IA en precios de transferencia

Las normas de precios de transferencia exigen que las transacciones entre entidades relacionadas, como las ventas entre empresas de bienes, servicios, préstamos y licencias de propiedad intelectual, se fijen como lo harían partes independientes. Este es el principio de plena competencia. Está establecido en las Directrices de Precios de Transferencia de la OCDE y, en Estados Unidos, en la Sección 482 del Código de Rentas Internas y sus reglamentos. Los métodos reconocidos incluyen el método del precio comparable no controlado, el método del precio de reventa, el método del costo incrementado, el método del margen neto transaccional (llamado método de ganancias comparables en las normas estadounidenses) y el método de división de ganancias. La mayoría de las entidades rutinarias se prueban con un indicador del nivel de ganancias, como el margen operativo, en comparación con un conjunto de empresas independientes. El resultado suele expresarse como un rango intercuartil. Construir ese conjunto es lento. Los analistas buscan bases de datos como Moody's Orbis o S&P Capital IQ por código de industria y región. Aplican filtros cuantitativos como independencia, tamaño y años de datos. Luego leen descripciones de empresas y sitios web para rechazar empresas con diferentes funciones. La revisión cualitativa es donde la IA ayuda más. Los modelos pueden leer descripciones en varios idiomas, sugerir decisiones de aceptación o rechazo y redactar motivos de rechazo. La documentación es el segundo uso. Según el marco de la Acción 13 de BEPS de la OCDE, muchos países exigen un archivo maestro y un archivo local. Los grandes grupos, generalmente aquellos con una facturación consolidada de al menos 750 millones de euros, también presentan informes país por país. La IA puede redactar resúmenes de la industria, análisis funcionales y descripciones de transacciones a partir del material fuente. Un error común es pensar que la IA puede elegir comparables. Las autoridades fiscales esperan una búsqueda reproducible y un juicio humano defendible. Una decisión modelo inexplicada es difícil de defender en una auditoría. Otra idea errónea es que la IA elimina la necesidad de contar con buenos datos. Un análisis funcional fluido basado en notas de entrevistas erróneas sigue siendo incorrecto.