Il tema non è nuovo nella sua matrice concettuale – la selettività tramite “parametri” statistici variamente nel tempo denominati risale agli anni Novanta – ma muta radicalmente di scala quando, come oggi accade, selezione del contribuente oggetto di controllo, profilazione del rischio evasivo e, infine, anche formulazione di atti procedimentali o accertativi sono affidate a modelli statistico-computazionali la cui logica interna non è sempre integralmente intelligibile nemmeno per chi li utilizza. È quella che la dottrina amministrativistica definisce “opacità algoritmica”, fenomeno che nel diritto tributario si innesta su un procedimento strutturalmente dipendente dal principio di legalità e che, per questo, vede costruita la propria dinamica attuativa attorno a motivazione, contraddittorio e piena sindacabilità dell’atto impositivo.
Il MEF, nei documenti programmatici collegati al PNRR e nelle relazioni sull’economia non osservata, indica nell’uso di data analytics e IA uno strumento essenziale per innalzare l’efficacia della compliance, in una logica di deterrenza selettiva più che di controllo generalizzato. Nello stesso senso si muovono le direttive annuali dell’Agenzia delle Entrate, che, peraltro, richiamano da anni “liste selettive” costruite su indicatori di rischio, e i documenti di pianificazione della Guardia di Finanza, orientati a un utilizzo sempre più intensivo dell’intelligence economico-finanziaria basata su elaborazioni massive dei tanti dati disponibili.
Rispetto a questo complesso scenario, si sta sviluppando un ampio dibattito dottrinale, che converge verso riflessioni che portano a domandarsi:
a) se le garanzie procedimentali pensate per un accertamento “umano” reggano di fronte a quello “aiutato” o “guidato” dall’algoritmo;
c) se il diritto vigente offra già gli anticorpi necessari per gestire, in un’ottica di bilanciamento degli interessi in gioco, questo (radicalmente mutato) contesto o se occorra, piuttosto, un intervento normativo ad hoc.
Consapevole della complessità di queste considerazioni, vorrei provare a declinarle in alcuni sintetici spunti schematici che mi pare possano riassumere almeno alcune delle principali questioni sulle quali gli studiosi e gli operatori del diritto tributario devono continuare a riflettere.
a) Qualificazione giuridica dell’atto “assistito” da IA
Il primo interrogativo riguarda la natura dell’atto quando la sua genesi – selezione, quantificazione, proposta di definizione – è (co)determinata da un sistema algoritmico. La tesi preferibile, muovendo dal principio di imputazione della decisione all’organo che la adotta, esclude che lo stesso perda natura provvedimentale per il solo fatto di essere preceduto da un’elaborazione automatizzata. L’algoritmo resta, insomma, mero strumento istruttorio, non decisore. Il che implica la necessità ineludibile di un intervento umano effettivo e significativo che non può mai risolversi in una mera ratifica dell’output computazionale e che deve essere, proprio nella sua effettività, percepibile e verificabile.
b) Motivazione e trasparenza algoritmica
Se l’atto, come detto, conserva natura provvedimentale, l’obbligo di motivazione risulta per certi versi “rafforzato”, dovendo necessariamente estendersi ai criteri di funzionamento del sistema che ha concorso a formarlo. La giurisprudenza amministrativa maturata su alcuni specifici ambiti (impiego pubblico, istruzione, ecc.) ha già elaborato principi che sembrano perfettamente trasponibili al diritto tributario: conoscibilità della regola algoritmica, non esclusività della decisione, non discriminazione, sindacabilità piena da parte del giudice della logica applicativa. Trasferirli nell’accertamento significa, in particolare, pretendere che l’atto renda pienamente comprensibile il percorso logico che ha condotto alla pretesa con la chiara e trasparente evidenza del ruolo avuto dagli innovati strumenti informatici e del modo in cui sono stati valutati, anche in ordine alla loro (strutturale) fallibilità.
