Liderzy opinii

Poza ciężarem: Jak AI przekształca zgodność podatkową w strategiczne aktywo

mm
Dodaj Unite.AI do preferowanych źródeł w Google

Niewiele rzeczy na świecie zmienia się tak często jak przepisy podatkowe, a dzisiejszy trend w kierunku płatności w czasie rzeczywistym jeszcze bardziej przyspieszył ten proces. Rozwój systemów płatności w czasie rzeczywistym, handlu elektronicznego i nowych modeli biznesowych, takich jak subskrypcje cyfrowe, oznacza, że każda transakcja jest potencjalnym zdarzeniem podatkowym, które musi być dokładnie sklasyfikowane, obliczone i zgłoszone. Jednocześnie zespoły ds. zgodności są oczekiwane, aby utrzymywać firmy po prawej stronie tysięcy lokalnych, stanowych i krajowych przepisów, które ciągle się zmieniają.

W efekcie jest to presja, aby działać szybciej, jednocześnie nawigując w złożoności jurysdykcyjnej i nowych cyfrowych nakazach, takich jak obowiązkowa elektroniczna faktura. Fundacja Podatkowa stwierdziła, że 7,1 miliarda godzin jest potrzebnych do zgodności z kodami podatkowymi, co odpowiada 388,1 miliardom dolarów rocznie w straconej produktywności. Zespoły księgowe i finansowe, zwłaszcza te, które działają na platformach ERP, napotykają dwa trwałe problemy: wyniki podatkowe zależą od dokładnych atrybutów na poziomie produktu, a te atrybuty są rzadko przechowywane w jednym miejscu. Atrybuty są rozproszone w łańcuchu dostaw, platformach ERP i handlu, zmuszając zespoły do godzin ręcznego mapowania pól za każdym razem, gdy zmienia się reguła. Ten poziom powtarzalnej pracy po prostu nie skaluje.

Wiele zespołów nadal pracuje w systemach legacy, które nie zostały zaprojektowane z myślą o nowoczesnym wolumenie transakcji. Podczas gdy reguły ewoluują, te systemy wprowadzają błędy, spowalniają raportowanie i odciągają zespoły ds. zgodności od analizy i pracy z ryzykiem o wyższej wartości.

Automatyzacja i współpraca z ERP

Wraz z rozwojem handlu globalnego praca związana z zgodnością podatkową stała się bardziej złożona ze względu na rosnącą fragmentację danych w osadzonych ekosystemach ERP. Zespoły księgowe i finansowe spędzają nadzwyczajną ilość czasu na ręcznym mapowaniu danych między tymi systemami w celu uzgodnienia pól, naprawy nieścisłości i zapewnienia, że dane produktów są sformatowane poprawnie do klasyfikacji podatkowej. Nawet proste niezgodności między opisem produktu na platformie handlu elektronicznego a formatem kodu podatkowego wymaganym w innym miejscu mogą spowolnić proces raportowania. Te ręczne przepływy pracy są nużące, czasochłonne i niemal niemożliwe do skalowania dla firm zarządzających tysiącami jednostek SKU na granicach. Wyzwania związane ze skalowaniem nasilają się, gdy organizacje rozszerzają swoje kategorie produktów lub wkraczają na nowe rynki z unikalnymi regułami.

AI wkracza teraz, aby wypełnić tę lukę dla zespołów finansowych. Poprzez czytanie i analizę przepisów podatkowych i różnych kodów produktów, AI może przypisać odpowiedni kod podatkowy i dołączyć do każdego wyniku ocenę ufności. To zastępuje godziny ręcznej kontroli SKU spójnymi klasyfikacjami i wyraźnymi ocenami ufności. W rzeczywistości automatyzacja przepływu pracy wykazała, że zmniejsza powtarzalne zadania o 60% do 95%, co prowadzi do oszczędności czasu do 77% w przypadku rutynowych działań. To tworzy więcej czasu dla zespołów ds. zgodności, aby rozwiązać niezgodności przed ich eskalacją w większe problemy z raportowaniem i zmniejsza ciężar ciągłego monitorowania.

Pomimo wydajności i szybkości nowych możliwości AI, pewna ręczna kontrola nadal jest ważna. Ocena ufności pomaga zespołom ustalić priorytet, które wyniki wymagają nadzoru, zmniejszając niskowartościową administracyjną kontrolę. Według ankiety KPMG, 92% amerykańskich firm zgłasza, że inicjatywy AI w dziale finansowym spełniają lub przewyższają ich oczekiwania dotyczące ROI, co dowodzi, że automatyzacja z elementem nadzoru ludzkiego może zmniejszyć powtarzalność i błędy.

