Skarbówka w Polsce trafia niemal za każdym razem: skuteczność typowania kontroli sięga około 90 procent. Ale za tym sukcesem stoi mechanizm, którego nie widzi ani podatnik, ani jego prawnik, i to właśnie ta niejawność powinna nas dziś interesować bardziej niż same liczby.
- Skuteczność typowania kontroli przez polską skarbówkę sięga około 90 procent, co jest możliwe dzięki systemom algorytmicznym analizującym dane z wielu źródeł jednocześnie.
- Algorytmy fiskusa przetwarzają dane z Jednolitego Pliku Kontrolnego, faktur ustrukturyzowanych w czasie rzeczywistym, raportów bankowych, rejestrów przedsiębiorców oraz informacji z zagranicznych kont.
- Podatnik jest oceniany na podstawie dopasowania do wzorców statystycznych, a nie wyłącznie na podstawie faktycznie podjętych działań – pojedyncze cechy mogą być niewinne, lecz ich kombinacja podnosi punktację ryzyka.
Przez dekady kontrola skarbowa działała jak sieć zarzucana na chybił trafił. Sprawdzano wielu, trafiano w niewielu, a spora część oszustw i tak przechodziła bokiem. Ten model się kończy. Dziś administracja podatkowa nie szuka już igły w stogu siana metodą prób i błędów. Ona wie, gdzie igła leży, zanim w ogóle sięgnie po stóg.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Skąd algorytm wie, na kogo patrzeć
Dane, jakimi dysponuje dziś fiskus, nie mają precedensu w historii żadnej polskiej instytucji państwowej. Jednolity plik kontrolny przekazuje ewidencje zakupów i sprzedaży. Faktury ustrukturyzowane trafiają do systemu w czasie rzeczywistym. Banki raportują przepływy pieniężne, rejestry przedsiębiorców dorzucają powiązania kapitałowe i osobowe, a wymiana międzynarodowa uzupełnia obraz o zagraniczne konta.
Algorytm nie czyta tego jak urzędnik, dokument po dokumencie. Szuka wzorców w całości zbioru: firma z obrotami niepasującymi do przepływów na koncie, łańcuch spółek fakturujących się nawzajem w zamkniętym kółku, nagły skok odliczeń, który nie ma uzasadnienia w profilu branży, adres rejestracji dzielony z dziesiątkami innych podmiotów. Pojedynczo każda z tych cech bywa zupełnie niewinna. Razem podnoszą punktację ryzyka.
I tu jest sedno przewagi maszyny nad człowiekiem. Żaden urzędnik nie zestawi milionów deklaracji z miliardami transakcji bankowych. Model robi to codziennie, bez przerwy. Problem w tym, że podatnik zostaje oceniony nie za to, co faktycznie zrobił, tylko za to, do jakiego wzorca statystycznie pasuje.
Polska skarbówka jest w tej rewolucji pionierem
Punktem wyjścia była zapaść. W połowie poprzedniej dekady luka VAT, czyli różnica między podatkiem należnym a faktycznie wpływającym do budżetu, sięgała około jednej czwartej potencjalnych wpływów. Odpowiedzią stała się cyfryzacja poboru: jednolity plik kontrolny, mechanizm podzielonej płatności i przede wszystkim STIR, czyli System Teleinformatyczny Izby Rozliczeniowej, działający od 2018 roku.
STIR analizuje przepływy na milionach firmowych rachunków bankowych i codziennie wylicza dla każdego podmiotu wskaźnik ryzyka udziału w wyłudzeniach skarbowych. Na tej podstawie Szef Krajowej Administracji Skarbowej może zablokować rachunek na 72 godziny, a przy podejrzeniu zobowiązania przekraczającego równowartość 10 tysięcy euro wydłużyć blokadę nawet do trzech miesięcy. W 2023 roku zablokowano w ten sposób 1188 rachunków z kwotą 88,5 miliona złotych, rok wcześniej 1138 rachunków z 77,4 miliona złotych.
Trend luki VAT zdaje się przyznawać tej strategii rację, choć same liczby wymagają ostrożności. Według szacunków przygotowanych dla Komisji Europejskiej luka spadła z około 25 procent w 2015 roku do rekordowo niskich poziomów na początku obecnej dekady, odbiła w słabszym gospodarczo 2023 roku do 16 procent (ponad 47 miliardów złotych), a w 2024 roku znów zeszła do 10,9 procent. Ministerstwo Finansów, licząc własną metodą, podaje dla tych samych lat odpowiednio 13,5 i 6,9 procent. Rozbieżność metodologiczna jest spora, ale kierunek zmian zostaje ten sam: cyfrowy fiskus odzyskał dla budżetu dziesiątki miliardów złotych.
