شکستن قفل «حکمرانی داده» در ایران؛ چرا وعده سازمان مالیاتی یک «انقلاب خاموش» است؟


به گزارش خبرنگار اجتماعی خبرگزاری تسنیم، سال‌هاست که عبارت «حکمرانی داده» (Data Governance) در اسناد بالادستی، همایش‌های فناورانه و جلسات مدیریتی کشور تکرار می‌شود، اما در عمل، آنچه شاهد بوده‌ایم تشکیل «جزایر داده‌ای» و حبس اطلاعات در دستگاه‌های دولتی بوده است. همواره به بهانه امنیت و محرمانگی، جریان خون حیاتی اقتصاد دیجیتال، یعنی «داده»، قطع شده بود.

اما امروز، خبری از ساختمان سازمان امور مالیاتی مخابره شد که می‌تواند نقطه عطفی در تاریخ اقتصاد دانش‌بنیان کشور باشد. محمد قانع‌پسند فومنی؛ معاون فناوری سازمان امور مالیاتی، در نشست مشترک با معاونت علمی ریاست جمهوری، جمله‌ای را بر زبان آورد که اکوسیستم نوآوری سال‌ها منتظر شنیدن آن بود:

“آمادگی داریم یکی از بزرگ‌ترین انبارهای داده کشور را به شرط گمنام‌سازی و رفع دغدغه‌های امنیتی برای شرکت‌های فناور آزاد کنیم”.

این گزارش به بررسی این موضوع می‌پردازد که چرا این حرکت، یک اقدام معمولی نیست و چرا کل ساختار حاکمیتی کشور باید از الگوی «سازمان مالیاتی» تبعیت کند.

 1. تغییر پارادایم: از «حبس داده» به «داده باز» (Open Data)

تا پیش از این، پیش‌فرض ذهنی مدیران دولتی بر «عدم انتشار» بود مگر آنکه خلافش ثابت شود. سازمان‌ها داده‌ها را ملک شخصی خود می‌پنداشتند. اما موضع امروز معاون فناوری سازمان امور مالیاتی نشان‌دهنده یک بلوغ مدیریتی است.

نکته کلیدی در صحبت‌های امروز، پذیرش «راه‌حل فنی برای دغدغه امنیتی» است. تا دیروز، امنیت بهانه‌ای برای عدم انتشار بود؛ امروز اما امنیت یک «پروتکل» است که باید توسط معاونت علمی پیاده‌سازی شود (گمنام‌سازی یا Anonymization) تا داده آزاد شود. این یعنی تغییر رویکرد از «پاک کردن صورت‌مسئله» به «حل مسئله».

2. چرا دیتابیس مالیاتی «طلا»ی اقتصاد دیجیتال است؟

شاید بپرسید چرا داده‌های مالیاتی تا این حد اهمیت دارند؟ دیتابیس سازمان امور مالیاتی صرفاً مجموعه‌ای از اعداد و ارقام نیست؛ بلکه «تصویر تمام‌قد اقتصاد ایران» است.

این انبار داده که به گفته مسئولین از سال 1399 به بلوغ رسیده، شامل موارد زیر است:

رفتار تراکنشی کسب‌وکارها: زنجیره‌های تأمین چگونه کار می‌کنند؟
ارزش‌گذاری املاک و دارایی‌ها: نبض بازار مسکن و مستغلات.
پروفایل اقتصادی مودیان: الگوهای درآمدی و هزینه‌ای اصناف مختلف.

و …..

آزادسازی این داده‌ها (به صورت گمنام و تجمیعی) می‌تواند منجر به خلق ده‌ها مدل کسب‌وکار جدید در حوزه‌های فین‌تک (FinTech)، پراپ‌تک (PropTech) و تحلیل بازار و …. شود که پیش از این به دلیل فقر داده، امکان‌پذیر نبود.

3. داده؛ سوخت موشک هوش مصنوعی (AI)

ما در عصری زندگی می‌کنیم که هوش مصنوعی دیگر یک کالای لوکس نیست، بلکه یک ضرورت بقاست. اما هوش مصنوعی بدون داده، مانند موتور بدون سوخت است.

بزرگترین ضعف شرکت‌های هوش مصنوعی در ایران، عدم دسترسی به داده‌های واقعی و بومی (Local Data) است. ما الگوریتم‌ها را داریم، اما داده‌ها را خیر.

مدل‌های پیش‌بینی اقتصادی: با داشتن داده‌های مالیاتی، هوش مصنوعی می‌تواند تورم، رکود یا رونق در بخش‌های خاصی از بازار را با دقتی باورنکردنی پیش‌بینی کند.

