L’intelligenza artificiale ci fa paura perché potrebbe estinguere la specie umana? Perché, delegando tutto a un chatbot, potremmo diventare più stupidi? Oppure perché rischia di diventare molto brava a scoprire ciò che qualcuno preferirebbe tenere nascosto?
Penso alla casa che esiste nella realtà ma scompare dal Catasto. Alla piscina che si vede dall’alto ma non nelle dichiarazioni. A una rete di società che, osservata un pezzo alla volta, sembra normale e, guardata tutta insieme, fa emergere anomalie. L’AI contro l’evasione fiscale potrebbe diventare una delle applicazioni socialmente più utili di questa tecnologia. E, per qualcuno, delle più scomode.
È una provocazione, naturalmente. Non sto sostenendo che chi teme l’AI abbia qualcosa da nascondere: ci sono preoccupazioni legittime su sicurezza, lavoro, privacy e autonomia. Vorrei però aggiungere al dibattito una domanda meno cinematografica: che cosa succede quando diventa più difficile farla franca?
Catasto e case fantasma: la notizia da cui sono partito
Il 4 ottobre 2026 Tgcom24 ha raccontato i controlli sulle irregolarità catastali: circa 20.000 lettere ai proprietari di fabbricati non dichiarati, individuati incrociando immagini aeree e cartografia. Il servizio attribuisce un ruolo all’intelligenza artificiale e descrive attività di fotointerpretazione delle ortofoto messe a disposizione dall’Agenzia per le erogazioni in agricoltura.
La notizia è interessante. Va letta anche con una certa disciplina: l’articolo giornalistico non documenta nel dettaglio quale modello sia utilizzato né quale quota delle anomalie sia stata individuata automaticamente. Non trasformerei quindi ogni confronto tra mappe e immagini in una dimostrazione delle capacità di un chatbot.
L’idea, comunque, si capisce subito. Se in una fotografia compare un edificio e nella mappa catastale no, quella discordanza merita una verifica. La casa può essere fantasma per l’archivio, ma difficilmente lo è per la macchina fotografica.
Una segnalazione non equivale a un’evasione accertata. Un mancato aggiornamento, una discordanza negli archivi, un abuso edilizio e una frode fiscale sono questioni diverse. Anche la regolarità catastale e quella urbanistica vanno tenute distinte. La tecnologia può aiutare a trovare anomalie; stabilirne cause e conseguenze richiede documenti, verifiche e competenze.
Come funziona l’AI contro l’evasione fiscale
Quando parliamo di AI fiscale, conviene immaginare una cassetta degli attrezzi. La visione artificiale riconosce elementi nelle immagini. Il machine learning cerca schemi nei dati e aiuta a stimare il rischio. L’analisi delle reti fa emergere collegamenti tra soggetti e operazioni. L’AI generativa può assistere nella consultazione e nella sintesi dei documenti. Sono funzioni diverse, che possono lavorare insieme.
Nel comunicato del 4 marzo 2021 sul progetto europeo di analisi del rischio fiscale, l’Agenzia delle Entrate indicava proprio intelligenza artificiale, network science e visualizzazione dei dati. Gli obiettivi comprendevano frodi IVA, crediti d’imposta utilizzati indebitamente e schemi societari complessi. Il documento chiariva già allora che le analisi non si traducono automaticamente in atti impositivi e richiamava il contraddittorio con il contribuente.
Per capire l’utilità dell’analisi delle reti, immaginiamo un caso ipotetico: dieci società, diverse sedi e numerose fatture. Ogni singolo documento può sembrare ordinario. Collegando amministratori, controparti e sequenze di operazioni, può emergere una struttura da approfondire. L’output utile è una pista investigativa motivata, da verificare.
Anche Sky TG24, nel maggio 2022, spiegava il ricorso all’analisi dei dati e delle relazioni per orientare i controlli. La storia, insomma, precede l’entusiasmo collettivo per ChatGPT.
In Francia l’AI ha trovato le piscine “invisibili”
Il caso francese sembra scritto apposta per un articolo come questo. Il progetto Foncier innovant della Direction générale des Finances publiques utilizza immagini aeree dell’Institut national de l’information géographique et forestière e strumenti di intelligenza artificiale per individuare piscine e costruzioni e confrontarle con i dati dell’amministrazione.
