 |
| Chặn gian lận hóa đơn bằng AI với mô hình 4 tầng phát hiện rủi ro. Ảnh: PV |
Bóc tách bản chất của một đường dây buôn bán hóa đơn
Theo Phó Tổng giám đốc Tập đoàn MISA Bùi Thanh Minh, cùng với sự phát triển của kinh tế số đã xuất hiện ngày càng nhiều hình thái gian lận hóa đơn. Điển hình như xuất khống hóa đơn chỉ để hợp thức chi phí, khấu trừ thuế; Thành lập các doanh nghiệp “ma”: Vòng đời ngắn, xuất lượng lớn hóa đơn rồi biến mất; Quay vòng hóa đơn qua nhiều trung gian để tạo khấu trừ, hoàn thuế khống; Lợi dụng chuỗi xuất khẩu giả để chiếm đoạt, hoàn thuế khống; Kê khai không khớp giữa hóa đơn đầu ra và dòng tiền ngân hàng.
Ông Bùi Thanh Minh chỉ rõ, tổng kết hồ sơ các vụ án thực tế có thể thấy, một đường dây mua bán hóa đơn thường được vận hành qua 6 bước.
Bước 1. Động cơ: doanh nghiệp có chi phí thật (thuê vận chuyển, mua vật liệu của cá nhân) nhưng không lấy được hóa đơn GTGT đầu vào
Bước 2. Đặt mua hóa đơn: Giám đốc chỉ đạo kế toán tìm nguồn, qua 2-4 khâu môi giới trung gian mới đến được công ty mua bán hóa đơn
Bước 3. Xuất hóa đơn khống: một hoặc nhiều pháp nhân xuất hóa đơn cho hàng hóa không tồn tại
Bước 4. Hợp thức hóa chứng từ: Hợp đồng, biên bản được lập sau, ký đóng dấu gửi qua bưu điện để trông như giao dịch có thật
Bước 5. Hợp thức hóa dòng tiền: Tiền chuyển từ công ty mua đến công ty bán hóa đơn. Sau đó công ty bán hóa đơn rút ra và quay ngược về người mua, thường qua tài khoản cá nhân hoặc tiền mặt
Bước 6. Kê khai rải rác: Hóa đơn được chia ra trong nhiều kỳ (nhiều tháng) để tránh gây chú ý.
Mỗi hình thái gian lận hóa đơn đều để lại một loại dấu vết khác nhau trên dữ liệu. Vì vậy không thể áp dụng mộ mô hình duy nhất cho tất cả các hình thái gian lận.
Ứng dụng mô hình đa tầng để quản lý hóa đơn
Thực tiễn từ các quốc gia dẫn đầu cho thấy, không một hệ thống quản lý thuế hiện đại nào phụ thuộc vào một thuật toán đơn lẻ; thay vào đó, họ luôn kết hợp dữ liệu lớn với nhiều lớp mô hình phân tích khác nhau.
Tại Trung Quốc, hiện áp dụng hệ thống Golden Tax IV: Đây là mô hình tham chiếu gần nhất với Việt Nam, cho phép quản lý hóa đơn toàn quốc ở trạng thái gần như thời gian thực. Hệ thống sử dụng AI để đối chiếu tự động giữa hóa đơn, dữ liệu ngân hàng, hải quan và tờ khai thuế, tập trung tối đa vào các đối tượng có mức độ rủi ro cao.
Ở góc độ khác, để đối phó với nạn gian lận thuế GTGT, Liên minh châu Âu sử dụng kỹ thuật phân tích mạng lưới giao dịch (Transaction Network Analysis) nhằm bóc gỡ các doanh nghiệp “ma” và doanh nghiệp trung gian. Phương pháp này kết hợp chặt chẽ giữa mô hình máy học có giám sát (Supervised Learning) và các thuật toán phát hiện bất thường.
Còn Sở Thuế vụ Mỹ (IRS) vận hành hệ thống Return Review Program (RRP) để phát hiện gian lận hoàn thuế thông qua sự phối hợp giữa bộ quy tắc nghiệp vụ cứng (rules-based) và các mô hình máy học để liên tục giám sát, điều chỉnh hiệu năng, điều chỉnh hệ thống để tăng khả nang phát hiện gian lận.
Dù bắt đầu hành trình ứng dụng công nghệ muộn hơn, Việt Nam lại sở hữu lợi thế lớn khi có thể tiếp cận ngay những công nghệ mới nhất hiện nay như dữ liệu lớn (Big Data), các mô hình học máy (Machine Learning) tiên tiến và AI tạo sinh (Generative AI) để tối ưu hóa hiệu suất phát hiện gian lận.
Để giải quyết triệt để bài toán này, Phó Tổng giám đốc Tập đoàn MISA Bùi Thanh Minh cho rằng, mô hình cảnh báo rủi ro hóa đơn tối ưu cần được xây dựng trên bốn tầng công nghệ bổ trợ lẫn nhau:
Tầng 1 - Quy tắc (Rule-based): Bộ quy tắc bám sát các tiêu chí của ngành Thuế (mọi quy tắc đều gắn với văn bản quy phạm hiện hành có thể tra cứu và giải trình với các tiêu chí như “thông tin chung về doanh nghiệp; quý trình kê khai thuế GTGT; chấp hành nghĩa vụ thuế; sử dụng hóa đơn; định danh hóa đơn; tiêu chí gộp (vốn chủ sở hữu nhỏ thời gian thành lập ngắn, địa chỉ thay đổi nhiều lần trong năm, doanh thu tăng đột biến).
Một doanh nghiệp có thể so sánh với nhiều doanh nghiệp cùng ngành. Tầng 1 đóng vai trò bộ lọc ban đầu danh sách rủi ro, đối chiếu nhanh chóng dựa trên các quy tắc nghiệp vụ và luật định rõ ràng, phù hợp để cảnh báo sớm.
Tầng 2 - AI học máy (Machine Learning): Nhận diện các doanh nghiệp có hành vi gian lận giống các vụ việc đã bị xử lý. Điểm mạnh của tầng này là phát hiện được các trường hợp mà từng tiêu chí riêng lẻ đều “trong ngưỡng” những tổ hợp các tiêu chí lại giống hồ sơ các doanh nghiệp đã bị xử lý.
Tầng 3 - Phát hiện bất thường (Anomaly Detection): Đóng vai trò như một màng lọc tự động tìm kiếm các giao dịch “lệch chuẩn” đột ngột mà không cần biết trước thủ đoạn của đối tượng. Ví dụ đột ngột thay đổi ngành hàng trong một kỳ. Thủ đoạn mới, chưa có tiền lệ trong hồ sơ xử lý.
Tầng 4 - Phân tích đồ thị (Graph Analytics): Phác họa toàn bộ chuỗi mua bán lòng vòng và các mối quan hệ liên kết phức tạp giữa các mắt xích doanh nghiệp “ma” và doanh nghiệp thụ hưởng. Tầng này đưa ra điểm rủi ro tổng hợp và diễn giải cảnh báo: Mỗi cảnh báo gồm lý do cụ thể bằng ngôn ngữ tự nhiện (AI tạo sinh), bằng chứng tiêu chí vi phạm, số liệu so sánh; danh sách hóa đơn, đối tác cần kiểm tra, đề xuất các hành động xác minh.
Sự kết hợp đồng bộ của hệ thống công nghệ đa tầng này không chỉ giúp cơ quan quản lý nâng cao đáng kể năng lực giám sát mà còn giúp doanh nghiệp chủ động phòng ngừa rủi ro pháp lý, thúc đẩy một môi trường kinh doanh lành mạnh và minh bạch.
