Sommario
Anna Carnevale
1.3 Campi di applicazione dell’Intelligenza Artificiale. 7
1.4 Machine Learning: l’apprendimento automatico. 9
2 Deep Learning: l’apprendimento automatico via reti neurali 11
3 Uso dell’intelligenza artificiale nei contesti sociali e applicativi 12
4 Benefici dell’intelligenza artificiale. 13
4.1 Benefici dell’intelligenza artificiale per i cittadini 13
4.2 Benefici dell’intelligenza artificiale per le imprese. 13
4.3 Benefici dell’intelligenza artificiale nei servizi pubblici 14
4.4 Benefici dell’intelligenza artificiale nel rafforzamento della democrazia. 14
4.5 Benefici dell’intelligenza artificiale per la sicurezza. 14
5 Rischi e sfide dell’intelligenza artificiale. 16
5.1 Sotto utilizzo e Abuso dell’intelligenza artificiale. 16
5.2 Responsabilità civile e intelligenza artificiale. 16
5.3 Minacce dell’intelligenza artificiale ai diritti fondamentali e alla democrazia. 17
5.4 L’effetto dell’intelligenza artificiale sul mondo del lavoro. 18
5.6 Rischi per la sicurezza. 19
5.7 Problemi per la trasparenza e la profilazione. 19
6 Intelligenza Artificiale e Fisco. 20
6.1 L’intelligenza artificiale per combattere l’evasione fiscale. 20
6.2 Alcune best practices internazionali 22
7 ChatBox in ambito tributario. 28
1 Intelligenza Artificiale
1.1 Premessa
L’intelligenza artificiale (IA) può essere definita come l’abilità di una macchina di mostrare capacità umane quali il ragionamento, l’apprendimento, la pianificazione e la creatività.
Essa permette ai sistemi di capire il proprio ambiente, mettersi in relazione con quello che percepisce e risolvere problemi agendo verso un obiettivo specifico a differenza del computer che riceve i dati (già preparati o raccolti tramite sensori), li processa e risponde.
I sistemi di IA sono capaci di adattare il proprio comportamento analizzando gli effetti delle azioni precedenti lavorando in autonomia.
Alcuni tipi di intelligenza artificiale esistono da moltissimi anni, ma i progressi nella potenza elaborativa dei computer, la disponibilità di enormi quantità di dati e lo sviluppo di nuovi algoritmi hanno portato a grandi balzi in avanti nella tecnologia negli ultimi anni.
L’intelligenza artificiale è largamente usata per fornire suggerimenti basati, ad esempio, su acquisti precedenti, su ricerche e su altri comportamenti registrati online. L’intelligenza artificiale è anche molto usata nel commercio al dettaglio, per ottimizzare gli inventari e organizzare i rifornimenti e la logistica.
L’IA è centrale per la trasformazione digitale della società ed è diventata una delle priorità dell’UE.
Applicazioni future potrebbero portare grandi cambiamenti, anche se non bisogna dimenticare che l’intelligenza artificiale è già presente nelle nostre vite (robot, veicoli autonomi, droni, l’internet delle cose).
Infatti, oggi, tecnologie, strumenti informatici di ultima generazione, legati ad una potenza di calcolo quasi “infinita” rendono facilmente “usabili” i prodotti legati al tema dell’Intelligenza Artificiale. Anche se può portare a riferire concetti non attuali o meglio ancora futuristici, come ad esempio a potenziali robot dall’aspetto umano in grado di espletare qualsiasi missione programmata con il rischio non così lontano ed irreale di una loro presa di potere come raccontato nei libri di Asimov.
Considerato che l’IA può fare una grande differenza nella nostra vita, in positivo o in negativo, il Parlamento Europeo ha istituito una commissione che ha esaminato l’impatto della tecnologia per la prosperità e la crescita economica dell’Europa, proponendo una tabella di marcia dell’UE a lungo termine.
Con queste premesse, considerato lo stato di avanzamento dei sistemi e degli algoritmi alla data, potrebbe sorgere il dubbio se lo stesso elaborato presente è frutto dell’attività cognitiva umana oppure di una IA.
1.2 Cenni Storici
L’Intelligenza Artificiale è un ramo dell’informatica che permette di progettare e realizzare sistemi hardware e software che portino le “macchine” ad adottare comportamenti umani, nell’aspetto del pensiero e della risoluzione di problemi. L’intelligenza artificiale ha radici che risalgono agli anni ’50, quando il matematico britannico Alan Turing sviluppò il concetto di “macchina pensante”, anche se i primi progressi tangibili nell’IA sono stati fatti negli anni ’60 e ’70, quando i computer hanno iniziato a diventare più potenti e le tecnologie di elaborazione del linguaggio naturale e di apprendimento automatico sono state sviluppate. La sua data di nascita viene fissata nell’anno 1956 in cui se ne parlò per la prima volta durante un convegnoin America cui durante il quale furono presentati alcuni programmi capaci di effettuare ragionamenti logici legati alla matematica. Il programma LogicTheorist, sviluppato dai due ricercatori informatici Allen Newell e Herbert Simon, era, infatti, in grado di dimostrare alcuni teoremi di matematica partendo da determinate informazioni.
