Een Tax Control Framework in een handomdraai met GenAI

Generatieve kunstmatige intelligentie (GenAI) is in opkomst en biedt organisaties nieuwe kansen. Marvin de Ridder en Daan Meerdink, experts in fiscale beheersing bij PwC, vragen zich af of GenAI ook de sleutel kan zijn tot het succesvol opzetten van een Tax Control Framework (TCF).

GenAI is momenteel een veel besproken onderwerp. Met deze vorm van kunstmatige intelligentie kun je nieuwe content creëren, zoals tekst, afbeeldingen, video's, audio of softwarecodes. Als belastingadviseurs roept dat bij ons meteen de volgende vraag op: in hoeverre kan GenAI het opzetten van het Tax Control Framework vergemakkelijken of zelfs verbeteren?

Om ervoor te zorgen dat een organisatie haar fiscale verplichtingen voldoende beheerst, is het noodzakelijk dat ze een Tax Control Framework (TCF) inricht. Het opzetten van een dergelijk raamwerk omvat onder meer het opstellen van een fiscale strategie, het in kaart brengen en documenteren van rollen, verantwoordelijkheden en processen, het identificeren van risico’s, het formuleren van beheersmaatregelen en het maken van een monitoring- en testplan. 

1. Fiscale strategie
   De fiscale strategie is een document waarin een organisatie de basis legt voor het TCF door haar fiscale doelstellingen vast te stellen en hoe ze die wil realiseren. Dit omvat onder meer de risicobereidheid, de rol van de fiscale functie, de gewenste relatie met de Belastingdienst en de betrokkenheid van het bestuur. Door middel van het aanleveren van gegevens over de organisatie, zoals de algemene missie, visie en strategie, kun je met GenAI snel een eerste opzet van een fiscale strategie maken. 
2. Rollen en verantwoordelijkheden
   Voor een volwassen TCF is het cruciaal om duidelijkheid te hebben over de verdeling van fiscale verantwoordelijkheden en de betrokkenheid van verschillende partijen. Een zogeheten RA(S)CI-matrix kan hierbij helpen door taken en betrokkenen in een overzicht te weergeven. Met GenAI kun je een RA(S)CI-matrix genereren op basis van bestaande documenten en teksten waarin personen en taakomschrijvingen staan.
3. Fiscale processen
   Het documenteren van fiscale processen kun je visueel maken met stroomdiagrammen of uitgebreid uitleggen in procesbeschrijvingen. De meeste GenAI-tools kunnen alleen dit laatste door bestaande documentatie zoals handboeken te analyseren en de huidige werkwijzen daaruit te destilleren. Als er geen document beschikbaar is, kan GenAI ook een vragenlijst opstellen die door medewerkers ingevuld moet worden, en vervolgens een beschrijving genereren op basis van de verkregen antwoorden.
4. Risicomanagement
   Effectief fiscaal risicomanagement is een essentieel onderdeel van een TCF. Door haar risico’s te beheersen kan een organisatie ervoor zorgen dat ze de bredere bedrijfsstrategie en -doelstellingen behaalt en het vertrouwen van de Belastingdienst en andere stakeholders wint. Risico’s en beheersmaatregelen worden doorgaans geïdentificeerd door relevante documentatie te inspecteren en verschillende betrokkenen te interviewen. Vervolgens wordt hiervan een risico-en controlematrix (RCM) gemaakt. GenAI kan dit hele proces weliswaar (nog) niet uit handen nemen, maar wel helpen bij het voorbereiden van interviewvragen, analyseren van transcripties en snel gegevens verzamelen uit andere bronnen, zoals procesbeschrijvingen en rapportages.
5. Monitoren en testen
   Monitoren en testen houden in dat de organisatie regelmatig controleert of de fiscale processen en beheersmaatregelen voldoende effectief zijn om geïdentificeerde risico’s te mitigeren en of er nog onbekende risico’s zijn. Idealiter wordt dit ook gerapporteerd naar stakeholders, zoals het bestuur en eventueel de Belastingdienst. Om dit op een gestructureerde manier te blijven doen, is een monitoringplan nodig. Dit moet het doel, de scope, de verantwoordelijkheden, de rapportage en de opvolging van monitoring- en testactiviteiten beschrijven. De activiteiten worden in een kalender weergegeven met belastingmiddelen, gekoppelde risico's, uitvoerders en toetsingsperiodes.

AI kan helpen bij het opzetten van een dergelijk plan door gegevens te verzamelen uit eerdergenoemde TCF-documenten en daarmee aanbevelingen doen voor geschikte monitoringactiviteiten. GenAI kan ook ingezet worden om de resultaten van verschillende monitoringactiviteiten te verwoorden in rapportages over de voortgang van de monitoringactiviteiten.

