Kan computere håndtere skattelovgivningen?

Af Charlotte Jepsen, forhenværende administrerende direktør i FSR - danske revisorer.

Hvad dækker begreberne kunstig intelligens og machine learning egentlig over, og hvad er forskellen? Helt generelt kan man sige, at AI, altså artificial intelligence eller kunstig intelligens, bruges til at beskrive et computersystems evne til at efterligne egenskaber, som vi typisk forbinder med levende væsener. Det kan for eksempel være evnen til at lære nyt og løse problemer.

Har man sagt kunstig intelligens, er det svært at komme uden om machine learning. Machine learning knytter sig tæt til kunstig intelligens og dækker over den proces, hvor et computersystem på egen hånd tager ved lære og udvikler sin kunstige intelligens. Computersystemet forbedrer altså sig selv på baggrund af de erfaringer, det får ved hjælp af matematiske datamodeller.

Et godt eksempel på machine learning er Googles og Apples fototjenester, som vi alle kender fra vores smartphones, hvor appen kan vise, hvilke billeder der hører sammen, og kan skabe et album, ligesom du kan finde et enkelt billede frem ved at søge på, hvad motivet forestiller.

Kunstig intelligens og machine learning er udvikling, som ifølge Bent Dalager “er en kæmpe fordel for menneskeheden”. Ifølge ham er det “en meget, meget kraftig force – en teknologi, som kan skabe et bedre liv for os alle sammen”. Bent Dalager er i dag partner i KPMG's New Tech afdeling og var i 1970'erne og 80'erne med til at udvikle computerspil til de første hjemmecomputere. Du kan læse mere om Bent Dalager i magasinet, og hvordan han mener, man kan nytænke driften af og kontrollen med udbytteskatter ved at anvende kunstig intelligens.

I denne udgave af Borgen kan du læse, hvilke overvejelser Enhedslistens skatteordfører Rune Lund har gjort sig om brugen af kunstig intelligens på skatteområdet, og hvorfor han er enig med Bent Dalager i, at kunstig intelligens kun skal anvendes de steder, hvor det giver mening. Det skal dog ikke være på bekostning af skatteydernes retssikkerhed. Som du kan læse i bladet, er COVID-19 smittestop-appen en illustration af skismaet mellem retssikkerhed og kunstig intelligens. Man fravælger at lade appen spore mennesker for at undgå at gå på kompromis med danskeres retssikkerhed. Men hvis man havde ladet appen gøre det, kunne man måske identificere kontaktflader og mere effektivt bryde smittekæderne.

En anden del af udviklingen gør sig gældende, når lokale “landsbytosser” finder hinanden, fordi machine learning bidrager til at definere et fællesskab. Det kan dog være med til at skabe mistillid til den teknologiske udvikling, hvis faktafornægtende grupper kan komme til orde som følge af kunstig intelligens og machine learning.

Heldigvis er der flere positive sider af den teknologiske udvikling. Thomas Terney, ph.d. i kunstig intelligens, udtaler fx i magasinet, at man har gavn af kunstig intelligens i skattekontrollen, hvor han forventer, at Vilfredo Paretos gamle 80/20-princip vil gøre sig gældende inden for en årrække, således at 80 procent af angivelser og kontroller vil håndteres automatisk, mens 20 procent af sagerne vil understøttes af mennesker.

Tilsvarende opfattelse giver Henrik Palmer Olsen, professor, dr.jur. og prodekan på Københavns Universitet, udtryk for i magasinets temaartikel. Han har svært ved at se, at kunstig intelligens fuldstændig kan overtage sagsbehandling, domsafgørelser, nævnsafgørelser mv. Værdien af teknologien kan dog allerede i dag bidrage som beslutningsunderstøttende redskab.

Værdien og brugen af kunstig intelligens og machine learning kan du læse mere om i anden udgave af Taxo, hvor du også kan læse om, hvordan Skatteforvaltningen har gavn af teknologien.