GenAI-Anwendungsfälle für Steuertechnologen

Im Rahmen unserer jüngsten Kommunikation und Zusammenarbeit mit Kunden konnten wir feststellen, dass viele Steuerabteilungen damit beginnen, die Nutzung von Tools der generativen künstlichen Intelligenz (GenAI) zu prüfen. Ein aktueller Bericht von Deloitte, Generative AI: What should tax directors be thinking about, kann bei diesen Einschätzungen helfen. 

Der Bericht wurde von Partnern des Londoner Büros von Deloitte verfasst. Allerdings sind fast alle hier aufgeführten Erkenntnisse und Hinweise auch für indirekte Steuerkonzerne in anderen Ländern und Regionen relevant. 

Ein Großteil des Berichts behandelt die mit KI verbundenen Risiken (z. B. Einseitigkeit, Halluzinationen, ethische Überlegungen, Probleme der Datenverwaltung und mehr) ebenso wie die Risikomanagement- und Governance-Praktiken, die Unternehmen bei der Entwicklung von vertrauenswürdigen KI-Anwendungen unterstützen. Diese Empfehlungen im Zusammenhang mit Risiko und Governance stimmen mit den vier Grundprinzipien überein, von denen die Entwicklungsarbeit von Vertex im Zusammenhang mit KI bestimmt wird:

1. Ausrichtung von KI auf die richtigen Anwendungsfälle.
2. Nutzern die Kontrolle geben.
3. Priorisierung von Datensicherheit und Datenschutz.
4. Nutzung menschlicher Intelligenz zur Rechenschaftspflicht.

Bei der Implementierung einer neuen KI-Lösung empfehlen die Co-Autoren des Deloitte-Berichts indirekten Steuerkonzernen: 

• Entwickeln Sie eine umfassende Risiko-Klassifizierung.
• Identifizieren Sie die Risiken (und deren potenziellen Schweregrad für jeden Anwendungsfall.
• Implementieren Sie technische Kontrollen und nicht-technische Ansätze zur Risikominderung;
• Passen Sie die aktuellen Governance-Rahmenbedingungen an KI an und
• Integrieren Sie verantwortungsvolle KI-Praktiken in Entwicklungsaktivitäten - und in die Unternehmenskultur.

Im Bericht werden die Anwendungsfälle von GenAI im Lebenszyklus der Steuer-Compliance hervorgehoben, beispielsweise Effizienz- und Produktivitätssteigerungen, gezielte Steuerrisikoüberprüfungen, zuverlässige Due Diligence bei Fusionen und Übernahmen, Verbesserungen im Wissensmanagement, Ökosystem-Integrationen und Optimierung von Beschaffungsaktivitäten.   Während die Liste der Anwendungsfälle ständig wächst, basieren alle auf Daten als Treibstoff für GenAI. Dadurch werden die Anforderungen erhöht, die Daten zu verstehen und zu bereinigen, um die Anwendungsfälle zu unterstützen, für die sie benötigt werden.

Besonders nützlich fand ich in dem Bericht die Hinweise für Steuerverantwortliche, die für die Auswahl von GenAI-Anwendungsfällen zuständig sind: Zu den beiden wichtigsten Elementen, die es zu berücksichtigen gilt, gehören dem Co-Report zufolge:

1. Der menschliche Aufwand, der erforderlich ist, um die Aufgabe (oder den Prozess) ohne GenAI zu abzuschließen und
2. Der Aufwand, der erforderlich ist, um die Ausgabe der GenAI-Anwendung auf Richtigkeit zu prüfen, zu validieren und/oder anderweitig zu beaufsichtigen. 

„Wenn eine Aufgabe aufwendig auszuführen, aber leicht zu validieren ist“, betonen die Co-Autoren, „ist das ein Kennzeichen eines guten Anwendungsfalls.“

Mir scheint, dass es mehr Anwendungsfälle für KI und GenAI geben wird, wenn sich das Tempo der Steuertechnologie-Transformation weiter beschleunigt.