ДалееСледующее руководство
Искусственный интеллект в отборе присяжных
Общество
РУКОВОДСТВО ПО ОБЩЕСТВУ
Да.
Прослушайте это руководствоОзвучено ИИ · ~3 min
Налоговое управление США использует модели статистической оценки, автоматическое сопоставление документов и все чаще машинное обучение, чтобы решить, какие налоговые декларации заслуживают более пристального внимания, но люди по-прежнему проверяют помеченные налоговые декларации до начала большинства проверок. Самый известный инструмент — это оценка дискриминантной функции (DIF). Эти системы имеют значение, поскольку они решают, кого проверять, и исследователи показали, что они могут возложить более тяжелое бремя на одни группы налогоплательщиков, чем на другие.
Налоговое управление США не использует одну главную систему искусственного интеллекта. Он управляет несколькими системами, каждая из которых создана для разных задач. Самым старым является показатель дискриминантной функции (DIF). DIF сравнивает каждый отчет со статистическими нормами, взятыми из случайно выбранных построчных аудитов, проводимых в рамках Национальной исследовательской программы. Высокий балл DIF означает, что аудит этой декларации с большей вероятностью приведет к изменению налога. Налоговое управление США держит формулы в секрете, чтобы люди не могли их обмануть. Высокий балл сам по себе не запускает аудит. Обученные классификаторы просматривают результаты с высокими оценками и выбирают, какие из них следует изучить. Во-вторых, IRS сопоставляет доходы с информационными доходами, такими как W-2 и 1099. Если цифры не совпадают, программа Automated Underreporter отправляет уведомление CP2000 с предложением внести изменения. Технически CP2000 не является аудитом, хотя за него может быть выставлен счет. В-третьих, инструменты мошенничества, такие как Программа проверки возвратов, оценивают возвраты на предмет кражи личных данных и ложных требований о возврате до того, как возмещение будет произведено. Налоговое управление США также заявило, что намерено применять более продвинутую аналитику к сложным организациям, таким как крупные партнерства, насколько это позволяют финансирование и кадровое обеспечение. Справедливость стала общественной проблемой в 2023 году. Исследователи, работающие с данными Казначейства, вменили расовую принадлежность налогоплательщиков, поскольку IRS не учитывает ее, и подсчитали, что чернокожие налогоплательщики проверялись в несколько раз чаще, чем налогоплательщики нечерного происхождения. Они объяснили большую часть разрыва тем, как отбирались декларации, претендующие на налоговый кредит на заработанный доход. Модель не использовала расу в качестве входных данных. Несоответствие возникло из-за выбора дизайна, в том числе из-за акцента на завышенных возвращаемых кредитах и на аудитах, которые дешево проводить по почте. Налоговое управление США признало выводы и заявило, что изменит свой подход. Распространенным заблуждением является то, что программное обеспечение проверяет вас автоматически. На самом деле алгоритмы ранжируют доходность, а люди решают, какие дела открывать.
Фрилансер оставляет по возвращении форму 1099-NEC. Несколько месяцев спустя она получает уведомление CP2000, поскольку программа Automated Underreporter сопоставила копию плательщика с ее декларацией и обнаружила отсутствие дохода.
В декларации заявлены благотворительные отчисления, которые очень велики для такого уровня доходов. Он получает высокий балл DIF и передается классификатору, который решает, стоит ли проверять результат.
Программа проверки возврата удерживает возмещение, поскольку возврат соответствует закономерностям, связанным с кражей личных данных. Налогоплательщик получает письмо с просьбой подтвердить свою личность до того, как будет произведено возмещение.
Семья, претендующая на налоговый кредит на заработанный доход, проходит заочную проверку по почте. Он требует предоставить школьные или медицинские документы, показывающие, что ребенок, отвечающий критериям, проживал с ним более полугода.
Налоговое управление США, скорее всего, продолжит использовать машинное обучение для отбора и выявления мошенничества, особенно для сложных налоговых деклараций, когда у проверяющих мало времени. Как далеко это зайдет, зависит от финансирования, кадрового обеспечения и модернизации технологий, а все три фактора часто меняются. Надзорные органы, такие как Генеральный инспектор Казначейства по налоговому администрированию и Счетная палата правительства, неоднократно просили улучшить документацию и тестирование моделей IRS. Следите за публичным раскрытием результатов проверки на справедливость и за более четкими уведомлениями, объясняющими налогоплательщикам, почему они были выбраны. Как бы ни выглядели модели, практический совет остается тем же: сообщайте о каждом возврате информации, ведите учет, подтверждающий ваши кредиты и вычеты, и оперативно реагируйте на уведомления.
Бесплатная рассылка
Три проверенных AI-истории каждое утро буднего дня, написанные простым английским. Бесплатно навсегда, без рекламы.
Одно электронное письмо каждый будний день. Отписаться в один клик. Мы никогда не продаем и не передаем ваш адрес.
Проверьте себя
Мгновенная обратная связь по каждому ответу и общий сертификат с проверяемым идентификатором после прохождения курса.
Поддержите бесплатное образование в области искусственного интеллекта. AI Understanding — это некоммерческая организация 501(c)(3). Никакой рекламы и платного доступа. Сделать пожертвование
Да. Налоговое управление США использует модели статистической оценки, автоматическое сопоставление документов и все чаще машинное обучение, чтобы решить, какие налоговые декларации заслуживают более пристального внимания, но люди по-прежнему проверяют помеченные налоговые декларации до начала большинства проверок. Самый известный инструмент — это оценка дискриминантной функции (DIF). Эти системы имеют значение, поскольку они решают, кого проверять, и исследователи показали, что они могут возложить более тяжелое бремя на одни группы налогоплательщиков, чем на другие.
DIF сравнивает доход с нормами, полученными в результате выборочных аудитов. Высокий балл означает, что проверка с большей вероятностью приведет к изменению причитающегося налога. Это не является признанием мошенничества или наказанием.
Оценка учитывает только возвраты. Обученные классификаторы проверяют доходность с высокими показателями и выбирают, какие из них следует изучить.
Программа Automated Underreporter сравнивает формы, поданные плательщиком, такие как 1099 и W-2, с декларацией. Если доход отсутствует, предлагается корректировка CP2000.
CP2000 предлагает изменение, поскольку заявленный доход не соответствует информационным доходам. Это не формальная экспертиза, хотя она может привести к выставлению счета, если налогоплательщику не удастся его оспорить.
Исследователи оценили существенное неравенство и связали его во многом с тем, как отбирались данные EITC, а не с тем, что расовая принадлежность использовалась в качестве прямых исходных данных.
Продолжайте учиться
Другие руководства, выбранные по этой теме
ДалееСледующее руководство
Искусственный интеллект в отборе присяжных
Общество