Da quel momento università e aziende informatiche, tra cui in particolare IBM, puntarono allaricerca e allo sviluppo di nuovi programmi e softwarein grado di pensare e agire come gli esseri umani almeno in determinati campi e settori. Nacquero così programmi in grado di dimostrare teoremi sempre più complessi e, soprattutto, nacque il Lisp, il primo linguaggio informatico dedicato alla programmazione di sistemi di Intelligenza Artificiale. Eppure le prime implementazioni delle Intelligenze Artificiali risolvevano solo problemi matematici e, sebbene molto interessanti in ambito accademico, non si ebbero progressi poiché non si intravedeva la possibilità di replicare meccanismi logici umani. Solo dopo la seconda metà degli anni sessanta, con il progredire degli algoritmi e degli strumenti tecnologici, s’intravide una nuova tendenza nella ricerca di soluzioni a problematiche più vicine alla realtà dell’uomo, come la soluzione di problematiche tramite l’utilizzo diparametri variabili durante le attività stesse (auto-apprendimento). Fu da allora che si iniziò a cercare di riprodurre software e macchine che potessero ragionare e produrre delle soluzioni in base all’analisi di differenti possibilità. Questo tipo di problema prevedeva, prima di poter essere risolto, la soluzione di un altro step, ossia quello di realizzare dei percorsi semantici per le macchine: un linguaggio che permettesse di programmare le diverse possibilità previste da un ragionamento, semplice o complesso che fosse. La svolta nell’uso dell’Intelligenza Artificiale avviene nel 1969, quando alcuni studenti e ricercatori del Carnegie Institute of Technology realizzarono un programma, denominato DENDRAL, in ambito Biologico, in grado di ricostruire una molecola semplice a partire dalle informazioni ottenute dallo spettrometro di massa. Tale ricerca, per quanto portata avanti da esperti dei linguaggi informatici, trovò la sua prima applicazione in un campo assolutamente innovativo e, soprattutto, permise di trovare nuove stradeper un diverso approccio nello studio del campo di applicazione dell’Intelligenza Artificiale. Negli anni ’80, infine, si sviluppa il primo sistema di Intelligenza Artificiale a scopo commerciale, ampliando l’interesse verso questa tematica in tutto il mondo, interessando non solo gli Stati Uniti ma anche il Giappone el’Europa.
Iniziarono quindi a prendere posto i nuovi algoritmi di apprendimento automatico attraverso l’applicazione delle reti neurali in molti contesti applicativi. Un caso esemplare fu dato dalla Deep Blue, una macchina progettata e realizzata da IBM che implementava gli algoritmi del gioco degli scacchi che fu messo alla prova contro il campione di scacchi allora in carica Garry Kasparov. Dopo le prime vittorie di Kasparov, il miglioramento continuo degli algoritmi di apprendimento automatico permise alla macchina di vincere sempre. Vittoria che, come confermò lo stesso campione di scacchi, fu sicuramente data dal fatto che la macchina aveva raggiunto un livello di creatività così elevato che andava oltre le conoscenze del giocatore stesso.
1.3 Campi di applicazione dell’Intelligenza Artificiale
A oggi sono molteplici gli usi dell’Intelligenza Artificiale. L’auto motive è il campo di applicazione dove i maggiori costruttori di autoveicoli contano di introdurla per far sì che non ci siano più conducenti umani al volante. L’abbinamento delle tecnologie di IA all’uso di una vasta gamma di sensori e un miglioramento delle tecniche di apprendimento, simulazione e controllo, permetterebbe il raggiungimento di un grado di sicurezza sempre più elevato. Telecamere che si sostituiscono agli occhi, sensori di prossimità agli oggetti, sistemi di rilevamento delle condizioni meteorologiche esterne, tutti elementi in grado di percepire ciò che avviene durante la guida e, attraverso gli algoritmi di intelligenza artificiale, prendere decisioni ed effettuare manovre di sicurezza, decidendo in base alle condizioni la manovra più corretta da eseguire, aggiungendo via via conoscenza dettata tramite l’esperienza, proprio come succerebbe ad un uomo.
E se da un verso l’uomo fa esperienza studiando, leggendo libri, applicando ciò che impara, è necessario capire come far fare le stesse cose ad una macchina e soprattutto come realizzare conoscenza tramite l’esperienza.
La trasmissione di informazioni ad una macchina avviene attraverso due modalità importanti principali: una basata sulla Teoria dei Linguaggi Formalie una sulla Teoria delle Decisioni. Nel primo caso, quando cioè si utilizza la Teoria dei Linguaggi Formali, si sceglie di utilizzare diversi approcci (quelli riconosciuti sono l’approccio generativo, riconoscitivo, denotazionale, algebrico e trasformazionale) che si rifanno alleTeorie delle Stringhee ai loro utilizzi. Le stringhe, infatti, rappresentano dei veri e propri linguaggi formali le cui proprietà variano proprio secondo l’approccio utilizzato. La Teoria delle Decisioni, invece, si basa su unalbero di decisione, che permette di valutare per ogni azione/decisione le possibili conseguenze prendendo quindi poi la decisione più conveniente, cioè quella che più di tutte ottimizza le risorse per il raggiungimento del risultato. Si può decidere di puntare su un approccio o sull’altro a seconda dei risultati che si intende ottenere, ossia a seconda del tipo di risposta che si vuole ottenere dalla macchina nelle differenti situazioni.
