Alkalmazási ÚTMUTATÓ

AI a transzferárakban

Az AI a transzferárazásban azt jelenti, hogy gépi tanulást és nyelvi modelleket használnak annak kimutatására, hogy a kapcsolódó vállalatok közötti árak karnyújtásnyira vannak.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI jövője a transzferárakban
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ez a munka magában foglalja az összehasonlítható vállalatok átvilágítását, benchmarking tanulmányok futtatását és dokumentációk elkészítését. Ez azért fontos, mert a multinacionális adócsoportoknak meg kell védeniük ezeket az árakat sok ország adóhatóságai előtt, és az összehasonlítható keresések és dokumentációk a munka legmunkaigényesebb részei.

Mély merülés

A transzferárazási szabályok megkövetelik, hogy a kapcsolt jogalanyok közötti tranzakciókat, például az áruk, szolgáltatások, kölcsönök és szellemi tulajdon licencek vállalatközi értékesítését, úgy kell árazni, ahogyan független felek árazzák azokat. Ez a kartávolság elve. Ezt az OECD Transzferár-iránymutatásai, az Egyesült Államokban pedig az Internal Revenue Code 482. szakasza és annak előírásai határozzák meg. Az elismert módszerek közé tartozik az összehasonlítható ellenőrizetlen ár módszer, a viszonteladói ár módszer, a költség plusz módszer, a tranzakciós nettó árrés módszer (amelyet az Egyesült Államok szabályaiban összehasonlítható profit módszernek neveznek) és a profit split módszert. A legtöbb rutin entitást nyereségszintű mutatóval tesztelik, például működési árrésszel, összehasonlítva egy sor független vállalattal. Az eredményt általában interkvartilis tartományban fejezik ki. A készlet felépítése lassú. Az elemzők az olyan adatbázisokban, mint a Moody's Orbis vagy az S&P Capital IQ, iparági kódok és régiók szerint keresnek. Olyan mennyiségi képernyőket alkalmaznak, mint a függetlenség, a méret és az évek adatai. Ezután üzleti leírásokat és weboldalakat olvasnak, hogy elutasítsák a különböző funkciójú cégeket. A minőségi áttekintés az, ahol a mesterséges intelligencia a legtöbbet segít. A modellek több nyelven olvashatnak leírásokat, javaslatot tehetnek elfogadó vagy elutasító döntésekre, valamint az elutasítási indokok tervezetére. A dokumentáció a második felhasználás. Az OECD BEPS Action 13 keretrendszere értelmében sok országban szükség van egy főfájlra és egy helyi fájlra. A nagy csoportok, általában azok, amelyek konszolidált bevétele legalább 750 millió euró, szintén országonkénti jelentést készítenek. A mesterséges intelligencia forrásanyagból iparági áttekintéseket, funkcionális elemzéseket és tranzakcióleírásokat készíthet. Általános tévhit az, hogy a mesterséges intelligencia képes kiválasztani az összehasonlítható elemeket. Az adóhatóság megismételhető keresést és védhető emberi ítéletet vár el. Egy megmagyarázhatatlan modelldöntést nehéz megvédeni egy audit során. Egy másik tévhit az, hogy a mesterséges intelligencia megszünteti a jó tények szükségességét. A hibás interjújegyzetekre épített gördülékeny funkcionális elemzés továbbra is téves.

Valós megvalósítás

Egy benchmarking csapat 2000 jelölt vállalatot exportál egy kereskedelmi pénzügyi adatbázisból. Nyelvi modellt használ az egyes üzleti leírások összevetésére, amelyek valószínűleg összehasonlíthatók, valószínűleg nem összehasonlíthatók vagy nem egyértelműek. Az elemzők ezután minden elfogadó és elutasító döntést felülvizsgálnak, és rögzítik az okot.

Az adóhivatal mesterséges intelligencia segítségével készíti el a helyi fájl funkcionális elemzési szakaszát a gyártási, értékesítési és K+F vezetőkkel készített interjúkból. A tervezet kitér az elvégzett funkciókra, a használt eszközökre és a vállalt kockázatokra, transzferár-szakértő szerkeszti.

Egy több országban korlátozott kockázatú forgalmazóval rendelkező társaság modellt használ annak megjelölésére, hogy mely leányvállalatok működési árrése esik a referenciakészletük interkvartilis tartományán kívülre. Ez lehetővé teszi az év végi kiigazításokat a könyvek bezárása előtt.

