Le presunzioni nel diritto tributario: dal prudente apprezzamento all’automazione algoritmica

Abstract

Il presente elaborato intende analizzare l’istituto della prova presuntiva nel diritto tributario, ponendo a confronto il tradizionale modello fondato sul prudente apprezzamento umano con le nuove prospettive offerte dall’automazione algoritmica. Attraverso un approccio interdisciplinare, che coniuga diritto, logica, psicologia e informativa, la ricerca si sviluppa in tre capitoli. Il primo delinea il quadro teorico-giuridico delle presunzioni, esaminandone la disciplina normativa e le declinazioni specifiche in ambito tributario. Il secondo scompone il ragionamento presuntivo nelle sue fondamentali fasi logiche, approfondendo il concetto di libero convincimento, l’incidenza dei bias cognitivi e la garanzia della motivazione. Il terzo affronta il nucleo centrale dell’indagine: la possibilità, sul piano pratico e giuridico, di replicare il ragionamento presuntivo tramite algoritmi. Dopo aver esaminato le principali applicazioni dell’intelligenza artificiale in ambito fiscale, si procede all’elaborazione di un modello teorico di “algoritmo presuntivo” al fine di verificarne la tenuta logica e la compatibilità con i principi dell’ordinamento. Le conclusioni evidenziano come, allo stato delle tecnologie attualmente disponibili, i sistemi algoritmici non siano in grado di sostituire integralmente il ragionamento presuntivo umano. Invero, l’intelligenza artificiale si dimostra strutturalmente incapace di svolgere autentici processi abduttivi, ossia di formulare ipotesi causali idonee a spiegare la verificazione di eventi fattuali, essendo priva di esperienza fisica e di senso comune. Ne consegue che l’impiego degli algoritmi in ambito tributario può interessare esclusivamente una funzione strumentale e di supporto, sicché la riserva di umanità e, in particolare, l’effettività del contraddittorio devono rappresentare presidi ineludibili.

This paper aims to analyse the concept of presumptive evidence in tax law, comparing the traditional model based on sound human discretion with the new possibilities offered by algorithmic automation. Adopting an interdisciplinary approach that combines law, logic, psychology and information technology, the research is structured in three chapters. The first outlines the theoretical and legal framework of presumptions, examining the relevant legislation and their specific applications in the tax sphere. The second breaks down presumptive reasoning into its fundamental logical stages, exploring the concept of free conviction, the impact of cognitive biases and the requirement for reasoning. The third chapter addresses the core of the investigation: the practical and legal feasibility of replicating presumptive reasoning through algorithms. After examining the main applications of artificial intelligence in the tax sphere, a theoretical model of a ‘presumptive algorithm’ is developed to verify its logical soundness and compatibility with the principles of the legal system. The conclusions highlight how, given the state of currently available technologies, algorithmic systems are not capable of fully replacing human presumptive reasoning. Indeed, artificial intelligence proves structurally incapable of carrying out genuine abductive processes, that is, of formulating causal hypotheses capable of explaining the occurrence of factual events, as it lacks physical experience and common sense. It follows that the use of algorithms in tax law can only serve an instrumental and supportive function, so that the human element and, in particular, the effectiveness of the adversarial process must remain indispensable safeguards.