JAKARTA – Upaya pencegahan penghindaran dan/atau penggelapan pajak di Indonesia memasuki babak baru dengan adopsi sistem kecerdasan buatan, Artificial Intelligence Compliance Ecosystem (AICEco). Sistem ini terbukti mampu mengidentifikasi secara dini skema rekayasa keuangan yang sangat canggih, seperti transaksi back-to-back loan scheme transaction, yang dirancang untuk menghilangkan status objek pajak pada penghasilan.

Skema Rekayasa Keuangan: Mengubah Pendapatan Menjadi Utang
Skema penghindaran pajak yang menjadi target utama AICEco adalah praktik re-characterization scheme dan re-classification scheme. Dalam skema ini, Wajib Pajak (WP) berupaya menyamarkan uang yang seharusnya dicatat sebagai Revenue (Penghasilan, yang merupakan objek pajak) dan memindahkannya melalui serangkaian transaksi pinjaman fiktif (back-to-back loan) menjadi bentuk pencairan utang (Liabilities). Karena uang hasil pencairan utang bukan merupakan objek pajak, WP secara efektif meloloskan diri dari kewajiban pemajakan. Inti dari skema ini adalah memanipulasi posisi neraca dan laba rugi, sehingga terjadi ketidakwajaran dalam aliran dana tunai, meskipun pembukuan akuntansi konvensional terlihat seimbang.

AICEco: Forensik Matematika Melawan Manipulasi
AICEco, yang berfondasi pada kerangka analitik Ismuhadi Equation (IE), menggunakan dua pilar persamaan akuntansi yang diformulasi ulang untuk tujuan perpajakan: Tax Accounting Equation (TAE) dan Mathematical Accounting Equation (MAE).

1. Kerangka Analisis Kunci
   AICEco menggunakan prinsip Tax Accounting Equation (TAE): Revenue = Expenses + Assets – Liabilities.

Dalam kondisi normal, kenaikan Assets (kas/bank) harus didorong oleh kenaikan Revenue (Penghasilan) atau Liabilities (Utang) yang sah.

2. Mekanisme Deteksi
   AICEco mendeteksi anomali pada skema back-to-back loan dengan mencari ketidaksesuaian matematis:

• Penyimpangan Re-classification: WP meningkatkan Assets (penerimaan uang) dan Liabilities (klaim utang) secara simultan, sambil menekan angka Revenue di bawah batas wajar.
• Analisis Disproporsional: AICEco, didukung oleh MAE, akan menganalisis semua unsur akuntansi (termasuk Equity dan Dividend) untuk mengukur tingkat keparahan anomali. Jika kenaikan Assets secara riil tidak sejalan dengan kemampuan operasional dan sumber pendanaan yang sah (terdeteksi melalui Discrepancy Index of Tax Accounting Equation – DI_TAE dan Discrepancy Index of Mathematical Accounting Equation – DI_MAE), sistem akan menyimpulkan bahwa telah terjadi re-characterization dana.
• AICEco memberikan skor risiko yang tinggi, menandakan bahwa uang yang diklaim sebagai pencairan utang (non-objek pajak) sejatinya adalah Penghasilan yang Tersembunyi (objek pajak) yang digelapkan.
  Inovasi ini memungkinkan otoritas pajak untuk secara prediktif menargetkan Wajib Pajak berisiko tinggi sebelum kerugian penerimaan negara menjadi permanen, secara signifikan memperkuat Compliance Risk Management (CRM) dalam sistem perpajakan nasional.

Reporter: Marshanda Gita – Pertapsi Muda