La pagina ufficiale precisa un passaggio decisivo: un funzionario verifica sistematicamente ogni anomalia prima di contattare il proprietario e arrivare all’eventuale tassazione. È una buona descrizione di come tecnologia e responsabilità dovrebbero convivere.
Nel bilancio della sperimentazione pubblicato nel 2023, l’amministrazione francese riferiva che oltre 20.000 piscine erano state assoggettate alla taxe foncière per il 2022, con quasi 10 milioni di euro di entrate aggiuntive per i Comuni interessati. Sono risultati riferiti a quella sperimentazione, non un conteggio aggiornato a oggi.
Il caso è stato raccontato da Euronews con AFP e dal Guardian, nell’agosto 2022. La piscina “invisibile” era visibile dall’alto.
Qui sotto il servizio di Euronews del 30 agosto 2022, in inglese: mostra un’applicazione concreta della tecnologia alla fiscalità immobiliare.
La metafora mi piace: per anni una parte del problema è stata la distanza tra quello che esiste e quello che viene dichiarato. Ridurre quella distanza può favorire chi ha sempre dichiarato correttamente. Ma, se il confronto sbaglia, deve essere possibile dimostrarlo senza diventare prigionieri di una schermata.
Negli Stati Uniti: controlli sulle strutture societarie complesse
Negli Stati Uniti l’Internal Revenue Service ha descritto l’uso dell’AI per selezionare dichiarazioni di grandi partnership da sottoporre a verifica. Il comunicato IRS dell’8 settembre 2023 annunciava l’ampliamento di un programma rivolto a strutture complesse, tra cui fondi, partnership immobiliari e grandi studi legali. L’apprendimento automatico serviva a individuare potenziali rischi di non conformità.
La ricostruzione di Thomson Reuters dell’11 settembre 2023 spiegava la scelta di orientare risorse e strumenti verso contribuenti e organizzazioni con situazioni fiscali particolarmente articolate. Era un indirizzo dichiarato in quel momento, che non va confuso con una garanzia sui risultati o sulle politiche successive.
Nel successivo aggiornamento IRS del 12 gennaio 2024, l’agenzia riferiva l’avvio di controlli su 76 grandi partnership selezionate con l’aiuto dell’AI. Attenzione al verbo: controllare non significa aver già dimostrato una frode. Il risultato documentato è l’apertura delle verifiche.
Trovo questo esempio particolarmente rilevante. Un sistema fiscale equo dovrebbe avere gli strumenti per affrontare anche le situazioni più complesse, oltre alle omissioni facili da individuare. Se la capacità di analisi cresce, diventa almeno possibile ridurre il vantaggio di chi si nasconde dietro la complessità.
Frodi nei pagamenti pubblici: il caso del Tesoro americano
C’è poi il denaro che esce dalle casse pubbliche. Il Dipartimento del Tesoro degli Stati Uniti, il 17 ottobre 2024, ha comunicato oltre 4 miliardi di dollari di frodi e pagamenti impropri prevenuti o recuperati nell’anno fiscale 2024 attraverso un insieme di interventi.
Il comunicato attribuiva specificamente al machine learning il recupero di circa 1 miliardo di dollari legato alle frodi sugli assegni del Tesoro. Non sarebbe corretto attribuire tutti i 4 miliardi all’AI. E non stiamo parlando soltanto di evasione fiscale: qui il tema è anche la protezione dei pagamenti pubblici.
È un uso della tecnologia che mi interessa: aiutare lo Stato a pagare il destinatario corretto e a intercettare una frode significa tutelare risorse comuni. Naturalmente bisogna misurare anche quante operazioni legittime vengano bloccate per errore.
L’AI fiscale è già una tendenza internazionale
Il rapporto Tax Administration 2025 dell’Organizzazione per la cooperazione e lo sviluppo economico considera 58 giurisdizioni. Riferisce che il 69% delle amministrazioni considerate utilizzava AI nel 2023, mentre un altro 24% ne stava preparando l’impiego. L’utilizzo comprende attività diverse: analisi, selezione dei casi, servizi e compiti ripetitivi. Quel 69% non significa che tutte usassero AI per accertare l’evasione.
