GUIDA alle applicazioni

L’intelligenza artificiale nei prezzi di trasferimento

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

In questa pagina4 minuti di lettura
  1. Panoramica
  2. Immersione profonda
  3. Implementazione nel mondo reale
  4. Il futuro dell’intelligenza artificiale nei prezzi di trasferimento
  5. Metterlo in pratica
  6. Continua a esplorare
  7. Domande frequenti

Panoramica

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.

Immersione profonda

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.

Implementazione nel mondo reale

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.

Il futuro dell’intelligenza artificiale nei prezzi di trasferimento

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.

Metterlo in pratica

Perché è importante

  • Scelte di build. La progettazione a livello di applicazione determina se l’intelligenza artificiale migliora i risultati reali.
  • Team e flusso di lavoro. Una buona integrazione del flusso di lavoro crea guadagni di produttività di cui gli utenti possono fidarsi.
  • Rischio e sicurezza. I casi d'uso ben definiti riducono l'affaticamento dovuto al cambiamento e il rischio di implementazione.

Attenzione

  • Automatizzare un processo interrotto può amplificare i problemi esistenti.
  • I team potrebbero automatizzare eccessivamente e rimuovere il necessario giudizio umano.
  • La qualità può variare se i risultati non vengono valutati continuamente.

Prossimi passi

  1. Mappa il flusso di lavoro corrente e identifica la fase di maggiore attrito.
  2. Definisci checkpoint umani prima dell'automazione completa.
  3. Formare gli utenti su prompt, percorsi di escalation e standard di qualità.
  4. Tieni traccia dei risultati a livello di attività per confermare il valore duraturo.

Continua a esplorare

Newsletter gratuita

Ricevi il briefing quotidiano sull'IA

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

Take the AI in Transfer Pricing quiz

Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.

Inizia il quiz

Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione

Domande frequenti

Cos’è l’intelligenza artificiale nei prezzi di trasferimento?

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.

In uno studio di benchmarking, quale passaggio afferma la guida trae maggiori vantaggi dall’intelligenza artificiale?

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.

Qual è il nome americano del metodo che l'OCSE chiama metodo del margine netto della transazione?

La normativa statunitense Sezione 482 utilizza il metodo dei profitti comparabili, che è sostanzialmente simile al TNMM dell'OCSE.

Come viene solitamente espresso il risultato di un benchmarking per un'entità di routine?

I benchmark solitamente confrontano l'indicatore del livello di profitto della parte testata con l'intervallo interquartile dei comparabili.

Nell’ambito dell’Azione 13 BEPS, quali documenti richiedono molti paesi?

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.

Secondo la guida, cosa potrebbero chiedere gli auditor, il che rende rischiose le decisioni inspiegabili sull’IA?

Le ricerche devono essere riproducibili e ogni rifiuto deve essere giustificato, quindi una decisione modello senza motivo è difficile da difendere.