Od lutego 2026 roku dochodzi element domykający układankę: obowiązkowy Krajowy System e-Faktur, najpierw dla większych firm, od kwietnia dla pozostałych. Państwo widzi każdą fakturę w gospodarce w chwili jej wystawienia. Dla algorytmów typujących to skok zasobów, jakiego wcześniej nie było.
Wskaźnik ryzyka, którego nikt nie zobaczy
W środku tej maszynerii tkwi jednak konstrukcja, która powinna niepokoić niezależnie od poglądów politycznych. Kryteria wyliczania wskaźnika ryzyka w STIR zna wąskie grono pracowników izby rozliczeniowej i administracji skarbowej. Przedsiębiorca nie jest uprzedzany o blokadzie rachunku. Dowiaduje się o niej zwykle w momencie, gdy przelew zostaje odrzucony. Otrzymuje na to na ogół 7 dni na zażalenie i 30 dni na skargę do sądu administracyjnego, ale samo uzasadnienie bywa ogólnikowe, bo szczegóły chroni tajemnica skarbowa.
Ta niejawność ma swoją logikę. Ujawnienie kryteriów pozwoliłoby przestępcom projektować transakcje tak, żeby prześlizgiwały się pod progiem alarmu. Wykrywanie oszustw podatkowych przypomina grę w kotka i myszkę, w której odsłonięcie kart oznacza przegraną.
Tyle że ta sama niejawność, która chroni system przed oszustem, odbiera uczciwemu podatnikowi możliwość obrony. Nie da się polemizować z punktacją, której się nie zna. Nie da się wykazać błędu w modelu, do którego nie ma dostępu ani podatnik, ani jego pełnomocnik, ani w praktyce sąd. Powstaje asymetria: państwo wie o obywatelu niemal wszystko, obywatel o systemie, który go ocenia, nie wie nic.
Śledzę temat automatyzacji administracji skarbowej od dawna i widzę w nim dwie prawdziwe rzeczy naraz. Po pierwsze, cyfryzacja poboru VAT to jeden z rzadkich przypadków, gdzie polskie państwo zrobiło coś naprawdę sprawnie, a efekty widać w twardych liczbach budżetowych. Po drugie, sprawność bez przejrzystości to pułapka, która prędzej czy później się mści, o czym boleśnie przekonała się Holandia. Nie jestem zwolennikiem spowalniania walki z wyłudzeniami VAT w imię abstrakcyjnej jawności. Jestem zwolennikiem tego, żeby obywatel oznaczony przez algorytm miał gdzie pójść po wyjaśnienie, zanim straci płynność finansową. To nie jest sprzeczność, to jest minimum przyzwoitości wobec systemu, który się czasem myli.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Holandia pokazała, jak wygląda katastrofa
Że nie jest to niepokój czysto teoretyczny, dowiodła sprawa znana jako toeslagenaffaire. Holenderska administracja skarbowa używała samouczącego się algorytmu do oceny ryzyka nadużyć przy zasiłkach na opiekę nad dziećmi. Model nauczył się traktować jako czynnik ryzyka między innymi podwójne obywatelstwo, a oznaczone rodziny automatycznie pozbawiano świadczeń i żądano zwrotu wypłaconych kwot, często dziesiątek tysięcy euro, bez rzetelnej ludzkiej weryfikacji.
Skala krzywdy była porażająca:
- Około 26 tysięcy rodzin niesłusznie uznano za oszustów, według późniejszych szacunków nawet 35 tysięcy osób
- Rodziny traciły domy, pracę i płynność finansową, część popadła w wieloletnie zadłużenie
- Ponad tysiąc sześćset przypadków zakończyło się odebraniem dzieci z rodzin przez opiekę zastępczą
- Holenderski organ ochrony danych ukarał administrację skarbową grzywną za bezprawne przetwarzanie danych o narodowości
W maju 2022 roku holenderski rząd oficjalnie przyznał, że u podstaw skandalu leżał rasizm instytucjonalny w części administracji skarbowej. Wcześniej, w styczniu 2021 roku, cały rząd premiera Marka Ruttego podał się do dymisji. Był to prawdopodobnie pierwszy gabinet w historii obalony przez algorytm.
Lekcja z Hagi nie brzmi „nie używajcie AI w podatkach”. Brzmi raczej tak: system, który automatycznie karze, a nie tylko podpowiada, w połączeniu z niejawnością i brakiem realnej ludzkiej kontroli, potrafi krzywdzić na skalę przemysłową, latami i bez korekty. Holandia nie miała złych intencji. Miała złą architekturę.