L’utilizzo della Teoria delle Decisioni e degli alberi di decisione merita un maggiore approfondimento, perché maggiormente sfruttata soprattutto in tutti quei sistemi intelligenti utilizzati nel quotidiano. Senza entrare nel dettaglio del funzionamento di un albero delle decisioni, è sufficiente dire che esso si basa su modelli predittivi a partire da una serie di informazioni iniziali e dati di partenza. Tali dati possono poi essere suddivisi in maniera tale da definire sia la struttura, ossia il tipo di previsioni possibili, sia l’accuratezza delle stesse. Proprio l’accuratezza dei dati permette di ottenere deisistemi intelligentiche si differenziano tra di loro per le risposte in grado di dare a seconda non tanto del numero di dati sul quale si basano le decisioni, ma a seconda della precisione degli stessi. Va sottolineato, infine, che la mole di dati a disposizione per le fasi di Pre-trained (apprendimento iniziale) delle Intelligenze Artificiali può interferire con la precisione del modello utilizzato. Per questo motivo i modelli più accurati presentano un numero di informazioni di partenza spesso inferiore a quello che si può immaginare: la bontà del modello è comunque assicurata dal tipo di dati di partenza e dall’accuratezza degli stessi e non dalla loro quantità.
1.4 Machine Learning: l’apprendimento automatico
Uno dei principali passi avanti nella storia dell’intelligenza artificiale è stata fatta quando si sono potuti creare degli algoritmi specifici, in grado difar migliorare il comportamento della macchina (inteso come capacità di agire e prendere decisioni) che può così imparare tramite l’esperienza, proprio come gli esseri umani. Sviluppare algoritmi in grado di imparare dai propri erroriè fondamentale per realizzare sistemi intelligenti che operano in contesti per i quali i programmatori non possono a priori prevedere tutte le possibilità di sviluppo e i contesti in cui il sistema si trova a operare. Tramite l’apprendimento automatico (machine learning), quindi, una macchina è in grado di imparare a svolgere una determinata azione, anche se tale azione non è mai stata programmata tra le quelle possibili.
Ed è proprio questa tecnica a rendere l’intelligenza artificiale appetibile e interessante, per come applicarla alla predizione di eventi e situazioni in base all’esperienza. Esperienze che possono essere guidate (con rischio di minori errori) e non (imparando dai propri errori). Ecco quindi perché si parla di apprendimento supervisionato, di apprendimento non supervisionato e di apprendimento per rinforzo. La differenza tra le tre modalità sta soprattutto nel differente contesto entro cui si deve muovere la macchina per apprendere le regole generali e particolari che la portano alla conoscenza. Nell’apprendimento supervisionato, il sistema viene indotto a produrre risultati corretti seguendo relazioni tra input, output e i risultati stessi. Da queste informazioni, la macchina deve essere in grado di estrapolare una regola generale che possa permettere, ogni volta che viene stimolata con un determinato input, di scegliere l’output corretto per il raggiungimento dell’obiettivo.
Nel caso di apprendimento non supervisionato, invece, la macchina non viene istruita e dovrà essere in grado di effettuare scelte senza alcuna educazione al raggiungimento dell’obiettivo rispetto agli input selezionati ma imparando esclusivamente dai propri errori.
Infine, le macchine che vengono istruite tramite un apprendimento per rinforzo si trovano ad avere un’interazione con un ambiente nel quale le caratteristiche sono variabili. Si tratta, quindi, di un ambiente dinamico, all’interno del quale la macchina dovrà muoversi per portare a termine un obiettivo non avendo nessun tipo di indicazione se non, alla conclusione della prova, la possibilità di sapere se è riuscita o meno a raggiungere lo scopo iniziale.
2 Deep Learning: l’apprendimento automatico via reti neurali
L’apprendimento automatico è stato reso possibile dallo sviluppo delle reti neurali artificiali, ossia un particolare modello matematico che, ispirandosi ai neuroni e alle reti neurali umane, punta alla soluzione dei diversi problemi tramite l’analisi tra gli input ricevuti e la correttezza dei risultati ottenuti in relazione alle scelte effettuate. Il nome di rete neurale deriva dal fatto che questo modello matematico è caratterizzato da una serie di interconnessioni tra tutte le diverse informazioni necessarie per i diversi calcoli. Inoltre, proprio come lereti neurali biologiche, anche una rete neurale artificiale ha la caratteristica di essere adattativa, ossia di saper variare la sua struttura adattandola alle specifiche necessità derivanti dalle diverse informazioni ottenute nelle diverse fasi di apprendimento. Matematicamente, una rete neurale viene definita come una funzione composta, ossia dipendente da altre funzioni a loro volta definibili in maniera differente a seconda di ulteriori funzioni dalle quali esse dipendono. Questo significa che nulla, all’interno di una rete neurale, può essere lasciato al caso: ogni azione del sistema intelligente sarà sempre il risultato dell’elaborazione di calcoli volti a verificare i parametri e a definire le incognite che circoscrivono le funzioni stesse.
