مدیریت، آموزش و توسعه در عصر دیجیتال 2 پاییز 1404 1404 07 01 Analysis of Smart Tax System Scenarios and Executive Strategies in Iran تحلیل سناریوهای هوشمندسازی نظام مالیاتی و راهبردهای اجرایی در ایران 1 18 10.61838/medda.214 FA عیسی هاشمی قندعلی گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران. فؤاد مکوندی گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران. رضا رستمی‌نیا گروه حسابداری، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران. وحید چناری گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران عزت الله کیانی گروه مدیریت دولتی، واحد شوشتر، دانشگاه آزاد اسلامی، شوشتر، ایران. Journal Article 1403/11/10 <p>This study aimed to identify potential scenarios for the smart transformation of Iran’s tax system and formulate corresponding executive strategies. This applied research employed a descriptive–survey design in both qualitative and quantitative phases. In the qualitative phase, a meta-synthesis of academic and research papers was conducted, selecting 10 key studies, followed by targeted interviews with 20 experts, including university professors and tax administration managers. In the quantitative phase, the Delphi method was used to refine and validate initially identified factors. Foresight and scenario planning techniques, supported by statistical analysis and specialized software, were applied to screen and confirm 57 components and 11 core indicators. The analysis revealed that smart tax system development in Iran involves scenarios such as digital transformation, strengthening intelligent human resources, applying emerging technologies like artificial intelligence and blockchain, enhancing transparency in tax processes, improving organizational structures, and advancing data and IT infrastructures. Expert consensus on the selected indicators was strong, with Kendall’s coefficient reaching 0.64 in the second Delphi round. The proposed scenarios are expected to increase voluntary tax compliance, reduce administrative and collection costs, improve equitable tax distribution, enable accurate identification of high-risk taxpayers, and strengthen public trust. Implementing a data-driven, stepwise smart tax system can fundamentally transform tax administration in Iran by improving efficiency, transparency, and fairness. Such reform will reduce administrative corruption, enhance sustainable government revenue, promote social justice, and lessen dependence on oil income, contributing significantly to long-term economic stability and growth.</p> <p>این پژوهش با هدف شناسایی سناریوهای محتمل در مسیر هوشمندسازی نظام مالیاتی ایران و تدوین راهبردهای اجرایی متناسب با آن‌ها انجام شد. مطالعه حاضر کاربردی و از نظر روش‌شناسی توصیفی–پیمایشی است که در دو مرحله کیفی و کمی انجام گرفت. در بخش کیفی با استفاده از مرور نظام‌مند و فراترکیب مقالات علمی و پژوهشی، ۱۰ مقاله کلیدی انتخاب و تحلیل محتوایی شد. سپس ۲۰ نفر از خبرگان شامل اساتید دانشگاه و مدیران و مسئولان نظام مالیاتی کشور به‌صورت هدفمند انتخاب و از طریق مصاحبه‌های گروه کانونی داده‌های تکمیلی جمع‌آوری گردید. در بخش کمی، تکنیک دلفی برای پالایش و تثبیت عوامل اولیه به‌کار گرفته شد و با استفاده از نرم‌افزارهای آماری و ابزارهای آینده‌پژوهی و سناریونویسی، ۵۷ مولفه و ۱۱ شاخص کلیدی نهایی شدند. نتایج نشان داد سناریوهای هوشمندسازی نظام مالیاتی ایران شامل تحول دیجیتال، ارتقای منابع انسانی هوشمند، استفاده از فناوری‌های نوین مانند هوش مصنوعی و بلاک‌چین، ایجاد شفافیت در فرایندهای مالیاتی، بهبود ساختارهای سازمانی و ارتقای زیرساخت‌های اطلاعاتی است. تحلیل داده‌ها نشان داد توافق خبرگان بر ۵۷ شاخص منتخب بالا بوده و ضریب توافق کندال در دور دوم دلفی به 0.64 رسید. این سناریوها زمینه افزایش تمکین داوطلبانه، کاهش هزینه‌های اداری و وصول، ارتقای عدالت مالیاتی، شناسایی دقیق مؤدیان پرریسک و بهبود اعتماد عمومی را فراهم می‌کنند. پیاده‌سازی هوشمندسازی نظام مالیاتی با رویکرد مرحله‌ای و مبتنی بر داده، می‌تواند موجب تحول اساسی در فرآیند اخذ مالیات، افزایش شفافیت، کاهش فساد اداری و ارتقای بهره‌وری سازمان امور مالیاتی شود. این اقدام با تقویت عدالت اجتماعی، افزایش درآمدهای پایدار و کاهش وابستگی به منابع نفتی، نقشی مهم در رشد و ثبات اقتصادی کشور خواهد داشت.</p> https://jmedda.com/jmedda/article/download/214/229