بخش اول: مقابله با اقتصاد غیررسمی با کمک هوش مصنوعی
پاکستان نمی‌تواند با تحت فشار گذاشتن مکرر افرادی که هم‌اکنون در دیدرس دولت قرار دارند، پایه مالیاتی خود را گسترش دهد. هوش مصنوعی راهکار متفاوتی پیش روی این کشور می‌گذارد: ایجاد یک سامانه ملی ثبت اطلاعات اقتصادی که بتواند میان توانایی پرداخت مالیات و نیاز به حمایت اجتماعی، فعالیت اقتصادی غیررسمی اما قانونی و فعالیت مجرمانه، و مؤدیان مالیاتی و افراد مستحق حمایت اجتماعی تمایز قائل شود.
بحث مالیاتی پاکستان هر سال با پرسشی اشتباه آغاز می‌شود: چند اظهارنامه مالیات بر درآمد ثبت شده است؟ دولت‌ها هر سال افزایش تعداد اظهارنامه‌ها را جشن می‌گیرند، حتی اگر این افزایش به رشد معنادار مالیات پرداخت‌شده منجر نشده باشد. سپس از آغاز طرحی تازه برای ثبت و مستندسازی فعالیت‌های اقتصادی خبر می‌دهند و در نهایت دوباره به همان گروه محدود بازمی‌گردند: حقوق‌بگیران، شرکت‌های ثبت‌شده، واردکنندگان، سپرده‌گذاران بانکی و مصرف‌کنندگانی که از قبل در نظام اطلاعاتی دولت شناسایی شده‌اند.
تا ۱۴ اکتبر ۲۰۲۶، اداره فدرال درآمدهای پاکستان (FBR) تعداد ۶٫۷۱ میلیون اظهارنامه مالیات بر درآمد دریافت کرده بود؛ رقمی که در مقایسه با دوره مشابه سال گذشته ۳۴٫۳۸ درصد افزایش داشت، اما مالیات پرداخت‌شده کمتر از دوره قبل بود. بنابراین، افزایش تعداد اظهارنامه‌ها بیشتر جنبه تشریفاتی دارد. این آمار همچنین ابعاد مشکل تمکین داوطلبانه مالیاتی و فرار و اجتناب مالیاتی در پاکستان را آشکار می‌کند.
بر اساس اطلاعات جمعیتی زنده وب‌سایت Worldometer که در ساعت ۱۰ صبح ۲۳ اکتبر ۲۰۲۶ بررسی شده است، جمعیت پاکستان به ۲۶۰٫۵ میلیون نفر می‌رسید. از این تعداد، حدود ۱۸۰ میلیون نفر در گروه سنی ۱۵ تا ۶۰ سال قرار دارند، اما شمار جمعیت فعال اقتصادی، طبق آمار رسمی، حدود ۹۵ میلیون نفر است. بااین‌حال، آمار نیروی کار به‌دلیل گستردگی اقتصاد غیررسمی و نیز مشکلات گزارش‌دهی و روش‌شناسی، به‌شدت محل مناقشه است؛ موضوعی که آنیل و منیب در پژوهشی از مؤسسه پژوهش‌های سیاستی اسلام‌آباد در اکتبر ۲۰۲۵ نیز به آن پرداخته‌اند.
