., ibidem, 24). Anche se è vero che, come spiegano entrambi gli Autori, la macchina può essere riprogrammata. Pertanto, è essenziale un’adeguata supervisione umana e, se necessario, una correzione tempestiva del processo di apprendimento (Martín López J. – Pérez Bernabeu B., Inteligencia artificial, Machine Learning e inclusión de los contribuyentes en los procedimientos comprobatorios”, in Serrano Antón F., director, Inteligencia Artificial y Administración Tributaria: Eficiencia Administrativa y Defensa de los Derechos de los Contribuyentes, Aranzadi, 2021, 448-449).

La mancanza di trasparenza e di informazione generano, dunque, indubbi problemi in termini di valutazione di eventuali discriminazioni algoritmiche del modello applicato nella selezione dei profili di rischio e dei risultati ottenuti (sul punto cfr. anche Martin Caceres A.F., L’intelligenza artificiale nei procedimenti di accertamento e di ispezione nell’ordinamento giuridico tributario spagnolo, cit., 719 ss.).

Soprattutto nell’ambito della procedura di accertamento o ispezione fiscale, questi problemi probatori aumentano in assenza di garanzie normative, poiché le uniche garanzie legali esistenti sono offerte dalla normativa sulla protezione dei dati personali (con specifico riferimento alla normativa nazionale spagnola vd., da ultimo, Martin Caceres A.F., L’intelligenza artificiale nei procedimenti di accertamento e di ispezione nell’ordinamento giuridico tributario spagnolo, cit., 716 e l’ampia bibliografia citata dall’Autrice).

La dottrina, dunque, ha evidenziato quali sono i rischi legati all’uso dell’intelligenza artificiale che dovranno essere affrontati in maniera efficace nel processo decisionale delle Amministrazioni fiscali, affinché sia garantito uno scenario win-win per entrambe le parti. Tali fattori di rischio includono: i) la mancanza di dati di alta qualità per addestrare l’intelligenza artificiale e, d’altra parte, di modelli di previsione correttamente progettati senza distorsioni e risultati discriminatori; ii) l’assenza di trasparenza delle informazioni utilizzate per alimentare i sistemi decisionali di tale intelligenza artificiale; iii) in linea con quanto precede, la mancanza di trasparenza per quanto riguarda il modo in cui il sistema di intelligenza artificiale prende decisioni o previsioni e le conseguenti difficoltà nell’esercizio dei diritti procedurali fondamentali, quali il diritto a una tutela giurisdizionale effettiva, il diritto a un ricorso effettivo e il diritto a un processo equo; tra gli altri; iv) senza dimenticare, le preoccupazioni circa il diritto alla privacy e alla protezione dei dati personali, che non sono banali.

4. Dall’analisi sin qui condotta, non possono che emergere spunti di riflessione e/o di paragone con lo stato dell’arte nel nostro Paese.

In primo luogo, in relazione all’implementazione della legislazione domestica (con riferimento alla dottrina italiana cfr., senza alcuna pretesa di completezza, da ultimo, Francioso C., Procedimenti tributari automatizzati e diritti dei contribuenti in ottica comparata, in Riv. trim. dir. trib., 2023, 3, 541; Francioso C., Intelligenza artificiale nell’istruttoria tributaria e nuove esigenze di tutela, in Rass. trib., 2023, 1, 47 ss.; Guidara A., Accertamento dei tributi e intelligenza artificiale: prime riflessioni per una visione di sistema, in Dir. prat. trib., 2023, 2, I, 384; Contrino A., Digitalizzazione dell’amministrazione finanziaria e attuazione del rapporto tributario: questioni aperte e ipotesi di lavoro nella prospettiva dei principi generali, in Riv. dir. trib., 2023, 2, I, 106; Carpentieri L. – Conte D., a cura di, La digitalizzazione dell’amministrazione finanziaria tra contrasto all’evasione e tutela del contribuente, Milano, 2023; Conte D., Accertamento tributario e modelli predittivi del rischio di evasione fiscale: il ruolo dell’IA tra tutela dei dati personali e principio del “giusto” procedimento, in Riv. dir. trib., 2024, 1, I, 125; Verrigni C., C’è spazio per un utilizzo ragionevole dell’intelligenza artificiale nell’ambito dell’accertamento tributario?, in Dir. prat. trib. int., 2024, 3, 739; Del Federico L., Sui diritti del contribuente nell’era dell’intelligenza aritificiale, in Dir. prat. trib. int., 2024, 1, 71 ss.).

