Rijksmap

Rijksmap › Ministerie van Financiën › Belastingdienst › rapport

Datagedreven selectie van aangiften door de Belastingdienst

2019-06-11 · Algemene Rekenkamer · standaard ISSAI · Overige onderzoeksopdrachten

Open het rapport bij de bron Toon dit rapport in de interactieve Rijksmap

Waar gaat dit rapport over?

Officiële omschrijving

De Belastingdienst kan niet alle aangiften controleren. De Belastingdienst gebruikt data om geautomatiseerd vast te stellen bij welke belastingaangiften de risico’s op fouten het grootst zijn, zodat een belastinginspecteur de aangifte kan... Belastingdienst boekt resultaten met controle via risicomodellen De Algemene Rekenkamer onderzocht twee risicomodellen in de praktijk. Bij het relatief eenvoudige model over btw-teruggave aan ondernemers worden meer fouten ontdekt. De trefkans stijgt van 17% naar 34% van de onderzochte aangiften. Hier is een extra belastingopbrengst van circa € 60 miljoen per jaar mee gemoeid. Het risicomodel dat gebruikt wordt bij de inkomstenbelasting van particulieren blijkt minder goed te werken, omdat dit model geen concrete aanwijzingen geeft waar de fout in de aangifte te vinden is. De inspecteur moet dan alsnog de hele aangifte handmatig controleren. Datagedreven eerste controle van aangiften De risicomodellen zorgen ervoor dat de aangiften met de hoogste kans op fouten worden geselecteerd voor handmatige controle. Hoeveel aangiften gecontroleerd worden is echter afhankelijk van de beschikbare behandelcapaciteit. De Belastingdienst investeert volop in een ‘datagedreven’ eerste controle van aangiften via geautomatiseerde modellen. Op jaarbasis signaleert de Belastingdienst circa 1 miljoen meldingen van mogelijke fouten in de aangiften, terwijl er daarvan uiteindelijk 350.000 door een belastinginspecteur nader bekeken kunnen worden. De beschikbare [...]

Risicothema's

Digitale disruptie, nieuwe technologie en AIGovernance en verslaggevingCybersecurity en gegevensbeveiliging

Waarom deze indeling: De kern is het gebruik van datagedreven risicomodellen en algoritmes bij de handhaving en de ethische risico's zoals profilering en proxies (Digitaal & AI). Het ontbreken van een rijksbreed normenkader en de rol van het management raken Governance. De informatiebeveiliging, autorisaties en het aanvankelijk mogelijke mailen van bestanden buiten de Belastingdienst rechtvaardigen Cyber & data.

Toegekend met een AI-model (Opus 4.8) op basis van de zestien thema's van Risk in Focus; niet door mensen gevalideerd. Om de labels beter te onderbouwen gaan we ze gefaseerd herbeoordelen met een tweede, onafhankelijk model van een andere aanbieder (OpenAI naast Anthropic); vanwege tokenlimieten gebeurt dat stapsgewijs. Ziet u een fout? Laat het weten.

Waar hoort dit rapport bij?

Ministerie
Ministerie van Financiën
Organisatieonderdeel
Belastingdienst
Onderdeel volgens het rapport
directoraat-generaal Belastingdienst
Bron
Algemene Rekenkamer
Toegepaste standaard
ISSAI
Datum
2019-06-11

Bronnen

Het rapport zelf
originele publicatie
Omschrijving
officiële omschrijving, overgenomen van de publicatiepagina
Risicolabels
toegekend met een AI-model (Opus 4.8) volgens de zestien thema's van Risk in Focus (ECIIA), niet door mensen gevalideerd
Indeling bij een onderdeel
rapportreview van de Rijksmap, op basis van de organisatie die in het rapport wordt genoemd
Bijgewerkt
augustus 2026

Andere rapporten over Belastingdienst

Alle openbaar bekende rapporten over Belastingdienst