3 Uso dell’intelligenza artificiale nei contesti sociali e applicativi
Pensare di usare l’intelligenza artificiale sembra un qualcosa molto distante dalle abituali attività di ogni giorno, eppure non è così.Oggi si utilizzano i vari strumenti di riconoscimento vocale presenti sui nostri smartphone e sui nostri PC, così come i sistemi di riconoscimento basate su elaborazioni di immagini o stream video provenienti da telecamere più o meno sofisticate, o ancora, strumenti di chat automatica che rispondono ai quesiti più svariati. Tutti questi strumenti si basano su algoritmi tipici dell’Intelligenza Artificiale, in particolare quelli relativi all’apprendimento automatico.
Giochi, Social media, ambiti professionali come la finanza, medicina, robotica, sono tutti settori in cui l’Intelligenza Artificiale viene utilizzata in maniera regolare e intensa. In ambito medico, ad esempio l’Intelligenza Artificiale fa soprattutto uso delle reti neurali, specialmente nelle analisi del battito cardiaco, nelle diagnosi di alcune forme tumorali, nell’individuazione di forme anomale e nella predizione di alcune malattie rare.
Una forma di Intelligenza Artificiale che sta prendendo piede nell’ultimo periodo è la ChatBot, un sistema di comunicazione sofisticato che potrebbe rispondere in modo preciso alle varie questioni su cui è istruito. In generale, le ChatBot possono offrire un’esperienza di assistenza clienti più veloce e conveniente, dando risposte dettagliate e precise nell’individuazione e nella risoluzione dei problemi. Ne vedremo in fondo a questa trattazione un esempio di impiego.
4 Benefici dell’intelligenza artificiale
4.1 Benefici dell’intelligenza artificiale per i cittadini
Applicare l’Intelligenza Artificiale potrebbe indurre una migliore assistenza sanitaria, automobili e altri sistemi di trasporto più sicuri e anche prodotti e servizi su misura, più economici e più resistenti. Può anche facilitare l’accesso all’informazione, all’istruzione e alla formazione, in particolare in periodi, come quello trascorso durante la pandemia COVID-19, in cui l’apprendimento a distanza è diventato una necessità. L’intelligenza artificiale aiuta a rendere il posto di lavoro più sicuro, perché il lavoro più pericoloso può essere demandato ai robot, e offrire nuovi posti di lavoro grazie alla crescita delle industrie dell’intelligenza artificiale.
4.2 Benefici dell’intelligenza artificiale per le imprese
L’intelligenza artificiale può consentire lo sviluppo di una nuova generazione di prodotti e servizi, anche in settori in cui le aziende europee sono già in una posizione di forza come l’economia circolare, l’agricoltura, la sanità, la moda e il turismo. Può, infatti, offrire percorsi di vendita più fluidi e ottimizzati, migliorare la manutenzione dei macchinari, aumentare sia la produzione che la qualità, migliorare il servizio al cliente e risparmiare energia.
Uno studio del Parlamento Europeo stima, entro il 2035, un aumento della produttività del lavoro grazie all’IA che va dall’11% al 37%.
4.3 Benefici dell’intelligenza artificiale nei servizi pubblici
L’IA applicata ai servizi pubblici può ridurre i costi e offrire nuove opzioni nel trasporto pubblico, nell’istruzione, nella gestione dell’energia e dei rifiuti e migliorare la sostenibilità dei prodotti. Per questo motivo, contribuirebbe a raggiungere gli obiettivi del Green Deal europeo.
Anche in questo caso, uno studio del Parlamento Europeo stima entro il 2030 una riduzione delle emissioni globali di gas, attribuibile all’uso dell’IA, tra l’1,5% e il 4%.
4.4 Benefici dell’intelligenza artificiale nel rafforzamento della democrazia
Le verifiche basate sui dati, la prevenzione della disinformazione e degli attacchi informatici e l’accesso a informazioni di qualità possono contribuire a rafforzare la democrazia. Sosterrebbero anche la diversità e l’uguaglianza di opportunità, ad esempio attenuando i pregiudizi in materia di assunzione attraverso l’uso di dati analitici.
4.5 Benefici dell’intelligenza artificiale per la sicurezza
L’intelligenza artificiale potrà essere usata nella prevenzione dei reati e come ausilio nella giustizia penale, perché premetterebbe di elaborare più velocemente grandi volumi di dati, valutare con più accuratezza i rischi di fuga dei detenuti, prevedere e prevenire crimini e attacchi terroristici. L’intelligenza artificiale viene già usata dalle piattaforme online per individuare e rispondere a pratiche illegali o inappropriate in rete. In campo militare, l’intelligenza artificiale potrebbe essere usata per la difesa e le strategie di attacco in caso di crimini informatici o per raggiungere obiettivi chiave nella lotta informatica.
