Automatisering om de rijken te controleren: kan AI belastingontduikers in het gareel brengen?

• Auteur:
• auteursnaam

  Quantumrun-prognose
• 25 oktober 2023

Samenvatting inzicht

Regeringen over de hele wereld, waaronder China en de VS, onderzoeken het gebruik van kunstmatige intelligentie (AI) om belastingstelsels te moderniseren. China streeft naar volledige automatisering in 2027, waarbij de nadruk ligt op belastingontduiking onder de rijken en beïnvloeders van sociale media. Daarentegen heeft de VS moeite met het controleren van de rijken als gevolg van lagere IRS-budgetten en het gebruik van juridische mazen in de wet. Salesforce heeft een AI Economist ontwikkeld, een tool die gebruikmaakt van versterkend leren om eerlijk belastingbeleid te verkennen. Hoewel veelbelovend, roept de technologie zorgen op zoals toegenomen publiek toezicht en weerstand van rijke individuen en bedrijven die de automatisering van de belastingheffing zouden kunnen bestrijden.

Automatisering om de rijke context te auditen

De Chinese staatsbelastingdienst heeft beloofd het gebruik van AI (2022) op te voeren om belastingontduikers te identificeren en hen de zwaarste straffen te geven die de wet kent. Om de monitoring te verbeteren, gaat China verder met de ontwikkeling van het Golden Tax IV-systeem, waarbij bedrijfsgegevens en informatie van eigenaren, leidinggevenden, banken en andere markttoezichthouders aan elkaar worden gekoppeld en beschikbaar zullen zijn voor onderzoek door de belastingautoriteiten. Het land richt zich met name op makers van sociale media-inhoud en beïnvloeders die miljoenen dollars verdienen aan onlinestreams. China hoopt tegen 2027 volledige automatisering te implementeren, met behulp van de cloud en big data. De rijken van China verwachten dit jaar (2022-2023) ook grotere belastingbetalingen, als gevolg van de 'gemeenschappelijke welvaart'-campagne van president Xi Jinping.

Ondertussen blijft het belasten van de rijken in de VS een zware strijd. In 2019 erkende de IRS dat het kosteneffectiever is om lage lonen te belasten dan achter de grote bedrijven en de bovenste 1 procent aan te gaan. Het bureau verklaarde dat, aangezien de ultrarijken een leger van de beste advocaten en accountants tot hun beschikking hebben, ze kunnen profiteren van een verscheidenheid aan mazen in de juridische belastingheffing, waaronder buitenlandse rekeningen. Ook de begroting van het agentschap is de afgelopen decennia door het Congres verlaagd, wat heeft geleid tot een suboptimaal personeelsbestand. En hoewel er steun van beide partijen is om de financiering van het agentschap te verhogen, zal handwerk niet voldoende zijn om de hulpbronnen van multimiljonairs te bestrijden.

Disruptieve impact

Het automatiseren van belastingbeleid is een complex en vaak controversieel onderwerp. Maar wat als er een manier was om het minder politiek en meer datagedreven te maken, zodat het voor iedereen eerlijk is? Maak kennis met de AI Economist – een tool ontwikkeld door onderzoekers van technologiebedrijf Salesforce en die gebruikmaakt van versterkend leren om optimaal belastingbeleid voor een gesimuleerde economie te identificeren. De AI is nog steeds relatief eenvoudig (hij kan niet alle complexiteiten van de echte wereld verklaren), maar het is een veelbelovende eerste stap in de richting van het op een nieuwe manier evalueren van beleid. In één van de eerste resultaten vond de AI een aanpak die de productiviteit en inkomensgelijkheid maximaliseerde en die 16 procent eerlijker was dan een state-of-the-art progressief belastingkader dat door academische economen werd bestudeerd. De verbetering ten opzichte van het huidige Amerikaanse beleid was zelfs nog significanter.

Vroeger werden neurale netwerken (onderling verbonden datapunten) gebruikt om agenten in gesimuleerde economieën te beheren. Door van de beleidsmaker een AI te maken, wordt echter een model bevorderd waarin de werknemers en de beleidsmaker zich aan elkaars gedrag aanpassen. Omdat een strategie die onder het ene belastingbeleid is geleerd, mogelijk niet zo goed werkt onder een ander belastingbeleid, hadden modellen voor versterkend leren moeite met deze dynamische omgeving. Het betekende ook dat de AI's erachter kwamen hoe ze het systeem moesten bespelen. Sommige werknemers leerden hun productiviteit te verlagen om in aanmerking te komen voor een lagere belastingschijf en deze vervolgens weer te verhogen om belasting te vermijden. Volgens Salesforce levert dit geven en nemen tussen werknemers en beleidsmakers echter een simulatie op die realistischer is dan enig eerder gebouwd model, waarbij het belastingbeleid doorgaans wordt bepaald en vaker gunstig is voor de rijken.

Bredere implicaties van automatisering van het auditeren van de rijken

Mogelijke implicaties van het gebruik van automatisering om de rijken te controleren kunnen zijn: 

• Meer onderzoek naar hoe AI belastingaangiften kan verzamelen, synthetiseren en uitvoeren.
• Landen als China vaardigen strengere belastingregels uit voor grote bedrijven en hoogverdienende individuen. Dit kan echter leiden tot meer publiek toezicht en indringende gegevensverzameling.
• Meer beschikbare overheidsfinanciering om te herinvesteren in allerlei soorten openbare diensten.
• Een groter institutioneel vertrouwen van het publiek in overheidsinstanties om de wet en de belastingheffing rechtvaardig toe te passen.
• Grote bedrijven en multimiljonairs verzetten zich tegen geautomatiseerde belastingheffing door hogere uitgaven aan lobbyisten, waarbij gegevensprivacy en hackproblemen worden gebruikt om het gebruik van de technologie tegen te gaan.
• De rijken huren meer accountants en advocaten in om hen te helpen de geautomatiseerde belastingheffing te omzeilen.
• Technologiebedrijven verhogen hun investeringen in de ontwikkeling van machine learning-oplossingen in de belastingsector en werken samen met belastingdiensten.

Vragen om op te reageren

• Heeft u ervaring met het gebruik van geautomatiseerde belastingdiensten?
• Hoe kan AI nog meer helpen bij het beheren van belastinginformatie en -systemen?