Da un punto di vista squisitamente normativo è bene, ricordare che entrambi i Paesi sono destinatari del vincolante Regolamento europeo 1689/2024, e della definizione di intelligenza artificiale in esso contenuta. Una definizione, piuttosto generica, ma che proprio per questo tocca tutte le caratteristiche fondamentali della maggior parte degli strumenti attualmente in uso.

L’art. 3, par. 1 del citato regolamento definisce sistema di IA: «un sistema automatizzato progettato per funzionare con livelli di autonomia variabili e che può presentare adattabilità dopo la diffusione e che, per obiettivi espliciti o impliciti, deduce dall’input che riceve come generare output quali previsioni, contenuti, raccomandazioni o decisioni che possono influenzare ambienti fisici o virtuali».

Tale definizione è molto più ampia delle precedenti proposte, perché parla di “autonomia variabile” e non già di “autonomia totale”.

Il disposto, formulato in maniera volutamente più inclusiva, sottende il chiaro intento del legislatore unionale di estendere al maggior numero di strumenti possibili le garanzie – seppur deboli in ambito tributario e doganale – previste a livello europeo.

In sintesi, ad oggi, i punti chiave della novella europea sono due: l’intervento umano, nella logica del regolamento, dovrebbe essere relegato nella fase di definizione degli obiettivi (e di “addestramento” dello strumento a livello di “obiettivi”) di IA mentre quest’ultimo, in autonomia dovrebbe, secondo un processo di apprendimento e di “adattamento”, essere in grado di formulare una serie di determinazioni assai variegate e diversamente incisive sui diritti dei destinatari. È, infatti, evidente che le nozioni di “contenuti, previsioni, raccomandazioni o decisioni” hanno un significato pressoché illimitato.

È doveroso, tuttavia, precisare che le grandi aspettative riposte nella recente adozione del Regolamento sull’intelligenza artificiale, sono rimaste pressoché deluse sia in Italia che in Spagna – per quanto riguarda l’ambito tributario poiché – sebbene sia uno dei settori dove risaputamene si fa un ampio utilizzo di decisioni algoritmiche, sembra che il Regolamento europeo consenta l’utilizzo della IA in ambito tributario senza quelle garanzie previste per i sistemi di IA ad alto rischio.

Difatti, il Considerando n. 59, nella sua versione definita, all’esito di numerose modifiche, prevede che « le azioni delle autorità di contrasto che prevedono determinati usi dei sistemi di IA sono caratterizzate da un livello significativo di squilibrio di potere e possono portare alla sorveglianza, all’arresto o alla privazione della libertà di una persona fisica, come pure avere altri impatti negativi sui diritti fondamentali garantiti nella Carta», motivo per il quale, in «considerazione della natura delle attività in questione e dei rischi a esse connessi, tra tali sistemi di IA ad alto rischio è opportuno includere, in particolare, i sistemi di IA destinati a essere utilizzati dalle autorità di contrasto».

Se questo è il quadro normativo unionale, sul piano nazionale, al contrario, non è possibile riscontrare alcuna specifica definizione a livello legislativo.

Tale vuoto normativo si può riscontrare in entrambi Paesi in esame. Da tale punto di vista, il legislatore italiano ha forse mostrato una maggiore sensibilità nel prevedere, quanto meno a livello terminologico, l’esistenza del fenomeno. A riprova di ciò, la legge delega per la riforma del sistema fiscale 9 agosto 2023, n. 111, che all’art. 2 indica espressamente, al fine di contrastare e ridurre l’evasione e l’elusione fiscale la «piena utilizzazione dei dati che affluiscono al sistema informativo dell’anagrafe tributaria, il potenziamento dell’analisi del rischio, il ricorso alle tecnologie digitali e alle soluzioni di intelligenza artificiale, nel rispetto della disciplina dell’Unione europea sulla tutela dei dati personali […]».

Ancora, all’art. 17, della medesima legge, rubricato “Principi e criteri direttivi in materia di procedimento accertativo, di adesione e di adempimento spontaneo” il legislatore suggerisce di «potenziare l’utilizzo di tecnologie digitali, anche con l’impiego di sistemi di intelligenza artificiale […]».

Come si è avuto modo di constatare, nell’ordinamento tributario spagnolo, un riferimento all’intelligenza artificiale è ancora del tutto assente, e tale “vuoto normativo”, al momento, risulta colmato dal generico rifermento di cui all’art. 96 LGT, in quanto, come detto, si può ritenere che il processo decisionale che pone fine a una procedura amministrativa mediante modelli prescrittivi, senza alcun tipo di intervento umano, abbia un posto in esso, proprio in virtù della genericità della disposizione (in dottrina si parla anche di disciplina ambigua e parziale dell’IA. Così Martin Caceres A.F., L’intelligenza artificiale nei procedimenti di accertamento e di ispezione nell’ordinamento giuridico tributario spagnolo, cit., 724).