A vállalatközi licencszerződéseket felülvizsgáló csapat mesterséges intelligencia segítségével gyűjti le a jogdíjak mértékét, a területeket és a kizárólagossági feltételeket harmadik felekkel kötött szerződések százaiból egy jogdíjadatbázisban, ami felgyorsítja az összehasonlítható, ellenőrizetlen tranzakcióelemzést.

Az AI jövője a transzferárakban

Az adóhatóságok adatelemzést is használnak az ellenőrzési célok kiválasztásához, és egyre gyakrabban kapnak szabványosított adatokat, például országonkénti jelentéseket. Az adófizetőkre ezért nyomás nehezedik, hogy álláspontjaik egységesek legyenek a különböző jogrendszerekben. Az OECD második pillérű globális minimumadója olyan számításokat ad hozzá, amelyek a transzferárazás eredményétől függenek, ami növeli a tiszta, összekapcsolt adatok értékét. A mesterséges intelligencia valószínűleg rutinszerűvé válik az első lépéses szűrés és rajzkészítés során. Nem valószínű, hogy megváltozik az az elvárás, hogy egy képzett szakember minden összehasonlítható dolgot és minden következtetést el tudjon magyarázni a vizsgáztatónak. Azok a csapatok, amelyek dokumentálják, hogyan használják az AI-t, jobb helyzetben lesznek, mint azok, amelyek fekete dobozként kezelik.

A gyakorlatba ültetés

Miért számít

  • Építési lehetőségek. Az alkalmazásszintű tervezés határozza meg, hogy az AI javítja-e a valós eredményeket.
  • Csapat és munkafolyamat. A jó munkafolyamat-integráció olyan termelékenységnövekedést eredményez, amelyben a felhasználók megbízhatnak.
  • Kockázat és biztonság. A jól körülhatárolt felhasználási esetek csökkentik a változtatások fáradtságát és a végrehajtás kockázatát.

Vigyázz

  • Egy megszakadt folyamat automatizálása felerősítheti a meglévő problémákat.
  • A csapatok túlautomatizálhatják és eltávolíthatják a szükséges emberi ítélőképességet.
  • A minőség sodródhat, ha a kimeneteket nem értékelik folyamatosan.

Következő lépések

  1. Térképezze fel az aktuális munkafolyamatot, és határozza meg a legnagyobb súrlódású lépést.
  2. Emberi ellenőrzőpontok meghatározása a teljes automatizálás előtt.
  3. Tanítsa meg a felhasználókat az utasításokról, az eszkalációs utakról és a minőségi szabványokról.
  4. Kövesse nyomon a feladat szintű eredményeket a tartós érték megerősítéséhez.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the AI in Transfer Pricing quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az AI a transzferárakban?

Az AI a transzferárazásban azt jelenti, hogy gépi tanulást és nyelvi modelleket használnak annak kimutatására, hogy a kapcsolódó vállalatok közötti árak karnyújtásnyira vannak. Ez a munka magában foglalja az összehasonlítható vállalatok átvilágítását, benchmarking tanulmányok futtatását és dokumentációk elkészítését. Ez azért fontos, mert a multinacionális adócsoportoknak meg kell védeniük ezeket az árakat sok ország adóhatóságai előtt, és az összehasonlítható keresések és dokumentációk a munka legmunkaigényesebb részei.

Egy benchmarking tanulmányban az útmutató szerint melyik lépés profitál leginkább az AI-ból?

A kvantitatív képernyők mechanikusak, de az üzleti leírások olvasása az összehasonlíthatóság megítéléséhez lassú. A modellek itt segítenek leginkább.

Mi a neve annak a módszernek, amelyet az OECD tranzakciós nettó árrés módszernek nevez?

Az Egyesült Államok 482. szakasza szerinti szabályozás az összehasonlítható nyereség módszerét alkalmazza, amely nagyjából hasonló az OECD TNMM-éhez.

Hogyan fejezik ki általában a benchmarking eredményét egy rutin entitás esetében?

A benchmarkok általában a vizsgált fél profitszint-mutatóját hasonlítják össze az összehasonlítható adatok interkvartilis tartományával.

A BEPS 13. akció keretében mely dokumentumokra van szüksége sok országnak?

A BEPS Action 13 keretrendszer egy főfájlt és egy helyi fájlt, valamint országonkénti jelentést határoz meg a bevételi küszöb feletti csoportokhoz.

Az útmutató szerint mit kérhetnek az auditorok, ami kockázatossá teszi a megmagyarázhatatlan mesterséges intelligencia döntéseket?

A kereséseknek reprodukálhatónak kell lenniük, és minden elutasításnak indokoltnak kell lennie, így az indok nélküli mintahatározatot nehéz megvédeni.