Wysoka skuteczność może być złudzeniem optycznym
Ponad 90 procent trafień brzmi jak twardy dowód jakości typowania. Warto jednak rozumieć, co ta liczba naprawdę mierzy, a czego nie. Mierzy odsetek kontroli, które wykryły nieprawidłowość. Nie mówi nic o dwóch sprawach ważniejszych: ilu oszustów system w ogóle nie zauważył i ilu uczciwych przedsiębiorców oznaczył, choć do kontroli ostatecznie nie doszło.
Jest tu jeszcze subtelniejszy mechanizm, znany badaczom jako pętla sprzężenia zwrotnego. Model uczy się na wynikach kontroli, ale kontrolowani są ci, których sam wcześniej wytypował. Jeśli algorytm z jakiegoś powodu częściej wskazuje określony typ firm, to właśnie tam znajdowane będą nieprawidłowości, co utwierdzi go w jego preferencjach. Branże poza jego podejrzeniami pozostają niezbadane, więc statystyka nigdy nie pokaże, że system się myli. Wysoka skuteczność i systematyczna ślepota potrafią współistnieć bezkonfliktowo.
W Holandii tę pętlę domykał czynnik narodowości. Nie ma powodu zakładać, że polskie modele zawierają podobnie jaskrawe zmienne. Ale nie ma też sposobu, żeby to sprawdzić, i to jest sedno problemu, a nie zawartość konkretnego algorytmu.
Obywatel ma prawa, o których często nie wie
Prawo nie jest wobec tej sytuacji bezradne, choć jego ochrona bywa bardziej teoretyczna niż praktyczna. RODO zakazuje co do zasady decyzji opartych wyłącznie na zautomatyzowanym przetwarzaniu, jeśli wywołują wobec osoby skutki prawne, i przyznaje prawo do żądania ludzkiej interwencji. Trybunał Sprawiedliwości Unii Europejskiej w wyroku dotyczącym niemieckiej wywiadowni gospodarczej SCHUFA z grudnia 2023 roku zinterpretował te przepisy szeroko, uznając, że już samo automatyczne wyliczenie scoringu może być decyzją zautomatyzowaną, jeśli w praktyce przesądza o losie człowieka.
Administracje podatkowe bronią się argumentem, że algorytm jedynie podpowiada, a decyzję podejmuje urzędnik. Formalnie to prawda. Praktycznie, jak pokazała Holandia, człowiek zatwierdzający setki rekomendacji dziennie rzadko którąkolwiek kwestionuje. Nadzór istnieje na papierze, znika w statystyce.
Europejski AI Act tylko częściowo domyka tę lukę. Rozporządzenie obejmuje kategorią wysokiego ryzyka systemy używane przez organy publiczne do oceny świadczeń i wiarygodności kredytowej, ale administracja podatkowa w ścisłym sensie wymyka się prostym klasyfikacjom, a państwa członkowskie mają w tym obszarze spore pole interpretacji.
Co to oznacza dla polskich firm
Dla polskiego przedsiębiorcy to nie jest abstrakcyjny spór akademicki, tylko realne ryzyko operacyjne. Blokada rachunku na 72 godziny, czy tym bardziej przedłużona do trzech miesięcy, oznacza w praktyce brak dostępu do środków na wypłaty, składki ZUS i bieżące zobowiązania wobec kontrahentów.
Kilka rzeczy warto mieć w głowie już dziś:
- STIR obejmuje rachunki firmowe, nie prywatne konta osób fizycznych spoza działalności gospodarczej
- O blokadzie nie informuje ani bank, ani KAS z wyprzedzeniem, więc sprawdzenie statusu rachunku po stronie przedsiębiorcy leży w jego własnym interesie
- Zażalenie na blokadę trzeba złożyć w ciągu 7 dni, skargę do sądu administracyjnego w ciągu 30 dni od decyzji
- Wdrożenie obowiązkowego KSeF od 2026 roku oznacza, że każda faktura trafia do systemu analitycznego niemal natychmiast po wystawieniu
Racjonalną reakcją wielu firm staje się dziś unikanie wszystkiego, co mogłoby wyglądać nietypowo w oczach algorytmu: nagłego wzrostu obrotów, nowego zagranicznego kontrahenta, nietypowej struktury rozliczeń, nawet jeśli operacja jest w pełni legalna. To koszt, którego nie widać w żadnej statystyce budżetowej, ale który realnie hamuje decyzje gospodarcze.
