Интеграция искусственного интеллекта в систему управления государственными финансами открывает принципиально новые возможности для пополнения доходной части региональных и местных бюджетов, трансформируя традиционный налоговые администрирования в высокоточный аналитический процесс. На сегодняшний день ИИ-решения в фискальной сфере позволяют не просто фиксировать факты неуплаты, но и превентивно выявлять зоны риска, что критически важно для таких субъектов, как Республика Коми, где бюджет во многом зависит от эффективности работы крупных промышленных узлов и прозрачности распределения фонда оплаты труда.

Одним из наиболее результативных направлений цифровизации стало использование нейросетей для анализа «больших данных» (Big Data) в целях борьбы с теневым сектором экономики. Алгоритмы способны в режиме реального времени сопоставлять косвенные показатели экономической активности предприятий — от потребления электроэнергии и объемов закупаемого сырья до данных контрольно-кассовой техники — с официально декларируемой прибылью. Это позволяет выявлять расхождения, которые могут свидетельствовать о занижении налоговой базы. Например, если выручка предприятия, зафиксированная через онлайн-кассы, стабильно растет, а налог на прибыль, распределяемый в пропорции 8% в федеральный и 17% в региональный бюджеты, остается на прежнем уровне, система автоматически формирует сигнал для проведения адресной проверки. По экспертным оценкам, внедрение таких аналитических модулей способно повысить собираемость налогов в регионах на 10–15% без введения новых фискальных обременений.

Особое значение ИИ имеет для мониторинга чистоты выплат заработной платы, что напрямую влияет на поступления НДФЛ — ключевого источника доходов для муниципалитетов. Как подчеркивает к.э.н., доцент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Оксана Сагина, искусственный интеллект анализирует средние зарплатные показатели по отраслям с учетом региональных особенностей, таких как районные коэффициенты (от 1,2 в Сыктывкаре до 1,6 в Воркуте) и северные надбавки. Если компания выплачивает сотрудникам суммы ниже рыночного минимума или установленного МРОТ с учетом всех «северных» доплат, ИИ идентифицирует это как потенциальную схему «серых» зарплат. Учитывая, что даже при базовом расчете налога с ФОТ в 110 миллионов рублей в год, местный бюджет должен получать свои 15% доли НДФЛ, любая недоимка в этом секторе существенно тормозит развитие городской инфраструктуры и социальных программ.

Кроме того, по словам к.э.н., доцента, заведующей кафедрой «Государственное и муниципальное управление» Финансового университета при Правительстве Ольги Паниной, технологии машинного зрения и анализ спутниковых снимков с помощью ИИ становятся незаменимыми для актуализации баз данных по имущественным и земельным налогам. Системы в автоматическом режиме сравнивают данные кадастрового учета с реальной ситуацией на местности, выявляя незарегистрированные строения или использование земель не по целевому назначению. Для обширных территорий Республики Коми такая автоматизация заменяет тысячи часов ручного труда инспекторов, позволяя вовлекать в налоговый оборот ранее скрытые объекты недвижимости. Таким образом, цифровизация финансового сектора через портал «Цифровой регион» создает прозрачную и справедливую среду, где технологическое превосходство государства конвертируется в новые школы, дороги и качественные социальные услуги для жителей каждого региона.