New Zealand · Wellington · See the New Zealand profile
La Agencia Tributaria de Nueva Zelanda utiliza ML para analizar más de 3 millones de declaraciones fiscales. En el primer semestre de 2024 generó un aumento del 50% en las auditorías abiertas y la identificación de NZD 600 millones en impuestos no declarados, con NZD 859 millones en ingresos totales de cumplimiento.
La Administración Tributaria de Nueva Zelanda (IRD) utiliza modelos de aprendizaje automático desde, al menos, 2022 para analizar declaraciones fiscales y transacciones comerciales en busca de riesgo de incumplimiento, priorizando los recursos de auditoría y señalando casos para revisión bajo supervisión humana obligatoria, según la página oficial de la IRD 'Our use of AI'.
En el primer semestre de 2024, la IRD analizó más de 3 millones de declaraciones, señaló 30.000 para revisión y abrió 3.600 auditorías (un 50% más que el año anterior), identificando NZD 600 millones en impuestos no declarados y NZD 859 millones en ingresos totales por cumplimiento; el trabajo específico también identificó NZD 153,5 millones en ingresos no declarados de propiedades/GST y 227.000 usuarios de criptomonedas con un valor estimado de NZD 2,7 millones en ingresos no declarados.
Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.
Where this practice's information was retrieved from, and when.
Ireland
Since 2011, Ireland's Revenue Commissioners have used AI risk scoring (REAP) to target tax-compliance interventions; 290,000 data-analytics-driven interventions in 2023 …
Latvia
Latvia's SRS uses ESCORT ML to score every registered company for fraud risk across tax and labour domains. Fraud detection …
South Africa
South Africa's SARS uses ML models across 1.2 billion annual records to select audits and detect refund fraud. In FY2024/25 …
Italy
Italy's Agenzia delle Entrate deploys VeRa, an AI algorithm cross-referencing declarations with bank data, property records and electronic payments. In …
Open full copilot Grounded in cited practices — always check the sources.