Automatisering til revision af de rige: Kan kunstig intelligens bringe skatteunddragere på linje?

• Forfatter:
• Forfatter navn

  Quantumrun Foresight
• Oktober 25, 2023

Oversigt over indsigt

Regeringer verden over, inklusive Kina og USA, undersøger brugen af ​​kunstig intelligens (AI) til at modernisere skattesystemerne. Kina sigter mod fuld automatisering i 2027 med fokus på skatteunddragelse blandt de rige og de sociale medier. I modsætning hertil kæmper USA med revision af de velhavende på grund af reducerede IRS-budgetter og brugen af ​​juridiske smuthuller. Salesforce har udviklet en AI Economist, et værktøj, der bruger forstærkningslæring til at udforske retfærdige skattepolitikker. Selvom den lover, rejser teknologien bekymringer som øget offentlig overvågning og modstand fra velhavende enkeltpersoner og virksomheder, der kan bekæmpe automatisering i beskatning.

Automatisering til revision af den rige kontekst

Kinas statsskatteadministration lovede at øge brugen af ​​kunstig intelligens (2022) for at identificere skatteunddragere og give dem den hårdeste straf i henhold til loven. For at forbedre overvågningen går Kina videre med udviklingen af ​​Golden Tax IV-systemet, hvorefter virksomhedsdata og information fra ejere, ledere, banker og andre markedsregulatorer vil blive forbundet og tilgængelige for skattemyndighederne at undersøge. Især retter landet sig mod skabere af indhold på sociale medier og influencers, der tjener millioner af dollars fra online-streams. Kina håber at implementere fuld automatisering inden 2027 ved hjælp af skyen og big data. Kinas velhavende forventer også større skattebetalinger i år (2022-2023), på grund af præsident Xi Jinpings "fælles velstandskampagne".

I mellemtiden fortsætter beskatning af de rige i USA med at være en kamp op ad bakke. I 2019 anerkendte IRS, at det er mere omkostningseffektivt at beskatte lavtlønnede end at gå efter de store virksomheder og den øverste 1 procent. Agenturet erklærede, at da de ultravelhavende har en hær af de bedste advokater og revisorer til deres rådighed, er de i stand til at drage fordel af en række juridiske skattehuller, herunder offshore-konti. Agenturets budget er også blevet reduceret over årtier af Kongressen, hvilket har ført til suboptimale bemandingsniveauer. Og selvom der er støtte fra to parter til at øge agenturets finansiering, vil manuelt arbejde ikke være nok til at bekæmpe multimillionærernes ressourcer.

Forstyrrende påvirkning

Automatisering af skattepolitikker er et komplekst og ofte kontroversielt emne. Men hvad nu hvis der var en måde at gøre det mindre politisk og mere datadrevet, så det er retfærdigt for alle? Enter the AI ​​Economist – et værktøj udviklet af forskere hos teknologifirmaet Salesforce, der bruger forstærkende læring til at identificere optimale skattepolitikker for en simuleret økonomi. AI'en er stadig relativt enkel (den kan ikke tage højde for alle kompleksiteterne i den virkelige verden), men det er et lovende første skridt mod at evaluere politikker på en ny måde. I et tidligt resultat fandt AI en tilgang, der maksimerer produktivitet og indkomstlighed, som var 16 procent mere retfærdig end en avanceret progressiv skatteramme, der blev studeret af akademiske økonomer. Forbedringen i forhold til den nuværende amerikanske politik var endnu mere markant.

Før blev neurale netværk (sammenkoblede datapunkter) brugt til at styre agenter i simulerede økonomier. Men at gøre den politiske beslutningstager til en AI fremmer en model, hvor arbejderne og politikerne tilpasser sig hinandens adfærd. Fordi en strategi lært under én skattepolitik måske ikke fungerer så godt under en anden, havde forstærkningslæringsmodeller problemer med dette dynamiske miljø. Det betød også, at AI'erne fandt ud af, hvordan de skulle spille systemet. Nogle ansatte lærte at reducere deres produktivitet for at kvalificere sig til en lavere skatteramme og derefter øge den igen for at undgå at betale skat. Men ifølge Salesforce giver denne giv-og-tag mellem arbejdere og beslutningstagere en simulering, der er mere realistisk end nogen tidligere bygget model, hvor skattepolitikker typisk er fastsat og oftere er gavnlige for de velhavende.

Bredere implikationer af automatiseringsrevision af de rige

Mulige implikationer af automatisering, der bruges til at auditere de rige, kan omfatte: 

• Øget forskning i, hvordan AI kan samle, syntetisere og udføre skatteansøgninger.
• Lande som Kina udsteder strengere skatteregler for sine store virksomheder og højttjenende enkeltpersoner. Dette kan dog føre til øget offentlig overvågning og indgribende dataindsamling.
• Flere tilgængelige offentlige midler til at geninvestere i offentlige tjenester af enhver art.
• Øget offentlig institutionel tillid til statslige organer for at anvende loven og beskatningen retfærdigt.
• Store virksomheder og multimillionærer skubber tilbage mod automatiseret beskatning med øgede udgifter til lobbyister, bruger databeskyttelse og hacking bekymringer for at imødegå teknologiens brug.
• De velhavende ansætter flere revisorer og advokater til at hjælpe dem med at omgå automatiseret beskatning.
• Teknologivirksomheder øger investeringer i udvikling af maskinlæringsløsninger i skattesektoren og samarbejder med skattebureauer.

Spørgsmål at kommentere på

• Har du erfaring med at bruge automatiserede skattetjenester?
• Hvordan kan kunstig intelligens ellers hjælpe med at administrere skatteoplysninger og -systemer?