برآورد می‌شود شمار شاغلان در بخش غیررسمی پاکستان بین ۶۵٫۴ میلیون نفر تا بیش از ۷۰ میلیون نفر باشد. این تخمین بر پایه نیروی کار حدود ۹۵ میلیون نفری کشور و سهم تقریبی ۷۶ تا ۸۰ درصدی بخش غیررسمی از اشتغال به دست آمده است. مجموعه داده‌های بانک مرکزی پاکستان، گالوپ پاکستان و مؤسسه اقتصاد توسعه پاکستان (PIDE) از این برآورد پشتیبانی می‌کنند. در مجموع، در بخش رسمی و غیررسمی، حدود ۳۰ میلیون نفر از محل فعالیت‌های کشاورزی یا غیرکشاورزی درآمد مشمول مالیات دارند؛ بااین‌حال، فقط بخش کوچکی از آنان به‌طور مؤثر در نظام مالیات مستقیم اداره فدرال درآمدها و نهادهای استانی مسئول وصول مالیات بر درآمد کشاورزی ثبت شده‌اند.۱
توضیح این وضعیت صرفاً فرار مالیاتی نیست. اداره آمار پاکستان اعلام کرده است که ۷۲٫۵ درصد اشتغال در بخش‌های غیرکشاورزی به اقتصاد غیررسمی تعلق دارد. این سهم در مناطق روستایی به ۷۶٫۲ درصد و در مناطق شهری به ۶۸٫۵ درصد می‌رسد. آخرین بررسی نیروی کار نیز نشان می‌دهد که شاغلان خوداشتغال بخش بزرگی از نیروی کار غیررسمی را تشکیل می‌دهند. به بیان اقتصادی، فعالیت‌های غیررسمی بخش غالب اقتصاد پاکستان را در بر می‌گیرند.۲
اقتصاد غیررسمی مجموعه‌ای از فعالیت‌های بسیار متفاوت است. خیاطی که در خانه کار می‌کند و دستمزد نقدی می‌گیرد، مکانیکی که کسب‌وکارش را ثبت نکرده، دست‌فروش، نجار، مغازه کوچک خانوادگی، متخصص آزاد و میلیون‌ها فرد خوداشتغال، همگی ممکن است در این بخش فعالیت کنند. فعالیت اقتصادی آنان می‌تواند کاملاً قانونی باشد، هرچند دولت نتواند درآمد، دارایی‌ها، افراد تحت تکفل یا استحقاق آنان برای دریافت حمایت اجتماعی را به‌درستی شناسایی کند.
در سوی دیگر، فعالیت‌هایی مانند آدم‌ربایی با هدف اخاذی، قاچاق، مواد مخدر، باج‌گیری و اخاذی موسوم به «بَتّه»، تجارت کالاهای تقلبی، جابه‌جایی غیرقانونی ارز، پول‌شویی مبتنی بر تجارت، درآمدهای حاصل از فساد و جرایم سازمان‌یافته قرار دارند. این دو نوع اقتصاد را نباید با یکدیگر اشتباه گرفت.
پژوهش‌های ما، که با کتاب پاکستان: از حشیش تا هروئین آغاز شد و با کتاب بعدی، پاکستان: از دام مواد مخدر تا دام بدهی، ادامه یافت، نشان داده‌اند که چگونه مواد مخدر، سلاح، تأمین مالی غیررسمی، قاچاق و حمایت سیاسی، شبکه‌های موازی انباشت ثروت را ایجاد کرده‌اند. مقابله با این اقتصاد مجرمانه به رسمی‌سازی معمول فعالیت‌ها نیاز ندارد؛ بلکه مستلزم شناسایی، ضبط دارایی‌ها، پیگرد قضایی و مختل کردن این شبکه‌هاست.
اقتصاد غیررسمی قانونی به رویکردی کاملاً متفاوت نیاز دارد: فراهم کردن امکان شناسایی فعالیت‌ها، بدون آزار و فشار بر فعالان اقتصادی. این تمایز تا حد زیادی از سیاست‌گذاری مالیاتی کنار گذاشته شده است.
رویکرد همیشگی اداره فدرال درآمدها این بوده است که از هر فعالیتی که می‌تواند ببیند، مالیات بگیرد. مالیات‌های تکلیفی بر تراکنش‌ها و سودهای بانکی، برق، مخابرات، واردات، قراردادها، املاک و بسیاری از معاملات دیگر، پیش از آنکه درآمد واقعی افراد مشخص شود، وصول می‌شوند. در نتیجه، اقتصاد ثبت‌شده با بار فزاینده تمکین مالیاتی روبه‌رو است، درحالی‌که بخش قابل‌توجهی از درآمد واقعی همچنان خارج از ارزیابی مالیاتی باقی می‌ماند.
