Automation para i-audit ang mayayaman: Maaari bang dalhin ng AI ang mga tax evader sa linya?

• May-akda:
• pangalan Author

  Quantumrun Foresight
• Oktubre 25, 2023

Buod ng pananaw

Sinasaliksik ng mga pamahalaan sa buong mundo, kabilang ang China at US, ang paggamit ng artificial intelligence (AI) upang gawing moderno ang mga sistema ng buwis. Nilalayon ng China ang ganap na automation sa 2027, na nakatuon sa pag-iwas sa buwis sa mga mayayaman at social media influencer. Sa kabaligtaran, nahihirapan ang US sa pag-audit sa mayayaman dahil sa pinababang mga badyet ng IRS at paggamit ng mga legal na butas. Bumuo ang Salesforce ng AI Economist, isang tool na gumagamit ng reinforcement learning para tuklasin ang patas na mga patakaran sa buwis. Bagama't nangangako, ang teknolohiya ay nagpapataas ng mga alalahanin tulad ng pagtaas ng pampublikong pagsubaybay at pagtutol mula sa mayayamang indibidwal at korporasyon na maaaring labanan ang automation sa pagbubuwis.

Automation para i-audit ang mayamang konteksto

Nangako ang State Taxation Administration ng China na palakasin ang paggamit ng AI (2022) para matukoy ang mga tax evader at bigyan sila ng pinakamabigat na parusa sa ilalim ng batas. Upang mapabuti ang pagsubaybay, ang China ay sumusulong sa pagbuo ng sistema ng Golden Tax IV, kung saan ang data at impormasyon ng kumpanya mula sa mga may-ari, executive, bangko, at iba pang regulator ng merkado ay iuugnay at magagamit para sa mga awtoridad sa buwis upang siyasatin. Sa partikular, tina-target ng bansa ang mga tagalikha ng nilalaman ng social media at mga influencer na kumikita ng milyun-milyong dolyar mula sa mga online stream. Inaasahan ng China na ipatupad ang buong automation sa 2027, gamit ang cloud at malaking data. Inaasahan din ng mga mayayaman ng China ang mas malaking pagbabayad ng buwis ngayong taon (2022-2023), dahil sa kampanya ni Pangulong Xi Jinping na "pangkaraniwang kasaganaan".

Samantala, ang pagbubuwis sa mga mayayaman sa US ay patuloy na isang mahirap na labanan. Noong 2019, kinilala ng IRS na mas cost-effective ang pagbubuwis sa mga mabababang sahod kaysa sa paghabol sa malalaking korporasyon at sa nangungunang 1 porsyento. Idineklara ng ahensya na dahil ang ultrawealthy ay mayroong hukbo ng pinakamahuhusay na abogado at accountant, nagagawa nilang samantalahin ang iba't ibang mga legal na butas sa pagbubuwis, kabilang ang mga offshore account. Ang badyet ng ahensya ay binawasan din ng Kongreso sa paglipas ng mga dekada, na humahantong sa suboptimal na antas ng staffing. At habang may dalawang partidong suporta para mapataas ang pondo ng ahensya, hindi magiging sapat ang manual na trabaho para labanan ang mga mapagkukunan ng multimillionaires.

Nakakagambalang epekto

Ang pag-automate ng mga patakaran sa buwis ay isang kumplikado at madalas na kontrobersyal na paksa. Ngunit paano kung mayroong isang paraan upang gawin itong hindi gaanong pampulitika at higit na batay sa data upang ito ay patas para sa lahat? Ipasok ang AI Economist – isang tool na binuo ng mga mananaliksik sa kumpanya ng teknolohiya na Salesforce na gumagamit ng reinforcement learning para matukoy ang pinakamainam na patakaran sa buwis para sa isang simulate na ekonomiya. Ang AI ay medyo simple pa rin (hindi nito maisasaalang-alang ang lahat ng mga kumplikado ng totoong mundo), ngunit ito ay isang promising na unang hakbang patungo sa pagsusuri ng mga patakaran sa isang bagong paraan. Sa isang maagang resulta, nakahanap ang AI ng diskarte sa pag-maximize ng produktibidad at pagkakapantay-pantay ng kita na 16 porsiyentong mas patas kaysa sa isang makabagong progresibong balangkas ng buwis na pinag-aralan ng mga akademikong ekonomista. Ang pagpapabuti sa kasalukuyang patakaran ng US ay mas makabuluhan.

Dati, ginamit ang mga neural network (mga magkakaugnay na punto ng data) para pamahalaan ang mga ahente sa kunwa na ekonomiya. Gayunpaman, ang paggawa ng policymaker na isang AI ay nagpo-promote ng isang modelo kung saan ang mga manggagawa at policymaker ay umaangkop sa mga pag-uugali ng bawat isa. Dahil ang isang diskarte na natutunan sa ilalim ng isang patakaran sa buwis ay maaaring hindi gumana nang maayos sa ilalim ng isa pa, ang mga modelo ng reinforcement-learning ay nahirapan sa dinamikong kapaligirang ito. Nangangahulugan din ito na naisip ng mga AI kung paano laruin ang system. Natutunan ng ilang empleyado na bawasan ang kanilang produktibidad para maging kuwalipikado para sa mas mababang bracket ng buwis at pagkatapos ay dagdagan itong muli upang maiwasan ang pagbabayad ng buwis. Gayunpaman, ayon sa Salesforce, ang give-and-take na ito sa pagitan ng mga manggagawa at mga policymakers ay nagbibigay ng simulation na mas makatotohanan kaysa sa anumang naunang binuo na modelo, na may mga patakaran sa buwis na karaniwang nakatakda at mas madalas na kapaki-pakinabang para sa mga mayayaman.

Mas malawak na implikasyon ng pag-audit ng automation sa mayayaman

Ang mga posibleng implikasyon ng automation na ginagamit upang i-audit ang mayayaman ay maaaring kabilang ang: 

• Pinataas na pananaliksik kung paano maaaring mag-collate, mag-synthesize, at magsagawa ng mga paghahain ng buwis ang AI.
• Ang mga bansang tulad ng China ay naglalabas ng mas mahigpit na mga regulasyon sa buwis sa malalaking korporasyon nito at mga indibidwal na may malaking kita. Gayunpaman, maaari itong humantong sa pagtaas ng pampublikong pagsubaybay at mapanghimasok na pangangalap ng data.
• Higit pang magagamit na pampublikong pagpopondo upang muling mamuhunan sa mga pampublikong serbisyo sa lahat ng uri.
• Tumaas na tiwala ng pampublikong institusyonal sa mga ahensya ng gobyerno na ilapat ang batas at pagbubuwis nang pantay-pantay.
• Malalaking korporasyon at multimillionaire na tumutulak laban sa awtomatikong pagbubuwis na may tumaas na paggastos sa mga tagalobi, gamit ang privacy ng data at mga alalahanin sa pag-hack upang kontrahin ang paggamit ng teknolohiya.
• Ang mga mayayaman ay kumukuha ng higit pang mga accountant at abogado upang tulungan silang umikot sa automated na pagbubuwis.
• Ang mga kumpanya ng teknolohiya ay nagdaragdag ng mga pamumuhunan sa pagbuo ng mga solusyon sa pag-aaral ng machine sa sektor ng buwis at pakikipagsosyo sa mga ahensya ng buwis.

Mga tanong na ikokomento

• Mayroon ka bang karanasan sa paggamit ng mga serbisyo ng awtomatikong pagbubuwis?
• Paano pa makakatulong ang AI sa pamamahala ng impormasyon at mga sistema ng buwis?