Automatizacija za reviziju bogatih: Može li umjetna inteligencija dovesti u red utajivače poreza?

• Autor:
• ime autora

  Quantumrun Foresight
• Listopada 25, 2023

Sažetak uvida

Vlade diljem svijeta, uključujući Kinu i SAD, istražuju korištenje umjetne inteligencije (AI) za modernizaciju poreznih sustava. Kina ima za cilj potpunu automatizaciju do 2027., fokusirajući se na utaju poreza među bogatima i utjecajnim osobama na društvenim mrežama. Nasuprot tome, SAD ima problema s revizijom bogatih zbog smanjenih proračuna porezne uprave i korištenja rupa u zakonu. Salesforce je razvio AI Economist, alat koji koristi učenje s pojačanjem za istraživanje pravednih poreznih politika. Iako obećava, tehnologija izaziva zabrinutost poput pojačanog javnog nadzora i otpora bogatih pojedinaca i korporacija koji bi se mogli boriti protiv automatizacije u oporezivanju.

Automatizacija za reviziju bogatog konteksta

Kineska državna porezna uprava obećala je pojačati korištenje umjetne inteligencije (2022.) kako bi identificirala utajivače poreza i kaznila ih najoštrije prema zakonu. Kako bi poboljšala nadzor, Kina napreduje s razvojem sustava Golden Tax IV, prema kojem će podaci o tvrtkama i informacije od vlasnika, rukovoditelja, banaka i drugih regulatora tržišta biti povezani i dostupni poreznim vlastima za istraživanje. Konkretno, zemlja cilja na kreatore sadržaja na društvenim mrežama i influencere koji zarađuju milijune dolara od online streamova. Kina se nada implementaciji potpune automatizacije do 2027., koristeći oblak i velike podatke. Kineski bogataši također očekuju veća plaćanja poreza ove godine (2022.-2023.), zahvaljujući kampanji predsjednika Xi Jinpinga za “zajednički prosperitet”.

U međuvremenu, oporezivanje bogatih u SAD-u i dalje je teška bitka. U 2019. Porezna uprava priznala je da je isplativije oporezivati ​​osobe s niskim primanjima nego ići na velike korporacije i 1 posto najvećih. Agencija je izjavila da, budući da ultrabogati imaju na raspolaganju vojsku najboljih odvjetnika i računovođa, mogu iskoristiti niz rupa u zakonskom oporezivanju, uključujući račune u inozemstvu. Proračun agencije također je desetljećima smanjivao Kongres, što je dovelo do neoptimalne razine osoblja. I dok postoji dvostranačka potpora za povećanje financiranja agencije, ručni rad neće biti dovoljan za borbu protiv resursa multimilijunaša.

Razarajući učinak

Automatizacija poreznih politika složena je i često kontroverzna tema. Ali što ako postoji način da se učini manje političkim i više vođenim podacima tako da bude pravedno za sve? Uđite u AI Economist – alat koji su razvili istraživači iz tehnološke tvrtke Salesforce koji koristi učenje s pojačanjem za prepoznavanje optimalnih poreznih politika za simulirano gospodarstvo. AI je još uvijek relativno jednostavan (ne može objasniti svu složenost stvarnog svijeta), ali je obećavajući prvi korak prema evaluaciji politika na nov način. U jednom ranom rezultatu, AI je pronašao pristup koji maksimizira produktivnost i jednakost prihoda koji je bio 16 posto pravedniji od najsuvremenijeg progresivnog poreznog okvira koji su proučavali akademski ekonomisti. Poboljšanje u odnosu na trenutnu politiku SAD-a bilo je još značajnije.

Prije su se neuronske mreže (međusobno povezane podatkovne točke) koristile za upravljanje agentima u simuliranim gospodarstvima. Međutim, pretvaranje kreatora politike u umjetnu inteligenciju promovira model u kojem se radnici i kreator politike međusobno prilagođavaju ponašanju. Budući da strategija naučena pod jednom poreznom politikom možda neće tako dobro funkcionirati pod drugom, modeli učenja s pojačanjem imali su poteškoća s ovim dinamičnim okruženjem. To je također značilo da je umjetna inteligencija shvatila kako igrati sa sustavom. Neki su zaposlenici naučili smanjiti svoju produktivnost kako bi se kvalificirali za niži porezni razred, a zatim je opet povećati kako bi izbjegli plaćanje poreza. Međutim, prema Salesforceu, ovo davanje i uzimanje između radnika i kreatora politike pruža simulaciju realističniju od bilo kojeg prethodno izgrađenog modela, s poreznim politikama koje su obično postavljene i češće su korisne za bogate.

Šire implikacije automatizacije revizije bogatih

Moguće implikacije automatizacije koja se koristi za reviziju bogatih mogu uključivati: 

• Povećano istraživanje o tome kako AI može usporediti, sintetizirati i izvršiti porezne prijave.
• Zemlje poput Kine izdaju strože porezne propise za svoje velike korporacije i pojedince s visokim primanjima. Međutim, to može dovesti do pojačanog javnog nadzora i nametljivog prikupljanja podataka.
• Dostupnije javno financiranje za ponovno ulaganje u javne usluge svih vrsta.
• Povećano povjerenje javnih institucija u vladine agencije da pravedno primjenjuju zakon i oporezivanje.
• Velike korporacije i multimilijunaši protive se automatiziranom oporezivanju povećanim trošenjem na lobiste, korištenjem privatnosti podataka i problema hakiranja kako bi se suprotstavili korištenju tehnologije.
• Bogati zapošljavaju više računovođa i odvjetnika da im pomognu zaobići automatizirano oporezivanje.
• Tehnološke tvrtke povećavaju ulaganja u razvoj rješenja strojnog učenja u poreznom sektoru i partnerstvo s poreznim agencijama.

Pitanja za komentar

• Imate li iskustva s korištenjem usluga automatiziranog oporezivanja?
• Kako još umjetna inteligencija može pomoći u upravljanju poreznim informacijama i sustavima?