مطالعه سال ۲۰۲۴ ما در مؤسسه PRIME با عنوان به‌سوی مالیات‌های گسترده، یکسان، کم‌نرخ و قابل‌پیش‌بینی استدلال می‌کند که با احتساب اقتصاد غیررسمی، پایه گسترده اقتصادی مشمول مالیات پاکستان حدود ۵۰۰ تریلیون روپیه است. این مطالعه وجود حدود ۳۰ میلیون نفر با درآمد مشمول مالیات بیش از ۶۰۰ هزار روپیه را برآورد کرد و نشان داد که ترکیب پایه مالیاتی گسترده با نرخ‌های پایین و اجرای معتبر قانون می‌تواند درآمدی بسیار بیشتر از وصولی فعلی ایجاد کند. البته ارقام دقیق باید به‌روز شوند، اما اصل مسئله همچنان پابرجاست: مشکل درآمدی پاکستان کمبود فعالیت اقتصادی نیست، بلکه ناتوانی در شناسایی منصفانه و نظام‌مند آن است.۳
هدف آن است که دولت بتواند تشخیص دهد کدام شهروندان توانایی پرداخت منصفانه مالیات را دارند، کدام کسب‌وکارها باید وارد اقتصاد رسمی شوند، کدام فعالیت‌ها مجرمانه‌اند و کدام خانوارها به‌جای پرداخت مالیات باید از حمایت برخوردار شوند. تفاوت نظارت فراگیر با هوشمندی اقتصادی در همین است.
هوش مصنوعی فرصتی فراهم می‌کند تا این الگو تغییر کند. آنتونی تان در مقاله اخیر خود در نشریه Finance & Development صندوق بین‌المللی پول، به‌درستی بر نکته‌ای اساسی تأکید می‌کند: سیاست‌گذاری هوش مصنوعی در اقتصادهای درحال‌توسعه باید با واقعیت زندگی مردم سازگار باشد، نه با این فرض که همه افراد حقوق‌بگیرند، کارفرمای رسمی دارند، حساب بانکی دارند و ردپای دیجیتال کاملی از فعالیت‌هایشان بر جای می‌گذارند.۴
پاکستان در حال حاضر بخش بزرگی از زیرساخت هویتی لازم برای اتخاذ رویکردی متفاوت را در اختیار دارد. تا پایان سال مالی ۲۰۲۵-۲۰۲۶، این کشور حدود ۱۶۴ میلیون اتصال پهن‌باند داشت که تقریباً ۱۵۹٫۵ میلیون مورد از آن‌ها از طریق شبکه‌های تلفن همراه بود.
تعداد اشتراک‌های مخابراتی در ۳۱ اوت ۲۰۲۶ از ۲۱۰ میلیون مورد گذشت. سیم‌کارت‌های تلفن همراه از طریق اطلاعات زیست‌سنجی به هویت افراد پیوند خورده‌اند و شماره‌های ملی هویت شهروندان (CNIC) نیز آنان را به سازمان ملی ثبت پایگاه داده و ثبت احوال (NADRA) مرتبط می‌کنند. بانک‌ها، سامانه‌های ثبت املاک، سوابق وسایل نقلیه، شرکت‌های خدمات عمومی، کارفرمایان، سامانه‌های گمرکی و برنامه‌های حمایت اجتماعی نیز هرکدام بخشی از اطلاعات اقتصادی را در اختیار دارند.۵
مشکل این است که دولت به‌جای مشاهده روابط اقتصادی، تنها قطعات پراکنده اطلاعات را می‌بیند. راهکار باید ایجاد یک سامانه ملی ثبت اطلاعات اقتصادی باشد که هدف و کارکرد آن از فهرست معمول مؤدیان مالیاتی متمایز است.
می‌توان از هر فرد بزرگسالی که از تلفن همراه ثبت‌شده با احراز هویت زیست‌سنجی استفاده می‌کند، خواست از طریق پیامک، یک درگاه امن تلفن همراه یا وب‌سایت، به چند پرسش ساده پاسخ دهد: آیا از نظر اقتصادی تحت تکفل فرد دیگری هستید؟ اگر چنین است، چه کسی هزینه‌های شما را تأمین می‌کند؟ آیا شاغل هستید؟ اگر بله، کارفرمای خود را معرفی کنید. آیا خوداشتغال هستید؟ در این صورت، حرفه، شغل یا کسب‌وکار خود و در صورت وجود، شماره ثبت یا شناسه مالیاتی آن را اعلام کنید. آیا کارفرما یا صاحب کسب‌وکار هستید؟ آیا بیکار، بازنشسته، دانشجو یا به هر دلیل دیگری خارج از نیروی کار هستید؟
صرف پاسخ دادن به این پرسش‌ها نباید موجب ایجاد تعهد مالیاتی شود. هدف نخست، دسته‌بندی و شناسایی وضعیت اقتصادی است، نه تعیین میزان مالیات. سپس می‌توان پاسخ‌ها را با رعایت تضمین‌های قانونی سخت‌گیرانه با داده‌های موجود دستگاه‌های دولتی تطبیق داد.
