SAU, Alm.del - 2023-24 - Endeligt svar på spørgsmål 477: Spm. om, hvor mange systemer der bruger kunstig intelligens i forbindelse med skattekontrol og beskrive, hvad hvert af systemerne bruges til

Skatteudvalget 2023-24
SAU Alm.del
Offentligt

Notat

24. april 2024

J.nr. 2024 - 3015

Oversigt over AI-modeller i Skatteforvaltningen

Tabel 1. AI-modeller i drift i Skattestyrelsen

Navn

NegativMoms-model (Visitering)

NegativMoms-model (Regulering)

PositivMoms-model

Scoringsmodel til risikovurdering af nyregistrerede

virksomheder

Sagsbehandlermodellen

Restancemodellen

Erhvervsregistrering-model 1

Erhvervsregistrering-model 2

Erhvervsregistrering-model 3

Vask3000

Det Digitale Kontrolværktøj, Borger

Det Digitale Kontrolværktøj, Udland

Det Digitale Kontrolværktøj, Selvstændigt erhvervs-

drivende

Datamodel på årsopgørelsens borgerindberettede

felter

Angivelsesmodellen, Borger**

Angivelsesmodellen, Selvstændigt erhvervsdri-

vende**

Angivelsesmodellen, Virksomheder**

ComplianceSelskaberRoed*

ComplianceselskaberGroen*

ComplianceselskaberGroenBeloeb*

ComplianceSelskaberHvid*

MARS (Monitorering og Analyse af RisikoSegmen-

ter)

eIndkomst scoringsmodel

Chatbot

Henvendelsesvisitering

Udsøgnings- og scoringsmodel på hvidvaskområdet

Formål

Vurdering af risiko for fejl/snyd i negative

momsangivelser

Vurdering af risiko for fejl/snyd i negative

momsangivelser

Vurdering af risiko for fejl/snyd i positive

momsangivelser

Vurdering af risiko for fejl/snyd blandt nyre-

gistrerede virksomheder

Vurdering af forvaltningsmæssig ansvars-

placering samt vurdering af risiko for

fejl/snyd i virksomhedsanmodninger

Vurdering af om virksomhedsanmodninger

opfylder kriterier for sanktionering

Vurdering af risiko for svig blandt virksom-

heder

Vurdering af risiko for svig blandt virksom-

heder

Afdækning af svigsmønstre

Identifikation af danske skatteydere

Vurdering af risiko for fejl/snyd i danske bor-

geres angivelser

Vurdering af risiko for fejl/snyd i udenland-

ske borgeres angivelser

Vurdering af risiko for fejl/snyd i selvstæn-

dige erhvervsdrivendes angivelser

Vurdering af risiko for fejl/snyd på person-

området

Vurdering af risiko for svig blandt borgere

Vurdering af risiko for svig blandt selvstæn-

digt erhvervsdrivende

Vurdering af risiko for svig blandt virksom-

heder

Vurdering af risiko for grove fejl blandt sel-

skaber

Vurdering af risiko for simple fejl blandt sel-

skaber

Vurdering af risiko for simple fejl blandt sel-

skaber

Vurdering af risiko for ingen fejl blandt sel-

skaber

Afdækning af svigsmønstre og vurdering af

risiko for fejl/snyd ifm. udbetalinger

Vurdering af risiko for fejl/snyd i virksomhe-

ders angivelser i eIndkomst

Svarer på henvendelser og visiterer til ma-

nuel vejledning

Visiterer henvendelser til manuel vejleder

Vurdering af risiko for svig pba. hvidvaskef-

terretninger

Anm.: *Løsningen var ikke inkluderet i besvarelsen af aktindsigtsanmodningen, eftersom anmodningen vedrørte kategorien

af AI-løsninger

til ”kontrol- og tilsynsvirksomhed”. Vurderingen af, hvilke AI-løsninger, der blev anvendt til ”kontrol-

og til-

synsvirksomhed”, blev foretaget af Datatilsynet.

** Løsningen var ikke inkluderet i Datatilsynets tilsyn, da det på daværende tidspunkt ikke blev vurderet, at løsningen var en

AI-løsning.

Kilde: Skattestyrelsen

SAU, Alm.del - 2023-24 - Endeligt svar på spørgsmål 477: Spm. om, hvor mange systemer der bruger kunstig intelligens i forbindelse med skattekontrol og beskrive, hvad hvert af systemerne bruges til

Tabel 2. AI-modeller under udvikling eller ikke i drift Skattestyrelsen***

Navn

Erhvervsregistrering-model

Den prædiktive model

Formål

Identifikation af dårlige skattebetalere

Vurdering af risiko for fejl blandt virksomheder med henblik

på efterfølgende 1:1 vejledning

(IKKE AI) Visiteringsmodellen på ne-

Vurdering af risiko for fejl/snyd blandt negative momsret-

gative rettelser fra udenlandske virk-

telser blandt udenlandske virksomheder

somheder i MOMS One-StopShop

Vaskemaskinen

Identifikation af borgerens skatteidentifikationsnummer

Vaskemaskinen

Negativ Moms Svigkontrol

MARTUS

MARS-procesmodel

Identifikation af om en borger har særlige forhold

Vurdering af risiko for fejl/snyd i selskabers angivelser

Vurdering af risiko for fejl/snyd i refusionsanmodninger på

udbytteområdet

Vurdering af risiko for fejl/snyd

Anm.: *** Indeholder løsninger under udvikling eller ikke i drift, som indgik i Datatilsynets tilsyn af AI-løsninger

Kilde: Skattestyrelsen

Tabel 3. AI-modeller i drift i Udviklings- og Forenklingsstyrelsen, Gældsstyrelsen og Motorstyrelsen

Styrelse

Udviklings- og Forenk-

lingsstyrelsen

Gældsstyrelsen

Motorstyrelsen

Navn

ComplipyErhverv

ComplipySelskaber

ComplipyBorger

Chatbot****

Pristjekudvælgelse****

Formål

Vurdering af risiko for fejl/snyd

Svarer på henvendelser og visiterer til ma-

nuel vejledning

Optimering af kontroludvælgelse

Anm.: **** Løsningen var ikke inkluderet i Datatilsynets tilsyn, da den på daværende tidspunkt ikke var i drift.

Kilde: Udviklings- og Forenklingsstyrelsen, Gældsstyrelsen og Motorstyrelsen

Side 2 af 2