BgGPT at NRA — Bulgaria's Sovereign AI for Tax Administration
Bulgaria
In March 2026 Bulgaria's NRA deployed BgGPT—a sovereign open-weight LLM—across central office and seven territorial directorates for 7,000+ staff; NRA …
Good practice
★ 67
★ 53
★ 47
★ 80
CRM de Poreska Uprava — Plateforme de gestion du risque de conformité par IA (Serbie)
Serbia · Belgrade · See the Serbia profile
Depuis 2018 l'administration fiscale serbe exploite un système de gestion du risque IA/big data avec l'Université de Novi Sad ; les recettes salariales ont crû de ~70 % (2018–2022), attribuées au système CRM et à des réformes administratives plus larges.
~70 % nominal growth
Croissance des recettes de l'impôt sur les salaires (2018–2022)
~50 % nominal growth
Croissance des recettes fiscales totales (2018–2022)
90–98 %
Précision du modèle de détection d'anomalies (jeux de données académiques de test) (as reported in University of Novi Sad paper)
Details
- Maturity
- Established
- Promoter
- Poreska uprava (Tax Administration of Serbia) / University of Novi Sad
- Period
- 2018–present
- Keywords
- tax administration, compliance, big data, fiscal
Context
La Poreska Uprava (administration fiscale) de Serbie a lancé en 2018 une initiative de gestion du risque de conformité (CRM), en partenariat avec la Faculté des sciences de l'Université de Novi Sad, appliquant l'analyse de big data et l'apprentissage automatique aux déclarations d'impôt sur les salaires.
Objectives
Le système vise à détecter les écarts dans les déclarations de paie, à évaluer le risque de conformité des employeurs et à prioriser des ressources d'inspection limitées vers les employeurs potentiellement non conformes.
Activities
Le CRM traite les données fiscales administratives à l'aide de méthodes d'apprentissage automatique ; un article académique de l'Université de Novi Sad documente l'utilisation de la régression logistique, des forêts aléatoires et des machines à vecteurs de support. En janvier 2022, la Serbie a introduit l'eFiskalizacija, des reçus fiscaux électroniques obligatoires en temps réel pour toutes les transactions avec les consommateurs, élargissant le réservoir de données disponible pour les modèles de notation du risque.
Results
Entre 2018 et 2022, les recettes de l'impôt sur les salaires en Serbie ont augmenté d'environ 70 % en termes nominaux, les recettes fiscales totales augmentant d'environ 50 % sur la même période ; un article de blog de la Banque mondiale (janvier 2024) a attribué ces gains en partie à la plateforme CRM, ainsi qu'à la croissance macroéconomique et aux réformes administratives. L'article académique a rapporté une précision de 90 à 98 % sur des jeux de données de détection d'anomalies testés.
Conclusions
La croissance des recettes ne peut être attribuée exclusivement au système d'IA — des facteurs macroéconomiques et des réformes plus larges ont été des co-facteurs — et l'unité de gestion des risques restait sous-dotée en personnel en 2022, selon les rapports du FMI sur la Serbie ; la logique algorithmique n'est pas divulguée publiquement.
Implementation
- Indicative cost
- Medium (€50k–€500k) — Academic-government partnership (University of Novi Sad) plus national eFiskalizacija infrastructure; no public cost figures found in source.
- Time to results
- Long (> 3 years) — Operating continuously since 2018, with eFiskalizacija data expansion from January 2022 and World Bank documentation through January 2024.
- Staffing & skills
- Poreska Uprava (Tax Administration of Serbia) Risk Management Unit, Faculty of Science, University of Novi Sad, as academic/technical partner
Conditions for success
- Academic-government partnership providing technical machine-learning expertise
- eFiskalizacija (2022) mandatory e-receipts expanding the data pool for risk scoring
- World Bank engagement supporting the Risk Management Unit
Common failure modes
- Risk Management Unit remained understaffed as of 2022 per IMF Serbia country reports
- Algorithmic logic is not publicly disclosed
- Revenue growth is confounded with macroeconomic growth and other reforms, not isolated to the AI system
Where it fits
- Governance type
- national tax authority with academic partnership
- Scale
- national (100,000+ VAT-registered businesses under eFiskalizacija)
- Income level
- upper-middle-income (Serbia)
Data sources
Where this practice's information was retrieved from, and when.
- C-NAPSE web research — accessed 2026-06-25
- Poreska uprava (Tax Administration of Serbia) / University of Novi Sad — accessed 2026-06-25
- World Bank blog — Tackling Tax Evasion in Serbia with Big Data (Jan 2024) — accessed 2026-06-25
- University of Novi Sad paper on big data tax collection (ResearchGate) — accessed 2026-06-25
- arXiv — Tax Evasion Risk Management: hybrid outlier detection (Serbia data) — accessed 2026-06-25
Attachments
Similar practices you may find useful
Armenia SRC — ML-Powered Tax Compliance and CIT Gap Estimation
Armenia
Armenia's State Revenue Committee, with World Bank and AUA support, deployed ML to estimate the CIT gap (26–35%) and target …
Mexico SAT — Machine Learning and Graph Analytics for High-Risk Taxpayer Detection (Plan Maestro 2024)
Mexico
Mexico's SAT deploys graph analytics and ML across 80 million taxpayer records to classify high-risk entities, map EFOS fake-invoice networks …
VeRa — Italy's AI risk-scoring algorithm for tax-evasion detection
Italy
Italy's Agenzia delle Entrate deploys VeRa, an AI algorithm cross-referencing declarations with bank data, property records and electronic payments. In …