هوش مصنوعی می‌تواند ناسازگاری‌ها را شناسایی کند: برای مثال، فردی که خود را کاملاً تحت تکفل دیگری معرفی می‌کند، اما چندین دارایی با ارزش بالا دارد؛ کسب‌وکاری ثبت‌نشده که مبالغ قابل‌توجهی از پرداخت‌های تجاری دریافت می‌کند؛ کارفرمایی که به ده‌ها کارگر دستمزد می‌دهد، درحالی‌که نام آنان در اظهارنامه‌های حقوق و دستمزد دیده نمی‌شود؛ یا خانواری که کمک اجتماعی دریافت می‌کند، با وجود آنکه شاخص‌های اقتصادی آن با شرایط احراز صلاحیت برای دریافت کمک سازگار نیست.
هوش مصنوعی باید موارد مشکوک را علامت‌گذاری کند، اما تصمیم نهایی باید بر عهده مأمور انسانیِ دارای اختیار قانونی باشد. این تضمین ضروری است. هوش مصنوعی می‌تواند در تطبیق اطلاعات، شناسایی ناهنجاری‌ها، انتخاب موارد پرریسک و پیش‌بینی روندها کمک کند، اما نباید مستقلاً درباره مسئولیت قانونی افراد تصمیم بگیرد. هر تصمیم مالیاتی نامساعد باید به یک مأمور انسانی مشخص منتسب باشد، بر شواهدی که در اختیار فرد قرار می‌گیرد تکیه کند و امکان اعتراض به آن وجود داشته باشد.
این سامانه باید در جهت معکوس نیز عمل کند. در حال حاضر، اداره مالیات و نظام حمایت اجتماعی همچون دو حوزه جداگانه اداره می‌شوند، درحالی‌که نباید چنین باشد. اگر خانواری واقعاً توانایی پرداخت مالیات ندارد، همان سابقه اقتصادی تأییدشده‌ای که آن را از شمول مالیات بر درآمد خارج می‌کند، باید به تعیین استحقاق آن برای پوشش درمانی، کمک‌هزینه درآمدی، مستمری، کمک‌هزینه تحصیلی یا دیگر حمایت‌های اجتماعی نیز کمک کند.
در این صورت، دولت دیگر تنها نمی‌پرسد چه کسی را می‌توان مشمول مالیات کرد؛ بلکه می‌تواند بپرسد چه کسی به حمایت نیاز دارد. وضعیت خانوارها در این میان اهمیت اساسی دارد. سرشماری دیجیتال پاکستان در سال ۲۰۲۳ حدود ۳۸٫۳ میلیون خانوار را ثبت کرد و میانگین جمعیت هر خانوار را حدود ۶٫۳ نفر برآورد کرد. ممکن است شمار خانوارها تا اواسط سال ۲۰۲۶ به ۴۵ میلیون رسیده باشد. یک سامانه ملی ثبت اطلاعات اقتصادی که همه خانوارها را پوشش دهد و به شماره‌های ملی بزرگسالان و روابط اقتصادی پیوند بخورد، بسیار سودمندتر از فهرست مالیاتی‌ای خواهد بود که میلیون‌ها اظهارنامه در آن اطلاعات اندکی درباره تعهد واقعی مالیاتی افراد آشکار می‌کند.۶
هدف نهایی باید ترسیم نقشه‌ای اقتصادی از جمعیت بزرگسال باشد، نه الزام مکانیکی همه بزرگسالان به پرداخت مالیات. افراد تحت تکفل، دانشجویان، بیکاران، کسانی که برای تأمین حداقل معاش کار می‌کنند و افرادی که درآمدشان از حد نصاب قانونی پایین‌تر است، دقیقاً به این دلیل باید در سامانه ثبت شوند که بتوان آن‌ها را به‌درستی از شمول مالیات خارج کرد. تفاوت پایگاه داده مالیاتی با سامانه ثبت اطلاعات اقتصادی در همین نکته است.
