Veštačka inteligencija već može da pročita tabelu, predloži formulu,
izdvoji odstupanja i sastavi razumljivo obrazloženje poreske promene.
Zbog toga deluje kao prirodan kandidat za automatizaciju obračuna poreza
na dobit, naročito u organizacijama koje još zavise od složenih Excel
radnih svezaka, ručnih prenosa i višestrukih usaglašavanja.
Ipak, kalkulacija poreza na dobit nije samo matematički zadatak. Ona
obuhvata klasifikovanje knjigovodstvenih i poreskih razlika, utvrđivanje
odloženih poreskih sredstava i obaveza, procenu mogućnosti iskorišćenja
poreskih sredstava, razmatranje neizvesnih poreskih pozicija i pripremu
napomena uz finansijske izveštaje. Veštačka inteligencija može da
pomogne u svim tim koracima, ali ne sme da zameni kontrolisan obračunski
sistem i odgovornog poreskog stručnjaka.
Ključna razlika zato nije između „ručnog rada” i „veštačke
inteligencije”, već između asistencije, determinističkog obračuna i
stručnog odobrenja. Svaki od ta tri sloja ima posebnu ulogu.
Optimistička
„boomer” perspektiva: manje mehanike, više stručnog rada
Optimistički pogled polazi od praktične činjenice: veliki deo procesa
poreske rezervacije čine ponovljivi poslovi. Podaci se preuzimaju iz
glavne knjige, raspoređuju po pravnim licima i jurisdikcijama, povezuju
sa poreskim kategorijama i prenose u rasporede privremenih razlika.
Automatizacija može da smanji potrebu za ponovnim unosom istih podataka
i da olakša vezu između izvornog knjiženja, poreskog prilagođavanja i
konačnog izveštaja.
Privremene razlike između knjigovodstvene vrednosti i poreske
osnovice sredstava i obaveza predstavljaju osnovu obračuna odloženog
poreza. Namenski sistemi mogu da vode početna i završna stanja, bruto
iznose i poreski efekat, promene stopa, valutne efekte i očekivana
ukidanja razlika. Na toj osnovi nastaju odložena poreska sredstva ili
odložene poreske obaveze.
To je područje u kojem platforme kao što su ONESOURCE Tax Provision i
Vertex Tax Accounting imaju jasniju ulogu od opšteg jezičkog modela. One
mogu da uvezu podatke iz poslovnih sistema, primene unapred podešenu
logiku, vode višegodišnje podatke i proizvedu ponovljiv obračun tekućeg
i odloženog poreza. ONESOURCE dodatno podržava rad prema ASC 740 i IAS
12, uključujući izveštaje, knjiženja, usaglašavanja i trag promena.
Efektivna poreska stopa može da se analizira povezivanjem obračunatog
poreskog rashoda sa računovodstvenim rezultatom i razvrstavanjem uzroka
odstupanja od propisane stope. Namenske platforme mogu da vode rasporede
za ovo usaglašavanje i da prikažu uticaj pojedinačnih stavki. Vertex Tax
Accounting podržava i modeliranje scenarija kako bi se sagledao mogući
uticaj određenih poreskih strategija na efektivnu poresku stopu i
gotovinski porez.
Copilot u Excelu ima korisnu, ali užu ulogu. Može da predloži ili
objasni formule, pronađe netipične promene, pripremi izvedenu tabelu,
grafikon ili sažetak i pomogne korisniku da razume strukturu radne
sveske. Režim planiranja omogućava da korisnik pregleda predložene
korake pre izmene, dok razgovorni režim omogućava analizu bez menjanja
podataka. To je vredno za pripremu i pregled, ali formula koju je
predložio Copilot nije samim tim poreski ispravna.
ChatGPT Enterprise može da bude pomoćnik za tehničko istraživanje,
opis promena, analizu neusaglašenih podataka i sastavljanje nacrta
napomena uz finansijske izveštaje. Na primer, može da pretvori odobrenu
tabelu efektivne poreske stope u razumljiv prvi nacrt obrazloženja ili
da sažme promene u odloženim poreskim pozicijama. Nacrt ipak mora da se
usaglasi sa konačnim brojevima i zahtevima primenljivog standarda.
Pesimistička
„doomer” perspektiva: uverljiva greška ostaje greška
Najveći rizik generativne veštačke inteligencije jeste halucinacija:
odgovor može da bude jezički uverljiv, a sadržinski netačan. U porezu to
može značiti izmišljeno pravilo, pogrešno primenjenu stopu ili netačno
objašnjenje tretmana. Ako takav odgovor automatski uđe u radnu svesku
ili napomenu, profesionalno oblikovana greška može proći
neprimećeno.