5 Rischi e sfide dell’intelligenza artificiale
L’uso crescente di sistemi di Intelligenza Artificiale comporta anche dei rischi.
5.1 Sotto utilizzo e Abuso dell’intelligenza artificiale
Non usare l’intelligenza artificiale in tutto il suo potenziale è un rischio: scarsa attuazione di programmi importanti, come il Green deal europeo, perdita del vantaggio competitivo rispetto ad altre regioni del mondo, stagnazione economica e minoriopportunità per tutti. Il sottoutilizzo ha diverse cause, a partire dalla diffidenza del pubblico e delle imprese, fino a infrastrutture carenti, mancanza di iniziativa imprenditoriale, investimenti bassi, frammentazione dei mercati digitali (siccome l’apprendimento automatico dell’intelligenza artificiale dipende dai dati, una frammentazione la rende meno efficiente).
Anche l’abuso è un problema. Ad esempio, non deve essere usata per problemi per cui non è adatta, come per spiegare o risolvere complesse questioni sociali.
5.2 Responsabilità civile e intelligenza artificiale
Una sfida importante è determinare chi sia responsabile per i danni causati da un dispositivo o servizio azionato dall’intelligenza artificiale: in un incidente in cui è coinvolta un’auto a guida autonoma, i danni devono essere ripagati dal proprietario, dal costruttore o dal programmatore?
E se il produttore fosse privo di responsabilità potrebbero non esserci incentivi sufficienti a fornire un prodotto sicuro ed efficiente. Il pubblico potrebbe avere meno fiducia nella tecnologia, ma allo stesso tempo delle norme troppo severe potrebbero soffocare i tentativi di innovazione.
5.3 Minacce dell’intelligenza artificiale ai diritti fondamentali e alla democrazia
I risultati prodotti dall’intelligenza artificiale dipendono da come viene progettata e da quali dati vengono immessi, questo processo può essere influenzato intenzionalmente o meno. Ad esempio, alcuni aspetti importanti potrebbero non essere programmati nell’algoritmo o potrebbero essere programmati per riflettere e perpetuare delle distorsioni strutturali. Inoltre, l’uso dei dati e dei numeri per rappresentare una realtà complessa fa sembrare l’intelligenza artificiale fattuale, precisa e indipendente anche quando non lo è (il cosiddetto “math-washing”).
Ad esempio, se non programmata correttamente l’intelligenza artificiale potrebbe condurre a decisioni riguardo a un’offerta di lavoro, all’offerta di prestiti e anche nei procedimenti penali, influenzate dall’etnia, dal genere, dall’età.
L’intelligenza artificiale può anche minacciare la protezione dei dati e il diritto alla vita privata. Può essere usata, ad esempio, in dispositivi per il riconoscimento facciale o per la profilazione online. Inoltre, è capace di collezionare e relazionarle informazioni che acquisisce su una persona senza che questa ne sia a conoscenza ma costruendone un profilo utile per attività discriminatorie.
La minaccia per la democrazia rappresentata dall’intelligenza artificiale passa per l’informazione. È già stata accusata di creare delle “bolle” in rete, dove i contenuti sono presentati in base a quelli con cui l’utente ha interagito in passato, invece di creare un ambiente aperto per un dibattito a più voci, inclusivo e accessibile.
Può anche essere usata per creare immagini, video e audio falsi ma estremamente realistici, noti come deepfake, che possono essere usati per truffare, rovinare la reputazione e mettere in dubbio la fiducia nei processi decisionali. Tutto questo rischia di condurre alla polarizzazione del dibattito pubblico e alla manipolazione delle elezioni e quindi delle successive decisioni politiche.
L’intelligenza artificiale potrebbe anche minacciare la libertà di riunione e di protesta, perché potrebbe permettere di rintracciare e profilare individui legati a determinati gruppi o opinioni.
5.4 L’effetto dell’intelligenza artificiale sul mondo del lavoro
L’uso dell’intelligenza artificiale potrebbe portare alla scomparsa di molti posti di lavoro. Anche se ne verranno creati altri e migliori, è cruciale che ci sia l’adeguata formazione affinché i disoccupati possano accedervi e affinché ci sia una forza lavoro qualificata a lungo termine.
5.5 Concorrenza
L’accumulo di informazioni potrebbe anche portare a una distorsione della concorrenza, in quanto le parti con maggiori informazioni potrebbero ottenere un vantaggio competitivo e provare ad eliminare i concorrenti.
5.6 Rischi per la sicurezza
Le applicazioni di intelligenza artificiale che sono a contatto o anche integrate del corpo umano possono esser pericolose se mal progettate, utilizzate in modo improprio o accedute o manipolate in modo non autorizzato (“hackerate”). Un uso non regolamentato dell’intelligenza artificiale negli armamenti potrebbe condurre a una perdita di controllo su armi distruttive.
