Il prossimoProssima guida
L’intelligenza artificiale nella tariffazione della congestione e nella mobilità urbana
Applicazioni
GUIDA alle applicazioni
L'intelligenza artificiale nei prezzi di trasferimento significa utilizzare l'apprendimento automatico e modelli linguistici per accelerare il lavoro volto a dimostrare che i prezzi tra società correlate sono a condizioni di mercato.
Ascolta questa guidaNarrato dall'IA · ~3 min
Questo lavoro include lo screening di aziende comparabili, l’esecuzione di studi di benchmarking e la stesura della documentazione. È importante perché i team fiscali multinazionali devono difendere questi prezzi davanti alle autorità fiscali in molti paesi, e ricerche e documentazione comparabili sono tra le parti più laboriose di questo lavoro.
Le regole sui prezzi di trasferimento richiedono che le transazioni tra entità correlate, come le vendite interaziendali di beni, servizi, prestiti e licenze di proprietà intellettuale, siano valutate allo stesso modo in cui parti indipendenti le valuterebbero. Questo è il principio di libera concorrenza. È stabilito nelle Linee guida sui prezzi di trasferimento dell'OCSE e, negli Stati Uniti, nella sezione 482 dell'Internal Revenue Code e nei suoi regolamenti. I metodi riconosciuti includono il metodo del prezzo comparabile del libero mercato, il metodo del prezzo di rivendita, il metodo del costo maggiorato, il metodo del margine netto della transazione (chiamato metodo dei profitti comparabili nelle norme statunitensi) e il metodo della ripartizione degli utili. La maggior parte delle entità di routine vengono testate con un indicatore del livello di profitto, come il margine operativo, rispetto a un insieme di società indipendenti. Il risultato è solitamente espresso come intervallo interquartile. Costruire quel set è lento. Gli analisti ricercano database come Moody's Orbis o S&P Capital IQ per codice di settore e regione. Applicano filtri quantitativi come indipendenza, dimensioni e anni di dati. Quindi leggono le descrizioni delle attività e i siti Web per rifiutare aziende con funzioni diverse. La revisione qualitativa è il settore in cui l’intelligenza artificiale aiuta di più. I modelli possono leggere descrizioni in diverse lingue, suggerire di accettare o rifiutare decisioni e redigere le motivazioni del rifiuto. La documentazione è il secondo utilizzo. Nell'ambito del quadro BEPS Azione 13 dell'OCSE, molti paesi richiedono un file master e un file locale. Anche i grandi gruppi, generalmente quelli con un fatturato consolidato di almeno 750 milioni di euro, redigono resoconti paese per paese. L’intelligenza artificiale può elaborare panoramiche del settore, analisi funzionali e descrizioni delle transazioni a partire dal materiale di partenza. Un malinteso comune è che l’intelligenza artificiale possa scegliere i comparabili. Le autorità fiscali si aspettano una ricerca riproducibile e un giudizio umano difendibile. Una decisione modello inspiegata è difficile da difendere in un audit. Un altro malinteso è che l’intelligenza artificiale elimini la necessità di fatti positivi. Un'analisi funzionale fluente costruita su appunti di intervista errati è ancora sbagliata.
Un team di benchmarking esporta 2.000 aziende candidate da un database finanziario commerciale. Utilizza un modello linguistico per classificare ciascuna descrizione dell'attività come probabilmente comparabile, probabilmente non comparabile o poco chiara. Gli analisti quindi esaminano ogni decisione di accettazione e rifiuto e ne registrano il motivo.
Un dipartimento fiscale utilizza l'intelligenza artificiale per redigere la sezione di analisi funzionale di un file locale dalle note delle interviste con i responsabili della produzione, delle vendite e della ricerca e sviluppo. La bozza copre le funzioni svolte, le risorse utilizzate e i rischi assunti e viene modificata da uno specialista in prezzi di trasferimento.
Una società con un distributore a rischio limitato in diversi paesi utilizza un modello per contrassegnare quali margini operativi delle filiali non rientrano nell'intervallo interquartile dei propri parametri di riferimento. Ciò gli consente di apportare aggiustamenti di fine anno prima della chiusura dei libri contabili.
Un team che esamina gli accordi di licenza interaziendali utilizza l'intelligenza artificiale per estrarre tassi di royalty, territori e termini di esclusività da centinaia di accordi di terze parti in un database di royalty, il che accelera un'analisi comparabile delle transazioni non controllate.
Le autorità fiscali utilizzano anche l’analisi dei dati per scegliere gli obiettivi di audit e ricevono sempre più dati standardizzati come i resoconti paese per paese. I contribuenti sono quindi sotto pressione per mantenere le loro posizioni coerenti in tutte le giurisdizioni. La tassa minima globale del secondo pilastro dell’OCSE aggiunge calcoli che dipendono dai risultati dei prezzi di trasferimento, il che aumenta il valore di dati puliti e connessi. È probabile che l’intelligenza artificiale diventi una routine per lo screening e la stesura del primo passaggio. È improbabile che l'aspettativa che un professionista qualificato possa spiegare ogni comparabile e ogni conclusione a un esaminatore cambi. I team che documentano il modo in cui utilizzano l’intelligenza artificiale saranno in una posizione migliore rispetto ai team che la trattano come una scatola nera.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
L'intelligenza artificiale nei prezzi di trasferimento significa utilizzare l'apprendimento automatico e modelli linguistici per accelerare il lavoro volto a dimostrare che i prezzi tra società correlate sono a condizioni di mercato. Questo lavoro include lo screening di aziende comparabili, l’esecuzione di studi di benchmarking e la stesura della documentazione. È importante perché i team fiscali multinazionali devono difendere questi prezzi davanti alle autorità fiscali in molti paesi, e ricerche e documentazione comparabili sono tra le parti più laboriose di questo lavoro.
Gli screening quantitativi sono meccanici, ma leggere le descrizioni delle attività per giudicare la comparabilità è lento. È qui che i modelli aiutano di più.
La normativa statunitense Sezione 482 utilizza il metodo dei profitti comparabili, che è sostanzialmente simile al TNMM dell'OCSE.
I benchmark solitamente confrontano l'indicatore del livello di profitto della parte testata con l'intervallo interquartile dei comparabili.
Il quadro BEPS Azione 13 definisce un file master e un file locale, nonché una rendicontazione paese per paese per i gruppi al di sopra della soglia di entrate.
Le ricerche devono essere riproducibili e ogni rifiuto deve essere giustificato, quindi una decisione modello senza motivo è difficile da difendere.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
L’intelligenza artificiale nella tariffazione della congestione e nella mobilità urbana
Applicazioni