Скоро ждет и Российскую Федерацию.
ИИ может помочь налоговой службе поймать богатых налоговых мошенников
Технология может помочь уравнять шансы между сборщиками налогов и дорогостоящими налоговыми адвокатами.
В своем последнем бюджетном предложении президент Джо Байден собирается представить ряд новых мер по повышению налогов на богатых американцев. Вместо того чтобы повышать налоги, возможно, ему следует сосредоточиться на сборе того, что некоторые из них уже должны.
Каждый год налоговая служба получает на 600 миллиардов долларов меньше, чем должна. По одной из оценок, половина этой суммы поступает из-за занижения отчетности теми представителями сверхбогатых слоев населения, которые скрывают доходы, создавая сложные партнерства или другие организации. Если вас беспокоит сумма долга США, эти цифры должны привлечь ваше внимание.
У налоговой службы просто не хватает ресурсов, чтобы преследовать их. После многолетних бюджетных сокращений и нехватки персонала налоговая служба в основном нацелилась на проверки бедных семей, потому что это проще и дешевле, чем заниматься сложными налоговыми вопросами состоятельных налогоплательщиков. Но искусственный интеллект может изменить этот баланс сил, помогая архаичному, осажденному агентству лучше справляться с поиском реальных денег.
Закон о сокращении инфляции выделяет почти 80 миллиардов долларов на нужды Налогового управления в течение следующего десятилетия. После утверждения кандидата на пост комиссара IRS Дэниела Верфела одним из первых его распоряжений должно стать выделение части средств на использование искусственного интеллекта для реорганизации всего процесса аудита.
Возьмем предприятия, структурированные как партнерства, где уровень аудита снизился до 0,05%, а средняя ставка налога составляет всего 16%. (Согласно недавнему документу, подготовленному экономистами Стэнфордского университета, около 15% партнерств являются сложными - то есть они могут создавать ООО на ООО, ООО на ООО и так далее, а также иметь пересекающихся партнеров.
В настоящее время предпринимаются определенные усилия, но налоговому управлению все еще очень трудно определить, представляют ли эти сложные партнерства правильную отчетность о доходах. И многие эксперты агентства, специализирующиеся в этой области, ушли или скоро уйдут на пенсию.
Однако, изучив более 7 миллионов партнерских организаций с 2013 по 2015 год, исследователи обнаружили, что машинное обучение успешно помогает предсказать, какие организации не соответствуют требованиям - другими словами, не платят все, что должны по налогам. Это исследование показывает, что ИИ обладает потенциалом для более легкого и эффективного отслаивания слоев, отмечая партнерства, не отвечающие требованиям, для человеческих агентов, которые могут принять последующие меры.
Налоговое управление не распространяется о том, какие методы искусственного интеллекта или машинного обучения оно использует в настоящее время в правоприменительной практике, но во время веб-трансляции в 2018 году агентство показало, что технология помогает ему выявлять определенные случаи несоблюдения законодательства в считанные минуты. Раньше на это у людей уходили недели или месяцы.
Честные налогоплательщики должны радоваться такой перспективе. Сегодня слишком много добросовестных плательщиков обременены ненужными проверками. И налогоплательщикам, и агентству будет выгодно прекратить тратить время на этот болезненный процесс, когда в нем нет необходимости. ИИ может распознавать закономерности и направлять проверяющих на проведение аудиторских проверок, которые окупаются.
Тем не менее, есть некоторые предостережения. Мы не движемся к будущему, где IRS будет управляться роботами в зеленых козырьках. ИИ может лишь дополнить возможности налоговых инспекторов, но не вытеснить их. Как сказала Джанет Хольцблатт, старший научный сотрудник Центра налоговой политики Урбана-Брукингса: "Люди по-прежнему должны быть учителями и оценщиками".
Нидерланды являются хорошим примером того, как полагаясь исключительно на ИИ, можно создать новые проблемы. В 2013 году налоговые органы Нидерландов начали использовать самообучающийся машинный алгоритм для проверки того, что субсидии по уходу за детьми выплачиваются правильным получателям. Алгоритм страдал от укоренившейся расовой предвзятости, и невинные семьи были вынуждены вернуть свои кредиты без апелляции. (Премьер-министр и весь его кабинет ушли в отставку в 2021 году после скандала).
В США новое исследование показывает, что нынешние алгоритмы Налогового управления также могут быть дискриминационными. Новый рабочий документ показывает, что чернокожие налогоплательщики чаще подвергаются проверкам, чем другие налогоплательщики. В самом вопиющем примере, одинокий чернокожий мужчина с иждивенцами, претендующий на получение налогового кредита на заработанный доход, имеет почти в 20 раз больше шансов быть проверенным, чем нечернокожий заявитель, состоящий в браке и подающий совместные документы. Вот это да.
Но это не означает, что мы должны отказаться от использования технологий для улучшения соблюдения налогового законодательства. Дэниел Э. Хо, экономист из Стэнфорда, который работал над этой статьей, а также над статьей о сложных партнерствах, сказал мне: "Существует беспокойство по поводу машинного обучения, но оно также может привести к обнаружению различий в действующих унаследованных системах". По сути, машинное обучение помогло выявить неравенство, и теперь дело за людьми - исправить его.
Если ИИ будет применяться правильно и под надлежащим надзором, он может проделать долгий путь к тому, чтобы сделать аудит налоговой службы более справедливым, более целенаправленным и более прибыльным для правительства США. В этом нет ничего оруэлловского. Это прогресс.