5.7 Problemi per la trasparenza e la profilazione
Le disuguaglianze nell’accesso alle informazioni potrebbero essere sfruttate a discapito degli utenti. Ad esempio, sulla base di un comportamento in rete di una persona o di altri dati utilizzati a sua insaputa, un fornitore di servizi può prevedere quanto questa persona sia disposta a pagare per un servizio o una campagna politica può sapere quale messaggio inviarle. Un altro problema di trasparenza è che potrebbe non essere chiaro per l’utente se stia interagendo con una persona o con un sistema di intelligenza artificiale.
6 Intelligenza Artificiale e Fisco
6.1 L’intelligenza artificiale per combattere l’evasione fiscale.
Nell’evoluzione del sistema informativo tributario e delle tecniche di contrasto all’evasione fiscale, l’efficace utilizzo delle banche dati assume un ruolo sempre più determinante. Il processo evolutivo si dirige ormai veloce verso il ricorso alla intelligenza artificiale per combattere l’evasione fiscale. Tuttavia, questo implica una valutazione, anche sul piano giuridico, circa lo “scontro” tra interesse fiscale e interesse alla tutela dei diritti del contribuente. In tale ambito l’Unione europea ha selezionato e finanziato un progetto dell’Agenzia delle Entrate finalizzato, anche attraverso l’utilizzo dell’intelligenza artificiale, a realizzare un sistema di supporto ai processi di valutazione del rischio di non-compliance, introducendo, sperimentando ed utilizzando le tecniche innovative di network analysis, machine learning e data visualization, per realizzare un sistema di supporto ai processi di individuazione dei soggetti ad alto rischio di evasione.
Anche l’Agenzia delle Dogane sta andando, peraltro, in tale direzione. Il porto di Ancona, ad esempio, è stato il primo in Italia ad usare l’intelligenza artificiale per controllare i mezzi in imbarco e sbarco sui traghetti. L’Agenzia delle Dogane ha sviluppato una procedura di web spidering, basata su algoritmi di intelligenza artificiale, per la ricerca di fenomeni abusivi sulla Rete.
Tutto ciò dovrà comunque essere “armonizzato” con i princìpi giuridici (di privacy e non solo) del nostro Ordinamento.
Di fatto il Consiglio di Stato, con le sentenze n. 2936/2019 e n. 8474/2019 del 13 dicembre 2019, ha affermato che la legittimità dell’utilizzo di algoritmi nell’ambito dell’attività discrezionale della Pubblica amministrazione, richiede il rispetto di un preciso quadro di regole, in particolare sotto i profili della piena conoscibilità e della imputabilità del potere. Quanto a quest’ultimo principio, in sostanza, deve essere sempre individuato un soggetto (persona fisica), cui possano essere ricondotti gli effetti dell’azione adottata sulla base dell’algoritmo.
La Commissione Europea, nella sua proposta di regolamentazione dell’intelligenza artificiale del 21 aprile 2021, ha affermato che:
“la nozione di sistema di intelligenza artificiale dovrebbe essere chiaramente definita per garantire la certezza del diritto, fornendo nel contempo la flessibilità necessaria per accogliere i futuri sviluppi tecnologici. La definizione dovrebbe essere basata sulle caratteristiche funzionali chiave del software, in particolare la capacità, per un dato insieme di obiettivi definiti dall’uomo, di generare output quali contenuti, previsioni, raccomandazioni o decisioni che influenzano l’ambiente con cui il sistema interagisce, sia in una dimensione fisica che digitale. I sistemi di intelligenza artificiale possono essere progettati per funzionare con diversi livelli di autonomia ed essere utilizzati in modo autonomo o come componente di un prodotto, indipendentemente dal fatto che il sistema sia fisicamente integrato nel prodotto (incorporato) o serva la funzionalità del prodotto senza esservi integrato (non incorporato) ”.
L’uso dell’intelligenza artificiale, del resto, si sta ormai espandendo in tutti i settori, compreso quello fiscale, anche considerato che la lotta all’evasione fiscale si farà sempre più tecnologica e sempre più si baserà su un uso efficace delle banche dati e dei milioni di dati in esse conservati.
L’obiettivo è quello di semplificare le operazioni di analisi dei dati, anche attraverso modelli statistici, in un’ottica previsionale piuttosto che repressiva.
L’Agenzia delle Entrate attraverso il suo Direttore Generale, nel corso dell’audizione al Senato in VI Commissione Finanze e Tesoro, svoltasi il 4 marzo 2021, ha del resto già delineato le direttrici dell’evoluzione del rapporto fisco e digitalizzazione, tra cui:
- la digitalizzazione dei servizi all’utenza;
- la valorizzazione del patrimonio informativo;
- l’interconnessione digitale con gli attori esterni;
- il digitalworkplace, la digitalizzazione dei processi e degli
strumenti di lavoro;
- la cybersecurity;
- la protezione dei dati;
- l’integrazione con le iniziative della complessiva
digitalizzazione della Pa.
6.2 Alcune best practices internazionali
Per capire in quale direzione andare e come andarci, possiamo comunque fare riferimento ad alcune best practices internazionali.