Minimalizowanie błędów i poprawa wydajności

Systemy podatkowe legacy poddają zespoły finansowe serii nużących zadań, które spowalniają produktywność i mogą skutkować karami, od grzywien do utraty licencji biznesowych, gdy są wykonane nieprawidłowo. Fundacja Podatkowa szacuje, że zgodność z wymogami podatkowymi kosztuje gospodarkę amerykańską ekwiwalent 1,8% PKB, co jest więcej niż oczekiwane wpływy z podatku dochodowego od osób prawnych w 2025 roku. Ta liczba odzwierciedla rzeczywisty koszt przestarzałych, ręcznych procesów zgodności, które nie mogą nadążyć za przyspieszonym rozwojem polityki podatkowej.

Podatki pośrednie, takie jak VAT i podatek od sprzedaży, nasilają te wyzwania. VAT stanowi około 20% łącznych dochodów podatkowych w krajach OECD, a zaktualizowane unijne reguły wygenerowały ponad 33 miliardy euro w 2024 roku. Rządy na całym świecie wdrażają systemy raportowania w czasie rzeczywistym, analitykę danych transakcyjnych i automatyczne wyzwania audytowe. Błędy, które mogły pozostać niezauważone w przeszłości, są teraz identyfikowane niemal natychmiast. Dla firm, które planują pozostać zgodne, szybkość jest nowym czynnikiem w procesie. Poprzez usunięcie ręcznych systemów i procesów, firmy mogą zapewnić szybką odpowiedź. Dziś automatyzacja odgrywa znaczącą rolę w pomaganiu firmom w utrzymaniu zgodności.

Firmy działające na arenie międzynarodowej muszą teraz polegać na nowych procesach i systemach, aby ewoluować. Wraz z ekspansją międzynarodową i zmieniającymi się nakazami, firmy polegają na procesach i technologii, które mogą ewoluować wraz z regulacjami. To napędza szybką adopcję AI w funkcjach finansowych. Zgodność staje się bardziej przewidywalna dzięki automatyzacji, a z mniejszą ilością czasu spędzanego na ręcznej pracy z danymi, specjaliści ds. zgodności mogą przerzucić swoją uwagę na strategię i mitigację ryzyka, wzmacniając finansową odporność i wzrost organizacji.

Gdy więcej firm rozszerza się na nowoczesne modele biznesowe lub nowe rynki, ilość zdarzeń podatkowych również się pomnożone. AI pomaga zespołom nawigować w tych nowszych modelach biznesowych, flagując przypadki brzegowe, stosując odpowiednie reguły i utrzymując dokładność w skali. Ten poziom precyzji i automatyzacji pozwala firmom rozszerzać się na nowe rynki z większą pewnością i wspierać silniejsze relacje z partnerami i klientami.

Od kosztu zgodności do czynnika wzrostu

Zgodność podatkowa może nigdy nie stać się prosta, ale nie musi już być stałym ciężarem. Z AI osadzonym w ekosystemach ERP i handlu elektronicznego, firmy mogą reagować na zmiany regulacyjne w czasie rzeczywistym, utrzymywać dokładność w skali i zapewnić, że każda transakcja jest obsługiwana poprawnie, niezależnie od wolumenu lub złożoności. Ta zdolność do adaptacji w czasie rzeczywistym zapewnia, że funkcje podatkowe są przygotowane do zgodności, nawet w nieoczekiwanych sytuacjach.

Ostatecznie ten przełom podnosi funkcję podatkową. Zamiast ścigania się za każdą zmianą reguły, zespoły zyskują proaktywne systemy, które ewoluują wraz z firmą. Automatyzacja uwalnia zespoły od zadań o niskiej wartości i wysokiej objętości, aby mogły się skoncentrować na planowaniu, prognozowaniu i strategicznej mitigacji ryzyka.

W krajobrazie biznesowym zdefiniowanym przez nieustanną zmianę, AI jest już nie tylko opcjonalna. Jest to niedoceniana przewaga konkurencyjna, która przekształca zgodność podatkową z wydatku w proaktywne źródło ROI dla firm.

Kevin Akeroyd jest dyrektorem generalnym Sovos, wiodącej platformy SaaS skupionej na umożliwieniu 100% zgodności w cyfrowym, transgranicznym, regulowanym świecie. Z doświadczeniem w firmach Fortune 500, takich jak Oracle i Salesforce, a także w firmach wspieranych przez venture capital i private equity, jest znany z napędzania wzrostu poprzez strategiczną wizję i doskonałość operacyjną.

Wcześniej Kevin był dyrektorem generalnym Magnit, zwiększając przychody z 700 milionów dolarów do ponad 2 miliardów dolarów i dostarczając zwrot z inwestycji o wartości 4x+. W Cision poprowadził firmę przez udany IPO na giełdzie NYSE (NYSE: CISN) i późniejszy wielomiliardowy zakup przez private equity. W Oracle zwiększył przychody działu Marketing Cloud z 100 milionów dolarów do ponad 1 miliarda dolarów poprzez strategiczne przejęcia i organiczny wzrost.

Przywództwo Kevina skupia się na inicjatywach ukierunkowanych na cel, kulturze inkluzywnej i zrównoważonym wzroście, co przyniosło mu uznanie jako wizjonerski lider w sektorze technologicznym.