evidoria

← Back to browse

Good practice

Motor de conformidade por IA do SARS — Plataforma sul-africana de risco fiscal por aprendizagem automática

South Africa · Pretoria · See the South Africa profile

O SARS da África do Sul utiliza modelos de AM sobre 1,2 mil milhões de registos anuais para selecionar auditorias e detetar fraude em reembolsos. No AF2024/25 a conformidade por IA gerou R304 mil milhões (+16,7%); os modelos de IA preveniram cumulativamente R444 mil milhões em saídas fraudulentas (comunicação parlamentar).

304 R billion
Receita de conformidade arrecadada (FY2024/25)
16.7 %
Aumento homólogo da receita de conformidade (FY2024/25)
444 R billion
Fluxos fraudulentos cumulativos prevenidos
60+ %
Proporção de auditorias selecionadas por IA (FY2023)
1.2+ billion
Registos de dados anuais processados
Motor de conformidade por IA do SARS — Plataforma sul-africana de risco fiscal por aprendizagem automática

Details

Maturity
Established
Promoter
South African Revenue Service (SARS)
Period
2019-present
Keywords
tax compliance, machine learning, risk profiling, refund fraud detection, big data analytics, audit selection

Context

Desde 2019 que o Serviço de Receitas da África do Sul (SARS) utiliza modelos de gradient boosting e redes neuronais sobre mais de 1,2 mil milhões de registos anuais — provenientes de bancos, fundos de pensões, seguradoras de saúde, o registo predial, a Comissão de Empresas e Propriedade Intelectual, o registo automóvel e parceiros internacionais — para gerar pontuações de risco para cada contribuinte e cada entrada aduaneira.

Activities

As pontuações de risco assinalam casos para análise por funcionários humanos do fisco, em vez de desencadearem ações automáticas; no ano fiscal de 2023, mais de 60% das auditorias foram selecionadas por IA. O sistema opera ao abrigo do SARS Act, com relatórios trimestrais à Comissão Permanente de Finanças do parlamento e relatórios anuais nos termos do Public Finance Management Act.

Results

No ano fiscal de 2024/25, o SARS arrecadou R304 mil milhões através de atividades de conformidade identificáveis, um aumento homólogo de 16,7% atribuído em grande parte à definição de perfis de risco e à deteção de fraude com base em IA. Uma comunicação parlamentar do Comissário do SARS referiu que os modelos de deteção por IA tinham prevenido, de forma cumulativa, mais de R444 mil milhões em fluxos fraudulentos, cerca de 32% da receita de conformidade protegida.

Conclusions

O SARS apresentou o modelo no G20 e ao Fórum Africano de Administração Tributária como uma abordagem transferível para outras administrações fiscais africanas; um estudo académico independente de 2024 documentou a arquitetura do sistema e o respetivo enquadramento jurídico.

Implementation

Implementation detail (cost, timeline, staffing, conditions for success) is not yet available for this practice.

Data sources

Where this practice's information was retrieved from, and when.

Attachments

Similar practices you may find useful