L’USO DI IA E BANCHE DATI NELLE ATTIVITÀ D’INDAGINE: OPPORTUNITÀ E RISCHI

Abstract

Il presente lavoro indaga l'impiego dell'Intelligenza Artificiale nella fase istruttoria dei procedimenti tributari. La domanda di ricerca è la seguente: quali benefici e quali rischi comporta l'integrazione dell'AI nella fase istruttoria, e quali garanzie la normativa vigente introduce o dovrebbe introdurre per ridurne i rischi? Il metodo adottato muove da una disamina tecnica delle tecnologie in esame, distinguendo IA simbolica e IA sub-simbolica, costituita da una sequela di equazioni pressoché inintelligibili, per poi analizzare il quadro normativo costituzionale, europeo e interno, alla luce di quattro pronunce giurisprudenziali, tra cui la sentenza n. 2270/2019, che ha elaborato il principio di trasparenza "rafforzata": la necessità di rendere comprensibile al cittadino il processo logico seguito dall'algoritmo. Si sostiene che un algoritmo sub-simbolico non possa soddisfare tale trasparenza rafforzata e che, per tutelare trasparenza e contraddittorio, l'AI debba svolgere nella fase istruttoria una funzione meramente ancillare, mai integralmente automatizzata. Segue una ponderazione tra benefici; efficienza (il sistema VeRA dell'Agenzia delle Entrate) e imparzialità algoritmica, e rischi, quali le allucinazioni algoritmiche, il bias e la lesione del contraddittorio. In conclusione, il lavoro esprime un giudizio sostanzialmente positivo sulla normativa vigente, riconoscendone l'approccio pionieristicamente antropocentrico, pur segnalandone lacune e contraddizioni (ammissibilità del web scraping, deroghe al GDPR, esclusione dei sistemi fiscali dall'alto rischio). Vengono individuate cinque garanzie essenziali: qualità dei dati, trasparenza rafforzata, human in the loop ex art. 22 GDPR, funzione ancillare nel procedimento tributario, e tracciabilità degli output tramite sistemi di verifica.

This thesis examines the use of Artificial Intelligence in the investigative (fact-finding) phase of tax proceedings. The research question is as follows: what benefits and risks does the integration of AI into the investigative phase entail, and what safeguards does current legislation introduce, or should it introduce, to reduce those risks? The methodology adopted begins with a technical overview of the technologies under examination, distinguishing symbolic AI from sub-symbolic AI, the latter made up of a nearly unintelligible sequence of equations, before analysing the constitutional, EU, and domestic regulatory framework in light of four judicial rulings, including judgment No. 2270/2019, which developed the principle of "reinforced" transparency: the requirement that the algorithm's logical process be made comprehensible to the citizen. The thesis argues that a sub-symbolic algorithm cannot satisfy this reinforced transparency, and that, in order to safeguard transparency and the right to be heard, AI must play a merely ancillary role in the investigative phase and must never be fully automated. A weighing of benefits follows — efficiency (the Italian Revenue Agency's VeRA system) and algorithmic impartiality — against risks such as algorithmic hallucinations, bias, and impairment of the adversarial principle. In conclusion, the thesis reaches a substantially positive assessment of current legislation, recognising its pioneering human-centred approach, while flagging gaps and inconsistencies (the permissibility of web scraping, derogations from the GDPR, and the exclusion of tax-related systems from the "high-risk" category). Five essential safeguards are identified: data quality, reinforced transparency, human oversight under Art. 22 GDPR, an ancillary role for AI in tax proceedings, and output traceability through verification systems.