Automatyczna pomyłka kosztuje obywatela więcej niż państwo
Asymetria dotyczy też kosztów błędu. Gdy algorytm słusznie wskaże oszusta, budżet odzyskuje miliony. Gdy pomyli się wobec uczciwej firmy, blokada rachunku na trzy miesiące może oznaczać utratę płynności, kontraktów i zaufania kontrahentów, a w skrajnych przypadkach upadłość, zanim jakikolwiek sąd zdąży rozpatrzyć zażalenie. Dla systemu to statystyczny szum, ułamek procenta fałszywych trafień. Dla konkretnego przedsiębiorcy to całe zawodowe życie.
Skoro koszt pomyłki ponosi niemal wyłącznie obywatel, administracja nie ma naturalnego bodźca, żeby minimalizować błędy ponad poziom, który psuje jej statystyki skuteczności. Bodziec musi więc przyjść z zewnątrz: z prawa, z sądów, z realnych obowiązków odszkodowawczych. Tam, gdzie go nie ma, system optymalizuje ściągalność, a nie sprawiedliwość, bo do tego został zaprojektowany.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska stoi przed własnym testem
Nadchodzące lata będą dla polskiego modelu sprawdzianem. KSeF da administracji wgląd w każdą fakturę w gospodarce, a rozwój narzędzi analitycznych uczyni typowanie jeszcze gęstszym. Pokusa, żeby iść drogą czystej skuteczności, będzie rosła razem z możliwościami technicznymi.
Doświadczenia innych krajów podpowiadają, czego warto żądać. Jawności co do zasady: obywatel powinien wiedzieć, że został wytypowany algorytmicznie i jakie kategorie danych o nim przetworzono, nawet jeśli szczegółowe wagi modelu pozostaną tajne. Realnego, nie rytualnego nadzoru człowieka nad decyzjami dotkliwymi, z blokadą rachunku na czele. Niezależnego audytu modeli pod kątem błędów systematycznych, prowadzonego przez instytucję spoza administracji skarbowej. I szybkiej, realnej ścieżki odszkodowawczej za błędne oznaczenie, bo to ona tworzy bodziec do dbałości o jakość systemu.
Żaden z tych postulatów nie osłabia walki z oszustwami podatkowymi. Wszystkie dotyczą wyłącznie tego, co dzieje się, gdy system się myli. A każdy system statystyczny czasem się myli, z definicji.
Spór nie toczy się więc o to, czy fiskus ma używać algorytmów. Toczy się o to, czy obywatel oznaczony przez maszynę pozostaje obywatelem z prawem do wyjaśnienia i obrony, czy staje się rekordem o podwyższonym wskaźniku ryzyka, wobec którego procedury toczą się już same.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału Wszystko co Najważniejsze z 6 lipca 2026 roku, uzupełnionego danymi z dokumentacji na temat mechanizmu STIR oraz analiz dotyczących holenderskiej afery zasiłkowej (toeslagenaffaire), w tym opracowania Wikipedia oraz The Craft of AI. W researchu wykorzystano również informacje z Ministerstwa Finansów, Komisji Europejskiej, publikacji branżowych dotyczących STIR oraz raportu parlamentarnego komisji Donnera i dokumentu „Ongekend Onrecht”. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę rozwoju regulacji dotyczących AI Act w kontekście administracji podatkowej oraz wdrażania obowiązkowego KSeF w Polsce.
3 komentarze
Wyjaśniam bez czytania- Holandia jest państwem prawa. Wolska jest państwem z gówna.
W Holandii są przepisy. W Wolsce jest wysryw, który, gdyby tworzyła go małpa posadzona na klawiaturze, byłby bardziej jednoznaczny niż jest. W Holandii są sądy. W Wolsce jest kasta nadludzi.
Reasumując- jak masz 10 lat czekać na wyrok idioty, w sprawie która nie jest jednoznaczna bo dwie ustawy sobie przeczą, albo i trzy bo i to nie jest rzadkością, to po prostu stwierdzasz- daj pan mandat i szerokiej drogi.
Pomogłem?
W Polsce kontrole się najskuteczniej tylko Polskie firmy i polskich obywateli. Zagraniczne korporacje mogą robić co chcą a to one głównie mielą nasze pieniądze i wyważą za granice. Obcokrajowcy też mogą kupować nieruchomości bez wykazania skąd legalnie pochodzą ich fundusze – tylko Polaka w Polsce jest chłopem pańszczyźnianym na utrzymaniu polityków i ich wymysłów.
Pingback: 825 mln euro kary dla Ubera. Holenderski urząd: algorytm sam odcinał kierowców od pracy - AIPORT.pl