Drugi rizik je pogrešna klasifikacija. Sistem može da zameni trajnu
razliku privremenom, da pogrešno poveže stavku sa jurisdikcijom ili da
previdi da promena poreskog propisa zahteva ponovno merenje odloženih
stanja. Takva greška utiče i na odloženi porez i na efektivnu poresku
stopu.
Poseban problem predstavljaju procene. Priznavanje i vrednovanje
odloženih poreskih sredstava zahteva procenu njihove ostvarivosti.
Neizvesne poreske pozicije takođe zahtevaju dokumentovanu tehničku
analizu. To nisu zadaci koje treba prepustiti modelu koji proizvodi
verovatan tekst. Sistem može da pripremi podatke i nacrt, ali stručnjak
mora da proceni dokaze i odobri zaključak.
Promene propisa stvaraju dodatnu opasnost. Generativni model može da
koristi nepotpune ili zastarele informacije, dok poreski obračun mora da
se zasniva na pravilima koja se primenjuju na određeni period i
jurisdikciju. Čak i kada se namenski sistem redovno ažurira,
organizacija mora da proveri podešavanja, datum primene i način na koji
je promena preneta u obračun.
Zaštita podataka nije rešena samim izborom poznatog proizvoda.
ChatGPT Enterprise i poslovna izdanja Microsoft Copilot-a nude
upravljanje pristupom, šifrovanje i pravilo da se poslovni podaci
podrazumevano ne koriste za obuku osnovnih modela. Ipak, organizacija
mora da podesi dozvole, čuvanje podataka, spoljne veze i nadzor
korišćenja. Dodatni agenti i usluge trećih strana mogu imati drugačije
uslove obrade podataka.
Revizorski trag i objašnjivost ostaju presudni. Potrebno je pokazati
izvor podataka, pravilo obračuna, promenu verzije, izvršeni pregled i
osobu koja je odobrila rezultat. Odgovor dobijen u razgovoru sa modelom
nije zamena za takav trag. Ako se rezultat ne može ponoviti i objasniti,
teško ga je braniti pred revizorom.
Promeniće se i poslovi. Manje vremena može odlaziti na mehaničko
unošenje i prepisivanje, dok će više pažnje zahtevati upravljanje
podacima, kontrola sistema, procene i komunikacija. To ne uklanja
potrebu za početnim stručnim ulogama, ali menja način na koji se stiče
iskustvo: razumevanje obračuna ne sme biti izgubljeno samo zato što ga
sistem izvršava.
Praktičan model podele
odgovornosti
Najbezbedniji pristup ima tri sloja:
- Veštačka inteligencija kao pomoćnik: Copilot i
ChatGPT Enterprise podržavaju formule, analizu odstupanja, istraživanje,
objašnjenja i nacrte tekstova. - Namenska platforma kao obračunski sistem: ONESOURCE
Tax Provision, Vertex Tax Accounting i odgovarajući provereni poreski
sistemi vode podatke, pravila, obračune, verzije i izveštaje. - Stručnjak kao odgovorno lice: poreski stručnjak
odobrava klasifikacije, stope, procene, neizvesne pozicije, efektivnu
poresku stopu i konačne napomene.
Corptax treba procenjivati kao namensko poresko rešenje, ali na
osnovu konkretne demonstracije njegovih funkcija, integracija i
kontrola. Za Longview Tax najpre treba potvrditi aktuelni status
proizvoda i dostupne mogućnosti, jer raspoloživi nalazi nisu dovoljni za
pouzdan zaključak. Takođe, Vertex AI ne treba mešati sa Vertex Tax
Accounting: sličnost naziva ne znači da je reč o istoj platformi ili
istoj nameni.
Uravnotežen
zaključak: AI može da ubrza razmišljanje, ali ne i odgovornost
Veštačka inteligencija može značajno da unapredi način na koji
poreski tim priprema, pregleda i objašnjava obračun poreza na dobit.
Posebno je korisna za rad sa tabelama, otkrivanje odstupanja, tehničko
istraživanje i izradu nacrta napomena.
Međutim, pouzdan poreski proces zahteva deterministički obračun,
kontrolisane izvore podataka, jasan trag revizije i stručno odobrenje.
Najbolji model nije autonomni poreski robot, već uređena saradnja između
pomoćne veštačke inteligencije, namenske poreske platforme i odgovornog
stručnjaka. AI može da pripremi i objasni rezultat; sistem može da ga
izračuna; ali čovek mora da ga razume, proveri i odobri.