Por qué la tecnología y una sólida base de datos son claves para la transparencia fiscal

Mientras que la IA determinista convencional basada en reglas se utiliza con gran efecto para validar y depurar los datos maestros fiscales, el 87 % de los directores fiscales y financieros cree que la integración de la GenAI impulsará la eficiencia y la eficacia dentro de la función fiscal, según la encuesta de TFO.

La IA convencional requiere operadores humanos para recopilar los datos en bruto necesarios para lograr la transparencia fiscal, pero GenAI puede automatizar este proceso casi por completo y, a continuación, puede validar y limpiar los datos recopilados antes de generar perspectivas enriquecidas.

Richard Clough, EY Global Tax Chief Data Officer, afirma que esta tecnología de vanguardia ya se está utilizando de cuatro formas fundamentales para generar automáticamente una visión única de la verdad fiscal, establecer normas fiscales externas y, en última instancia, facilitar la consecución de una narrativa fiscal unificada y la transparencia. Estos cuatro amplios casos de uso son:

• Ingeniería del conocimiento: se trata de utilizar GenAI para obtener, recuperar y dar sentido a las normas fiscales a partir de diversas fuentes de datos, como informes oficiales, memorandos, correos electrónicos e información en línea.
• Análisis de documentos: interrogatorio de informes, memorandos, correos electrónicos e información en línea, aplicación de consultas fiscales y generación de respuestas de alta calidad. Analizar y resumir nuevos datos, por ejemplo, así como leer y revisar documentos fiscales.
• Generación de contenidos: creación de nuevos contenidos, como informes fiscales y memorandos, basados en los conocimientos y perspectivas derivados de la información existente. Por ejemplo, un asistente virtual del Segundo Pilar de BEPS 2.0 impulsado por GenAI.
• Ingeniería de datos: creación y gestión de flujos de datos para mover, transformar y limpiar la información. Por ejemplo, balance de sumas y saldos/informes fiscales, mapeo y limpieza de datos, provisión al cumplimiento y precios de transferencia.

Clough afirma que su equipo de EY ha estado trabajando con una mezcla de clientes para lograr pruebas de concepto en estas cuatro áreas clave. Ahora se centra en hacer evolucionar los modelos operativos fiscales de los clientes para que puedan integrar GenAI. 

Para apreciar plenamente el impacto potencial de la GenAI en los esfuerzos de transparencia fiscal es útil considerar cómo puede utilizarse para escanear las normativas. La exploración del horizonte es una tarea crítica que permite a los equipos fiscales comprender la dirección del cambio normativo y poder alinear su estrategia entre entidades y jurisdicciones de forma conjunta y oportuna. Puede ser una tarea que requiera muchos recursos. Sin embargo, la GenAI puede reducir drásticamente el tiempo y el esfuerzo necesarios para comprender y actuar ante el torrente aparentemente interminable de información que los equipos fiscales deben digerir.

Por ejemplo, con los grandes modelos lingüísticos específicos para impuestos adecuados, GenAI puede extraer automáticamente datos históricos sobre posiciones fiscales a partir de bases de datos fiscales y financieras internas, memorandos y correos electrónicos. A continuación, la tecnología puede depurar, codificar y clasificar esta información para crear una base de datos en la que se puedan realizar búsquedas y que pueda ser interrogada utilizando la terminología fiscal estándar por los profesionales de la fiscalidad.

La GenAI puede utilizarse entonces para identificar y dar sentido a las normas, a menudo fragmentadas y confusas, publicadas externamente por las autoridades fiscales. Esto se consigue vinculando un agente GenAI a fuentes de información externas como las alertas fiscales en línea de EY, los comunicados en línea de la OCDE y otros documentos de bases de datos jurídicas de propiedad privada. Según Clough, estas soluciones ayudan a acortar el tiempo necesario para generar un conjunto de reglas curadas de unas cuatro semanas a menos de un minuto.

La exploración del horizonte puede lograrse entonces superponiendo estas percepciones internas y externas e instruyendo a un asistente de agente de riesgo impulsado por GenAI para que busque nuevas normas fiscales que afecten a las posiciones fiscales de la empresa. Puede señalar las áreas de riesgo en tiempo real para una revisión humana urgente. 

Una de las mayores ventajas de GenAI es que los profesionales de la fiscalidad necesitan poca o ninguna experiencia de trabajo con la tecnología para generar un valor real. El procesamiento del lenguaje natural les permite "chatear" con la solución utilizando frases de conversación cotidianas para identificar y explorar las áreas de riesgo fiscal, y la solución puede entonces generar un informe bajo demanda.

Tanto Lee como Clough afirman que la IA, y especialmente la GenAI, ya están demostrando ser una poderosa herramienta para generar perspectivas fiscales detalladas, precisas y oportunas que antes eran inalcanzables mediante los procesos manuales convencionales. Sostienen que la transparencia eficaz en ámbitos como el segundo pilar de BEPS 2.0, los informes país por país, la Norma Común de Información y, para las empresas que decidan participar en ella, la Iniciativa Mundial de Información, dependerá rápidamente de seres humanos con los conocimientos fiscales adecuados que se vean potenciados por la IA y otras soluciones tecnológicas. Estos son tres pasos clave para garantizar que los datos del equipo fiscal estén preparados para este viaje:

1. Centralizar al máximo las normas de los datos federados. Definir los requisitos del equipo fiscal y asegúrese de que existe un método para almacenar una única fuente de la verdad, como un EPM.
2. Identificar y examinar los puntos débiles actuales de los datos y las áreas de ineficacia. Esto permitirá a los equipos fiscales identificar casos de uso para la automatización y la IA.
3. Determinar cuál es la mejor solución tecnológica para la ingestión, el procesamiento y la elaboración de informes de datos y cómo puede encajar mejor esta tecnología con los sistemas y procesos existentes.