پیامدهای درآمدی این رویکرد قابل‌توجه است. پژوهش‌های پیشین ما ظرفیت بالقوه وصول مالیات در سطح دولت فدرال و دولت‌های استانی را در صورت اجرای اصلاحات ساختاری جامع، حدود ۳۴ تریلیون روپیه برآورد کرده‌اند. مطالعه مؤسسه PRIME نیز به‌طور جداگانه پایه اقتصادی گسترده‌ای به ارزش حدود ۵۰۰ تریلیون روپیه را مدل‌سازی کرده است.
با رشد اسمی اقتصاد، بهبود کیفیت داده‌ها و گسترش سامانه ثبت اطلاعات اقتصادی، وصول بیش از ۳۵ تریلیون روپیه ذاتاً غیرواقع‌بینانه نیست. اما دستیابی به این هدف از طریق اعمال نرخ‌های بالای کنونی و مختل‌کننده فعالیت اقتصادی بر همان پایه مالیاتی محدود امکان‌پذیر نیست. این هدف به نرخ‌های پایین‌تر و قابل‌پیش‌بینی، حذف معافیت‌های غیرموجه، یکپارچه‌سازی اطلاعات دولت فدرال و استان‌ها و اجرای مؤثر قانون با تمرکز بر توانایی واقعی پرداخت مالیات نیاز دارد.۷
هدف پیشنهادی برای افزایش شمار مؤدیان به بیش از ۳۰ میلیون نفر باید نتیجه شناسایی اقتصادی باشد، نه سهمیه‌ای خودسرانه برای ثبت اظهارنامه. برخی از افراد ثبت‌شده هیچ مالیات بر درآمدی بدهکار نخواهند بود. در مقابل، افرادی که اکنون خارج از جمعیت ثبت‌کنندگان اظهارنامه قرار دارند، ممکن است توانایی قابل‌توجهی برای پرداخت مالیات داشته باشند. هوش مصنوعی می‌تواند این دو گروه را در مقیاسی از یکدیگر متمایز کند که از توان یک دستگاه اداری متکی بر بررسی دستی خارج است.
دلیل دیگری نیز برای فوریت اصلاحات وجود دارد. عفوهای مالیاتی پی‌درپی به شهروندان آموخته‌اند که پنهان‌کاری ممکن است سرانجام پاداش بگیرد. قوانین پیچیده و نرخ‌های بالا، اجتناب مالیاتی را تشویق می‌کنند؛ برخوردهای سرکوبگرانه مردم را به استفاده از پول نقد سوق می‌دهند و ضعف در پیگرد قضایی، از فرار مالیاتی گسترده محافظت می‌کند.
مطالعه مؤسسه PRIME بارها تأکید کرده است که نرخ‌های پایین باید با امکان شناسایی معتبر تخلف و برخورد قاطع با بدهکاران مالیاتی متخلف همراه باشند. ساده‌سازی بدون اجرای قانون شکست می‌خورد و اجرای قانون بدون عدالت، فعالیت‌های بیشتری را به زیرزمین اقتصاد می‌راند.۸
این مجموعه مقالات، اقتصاد غیررسمی را به دو بخش قانونی و غیرقانونی تفکیک خواهد کرد؛ شواهد تاریخی مربوط به مواد مخدر، قاچاق و تأمین مالی زیرزمینی را دوباره بررسی خواهد کرد؛ برآوردی تجربی و به‌روز از شمار افراد دارای درآمد مشمول مالیات ارائه خواهد داد؛ و خواهد سنجید که آیا یک سامانه ثبت اطلاعات اقتصادی مبتنی بر هوش مصنوعی می‌تواند پایه مالیاتی را به بیش از ۳۰ میلیون نفر گسترش دهد و درآمد ترکیبی دولت فدرال و استان‌ها را به بیش از ۳۵ تریلیون روپیه برساند. هدف این نیست که ۳۰ میلیون نفر از اداره فدرال درآمدها بترسند.
