Автоматизация для проверки богатых: может ли ИИ привлечь к ответственности тех, кто уклоняется от уплаты налогов?

• Автор:
• Имя автора

  Квантумран Форсайт
• 25 октября 2023

Сводка статистики

Правительства во всем мире, включая Китай и США, изучают возможность использования искусственного интеллекта (ИИ) для модернизации налоговых систем. Китай стремится к полной автоматизации к 2027 году, уделяя особое внимание уклонению от уплаты налогов среди богатых и влиятельных лиц в социальных сетях. Напротив, в США возникают трудности с аудитом богатых людей из-за сокращения бюджетов IRS и использования лазеек в законодательстве. Salesforce разработала AI Economist — инструмент, использующий обучение с подкреплением для изучения справедливой налоговой политики. Хотя эта технология многообещающая, она вызывает такие опасения, как усиление общественного надзора и сопротивление со стороны богатых людей и корпораций, которые могут бороться с автоматизацией налогообложения.

Автоматизация для аудита богатого контекста

Государственная налоговая администрация Китая пообещала активизировать использование искусственного интеллекта (2022 г.) для выявления уклонистов от уплаты налогов и назначения им самого сурового наказания в соответствии с законом. Чтобы улучшить мониторинг, Китай продвигается вперед в разработке системы «Золотой налог IV», в рамках которой данные компаний и информация от владельцев, руководителей, банков и других регуляторов рынка будут связаны и доступны налоговым органам для расследования. В частности, страна нацелена на создателей контента в социальных сетях и влиятельных лиц, зарабатывающих миллионы долларов на онлайн-трансляциях. Китай надеется реализовать полную автоматизацию к 2027 году с использованием облака и больших данных. Богатые китайцы также ожидают увеличения налоговых выплат в этом году (2022-2023 гг.) благодаря кампании президента Си Цзиньпина по «общему процветанию».

Между тем, налогообложение богатых людей в США продолжает оставаться непростой задачей. В 2019 году IRS признало, что экономически эффективнее облагать налогом работников с низкой заработной платой, чем преследовать крупные корпорации и 1 процент самых богатых людей. Агентство заявило, что, поскольку сверхбогатые люди имеют в своем распоряжении армию лучших юристов и бухгалтеров, они могут воспользоваться различными лазейками в законном налогообложении, включая оффшорные счета. Бюджет агентства также сокращался на протяжении десятилетий Конгрессом, что привело к неоптимальному штатному расписанию. И хотя обе партии поддерживают идею увеличения финансирования агентства, ручной работы будет недостаточно для борьбы с ресурсами мультимиллионеров.

Разрушительное воздействие

Автоматизация налоговой политики – сложная и зачастую противоречивая тема. Но что, если бы существовал способ сделать это менее политическим и более основанным на данных, чтобы оно было справедливым для всех? Представляем AI Economist — инструмент, разработанный исследователями технологической компании Salesforce, который использует обучение с подкреплением для определения оптимальной налоговой политики для моделируемой экономики. ИИ по-прежнему относительно прост (он не может учесть все сложности реального мира), но это многообещающий первый шаг к оценке политики по-новому. В одном из первых результатов ИИ обнаружил подход, максимизирующий производительность и равенство доходов, который был на 16 процентов более справедливым, чем современная система прогрессивного налогообложения, изученная учеными-экономистами. Улучшение по сравнению с нынешней политикой США было еще более значительным.

Раньше нейронные сети (взаимосвязанные точки данных) использовались для управления агентами в моделируемой экономике. Однако превращение политика в ИИ продвигает модель, в которой работники и политик адаптируются к поведению друг друга. Поскольку стратегия, изученная в рамках одной налоговой политики, может не работать так же хорошо в рамках другой, модели обучения с подкреплением столкнулись с трудностями в этой динамичной среде. Это также означало, что ИИ поняли, как обмануть систему. Некоторые сотрудники научились снижать свою производительность, чтобы претендовать на более низкую налоговую категорию, а затем снова повышать ее, чтобы избежать уплаты налогов. Однако, по мнению Salesforce, этот компромисс между работниками и политиками обеспечивает более реалистичное моделирование, чем любая ранее созданная модель, при этом налоговая политика обычно устанавливается и чаще всего выгодна богатым.

Более широкие последствия автоматизации аудита богатых

Возможные последствия использования автоматизации для аудита богатых могут включать: 

• Расширение исследований о том, как ИИ может сопоставлять, синтезировать и подавать налоговые декларации.
• Такие страны, как Китай, вводят более строгие налоговые правила для своих крупных корпораций и высокооплачиваемых частных лиц. Однако это может привести к усилению общественного наблюдения и интрузивному сбору данных.
• Больше доступного государственного финансирования для реинвестирования в государственные услуги всех видов.
• Повышенное доверие государственных институтов к государственным органам в отношении справедливого применения закона и налогообложения.
• Крупные корпорации и мультимиллионеры выступают против автоматического налогообложения, увеличивая расходы на лоббистов, используя конфиденциальность данных и опасения взлома для противодействия использованию технологий.
• Богатые нанимают больше бухгалтеров и юристов, чтобы помочь им обойти автоматизированное налогообложение.
• Технологические компании увеличивают инвестиции в разработку решений машинного обучения в налоговом секторе и сотрудничают с налоговыми органами.

Вопросы для комментариев

• Есть ли у вас опыт использования автоматизированных сервисов налогообложения?
• Как еще ИИ может помочь в управлении налоговой информацией и системами?