ΑΑΔΕ: Ο δείκτης Jaccard πίσω από την αποκάλυψη του κυκλώματος «αχυρανθρώπων» στη Θεσσαλονίκη
Η ΑΑΔΕ χρησιμοποιεί τον δείκτη ομοιότητας Jaccard για να εντοπίζει εταιρείες-«φαντάσματα» και «αχυρανθρώπους». Ο αλγόριθμος οδήγησε στην εξάρθρωση κυκλώματος 380 επιχειρήσεων με οφειλές 43 εκατ. ευρώ.

Την ανίχνευση κυκλωμάτων εικονικών εταιρειών και «αχυρανθρώπων», με χαρακτηριστικό παράδειγμα την υπόθεση της Θεσσαλονίκης, επιχειρεί η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) μέσω ενός μοντέλου ανάλυσης κινδύνου που βασίζεται στον δείκτη ομοιότητας Jaccard. Το σύστημα, όπως εξηγούν πηγές της ΑΑΔΕ, δεν εξετάζει κάθε επιχείρηση μεμονωμένα, αλλά χαρτογραφεί τις κρυφές συνδέσεις μεταξύ διαφορετικών ΑΦΜ που ανοίγουν και κλείνουν διαδοχικά, ώστε να αποφεύγεται η καταβολή φόρων και εισφορών.
Κάθε επιχείρηση αντιμετωπίζεται ως ένα σύνολο δεδομένων και συγκρίνεται με άλλες. Όσο πιο κοντά στο 1 βρίσκεται ο δείκτης, τόσο μεγαλύτερη είναι η πιθανότητα οι εταιρείες να ανήκουν στο ίδιο δίκτυο.
Τι ελέγχει ο αλγόριθμος
Σύμφωνα με την ΑΑΔΕ, η ανάλυση κινείται σε τέσσερις άξονες:
Πρώτον, εξετάζει πόσοι εταίροι, μέτοχοι, διαχειριστές ή νόμιμοι εκπρόσωποι επαναλαμβάνονται σε διαφορετικά εταιρικά σχήματα. Δεύτερον, διασταυρώνει υποδομές και επαφές, όπως κοινές επαγγελματικές έδρες, τηλέφωνα, διευθύνσεις email, λογιστές ή τραπεζικούς λογαριασμούς.
Τρίτον, μετρά την επικάλυψη πελατών και προμηθευτών μέσω των δεδομένων του myDATA και των δηλώσεων ΦΠΑ. Αν μια νέα εταιρεία εξυπηρετεί τους ίδιους πελάτες με μια άλλη που μόλις έκλεισε αφήνοντας χρέη, ο δείκτης ομοιότητας αυξάνεται απότομα. Τέταρτον, αποτυπώνει τα δίκτυα που προκύπτουν. Το εργαλείο αυτό, όπως αναφέρεται, οδήγησε στην εξάρθρωση κυκλώματος 380 επιχειρήσεων και 205 προσώπων, που είχαν συσσωρεύσει οφειλές 43 εκατ. ευρώ προς το Δημόσιο.
Πώς υπολογίζεται και τι έδειξε η υπόθεση της Θεσσαλονίκης
Ο δείκτης συγκρίνει δύο πρόσωπα κάθε φορά. Αν το ένα εμφανίζεται σε 15 εταιρείες, το άλλο σε 15 και οι κοινές είναι 10, οι διαφορετικές εταιρείες είναι συνολικά 20. Ο δείκτης προκύπτει από τη διαίρεση των κοινών με τις διαφορετικές εταιρείες, δηλαδή 10 προς 20, ή 50%.
Τα ζεύγη με υψηλή ομοιότητα ενώνονται ως «κρίκοι» και σχηματίζουν «αλυσίδες» και ομάδες επιχειρηματικών σχέσεων. Στην υπόθεση της Θεσσαλονίκης, το ΔΕΟΣ της ΑΑΔΕ εντόπισε εκατοντάδες κρίκους μεταξύ ΑΦΜ, με τουλάχιστον δύο κοινές εταιρείες σε κάθε ζεύγος:
– Με Jaccard πάνω από 5%: 719 κρίκοι μεταξύ 369 ΑΦΜ, σε 29 ομάδες, με τη μεγαλύτερη να περιλαμβάνει 262 ΑΦΜ.
– Με Jaccard πάνω από 10%: 504 κρίκοι μεταξύ 330 ΑΦΜ, σε 60 ομάδες, με τη μεγαλύτερη να έχει 34 ΑΦΜ.
– Με Jaccard πάνω από 20%: 358 κρίκοι μεταξύ 270 ΑΦΜ, σε 77 ομάδες, με τη μεγαλύτερη να έχει 13 ΑΦΜ.
Όσο ανεβαίνει το όριο ομοιότητας, διατηρούνται οι ισχυρότερες συνδέσεις και οι μεγάλες αλυσίδες διασπώνται σε μικρότερες ομάδες, ώστε ο έλεγχος να κατευθύνεται στις συγκεκριμένες κοινές εταιρείες. Η ΑΑΔΕ διευκρινίζει ότι οι ομάδες αυτές δεν θεωρούνται αυτομάτως αποδεδειγμένα κυκλώματα, αλλά συγκεντρώνουν ενδείξεις προς έλεγχο. Η ίδια σημειώνει ότι το εργαλείο εντοπίζει το δίκτυο, ενώ η έρευνα δείχνει αν σε αυτό τελούνται παράνομες πράξεις.
Τι αλλάζει στους φορολογικούς ελέγχους
Η ενσωμάτωση του δείκτη στα εργαλεία της φορολογικής διοίκησης επιτρέπει, σύμφωνα με την ΑΑΔΕ, ταχύτερο εντοπισμό ύποπτων μοτίβων και στοχευμένους ελέγχους. Οι αλγόριθμοι επιλέγουν αυτόματα υποθέσεις υψηλού κινδύνου και κατευθύνουν τους ελεγκτές στον πυρήνα των πιθανών κυκλωμάτων.
Ο δείκτης συνδυάζεται επίσης με στοιχεία από το ΓΕΜΗ, τις τράπεζες, το Κτηματολόγιο και τις ηλεκτρονικές πληρωμές, δημιουργώντας ένα ενιαίο ψηφιακό προφίλ κινδύνου. Η ΑΑΔΕ έχει δημοσιεύσει και βίντεο που παρουσιάζει σχηματικά την εξέλιξη της έρευνας, επισημαίνοντας ότι η μεθοδολογία εφαρμόζεται σε όλες τις αντίστοιχες περιπτώσεις. Οι περιπτώσεις που χαρακτηρίζονται «επικίνδυνες» εμφανίζονται στο τέλος με κόκκινο πλαίσιο.