Di grande rilievo è l’esperienza del Brasile, che utilizza un sistema informatico in grado di operare, automaticamente, attività di selezione delle posizioni a rischio da “suggerire” poi al funzionario preposto all’effettivo controllo. Tale sistema è fondato su un’avanzata forma di intelligenza artificiale ed apprendimento automatico, basata non solo su di una logica di tipo matematico-statistico o probabilistico, ma anche in grado di tenere conto di quanto già esaminato in precedenza. Non è dunque il funzionario ad indirizzare l’attività di analisi del sistema informatico, quanto, piuttosto, è lo stesso sistema informatico ad indirizzare l’attività del funzionario, che diventa, lui, strumento (fisico) nelle mani del sistema artificiale. E le implicazioni che possono discendere da tale situazione sono naturalmente di grande rilievo giuridico, soprattutto in termini di tutela dei diritti, in primis quello di difesa in giudizio, che deve poter contare sulla conoscenza del ragionamento alla base dell’“accusa”. Anche la regola algoritmica, quindi, deve soggiacere ai princìpi generali dell’attività amministrativa, quali quelli di pubblicità, trasparenza, ragionevolezza, proporzionalità, ecc. La mediazione e il raggiungimento del (difficile) equilibrio tra le diverse istanze ed interessi consentiranno, quindi, di entrare nell’era dell’intelligenza artificiale.
Anche in Brasile, infatti, ben prima che in Italia, è stato introdotto l’obbligo generalizzato della fatturazione elettronica, che ha consentito la progressiva creazione di un sistema integrato di contabilità digitale. La creazione di tale sistema ha preso avvio, a partire dal 2007, tramite tre progetti principali, vale a dire l’introduzione della contabilità digitale, della contabilità fiscale digitale e della fattura elettronica ed interconnette non solo i sistemi informatici dell’Amministrazione finanziaria, del governo federale, dei singoli Stati e degli enti locali, ma anche quelli di banche, studi notarili ed imprese.
Ai fini doganali, poi, è stato realizzato un sistema di selezione delle operazioni, basato su un’avanzata forma di intelligenza artificiale ed apprendimento automatico, con il compito di valutare il rischio della presenza di irregolarità nelle importazioni, sulla base non solo dell’esame dei dati contenuti nelle dichiarazioni doganali, o di una logica di tipo matematico-statistico o probabilistico, ma anche tenendo conto di quanto già esaminato in precedenza, sulla base, quindi, di una sorta di apprendimento continuo ed automatico ad altissima efficacia.
Il Fisco francese, ha recentemente avviato il monitoraggio dei social network per individuare possibili evasori fiscali. Con un decreto pubblicato il 13 febbraio 2021, sono stati, infatti, fissati i termini di applicazione pratica della norma prevista dalla Legge finanziaria per il 2020, la quale ha istituito un sistema di monitoraggio dei social network da parte dell’amministrazione fiscale francese. Il decreto autorizza l’amministrazione francese ad utilizzare i social per verificare la congruenza fra le dichiarazioni dei redditi presentate dai contribuenti persone fisiche ed il loro reale tenore di vita. La raccolta di informazioni e la loro analisi avverrà tramite un algoritmo di apprendimento automatico per la gestione ed analisi dei dati nel rispetto della privacy. È prevista una fase di sperimentazione di almeno tre anni, da suddividere ulteriormente in due parti:
- la prima dedicata all’apprendimento e alla progettazione, durante la quale sarà implementata la tecnica del web scraping, ovvero del reperimento dei dati attraverso le piattaforme online;
- la seconda dedicata allo sfruttamento dei dati e alla loro trasformazione in informazioni utili per rilevare le eventuali attività fraudolente.
I dati che possono essere raccolti dal Fisco francese, per non ledere la privacy degli utenti, devono però soddisfare due condizioni (stabilite dalla Commissione nazionale per l’informatica e le libertà, l’authority della privacy francese):
- devono essere liberamente accessibili sulla piattaforma digitale;
- i contenuti controllati devono essere volontariamente resi pubblici dall’utente sul sito web.
La lotta all’evasione fiscale si fa sempre più tecnologica e all’avanguardia, attraverso un uso efficace delle banche dati e dei milioni di dati in esse conservati. Infatti, la Guardia di Finanza ha investito in tale direzione ben 32 milioni di euro sui big data e cyber sicurezza. Il tema risulta senz’altro di grande rilievo, e riguarderà (riguarda già oggi) non solo le tecniche di contrasto all’evasione, ma anche l’evoluzione di una vera e propria giustizia “predittiva”, laddove, attraverso piattaforme di giustizia predittiva, i professionisti e i cittadini potrebbero valutare autonomamente i possibili esiti di un giudizio, e i giudici potrebbero avere un supporto per pronunce caratterizzate da equità ed uguaglianza.
Creando sistemi basati su algoritmi in grado di analizzare sentenze, provvedimenti, leggi e contributi dottrinali, in funzione appunto predittiva, gli stessi potranno dunque essere elaborati simulando il ragionamento umano, una vera e propria rivoluzione copernicana.
Rivoluzione, a ben vedere, già arrivata, per esempio, in Cina, laddove è stato creato un vero e proprio magistrato-robot capace di formulare un’accusa formale per oltre 8 diversi tipi di reato e con una precisione che può avvicinarsi al 97 per cento, ossia con errori bassissimi.
