Udfordringer med AI i skattesystemet
Kunstig intelligens (AI) og maskinlæring revolutionerer forretningsmodeller over hele verden. FN har godkendt en beslutning, der kan bane vejen for en historisk aftale om fordeling af globale selskabsskatter. Men hvis FN ikke tager højde for AI's indvirkning, kan det være en stor fejl. Lyla Latif, advokat og skattespecialist fra Kenya, påpeger tre hovedudfordringer ved AI i forbindelse med beskatning, ifølge Forbes:
- Dataindsamling og værdi: AI-baserede virksomheder er afhængige af data, som ofte indsamles fra brugere på tværs af flere lande. Det kan være svært at bestemme værdien af disse data og tildele beskatningsrettigheder til specifikke lande.
- Udviklingsstadier: AI-systemers udvikling involverer flere stadier som dataindsamling, algoritmetræning og app-udvikling, der foregår i forskellige lande. Dette skaber en fragmenteret værdikæde, hvor det er vanskeligt at bestemme, hvor værdien skabes, og hvordan den skal beskattes.
- Intellektuelle aktiver: AI-drevne virksomheder er stærkt afhængige af immaterielle aktiver som algoritmer og software. De nuværende internationale skattenormer er primært designet til fysiske aktiver og kan have svært ved at vurdere og beskatte immaterielle aktiver korrekt.
Algoritmisk kolonisering
Lyla Latif bruger udtrykket "algoritmisk kolonisering" til at beskrive, hvordan store teknologivirksomheder fra udviklede lande kan dominere den globale økonomi ved hjælp af AI. Et eksempel er Microsofts projekt FarmBeats, der bruger avanceret teknologi til at hjælpe landmænd i udviklingslande, men samtidig samler og sælger værdifulde data til højestbydende. Dette kan resultere i en koncentration af økonomisk magt i de udviklede lande, mens udviklingslandene får begrænset økonomisk gevinst.
AI-aktiveret fast driftssted
En mulig løsning på disse udfordringer er at indføre et koncept kaldet "AI-aktiveret fast driftssted". Traditionelt kræver et fast driftssted fysisk tilstedeværelse i et land for at kunne beskattes. Men AI-drevne virksomheder kan skabe værdi i et land uden fysisk tilstedeværelse ved blot at indsamle data eller implementere AI-systemer. Med et AI-aktiveret fast driftssted kunne lande som dem i Afrika kræve skatterettigheder på overskud skabt af AI-aktiviteter inden for deres grænser, selv uden fysisk tilstedeværelse af virksomheden.
Vejen fremad
FN's ad hoc-komité skal udvikle nye standarder og normer, der er skræddersyet til AI-relaterede udfordringer. Latif foreslår, at der indføres nye rammer for AI-aktiviteter, der fokuserer på dataindsamling, algoritmeudvikling og systemimplementering. Dette vil sikre en mere retfærdig fordeling af overskud og fordele fra AI-aktiviteter globalt.