De fiscalist en de computer - Circulaire
Afbeelding2 large

De fiscalist en de computer

Op mijn leeftijd moet je specificeren over welke eeuw je het hebt als je herinneringen ophaalt. Maar die langdurige aanwezigheid heeft voordelen, want hoe langer je meeloopt, hoe meer achtergronden je kent. Neem nu de computer.

In de jaren tachtig (van de twintigste eeuw dus) begon ik met werken bij de belastingdienst in Alkmaar en daar mocht ik kennis maken met De Computer. In ons hele werkgebied (dat was het grootste deel van Noord-Holland) stond er namelijk maar één. Dat identificeert makkelijk. De Ene Computer had nog niet echt een doel, maar omdat het budget de aanschaf ervan toeliet en er toevallig een technologie-nerd op ons kantoor werkzaam was, mocht er één komen. De nerd slaagde erin om voorzichtig een spreadsheet-programma en een tekstverwerker in het toestel te laden. De Computer kon na verloop van tijd, met behulp van een primitief modem, enkele meters kabel en een hels gepiep en gekraak, zelfs verbinding maken met andere computers. Het apparaat creëerde eigenlijk een merkwaardig soort luxe-probleem: we hadden er niet echt werk voor. Welke fiscale klus kon je nu met recht aan een machine overlaten?

De belangrijkste fiscale automatiseringsslag van de jaren negentig (we zitten nog in dezelfde eeuw, want die duurde vrij lang) was de digitale transformatie van de Vakstudie, toen nog de enige fiscale encyclopedie. Dit standaardwerk verscheen voortaan op CD Rom. De papieren versie, met de eindeloze rij losbladige delen en de wekelijkse supplementen, bleef gewoon bestaan. Sterker, de CD-versie was gewoon een digitaal printje van de losbladige delen. Om de paar weken kwam er een nieuwe CD binnen, die dan op een speciaal geoutilleerde plek in het gebouw werd geïnstalleerd door een hooggeschoolde IT'er, zodat onze fiscale kennis up-to-date bleef. Het lijkt langer geleden dan het is.

De nieuwe eeuw bracht een volgende revolutie mee: e-mail en internet voor iedereen. Ik werkte inmiddels bij een bank en daar moest je een speciaal verzoek bij de baas van je baas indienen om op je werkplek voor deze luxe functionaliteiten in aanmerking te komen. De reden daarvoor was dat er, nog steeds, voor fiscalisten niet heel veel te halen was in de digitale wereld.

Het is zeker niet zo dat de ontwikkelingen helemaal stil stonden. Ietwat langzaam, maar wel zeker deed de technologie steeds nadrukkelijker haar intrede in de belastingen. De Vakstudie werd web-based, de belastingdienst ging de inkomstenbelastingaangifte voor ons invullen, data analytics deed zijn intrede. Maar voorbij de fiscale horizon was de digitale progressie toch een heel stuk imposanter: schaakcomputers versloegen menselijke grootmeesters, auto's begonnen uit zichzelf te rijden, Amazon wist eerder wat de klant wilde kopen dan de klant zelf en Rusland won de Amerikaanse presidentsverkiezingen. Hoe komt het dat de meeste aangiftesoftware nog gebaseerd is op spreadsheets, terwijl de rest van de wereld al bijna is overgestapt op virtual reality?

Fiscalist als trendvolger

De geschiedenis leert dat de belastingdeskundige doorgaans geen early adopter is. Even heel algemeen gesproken is de cultuur vrij behoudend. Dat is echter niet de voornaamste reden voor de wat traag lijkende technische vooruitgang binnen ons vakgebied. De werkelijke oorzaak is dat de vaktechnische kant van de fiscaliteit vooralsnog veel te moeilijk is voor de computer.

Dat geldt zeker niet alleen voor het belastingrecht, want ook andere gebieden - zoals het civiele recht, externe verslaggeving, taalwetenschap en vele andere - hebben te maken met de beperkingen van computers. Computers hebben algoritmes nodig om problemen op te lossen. Data waaruit patronen zijn af te leiden. Vragen die met 'ja' of 'nee' zijn te beantwoorden. Maar zo zwart -wit ligt het nu eenmaal niet in de fiscale praktijk (en in veel andere praktijken). Antwoorden op fiscale vragen zijn meestal genuanceerd, gebaseerd op interpretatie, afhankelijk van complexe feitelijke constellaties. Dat klinkt misschien romantisch, maar het is gewoon de realiteit. Tot op dit moment bestaat er nog geen machine die autonoom een antwoord kan geven op een vraag als "Krijgen we voor dit aandelenpakket de deelnemingsvrijstelling als we 100 prefs bijkopen en een optie op nog 200 gewone aandelen verwerven?" Een beginnend fiscalist draait er (na een blik op de precieze feiten en omstandigheden) de hand niet voor om, maar zelfs de meest geavanceerde computer komt er met geen mogelijkheid uit, ongeacht hoeveel data we erin stoppen.

Het project AI & Tax

Kunnen computers dan echt helemaal geen fiscale analyse maken? Daar is wel een nuance bij aan te brengen. Diverse partijen hebben de afgelopen paar jaar toepassingen ontwikkeld die op bepaalde fiscale ja/nee-vragen antwoord kunnen geven. Dat gebeurt op basis van een gezaghebbende databron: de belastingjurisprudentie. De werkwijze van deze applicaties is echter volkomen anders dan de menselijke benadering. De computer baseert het oordeel namelijk geheel op een taalkundige analyse. Vakinhoud speelt geen enkele rol in dit verhaal.