Het belang van menselijke betrokkenheid bij AI

Er zijn dus genoeg mogelijkheden waar GenAI kan helpen bij het opzetten van een Tax Control Framework. Er is echter wel een maar. In hoeverre is de gegenereerde content in de praktijk bruikbaar en in hoeverre kun je vertrouwen op de uitkomsten? Zo is de manier waarop je een ‘prompt’, de geschreven opdracht die je aan de AI-tool geeft, opstelt van grote invloed op het antwoord. GenAI-modellen zijn namelijk getraind op menselijke taal. 

Een ruim opgestelde vraag zoals: ‘stel een fiscale strategie op’ zal waarschijnlijk wel een antwoord opleveren, maar vaak niet meteen het gewenste antwoord bevatten. Daarnaast kan het antwoord gebaseerd zijn op basis van trainingsdata die mogelijk niet up-to-date zijn met recente regelgeving of de laatste versie van bepaalde standaarden. 

Het specifiek formuleren van de opdracht en zelf de relevante criteria opnemen als normenkader, bijvoorbeeld de richtlijnen uit de leidraad Grote Ondernemingen van de Belastingdienst of de VNO-NCW Tax Governance Code, zullen leiden tot een veel accurater resultaat. Bepaalde voorkennis blijft dus nodig om te kunnen verifiëren hoe accuraat een antwoord is en om GenAI goed aan te sturen.  

Ook kan er een zogeheten ‘bias’ (vooroordeel) optreden. Dit gebeurt vooral als de prompt in een bepaalde richting stuurt.

Verantwoord gebruik van GenAI

Overheden zijn inmiddels begonnen met het invoeren van regelgeving voor het verantwoord gebruik van AI. Zo is sinds 1 augustus 2024 de EU AI Act van kracht. Deze Europese regelgeving is van toepassing op iedereen die AI-systemen maakt, gebruikt, importeert of distribueert in de EU, ongeacht waar ze zijn gevestigd. Het doel ervan is om met uniforme standaarden EU-burgers te beschermen en tegelijkertijd de waardecreatie op het gebied van AI te bevorderen. Ook de Engelse fiscus, de HMRC, onderstreept het belang van verantwoord gebruik van kunstmatige intelligentie. De HMRC heeft onlangs richtlijnen gepubliceerd voor het implementeren van Tax Control Frameworks. Hierin staan een aantal aandachtspunten voor de inzet van kunstmatige intelligentie bij activiteiten, zoals het verwerken van transacties en toewijzen van de juiste belastingcodes. Bijvoorbeeld:

• De fiscale beslissingen die afhankelijk zijn van algoritmen moeten duidelijk uitgelegd kunnen worden. Het moet ook mogelijk zijn om te controleren of deze beslissingen nauwkeurig zijn.

Bovendien is het lastig te achterhalen waar informatie vandaan komt waarmee GenAI content genereert. Een antwoord kan ook inhoud bevatten die door auteursrecht wordt beschermd, waardoor je ongemerkt plagiaat pleegt. Andersom bestaat het risico dat gebruikers gevoelige informatie delen, die weer onderdeel wordt van de trainingsdata en daarmee toegankelijk wordt voor derden, zeker bij gratis of openbare AI-tools. 

Bewustwording en vaardigheden ontwikkelen

Goede training om effectief en veilig met GenAI om te gaan, kan helpen om de genoemde nadelen te voorkomen. Denk aan cursussen om goede prompts te schrijven en stil te staan bij de valkuilen van AI. Kortom, terwijl GenAI een krachtig hulpmiddel kan zijn voor het verbeteren van de technische en procesmatige aspecten van een TCF, blijft de menselijke factor essentieel voor het succes ervan. Het is dus van belang dat je rekening houdt met de volgende aspecten:

• Wees zo duidelijk mogelijk bij het schrijven van een prompt en neem zoveel mogelijk het normenkader expliciet op. 
• Houd rekening met verschillende soorten biases die kunnen optreden. 
• Wees niet alleen bewust van het potentieel dat GenAI biedt, maar ook van de datarisico’s en de wet- en regelgeving omtrent verantwoord gebruik ervan. 
• Blijf investeren in het onderhouden van het kennisniveau binnen de organisatie, zodat medewerkers de vaardigheden kunnen ontwikkelen om GenAI-mogelijkheden te benutten en tevens de kwaliteit van de gegenereerde content te waarborgen.