Se, da un lato, tuttavia, il legislatore italiano si è mostrato più propositivo nel senso di introdurre dei riferimenti ad hoc, per quanto a mero livello terminologico, dall’altro, la stessa lungimiranza non può riscontrarsi nell’operato dell’Amministrazione finanziaria, per la quale vale un discorso esattamente speculare tra i due Paesi.

A differenza dell’Amministrazione finanziaria italiana, la Direzione Generale dell’AEAT si è mostrata, infatti, molto più solerte in materia, sia in termini di provvedimenti elaborati, sia dal punto di vista dell’implementazione e soprattutto della “trasparenza” degli strumenti di IA realizzati.

Da ultimo, non può mancarsi di ricordare la citata strategia fiscale del 27 maggio 2025. Si tratta di un importante documento di natura programmatica in cui l’Agencia Tributaria spagnola, definisce i concetti chiavi, le strategie e gli impegni da affrontare nei prossimi anni. Nello specifico:

  • allineare l’uso dell’IA con la visione, la missione, i principi e gli obiettivi dell’Agenzia delle Entrate e svilupparlo in conformità con l’attuale quadro normativo;

  • utilizzare l’intelligenza artificiale dando priorità al miglioramento del servizio ai cittadini e all’efficacia e all’efficienza amministrativa;

  • utilizzare gli strumenti di intelligenza artificiale per garantire il rispetto dei principi di correttezza, obiettività e omogeneità che devono governare l’azione dell’Agenzia delle Entrate;

  • ricercare e sviluppare l’uso dell’IA in campo amministrativo per contribuire al rispetto dei principi di razionalizzazione, economia ed efficienza richiesti a tutte le Pubbliche Amministrazioni;

Ad oggi, l’Amministrazione finanziaria italiana non risulta aver adottato nulla di analogo. Sarebbe, dunque, auspicabile un allineamento in tal senso.

Da ultimo, non possono mancare di segnalarsi le nove Risoluzioni, approvate ad oggi dall’AEAT che sono state pubblicate sul sito web e che, complessivamente, elencano una serie di 115 azioni. Tuttavia, come sostenuto da parte della dottrina (Pérez Bernabeu P., ibidem, 9), tali azioni, per loro natura, sembrerebbero determinate maggiormente da tecniche RPA, più che il risultato di modelli algoritmici prescrittivi, trattandosi di azioni in cui non vi è alcun margine di discrezionalità o la necessità di ricorrere a tecniche statistiche, poiché il loro contenuto è determinato dalla verifica del rispetto o meno di determinati requisiti stabiliti dalla legge.

Quanto, infine, agli strumenti di intelligenza artificiale adottati, ex art. 3 del citato Regolamento, per ciò che concerne la Spagna se n’è già fornita una dettagliata elencazione. L’aspetto degno di attenzione, in un’ottica squisitamente giuridica, ad avviso di chi scrive, non concerne tanto la loro numerosità e pervasività di tali strumenti, quanto il livello di “trasparenza” con cui tali programmi siano resi nella “disponibilità” dei contribuenti, al di là dell’out put prodotto.

Il Departamento de Informática Tributaria, infatti, li rende facilmente accessibili attraverso una dettagliata elencazione on line (https://contrataciondelestado.es/wps/wcm/connect/8f852d38-69ec-488f-b99665088381e4d9/DOC20200826124636PLIEGO+DE+PRESCRIPCIONES+TECNICAS.pdf?MOD=AJPERES).

Nel contesto domestico, invece, che appare dominato certamente da una maggiore opacità, non è previsto, attualmente, nulla di analogo.

Prescindendo dalle considerazioni di merito sull’opportunità di una “disclosure” dei tool utilizzati dalla nostra Amministrazione finanziaria, ciò che resta è un dato oggettivo. E cioè che, al di là delle procedure di carattere automatizzato, ad oggi, nel nostro ordinamento tributario l’unico strumento di IA “conoscibile” dal contribuente e che può dirsi rientrante, a pieno titolo, nella definizione unionale, è solamente la procedura di interpello semplificata contenuta nell’art. 10-nonies L. n. 212/2000 (c.d. Statuto dei diritti del contribuente), introdotta dal recente D.Lgs. 30 dicembre 2023, n. 219.