Een vraagstelling waarin bijvoorbeeld de termen "btw", "fast food", "laag tarief", "surprise" en "menu" voorkomen, leidt de computer naar de omzetbelastingrechtspraak waarin dezelfde terminologie voorkomt. De uitkomsten van die bestaande casuïstiek bepalen dan de beantwoording van de gestelde vraag, vermoedelijk in de trant van "ja, het lage btw-tarief is van toepassing".

Deze benadering is verrassend succesvol. Met een vergelijkbare aanpak kunnen juristen de uitspraken van het Europese Mensenrechtenhof al in 79% van de gevallen juist voorspellen (Aletras et al., "Predicting judicial decisions of the European Court of Human Rights: a Natural Language Processing perspective", PeerJ, 24 oktober 2016). We kunnen dus zonder meer van een veelbelovende, en zeker ook fascinerende, ontwikkeling spreken. Maar de beperkingen zijn natuurlijk ook duidelijk: de beantwoording blijft in wezen beperkt tot "ja" of "nee", er moet voldoende jurisprudentie over (zeer) goed vergelijkbare vraagstellingen bestaan, de vraagsteller moet gedisciplineerd formuleren, de mogelijke impact van een nieuw argument blijft geheel buiten beschouwing enzovoorts.

Het probleem is, kortom, dat computers zich geen wettelijke context kunnen eigen maken. De manier waarop mensen met zulke inhoudelijke materie leren omgaan, is niet digitaal te kopiëren. Uiteraard zoeken we naar oplossingen, massaal zelfs. Juristen experimenteren al een tijdje met het opdelen van wetten in kleinere stukken, de concepten die samen het desbetreffende rechtsgebied vorm geven. De onderzoeker brengt de computer concept voor concept bij totdat de hele wet "erin zit". Denk bijvoorbeeld aan de vennootschapsbelasting: de deelnemingsvrijstelling, de fiscale eenheid, fusie en splitsing, verliesverrekening enzovoorts zijn allemaal verschillende concepten. Echter, in de praktijk blijkt een deel van een wet niet heel veel eenvoudiger te zijn dan die wet zelf. De coderingsproblemen blijven goeddeels hetzelfde.

Zou het dan een oplossing kunnen zijn om de wet zelf, als eerste stap in een heel geleidelijk digitaal leerproces, een flink stuk te vereenvoudigen? Tilburg University is bezig met een project om dit te onderzoeken. Studenten, universitaire onderzoekers en een extern data-science-bedrijf werken hiervoor samen. De fundamentele vraag luidt: kunnen we computers inhoudsspecialisten laten worden door ze stapje voor stapje te leren 'denken' in fiscale termen?

De aanpak is - in elk geval op het eerste gezicht - eenvoudig genoeg. Uitgangspunt is een fictieve, maar realistische belastingwet met maar één artikel, volgens het model "Als gebeurtenis X zich voordoet, betaalt partij Y een belasting van Z%." Schijn bedriegt natuurlijk, want ook aan dit bijzonder transparante belastingwetje (het simpelste belastingwetje ter wereld, die eer kunnen we wel claimen) kleven al een paar interpretatieve uitdagingen. Maar daarom gaat het juist in dit project: door zo klein mogelijk te beginnen, willen we de begripsvorming vanaf de basis opbouwen.

Als de computer eenmaal de eerste beginselen onder de knie heeft, kunnen we het wetje iets uitbreiden (bijvoorbeeld met enkele eenvoudige uitzonderingen op de hoofdregel) en vervolgens het leerproces op een wat hoger niveau, maar volgens dezelfde principes, voortzetten. We hebben echter geen duizend jaar de tijd, dus er is nog een belangrijke additionele dimensie in het leerproces ingebouwd: de computer leert voortdurend om te leren. Met andere woorden, met elke uitbreiding van het leerobject - de eenvoudige belastingwet - kan de computer weer een stapje zelfstandiger de benodigde educatieve stappen volgen om de nieuwe stof onder de knie te krijgen.

Het werkt natuurlijk wel zo prettig als je de fiscale vragen kunt voorleggen aan een communicatief vaardige interface, zoals een chatbot. Die maakt dan ook deel uit van de ontwikkeling. Hopelijk kunnen de eerste resultaten binnenkort ook door middel van deze chatfunctie aanschouwelijk worden gemaakt binnen de opleiding Tax & Technology die het Fiscaal Instituut verzorgt. Hoe dan ook: het zijn interessante tijden. Misschien maken fiscalisten binnenkort dan toch hun eigen digitale revolutie mee.

FIT-bijdragen
Afbeelding2 small
De fiscalist en de computer
Op mijn leeftijd moet je specificeren over welke eeuw je het hebt als je herinneringen ophaalt. Maar die la...
FIT-bijdragen
Diheng xu foto small
China’s Fiscal Measures Relating to the COVID-19 Pandemic
1. Introduction The outbreak of the coronavirus (COVID-19) pandemic in China was marked by the shutdown of ...
FIT-bijdragen
Afbeelding2 small
Tax Talent Traineeship: boeiende uitdaging voor jonge, ambitieuze topfiscalisten.
In 2014 is de Belastingdienst op mijn initiatief gestart met het Tax Talent Traineeship. Dit is een trainee...
FIT-bijdragen
Frits van de kamp  small
“In den beginne als alles zoet is..”; over enkele fiscale en juridische gevolgen van de wijzigingen in het huwelijksgoederenrecht sinds 2012
Mr. Frits van der Kamp is fiscaal adviseur familievermogensrecht, collaborative professional, mediator en (...