SRC da Arménia — IA para Conformidade Fiscal e Estimativa do Défice de IRC

O Comité de Receitas do Estado (SRC) da Arménia lançou em 2024 uma reforma fiscal orientada por IA com o apoio do Banco Mundial, no âmbito do Projeto de Modernização do Setor Público (Fase 4), em parceria com a Universidade Americana da Arménia (AUA) para construir capacidade governamental em aprendizagem automática.

A aplicação central é um modelo de estimativa do gap de imposto sobre o rendimento das pessoas coletivas (CIT), destinado a substituir a seleção de auditorias por amostragem aleatória, de menor precisão, por uma seleção orientada por aprendizagem automática das empresas de maior risco.

A assistência técnica do FMI estimou o gap de CIT da Arménia entre 26,4% e 35,2% da responsabilidade fiscal potencial, fornecendo a linha de base que o modelo de ML aborda; o sistema de ML combina esta análise de gap com dados de transações dos contribuintes para selecionar alvos de auditoria. Um Memorando de Entendimento formal entre o SRC e a AUA foi assinado a 17 de abril de 2025, e os princípios de conceção incluem explicabilidade do modelo, transparência dos critérios de risco e alinhamento com normas ISO de cibersegurança. O sistema também informou planos para alargar a IA à gestão de risco aduaneiro e à análise de imagens de raios-X em postos fronteiriços.

O SRC intensificou a seleção de auditorias baseada em risco em 2025, com as inspeções às empresas cada vez mais orientadas por ferramentas analíticas. Com base em comparações internacionais — a Índia e o Brasil são citados como tendo alcançado ganhos de cobrança de 10-30% com abordagens semelhantes — o governo arménio projeta uma melhoria de 15-20% na conformidade voluntária e coerciva, embora não tenha sido publicada nenhuma medição pós-piloto dos resultados próprios da Arménia.

Trata-se de uma das primeiras implementações substantivas de IA na administração fiscal na região do Cáucaso, com uma colaboração académico-governamental formalizada e compromissos explícitos de conceção em matéria de explicabilidade e transparência, mas os seus números de melhoria de conformidade continuam a ser projeções e não resultados medidos.