New Zealand · Wellington · See the New Zealand profile
A Receita Federal da Nova Zelândia utiliza ML para triagem de mais de 3 milhões de declarações fiscais relativamente ao risco de incumprimento. No 1.º semestre de 2024, gerou um aumento de 50% nas auditorias iniciadas e identificação de NZD 600 milhões em imposto não declarado, com NZD 859 milhões em receita total de conformidade.
A Administração Fiscal da Nova Zelândia (IRD) utiliza modelos de aprendizagem automática desde, pelo menos, 2022 para analisar declarações fiscais e transações comerciais quanto ao risco de conformidade, priorizando os recursos de auditoria e sinalizando casos para revisão sob supervisão humana obrigatória, de acordo com a página oficial da IRD 'Our use of AI'.
No primeiro semestre de 2024, a IRD analisou mais de 3 milhões de declarações, sinalizou 30.000 para revisão e abriu 3.600 auditorias (mais 50% do que no ano anterior), identificando NZD 600 milhões em impostos não declarados e NZD 859 milhões em receita total de conformidade; trabalho direcionado identificou ainda NZD 153,5 milhões em rendimentos não declarados de imóveis/GST e 227.000 utilizadores de criptomoedas com um valor estimado de NZD 2,7 milhões em rendimentos não 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.