“Cục Thuế Ấn Độ ban hành Quy trình về kiểm tra báo cáo GST cho năm tài chính 2020 trở đi; DGARM xác định các trường hợp cần kiểm tra”

Ủy ban Trung ương về Thuế gián thu và Hải quan (CBIC) của Ấn Độ vừa ban hành một quy trình vận hành tiêu chuẩn (SoP) để kiểm tra thuế GST cho năm tài chính 2019-20 trở đi. SoP này sẽ giúp đơn vị phân tích xác định các khoản hoàn trả để xem xét kỹ lưỡng tùy thuộc vào các thông số rủi ro khác nhau. Theo SoP, việc lựa chọn lợi nhuận để xem xét kỹ lưỡng sẽ do Tổng cục Phân tích và Quản lý Rủi ro (DGARM) thực hiện dựa trên các thông số rủi ro khác nhau do họ xác định. Điều này sẽ giúp tăng tính thống nhất và nhất quán trong việc giám sát các tờ khai do người nộp thuế nộp.
CBIC đã ban hành một quy trình vận hành tiêu chuẩn (SoP) để xem xét kỹ lưỡng các khoản hoàn trả GST cho năm tài chính 2019-20 trở đi, trong đó đơn vị phân tích sẽ xác định các khoản hoàn trả để xem xét kỹ lưỡng tùy thuộc vào các thông số rủi ro khác nhau.
Theo SoP, việc lựa chọn lợi nhuận để xem xét kỹ lưỡng sẽ do Tổng cục Phân tích và Quản lý Rủi ro (DGARM) thực hiện dựa trên các thông số rủi ro khác nhau do họ xác định. DGARM sẽ chọn GSTIN đã đăng ký với cơ quan Thuế Trung ương và thông tin chi tiết về GSTIN đã chọn sẽ hiển thị trên bảng điều khiển kiểm tra của nhân viên Thuế Trung tâm có liên quan trên ứng dụng ACES-GST.
”Chi tiết về các tham số rủi ro, liên quan đến rủi ro đã xác định đối với một GSTIN cụ thể và số tiền thuế/sự khác biệt liên quan đến tham số rủi ro có liên quan (nghĩa là các tác động về doanh thu có thể xảy ra), cũng sẽ được hiển thị trên bảng điều khiển thẩm định của sĩ quan để thuận tiện cho họ. , SoP nói. Đầu tháng này, Ủy ban Trung ương về Thuế gián thu và Hải quan (CBIC) đã ra mắt một mô-đun để kiểm tra tự động các tờ khai thuế GST. Mô-đun này cho phép cán bộ thuế tiến hành nghiên cứu về tờ khai thuế GST cho người nộp thuế do Trung ương quản lý được lựa chọn dựa trên phân tích dữ liệu và rủi ro do Hệ thống xác định.
SoP nói thêm rằng vì dữ liệu có sẵn trên bảng điều khiển đã được tạo tại một thời điểm cụ thể để tính toán các tham số rủi ro, nên dữ liệu này có thể trải qua các thay đổi tại thời điểm kiểm tra lại, do sự tuân thủ sau đó của người nộp thuế hoặc bởi các nhà cung cấp của người nộp thuế . Do đó, các quan chức thuế liên quan nên dựa vào dữ liệu mới nhất hiện có, ông nói thêm.
Cán bộ thuế trung ương có liên quan phải tiến hành kiểm tra các tờ khai liên quan đến ít nhất 4 GSTIN mỗi tháng, bao gồm việc kiểm tra tất cả các tờ khai liên quan đến năm tài chính mà GSTIN đã được chọn để kiểm tra.
“Càng nhiều càng tốt, việc kiểm tra lợi nhuận phải có sự giao tiếp tối thiểu giữa nhân viên thích hợp và người đã đăng ký và thông thường không cần lấy tài liệu/hồ sơ từ người đã đăng ký trước khi ban hành Mẫu GST ASMT-10,” nó nói thêm.
GST ASMT-10 là một thông báo kiểm tra sẽ được nhân viên thuế gửi cho người nhận.
Khi nhận được thông báo như vậy trong GST ASMT-10 trên cổng thông tin chung, người đã đăng ký có thể chấp nhận sự khác biệt được đề cập trong thông báo và trả tiền thuế, tiền lãi và bất kỳ số tiền nào khác phát sinh từ sự khác biệt đó và thông báo như vậy hoặc có thể cung cấp giải thích về sự khác biệt trong Biểu mẫu GST ASMT-11, thông qua cổng thông tin chung, cho viên chức thích hợp trong khoảng thời gian quy định là 30 ngày, SoP cho biết thêm.
Abhishek Jain, Đối tác & Giám đốc quốc gia – Thuế gián thu, KPMG tại Ấn Độ cho biết SOP này sẽ mang lại một phương pháp thống nhất và nhất quán cho các cơ quan chức năng để tiến hành giám sát các tờ khai do người nộp thuế nộp. Lúc này doanh nghiệp nên chủ động thực hiện và đưa ra những điều chỉnh cần thiết kèm theo lý do/hồ sơ nguyên vẹn để chứng minh sự khác biệt.
Đối tác cấp cao của AMRG & Associates, Rajat Mohan, cho biết DG Systems đã phát triển chức năng “Kiểm tra hàng trả lại” và điều này sẽ tăng cường hơn nữa nỗ lực của bộ trong việc tận dụng công nghệ và các công cụ dựa trên rủi ro để thúc đẩy việc tự tuân thủ và tiến hành giám sát hàng trả lại với sự tương tác tối thiểu của con người. Điều này sẽ ngăn ngừa các lỗi văn thư và xác định các yếu tố vô trách nhiệm trong chuỗi cung ứng bằng cách sử dụng dữ liệu khổng lồ có sẵn.