هدف آن است که دولت بتواند تشخیص دهد کدام شهروندان توانایی پرداخت منصفانه مالیات را دارند، کدام کسب‌وکارها باید وارد اقتصاد رسمی شوند، کدام فعالیت‌ها مجرمانه‌اند و کدام خانوارها به‌جای پرداخت مالیات باید از حمایت برخوردار شوند. تفاوت نظارت فراگیر با هوشمندی اقتصادی در همین است.
یادداشت‌ها
۱. تمدید مهلت تسلیم اظهارنامه‌ها تا روز ۳۱، روزنامه Dawn، ۱۶ اکتبر ۲۰۲۶. اداره فدرال درآمدها تا ۱۴ اکتبر ۲۰۲۶ تعداد ۶٫۷۱۰ میلیون اظهارنامه دریافت کرده بود؛ این رقم در دوره مشابه سال قبل ۴٫۹۹۳ میلیون بود.
۲. اداره آمار پاکستان، بررسی نیروی کار ۲۰۲۴-۲۰۲۵. این نهاد سهم اشتغال بخش غیررسمی از اشتغال غیرکشاورزی را ۷۲٫۵ درصد گزارش کرده است؛ این سهم در مناطق روستایی ۷۶٫۲ درصد و در مناطق شهری ۶۸٫۵ درصد است.
۳. حُزَیما بخاری و دکتر اکرام‌الحق، به‌سوی مالیات‌های گسترده، یکسان، کم‌نرخ و قابل‌پیش‌بینی، ویرایش سوم، مؤسسه PRIME، ۲۰۲۴؛ به‌ویژه فصل اول، «اقتصاد غیررسمی و زیان‌های مالیاتی»، و فصل هفتم، «شکاف مالیاتی و ظرفیت بالقوه وصول».
۴. آنتونی تان، هوش مصنوعی و اقتصاد غیررسمی، نشریه Finance & Development، صندوق بین‌المللی پول، سپتامبر ۲۰۲۶.
۵. پایگاه پهن‌باند پاکستان، روزنامه Dawn، سپتامبر ۲۰۲۶؛ این گزارش شمار اتصالات پهن‌باند را تا پایان سال مالی ۲۰۲۵-۲۰۲۶ حدود ۱۶۴ میلیون مورد، شامل تقریباً ۱۵۹٫۵ میلیون اتصال داده تلفن همراه، اعلام کرده است. همچنین به شاخص‌های مخابراتی بررسی اقتصادی پاکستان ۲۰۲۵-۲۰۲۶ مراجعه کنید. طبق اطلاعات سازمان مخابرات پاکستان در ۳۱ اوت ۲۰۲۶، شمار کاربران پهن‌باند ۱۶۷ میلیون نفر بود که ۱۶۳ میلیون نفر از آنان کاربر پهن‌باند تلفن همراه بودند.
۶. اداره آمار پاکستان، گزارش ملی سرشماری ۲۰۲۳: حدود ۳۸٫۳ میلیون خانوار و میانگین جمعیت هر خانوار نزدیک به ۶٫۳ نفر.
۷. دکتر اکرام‌الحق، تغییر الگوی سیاست مالیاتی، و حُزَیما بخاری و دکتر اکرام‌الحق، به‌سوی مالیات‌های گسترده، یکسان، کم‌نرخ و قابل‌پیش‌بینی؛ درباره ظرفیت بالقوه مجموع درآمدهای مالیاتی، گسترش پایه مالیاتی و بازسازی نظام اداره مالیات در سطح فدرال و استان‌ها.
۸. حُزَیما بخاری و دکتر اکرام‌الحق، به‌سوی مالیات‌های گسترده، یکسان، کم‌نرخ و قابل‌پیش‌بینی، ویرایش سوم، صفحات ۱۳ تا ۱۹؛ درباره مخالفت با عفوهای مالیاتی مکرر و ضرورت نظام مالیاتی کم‌نرخ همراه با شناسایی مؤثر تخلفات و اجرای قانون.
ادامه دارد.