Il capitolo OCSE sulla gestione della conformità fiscale distingue le applicazioni dell’AI nella valutazione del rischio e nell’individuazione di evasione e frodi. Descrive anche strumenti in sviluppo presso l’Australian Taxation Office per analizzare dati non strutturati, includendo modelli AI. La direzione è ampliare la capacità di leggere informazioni e orientare il lavoro degli uffici, con livelli di maturità diversi.
“Incorruttibile” è una parola che userei con cautela
Un algoritmo non ha un cugino da favorire, non deve essere rieletto e non prende una busta sotto il tavolo. Questa immagine spiega il fascino di una macchina capace di applicare le regole senza simpatie personali.
Ma chiamarla incorruttibile sarebbe una scorciatoia. Le persone decidono quali dati utilizzare, quali anomalie cercare, chi controllare prima e quali eccezioni ammettere. Un sistema può essere progettato male, alimentato con dati incompleti o governato con obiettivi discutibili. Può essere manipolato. E può produrre risultati discriminatori anche senza un’intenzione esplicita.
Una ricerca presentata da Stanford HAI nel gennaio 2023, basata su dichiarazioni e controlli statunitensi relativi al 2014, stimava che i contribuenti neri ricevessero notifiche di verifica tra 2,9 e 4,7 volte più spesso degli altri. Lo studio esaminava il ruolo delle politiche e dei sistemi di selezione: una dimostrazione che l’equità dipende anche da che cosa si cerca e da come si distribuiscono le risorse.
Non è uno studio sulle prestazioni dei chatbot attuali. È però un avvertimento utile per ogni sistema di selezione automatizzata. Eliminare la simpatia personale del singolo operatore non garantisce di eliminare le distorsioni del processo.
Anche nel caso delle piscine, The Register raccontava nel 2022 gli errori del riconoscimento visivo, comprese confusioni con pannelli solari e difficoltà legate a ombre e vegetazione. Un buon motivo per verificare ciò che la macchina segnala.
Chi controlla l’AI che controlla noi?
In Italia, nel Forum ANSA del 4 maggio 2026, il direttore dell’Agenzia delle Entrate Vincenzo Carbone ha ribadito che l’AI aiuta a elaborare i dati e che la valutazione negli accertamenti resta affidata a un funzionario.
Come ho scritto parlando di agenti AI nella Pubblica Amministrazione, all’aumento delle capacità devono accompagnarsi responsabilità e tracciabilità. La presenza di un essere umano vale se quella persona può capire il problema, controllare le evidenze e correggere il sistema.
Per valutare un progetto di AI contro l’evasione fiscale, io farei cinque domande:
- Quali dati usa? Sono aggiornati, pertinenti e raccolti per uno scopo legittimo?
- Che cosa misura? Anomalie individuate, violazioni confermate e somme effettivamente recuperate sono indicatori diversi.
- Quanto sbaglia? Servono informazioni sui falsi positivi e sul carico imposto ai cittadini segnalati ingiustamente.
- Chi verifica? Il responsabile deve poter mettere in discussione la segnalazione.
- Come si corregge un errore? Il cittadino deve poter fornire documenti e ottenere una risposta comprensibile.
È il tipo di alfabetizzazione all’AI che considero necessario anche negli uffici pubblici: capire che cosa un sistema può fare, quali prove restituisce e quando fermarsi.
La paura di perdere il privilegio di farla franca
Torno alla provocazione iniziale. Possiamo discutere dei rischi dell’AI e, contemporaneamente, riconoscerne l’utilità quando rende più difficile nascondere una violazione. Le due cose convivono.
La mia speranza è che questi strumenti aiutino a distribuire meglio i controlli, proteggere le risorse pubbliche e ridurre lo svantaggio di chi rispetta le regole. Non basta installare un software per ottenere tutto questo: servono istituzioni disposte a verificare anche i propri strumenti.
Eviterei inoltre di chiamare “furbetto” chiunque riceva una lettera: un archivio sbagliato o un errore in buona fede possono capitare. Riservo l’ironia a chi sceglie consapevolmente di scaricare sugli altri il costo delle proprie scorciatoie.
Per chi dichiara correttamente ciò che possiede, un controllo più accurato può essere una buona notizia. Per chi conta sulla difficoltà di mettere insieme i pezzi, forse un po’ meno.
Chissà: una delle estinzioni più interessanti che potremmo augurarci è quella della frase “tanto non mi beccano”.