Rivoluzione arrivata in realtà anche in Italia, laddove il progetto Prodigit, curato dal Ministero dell’Economia e delle Finanze con il Consiglio di Presidenza della Giustizia Tributaria, consiste, in sostanza, in un software in grado di predire l’esito di eventuali ricorsi tributari. Tale software è implementato con una banca dati di oltre un milione di sentenze tributarie, analizzando le quali, in modo automatizzato, è possibile determinare il potenziale esito di una lite tributaria. Il progetto si trova ancora in una fase sperimentale, la quale dovrebbe terminare il 31 dicembre 2023, ma, una volta entrato a regime, il contribuente, o il suo commercialista o avvocato, potrà utilizzare il software introducendo gli elementi caratteristici del suo caso e il software analizzerà quindi le sentenze contenute nella banca dati e “prevederà” il potenziale esito della lite. In questo modo il contribuente potrà valutare, con cognizione di causa, se presentare o meno ricorso.
Sicuramente, come detto, la lotta all’evasione fiscale passa anche da un uso efficace delle banche dati e dei milioni di dati in esse conservati. Ma questo vale soprattutto nella fase accertativa. Molto più difficile è invece applicare tale sistema a quella giudiziaria, laddove, vista la spesso dubbia interpretazione delle norme di settore e la oscillante giurisprudenza dei precedenti, sia di merito che di legittimità, la pubblica udienza rappresenta la sede privilegiata per esporre al meglio le proprie ragioni (difensive o accusatorie). E per fare una buona pubblica udienza ed ottenere una vittoria in giudizio, però, il punto focale non sono (soltanto) le sentenze della Cassazione, ma piuttosto le capacità di comunicazione e convinzione del difensore e dell’accusa. Se dunque il giudice è un essere umano, l’esito del giudizio non sarà mai “prevedibile”. O quanto meno non sarà mai prevedibile in modo sicuro (o quasi sicuro). A meno che, appunto, non si sostituisca, come in Cina, anche il giudice con un robot.
7 Chat Box in ambito tributario
Come detto in precedenza, l’Agenzia delle Entrate ha delineato nel 2021 le direttrici dell’evoluzione del rapporto fisco e digitalizzazione e tra queste ha primariamente evidenziato la necessità di una digitalizzazione dei servizi all’utenza e la valorizzazione del patrimonio informativo. A tale scopo è possibile immaginare la realizzazione e messa a disposizione dei contribuenti di una “Chatbot” basata sull’Intelligenza Artificiale in ambito tributario. Questa soluzione implementa la digitalizzazione del rapporto con l’utenza e anche la valorizzazione delle conoscenze interne attraverso l’addestramento della IA a partire dall’esperienza e dal magazzino informativo delle PA.
Una chatbot, nota anche come assistente virtuale, è un programma software progettato per simulare una conversazione con gli utenti attraverso una chat, integrabile in diverse piattaforme di messaggistica, come ad esempio Facebook Messenger, WhatsApp, Telegram, oppure resa disponibile direttamente sui portali della PA. Può essere programmata per rispondere a domande comuni, offrire assistenza, eseguire compiti specifici e persino simulare una conversazione umana naturale e fornire risposte accurate e personalizzate se progettati per utilizzare l’intelligenza artificiale (AI) e il machine learning (apprendimento automatico). In sintesi, le chatbot sono utilizzate per semplificare l’interazione tra utenti e computer, offrendo un’esperienza conversazionale simile a quella che si avrebbe con un essere umano e sono spesso utilizzate in situazioni in cui l’assistenza umana non è disponibile. In tal senso ampliano le possibilità di interazione con la PA anche in luoghi ed orari impossibili tramite l’interazione diretta.
L’uso di chatbot e di intelligenza artificiale nel campo tributario può avere molti vantaggi.
In primo luogo, le chatbot possono offrire un’esperienza di assistenza clienti più veloce e conveniente per le questioni fiscali. Possono fornire risposte rapide a domande frequenti ed offrire supporto per il calcolo delle tasse, il completamento di moduli e la presentazione delle dichiarazioni dei redditi. Inoltre, l’intelligenza artificiale può essere utilizzata per automatizzare alcune attività tributarie, come l’analisi dei dati fiscali e l’identificazione delle frodi. Ciò può aumentare l’efficienza e la precisione dei processi tributari, nonché liberare il tempo degli esperti fiscali per compiti più strategici. Tuttavia, bisogna essere consapevoli che l’uso di chatbot e intelligenza artificiale nel campo tributario comportano anche alcune sfide e preoccupazioni, come la protezione dei dati sensibili e la necessità di garantire che le decisioni prese dai sistemi di intelligenza artificiale siano eque e giuste. In definitiva, l’uso di chatbot ed intelligenza artificiale nel campo tributario è un’opportunità per migliorare l’efficienza e la qualità dei servizi fiscali, ma è importante affrontare le sfide e le preoccupazioni in modo responsabile per garantire che questi sviluppi tecnologici siano utilizzati in modo sicuro e etico.