c) Accesso e conoscibilità del modello
Connesso al tema motivazionale è l’accesso, da parte del contribuente, non tanto al codice sorgente, quanto ai criteri e alle variabili rilevanti. Parte della dottrina distingue sistemi “a regole”, agevolmente esplicabili, da sistemi di apprendimento più evoluti, per cui la spiegabilità (explainability) resta un problema tecnico aperto. Da qui l’urgenza di soluzioni di explainable AI progettate ex ante, e non come rimedio ex post in sede contenziosa.
d) Contraddittorio endoprocedimentale generalizzato
La riforma fiscale ha introdotto nel nostro ordinamento tributario il principio del contraddittorio preventivo. Il tema si salda perfettamente con l’uso dell’IA in sede accertativa: se selezione e quantificazione nascono da un processo algoritmico, il contraddittorio anticipato diventa, infatti, la sede naturale nella quale il contribuente viene messo in grado di conoscere puntualmente i presupposti del contributo istruttorio dell’algoritmo, per contrastarne i risultati (e, prima ancora, i presupposti) in modo adeguato. Il contraddittorio si candida, insomma, ad essere il fondamentale correttivo procedimentale dell’errore sistemico insito in ogni modello predittivo, che lavora per approssimazioni statistiche, ossia per restituire all’azione accertativa quell’intervento umano effettivo e significativo che, come detto, si impone venga garantito.
e) Onere della prova e valore indiziario dell’output
Coerentemente con l’orientamento consolidato in tema di studi di settore e parametri, va, ovviamente, negato che l’output algoritmico assurga a presunzione legale o prova privilegiata: esso costituisce, al più, un indizio qualificato, da corroborare con elementi emersi nell’istruttoria e nel contraddittorio, pienamente sindacabile dal giudice tributario, anche in ordine al modo in cui è stato utilizzato.
f) Profilazione, protezione dei dati e classificazione del rischio
g) Sindacato giurisdizionale e vizi dell’atto
Occorre chiarire se il difetto di trasparenza algoritmica integri un vizio di motivazione, con conseguente annullabilità, ovvero, nei casi in cui si dimostri l’integrale sostituzione della volontà amministrativa con l’output automatizzato, un vizio più radicale, prossimo alla carenza di potere.
Si tratta di questioni complesse che, insieme ad altre che alle stesse si correlano, impone uno sforzo ricostruttivo sul quale, da subito, occorre cimentarsi. Il che implica anche domandarsi se (e, semmai, in che termini), le disposizioni già presenti nel nostro ordinamento offrano una salvaguardia adeguata nella gestione delle sfide epocali che l’avvento repentino e “dilagante” dell’IA impone di affrontare.
Se ne trae, insomma, la sensazione che il nostro ordinamento possieda già gli “anticorpi” necessari per governare buona parte delle criticità sollevate dall’uso delle nuove tecnologie, ma solo attraverso una forma di interpretazione “adeguatrice”. Manca cioè (e non poteva essere altrimenti, visto il carattere rivoluzionario di questa evoluzione) una disciplina organica e specifica, capace di tradurre in obblighi puntuali (documentazione tecnica dei modelli, soglie minime di intervento umano, accesso semplificato alla logica applicativa, tracciabilità delle elaborazioni) principi la cui applicazione è al momento affidata “solo” alla sensibilità interpretativa degli Uffici e, in ultima istanza, al sindacato del giudice tributario. Il che rende necessario un intervento normativo mirato che, nel conciliare l’evoluzione tecnologica dell’accertamento con la tenuta delle garanzie che devono ispirare i rapporti tra fisco e contribuente, deve essere guidato, a mio avviso, dalla considerazione per cui l’intelligenza artificiale non è, anche in campo tributario, un problema in sé, ma lo diventa quando la sua introduzione avviene senza un correlato investimento in trasparenza e, soprattutto, senza la garanzia di un presidio umano effettivo, verificabile e la cui mancanza (o superficialità) implichi conseguente cogenti.