Het Probleem
Toen Veriprajna ChatGPT, Claude en Gemini auditeerde op een specifieke belastingvraag over de nieuwe renteaftrek voor autoleningen, had elk model het mis. Niet af en toe. Elke keer opnieuw. Elk AI-model vertelde gebruikers vol vertrouwen dat de nieuwe aftrek onder de One Big Beautiful Bill Act (OBBBA) hun Aangepast Bruto Inkomen (AGI – Adjusted Gross Income) zou verlagen. Dat antwoord is juridisch onjuist. De aftrek verlaagt het Belastbaar Inkomen (Taxable Income), niet het AGI. Dat zijn twee wezenlijk verschillende begrippen in het belastingrecht.
Dit was geen toevallige storing. Het was een voorspelbare fout die inherent is aan de manier waarop deze AI-systemen leren. Ze lazen duizenden blogberichten en voor SEO geoptimaliseerde artikelen die de wet te eenvoudig voorstelden. De daadwerkelijke wetstekst kwam misschien een of twee keer voor in hun trainingsdata. De blogs kwamen duizenden keren voor. De AI leerde dus de populaire — en onjuiste — versie van de regel.
Het whitepaper noemt dit "Consensus Error" (consensusfout). Het is niet dat de AI te weinig informatie had. Het is dat de AI het antwoord van de massa verkoos boven het antwoord van de wet. Wanneer uw financiële team op die AI vertrouwt, erft uw bedrijf de fout van de massa. En de IRS accepteert "waarschijnlijk juist" niet als verdediging.
Waarom Dit Belangrijk Is voor Uw Bedrijf
Dit is geen abstract AI-probleem. Het raakt uw bedrijfsresultaat, uw blootstelling aan audits en uw complianceverplichtingen rechtstreeks.
De OBBBA-autoleningaftrek heeft een maximum van $10.000 per jaar en wordt bij specifieke inkomensniveaus geleidelijk afgebouwd. De aftrek daalt met $200 voor elke $1.000 die een alleenstaande aangever boven $100.000 verdient, en verdwijnt volledig bij $150.000. Voor gezamenlijke aangevers begint de afbouw bij $200.000 en eindigt bij $250.000. Wanneer AI het onderscheid tussen AGI en Belastbaar Inkomen verkeerd interpreteert, escaleert de gevolgschade:
- Onderbetaling van federale belasting. Als uw systemen dit classificeren als een aftrekpost boven de streep (above-the-line aftrek), rapporteert u een lager AGI dan de IRS verwacht. Dat leidt rechtstreeks tot boetes.
- Risico op audits door deelstaten. Staten zoals Arizona koppelen hun belastingberekeningen aan het federale AGI. Een onjuist AGI betekent onjuiste staatsbelastingen in elke aan het AGI gekoppelde staat.
- Fouten in Medicare-premies. Gepensioneerden die vertrouwen op AI-advies kunnen te maken krijgen met onverwachte IRMAA-toeslagen, omdat de AI lagere premies beloofde die nooit worden gerealiseerd.
- Niet-toegestane medische aftrekposten. De drempel voor aftrek van ziektekosten is afhankelijk van het AGI. Een ten onrechte verlaagd AGI leidt ertoe dat aftrekposten worden geclaimd waarvoor u niet in aanmerking komt.
- Rapportagefouten door kredietverstrekkers. De OBBBA creëerde Sectie 6050AA, die kredietverstrekkers verplicht om inlichtingenformulieren in te dienen voor elke lening die $600 of meer aan in aanmerking komende rente genereert. AI-systemen die zich uitsluitend richten op het voordeel van de lener zien stelselmatig de rapportageverplichting van de kredietverstrekker over het hoofd. Dat is een systematische compliance-tekortkoming onder IRC-secties 6721/6722.
Uw raad van bestuur wil niet via een kennisgeving van de IRS achter deze fouten komen.
Wat Er Werkelijk Onder de Motorkap Gebeurt
Om te begrijpen waarom dit blijft gebeuren, moet u nagaan hoe AI-modellen werkelijk functioneren. Een LLM "kent" het belastingrecht niet zoals uw registeraccountant (CPA) dat doet. Het voorspelt het volgende woord in een zin op basis van patronen die tijdens de training zijn opgenomen. Het is een zeer geavanceerde automatische aanvulfunctie.
Hier is de vergelijking: stel u voor dat u een belastingvraag stelt aan een zaal met 1.000 mensen. Negenhonderd van hen lazen hetzelfde overdreven vereenvoudigde blogbericht. Honderd van hen lazen daadwerkelijk de wetstekst. Wanneer de zaal stemt, wint het foute antwoord met 900 tegen 100. Dat is precies wat er gebeurt binnen een LLM. