افزایش شفافیت و عدالت مالیاتی از طریق ترکیب فناوری‌های بلاک‌چین و هوش مصنوعی در نظام مالیاتی هوشمند

جهانی, نیما; عرفانی, علیرضا

افزایش شفافیت و عدالت مالیاتی از طریق ترکیب فناوری‌های بلاک‌چین و هوش مصنوعی در نظام مالیاتی هوشمند

نوع مقاله : مقاله پژوهشی

نویسندگان

نیما جهانی ¹

علیرضا عرفانی ²

¹ دانشجوی دکتری اقتصاد پولی، دانشگاه سمنان، سمنان، ایران

² استاد، گروه آموزشی اقتصاد، دانشگاه سمنان، سمنان، ایران

چکیده

نظام‌های مالیاتی سنتی با چالش‌هایی مانند فرار مالیاتی، عدم شفافیت و ناکارایی در فرآیندهای وصول مواجه بوده‌اند. این پژوهش با ارائه یک چارچوب نوآورانه به نام TAF (ترکیب فناوری‌های بلاک‌چین و هوش مصنوعی)، راهکاری برای تحول دیجیتال نظام مالیاتی ایران ارائه میدهد. در این مطالعه، با تحلیل تجربیات موفق جهانی (مانند استونی و سنگاپور) و مطالعات موردی داخلی (طرح صورتحساب الکترونیکی)، اثربخشی فناوری‌های نوین در افزایش شفافیت و عدالت مالیاتی بررسی شده است. چارچوب پیشنهادی در سه لایه فنی (ثبت غیرمتمرکز تراکنش‌ها با بلاک‌چین، تشخیص ناهنجاری‌ها با الگوریتم‌های هوش مصنوعی، و پلتفرم کاربردی برای مودیان) و یک لایه حاکمیتی طراحی گردید. یافته‌ها نشان میدهد که پیاده‌سازی این مدل می‌تواند تا ۳۵٪ فرار مالیاتی را طی سه سال کاهش دهد و زمان پردازش اظهارنامه‌ها را تا ۷۰٪ کاهش دهد. همچنین مطالعه موردی در استان تهران نشان داد که درآمد مالیاتی ۱۸٪ افزایش خواهد یافت. این نتایج نشان میدهد که ترکیب فناوری‌های نوین، نه‌تنها یک ضرورت فنی، بلکه گامی اساسی به سوی تحقق عدالت مالیاتی و ارتقاء حکمرانی دیجیتال در ایران است.

کلیدواژه‌ها

بلاک‌چین

هوش مصنوعی

عدالت مالیاتی

شفافیت

ایران

تحول دیجیتال

20.1001.1.27171809.1404.6.3.1.9

موضوعات

بودجه

عنوان مقاله English

Enhancing Tax Transparency and Justice through the Integration of Blockchain and Artificial Intelligence in Smart Tax Systems

نویسندگان English

nima jahani ¹

alireza erfani ²

¹ PhD Student in Monetary Economics, Semnan University, Semnan, Iran

² Professor, Department of Economics, Semnan University, Semnan, Iran

چکیده English

Traditional tax systems face persistent challenges such as tax evasion, lack of transparency, and inefficiencies in revenue collection processes. This study proposes an innovative framework, named TAF (Transparency, Accountability, Fairness), which integrates blockchain and artificial intelligence technologies to facilitate the digital transformation of Iran’s tax system. Drawing on successful global experiences—such as those of Estonia and Singapore—and domestic case studies like the e-invoice implementation plan, the research investigates the effectiveness of advanced technologies in enhancing transparency and tax equity. The proposed framework is structured across three technical layers: decentralized transaction recording using blockchain, anomaly detection through AI algorithms, and an integrated user platform for taxpayers and tax authorities. An additional governance layer supports institutional alignment. Findings suggest that implementing the TAF model could reduce tax evasion by up to 35% within three years and shorten tax declaration processing time by 70%. A case study in Tehran province also showed an 18% increase in tax revenue. These results underscore that leveraging emerging technologies is not merely a technical necessity but a vital step toward achieving tax justice and advancing digital governance in Iran.

کلیدواژه‌ها English

Blockchain

Artificial Intelligence

Tax Justice

Transparency

Iran

Digital Transformation

Alnegheimish, S. (2025, May 28). An anomaly detection framework anyone can use. MIT News. Retrieved from https://news.mit.edu/2025/anomaly-detection-framework-anyone-can-use-sarah-alnegheimish-0528

Atkinson, A. B. (2015). Inequality: What can be done? Harvard University Press.