کشف تقلب و فرار مالیاتی: خود شرکت‌های دانش‌بنیان با دسترسی به این داده‌ها می‌توانند الگوریتم‌هایی توسعه دهند که به کمک دولت بیاید (بازی برد-برد).

اقدام سازمان مالیاتی دقیقاً همان حلقه‌ی مفقوده‌ای است که می‌تواند هوش مصنوعی را از سطح «چت‌بات‌های ساده» به سطح «تصمیم‌سازان کلان اقتصادی» ارتقا دهد.

4. الگویی برای سایر دستگاه‌ها: پایان دوران ملوک‌الطوایفی داده‌ها

این حرکت سازمان امور مالیاتی باید به یک «مطالبه ملی» تبدیل شود. اگر سازمان مالیاتی که حساس‌ترین داده‌های اقتصادی مردم را در اختیار دارد، می‌تواند با پروتکل‌های گمنام‌سازی (Data Anonymization) راه را برای انتشار داده باز کند، چرا سایر دستگاه‌ها نتوانند؟

  • وزارت بهداشت: با انبوهی از داده‌های پرونده الکترونیک سلامت (برای توسعه AI در تشخیص بیماری‌ها).
  • وزارت راه و شهرسازی:با داده‌های ترافیکی و حمل‌ونقل (برای مدیریت هوشمند شهری).
  • بانک مرکزی: با داده‌های کلان پولی و بانکی.
  • و  سایر ارگان و دستگاه‌ها و ….

این دستگاه‌ها دیگر نمی‌توانند پشت سپر «محرمانگی» پنهان شوند. مدل همکاری «سازمان مالیاتی – معاونت علمی» نشان داد که می‌توان با تفکیک «داده‌های هویتی» از «داده‌های تحلیلی»، هم حریم خصوصی را حفظ کرد و هم جریان نوآوری را به راه انداخت.

5. الزامات موفقیت این طرح (هشدارها)

برای اینکه این وعده شیرین به تلخی نگراید، باید چند نکته حیاتی توسط معاونت علمی و سازمان مالیاتی رعایت شود:

1.  استانداردهای سفت‌وسخت گمنام‌سازی: پروتکل‌ها باید به گونه‌ای باشد که تحت هیچ شرایطی با مهندسی معکوس (Reverse Engineering)، هویت افراد یا شرکت‌های خاص فاش نشود.

2.  دسترسی عادلانه: این داده‌ها نباید تبدیل به رانت برای چند شرکت خاص شوند. عبارت «داده باز» به معنای دسترسی برابر برای تمام اکوسیستم نوآوری است.

3.  سندباکس‌های داده (Data Sandboxes): قبل از انتشار عمومی، بهتر است محیط‌های آزمایشی ایجاد شود تا شرکت‌ها در یک محیط ایزوله روی داده‌ها کار کنند.

خبر امروز، تنها یک خبر ساده نبود. این یک سیگنال قوی به جامعه فناوری کشور بود که «دوران حبس داده‌ها» رو به پایان است. سازمان امور مالیاتی با درک صحیح از مفهوم «داده به مثابه سرمایه ملی»، پیشگام مسیری شده است که می‌تواند ایران را در حوزه هوش مصنوعی و اقتصاد داده‌محور، سال‌ها به جلو پرتاب کند.

حالا توپ در زمین معاونت علمی است تا با تدوین سریع و دقیق پروتکل‌های امنیتی، نشان دهد که دولت در هوشمندسازی و حمایت از شرکت‌های دانش‌بنیان، از مرحله «شعار» عبور کرده و به مرحله «عمل» رسیده است.

انتهای پیام/



https://www.tasnimnews.com/fa/news/1404/09/11/3461548/%D8%B4%DA%A9%D8%B3%D8%AA%D9%86-%D9%82%D9%81%D9%84-%D8%AD%DA%A9%D9%85%D8%B1%D8%A7%D9%86%DB%8C-%D8%AF%D8%A7%D8%AF%D9%87-%D8%AF%D8%B1-%D8%A7%DB%8C%D8%B1%D8%A7%D9%86-%DA%86%D8%B1%D8%A7-%D9%88%D8%B9%D8%AF%D9%87-%D8%B3%D8%A7%D8%B2%D9%85%D8%A7%D9%86-%D9%85%D8%A7%D9%84%DB%8C%D8%A7%D8%AA%DB%8C-%DB%8C%DA%A9-%D8%A7%D9%86%D9%82%D9%84%D8%A7%D8%A8-%D8%AE%D8%A7%D9%85%D9%88%D8%B4-%D8%A7%D8%B3%D8%AA”>Source link

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *