O novo sistema fiscal da ndia, baseado em dados, usa incentivos personalizados para aumentar a conformidade, recuperando bilhões e reduzindo erros antes da formalização legal em abril de 2026. India's new data-driven tax system uses personalized nudges to boost compliance, recovering billions and reducing errors ahead of legal formalization in April 2026.

A ndia está implementando um sistema fiscal orientado por dados usando "nudges" comportamentais para aumentar a conformidade voluntária, conforme detalhado na Pesquisa Econômica 2025-26. India is implementing a data-driven tax system using behavioral "nudges" to boost voluntary compliance, as detailed in the 2025–26 Economic Survey. O framework NUDGE analisa dados em tempo real para identificar erros – como deduções infladas, renda estrangeira não declarada ou registros TDS incorretos – e envia alertas personalizados aos contribuintes, incentivando correções antes da aplicação. The NUDGE framework analyzes real-time data to identify errors—such as inflated deductions, unreported foreign income, or incorrect TDS filings—and sends personalized alerts to taxpayers, encouraging corrections before enforcement. Esta abordagem proativa levou a resultados significativos: mais de 8.500 declarações de TDS revisadas, ₹ 4.825 crore recuperados, ₹ 29.000 crore em ativos estrangeiros declarados e ₹ 2.050 crore em deduções falsas reduzidas. This proactive approach has led to significant results: over 8,500 TDS returns revised, ₹4,825 crore recovered, ₹29,000 crore in foreign assets declared, and ₹2,050 crore in false deductions reduced. O sistema, que deve ser formalizado em lei até abril de 2026, visa reduzir litígios, reduzir custos de conformidade e construir confiança, priorizando orientação sobre penalidades. The system, set to be formalized in law by April 2026, aims to reduce litigation, lower compliance costs, and build trust by prioritizing guidance over penalties. No entanto, as preocupações permanecem sobre a transparência, privacidade e o risco de viés algorítmico. However, concerns remain over transparency, privacy, and the risk of algorithmic bias.