Casey, M. J., & Vigna, P. (2018). The truth machine: The blockchain and the future of everything. St. Martin’s Press.

European Commission. (n.d.). Directive on administrative cooperation (DAC). Retrieved from https://taxation-customs.ec.europa.eu/taxation/tax-transparency-cooperation/administrative-co-operation-and-mutual-assistance/directive-administrative-cooperation-dac_en

Iranian National Tax Administration. (2023). Report on the implementation of the smart tax pilot project in Alborz Province. Office of Tax Technologies. [In Persian]

Janssen, M., Matheus, R., Longo, J., & Weerakkody, V. (2017). Big data for policymaking: Challenges and opportunities. Government Information Quarterly, 34(3), 396–403. https://doi.org/10.1016/j.giq.2017.01.001

Karimi, F., Rezaei, M., & Abbasi, Sh. (2020). Investigating the impact of information technology on improving tax audit processes. Strategic Economic Development Quarterly, 11(2), 83–102. [In Persian]

Kettunen, P., & Kallio, J. (2021). Digital transformation of local public administration: A systematic review. Government Information Quarterly, 38(1), 101561. https://doi.org/10.1016/j.giq.2020.101561

Kouhizadeh, M., & Sarkis, J. (2018). Blockchain practices, potentials, and challenges in green supply chain management. Technological Forecasting and Social Change, 137, 83–98. https://doi.org/10.1016/j.techfore.2017.12.020

Mousavi, A., & Soltani, M. (2021). Application of machine learning algorithms in classifying tax risk. Tax Research Journal, 18(4), 55–78. [In Persian]

National Tax Service of Korea. (n.d.). National Tax Service. Retrieved from https://b.nts.go.kr/english/main.do

Nouri, S., & Mohseni, F. (2022). Designing an expert system to identify taxpayers suspected of tax evasion. Journal of Digital Economy Studies, 3(1), 31–50. [In Persian]

Organisation for Economic Co-operation and Development (OECD). (2024). Bringing Tax Transparency to Crypto-Assets – An Update. OECD Publishing. Retrieved from https://www.oecd.org/en/publications/2024/07/bringing-tax-transparency-to-crypto-assets-an-update_fa222834.html

PwC. (n.d.). DAC 7: The new digital platform reporting rules. Retrieved from https://www.pwc.com/mt/en/publications/tax-legal/dac7-the-new-digital-platform-reporting-rules.html

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Tapscott, D., & Tapscott, A. (2016). Blockchain revolution: How the technology behind Bitcoin is changing money, business, and the world. Penguin.

Tanzi, V. (2017). The economics of government: Complexity and the practice of public finance. Oxford University Press.

United Nations. (2020). E-Government Survey 2020: Digital government in the decade of action for sustainable development. United Nations Department of Economic and Social Affairs. https://publicadministration.un.org/egovkb

Wamba-Taguimdje, S.-L., Fosso Wamba, S., Kala Kamdjoug, J. R., & Tchatchouang Wanko, C. E. (2020). Influence of artificial intelligence (AI) on firm performance: The business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893–1924. https://doi.org/10.1108/BPMJ-10-2019-0412

Wang, Y., Han, J., & Beynon-Davies, P. (2020). Understanding blockchain technology for future supply chains: A systematic literature review and research agenda. Supply Chain Management: An International Journal, 24(1), 62–84. https://doi.org/10.1108/SCM-03-2018-0148

Yeung, K. (2018). Algorithmic regulation: A critical interrogation. Regulation & Governance, 12(4), 505–523. https://doi.org/10.1111/rego.12160

Ghorbanpour Qaragheshlaghi, M., Zinali, M., & Pourkarim, Y. (2024). Examining the dimensions and benefits of issuing smart sukuk using blockchain technology in Iran’s capital market. Budget and Finance Strategic Research Journal, 5(4), 121–151. Retrieved fromhttps://fbarj.ihu.ac.ir/article_209620.html

Shahbazi, N., & Barkhordari, S. (2025). Optimization of a portfolio including selected Tehran Stock Exchange equities and cryptocurrencies. Budget and Finance Strategic Research Journal, 6(2), 11–35. https://doi.org/10.47176/fbarj.2025.1426

Zandi, A. (2025). The effect of stock price bubble level on the relationship between corporate digital transformation and stock crash risk. Budget and Finance Strategic Research Journal, 6(1), 135–158. https://doi.org/10.47176/fbarj.2025.1401