L’interpello semplificato presenta, certamente, taluni elementi di novità sul piano dell’applicazione di strumenti di IA in senso stretto in quanto, nella fattispecie concreta, mediante l’applicazione di taluni algoritmi che “creano” essi stessi, senza alcun intervento umano, una decisione (la risposta ad interpello) il contribuente ottiene immediati effetti premiali. È, infatti, evidente che il sistema di IA, mediante procedure automatizzate mediante un software, attinge dalle banche dati della prassi amministrativa e rielabora, in autonomia, una risposta che incide direttamente sulle situazioni giuridico soggettive del contribuente. Lo strumento in esame, dunque, appare conforme alla nozione di IA delineata dalle istituzioni europee, quanto meno nei tratti essenziali.

(*) Il presente contributo riproduce l’intervento tenuto dall’Autrice all’incontro di dottorato “Intelligenza artificiale, metodi di accertamento e contrasto alle patologie” tenutosi presso l’Università degli Studi Gabriele D’annunzio di Chieti – Pescara il giorno 22 maggio 2025 nell’ambito del ciclo di seminari PRIN “Intelligenza artificiale e controlli tributari”.

BIBLIOGRAFIA ESSENZIALE

Aldea Gamarra A., La aplicación de las tecnologías de vanguardia en la gestión de pública de los tributos, Huri-Age, in Papeles el tiempo de los Derechos, 2022, 11, 7 ss.

Añon Roig M.J., Desigualdades algorítmicas: Conductas de alto riesgo para los derechos humanos, in Derechos y Libertades, 2022, 47, 17 ss.

Boucher P., Artificial intelligence: How does it work, why does it matter, and what can we do about it?, European Parliamentary Research Service, Scientific Foresight Unit [STOA], Bruxelles, 2020, 66

Carpentieri L. – Conte D. (a cura di), La digitalizzazione dell’amministrazione finanziaria tra contrasto all’evasione e tutela del contribuente, Milano, 2023

Conte D., Accertamento tributario e modelli predittivi del rischio di evasione fi-scale: il ruolo dell’IA tra tutela dei dati personali e principio del “giusto” procedimento, in Riv. dir. trib., 2024, 1, I, 125 ss.

Contrino A., Digitalizzazione dell’amministrazione finanziaria e attuazione del rapporto tributario: questioni aperte e ipotesi di lavoro nella prospettiva dei principi generali, in Riv. dir. trib., 2023, 2, I, 105 ss.

Del Federico L., Sui diritti del contribuente nell’era dell’intelligenza artificiale, in Dir. prat. trib. int., 2024, 1, 71 ss.

Francioso C., Procedimenti tributari automatizzati e diritti dei contribuenti in ottica comparata, in Riv. trim. dir. trib., 2023, 3, 541 ss.

Francioso C., Intelligenza artificiale nell’istruttoria tributaria e nuove esigenze di tutela, in Rass. trib., 2023, 1, 47 ss.

Guidara A., Accertamento dei tributi e intelligenza artificiale: prime riflessioni per una visione di sistema, in Dir. prat. trib., 2023, 2, I, 384 ss.

Martin Caceres A.F., L’intelligenza artificiale nei procedimenti di accertamento e di ispezione nell’ordinamento giuridico tributario spagnolo, in Dir. prat. trib. int., 2024, 3, 700 ss.

Martín López J. – Pérez Bernabeu B., Inteligencia artificial, Machine Learning e inclusión de los contribuyentes en los procedimientos comprobatorios”, in Serrano Antón F. (director), Inteligencia Artificial y Administración Tributaria: Eficiencia Administrativa y Defensa de los Derechos de los Contribuyentes, Aranzadi, 2021, 448-449

Martín López J., Inteligencia artificial, sesgos y no discriminación en el ámbito de la inspección tributaria, in Crónica Tributaria, 2022, 182, 51 ss.

Oliver Cuello F., Big Data e inteligencia artificial en la Administración Tributaria, in Revista de los Estudios de Derecho y Ciencia Política, 2021, 33, 3 ss.

Pérez Bernabeu B., Inteligencia artificial y administración tributaria a la luz del principio de legalidad: hacia un marco jurídico garantista, in Revista Española de Derecho Financiero, 2024, 204, 6 ss.

Pedrosa Lopez C., Adecuación de las normas y procedimientos tributarios del ordenamiento jurídico español a la inteligencia artificial, in Atti del Convegno ILATD, Santiago del Cile, ottobre 2024

Verrigni C., C’è spazio per un utilizzo ragionevole dell’intelligenza artificiale nell’ambito dell’accertamento tributario?, in Dir. prat. trib. int., 2024, 3, 739 ss.

Scarica il commento in formato pdf

Tag:, , , , ,