Сезон налогов здесь, и для большинства американцев он включает в себя работу со сложным налоговым кодексом, бухгалтером и, возможно, друзьями, которые утверждают, что являются налоговыми экспертами. Согласно статистике IRS, в 2017 году сайт irs.gov посетили 502 млн человек. При этом американцы тратят 9,78 млрд часов и 262 млрд долларов на соблюдение налогового кодекса. Некоторая перспектива может помочь оценить, сколько времени уходит на соблюдение налогового кодекса. Подумайте об этом так: количество потраченного времени равно более 291 миллиону дней и более 797 000 лет. Потребовалось бы 68 386 американских рабочих, которые начинают работать в возрасте 18 лет и трудятся каждую рабочую неделю своей жизни без выходных, пока не достигнут полного пенсионного возраста социального обеспечения в 67 лет, чтобы объяснить столько времени.
Со сложностью приходит замешательство и разочарование, что заставляет многих налогоплательщиков обращаться к специалистам по подготовке налоговых деклараций или к программному обеспечению для подготовки налоговых деклараций. Те, кто не находится в невыгодном положении, потому что большинство американцев не знают, какие вычеты учитывать, иждивенцев в требованиях, суммы студенческого кредита вычитать или куда подавать документы.
Учитывая технологический прогресс и реформу налоговой политики администрации Трампа, потребители ожидают простого программного решения для налогообложения. Как будет выглядеть это налоговое решение? Смогут ли технологии уменьшить сложности для отдельных лиц и предприятий? Сыграют ли свою роль достижения в области искусственного интеллекта? Какую роль будет играть чат-бот?
Машинное обучение — это ветвь искусственного интеллекта, которая наделяет компьютеры способностью к самообучению посредством распознавания образов и периодического вмешательства человека. Идея машинного обучения заключается в создании компьютерных алгоритмов, которые автоматически улучшают себя, находя закономерности в существующих данных без явных инструкций. Машинное обучение полностью зависит от данных. По мере увеличения количества и качества данных растет и точность прогнозов машины.
Если бы модель машинного обучения изучала налоговые и финансовые запросы от 10 000 или около того налогоплательщиков, она могла бы узнать, какие вычеты брать, как эти вопросы влияют на обязательства по подоходному налогу или возмещение, и предложить рекомендации. Хотя налоговые правила сложны, существуют четко определенные публикации IRS и варианты использования. Кроме того, большинство факторов, влияющих на средний доход налогоплательщика, уже оцифрованы и доступны в Интернете, включая платежные ведомости от служб расчета заработной платы, инвестиционные прибыли и убытки от брокерских счетов и выплаты по ипотечным кредитам, и эта информация может быть включена в алгоритм. Можно:
- Уточните алгоритм машинного обучения при изменении бухгалтерского/налогового законодательства.
- Примените алгоритм к конкретной отрасли или компании (каждая отрасль и компания разные)
- Просмотрите выходные данные алгоритма и отредактируйте их на основе суждения.
С появлением и применением машинного обучения бухгалтерам больше не нужно будет классифицировать транзакции (например, выбирать правильные коды счетов или определять налоговый вычет по статье). Модель машинного обучения может направлять налогоплательщика и улучшать оценки для последующих налогоплательщиков, тем самым уменьшая роль налогового консультанта и, возможно, заменяя составителей налоговой отчетности.
В ближайшие годы появится «машина», которая будет иметь доступ к большому объему налоговых данных, налоговых кодов, налоговых споров и важных фактов для коммерческого предприятия. С помощью этих данных можно будет создать отраслевое налоговое программное обеспечение. Предстоящие изменения и реформы налогового законодательства уже были бы проанализированы, а их влияние объяснено и учтено.
Поскольку налоговый кодекс объемен, решение на основе машинного обучения идеально подойдет для решения проблемы налогоплательщиков. Например, решение для машинного обучения может обрабатывать:
- Ответ на вопрос. Учитывая вопрос на человеческом языке, определите его ответ. Типичные вопросы имеют конкретный правильный ответ (например, «Я езжу на Uber — вычитается ли мое время ожидания из налогов?»).
- Извлечение отношений. Учитывая фрагмент текста из кодекса IRS, определите взаимосвязь между прецедентным правом и часто задаваемыми вопросами.
Из-за сложности налогового кодекса мы с моей командой создали основанный на правилах чат-бот с машинным обучением под названием AskMyUncleSam, чтобы отвечать на налоговые и финансовые запросы, чтобы облегчить жизнь 243 миллионам американских налоговых декларантов. Налоговый кодекс полон стимулов, которые налогоплательщики могут использовать в своих интересах, чтобы платить меньше налогов, но налогоплательщики обычно не знают об этих преимуществах. Получение высшего образования, владение домом и оплата ухода за детьми — это лишь некоторые из многих видов деятельности, которые дают налоговые льготы для физических лиц. Для предприятий налоговый кодекс еще более щедр с точки зрения допустимых вычетов.
С помощью AskMyUncleSam вы будете знать, какие налоговые льготы вам доступны и какие действия вы можете предпринять, чтобы уменьшить свой налоговый счет, задав Сэму вопрос, связанный с налогами или финансами. Наша цель – создать базу данных из 8 000–10 000 запросов, связанных с налогами, для обслуживания интересов налогоплательщиков в течение всего года, а также предоставлять им этот анализ и рекомендации в своевременной и понятной форме. Подача налоговых деклараций не должна быть запутанным и вызывающим стресс процессом, и мы в AMUS стремимся уменьшить непрозрачность налогового кодекса и облегчить подачу налоговых деклараций миллионам.
Технологии не могут решить каждую часть того, что делает налоги такими сложными и болезненными. В ближайшие годы мы увидим инновации от технически подкованных бухгалтеров и бухгалтеров, а также титанов программного обеспечения, таких как H&R Block, Intuit (TurboTax), TaxAct и TaxSlayer, для решения проблем налогообложения. .
Бусайо Огунсанья, CPA, MST
Основатель/генеральный директор Amus Inc.
Управляющий партнер BigAppleTaxReturn
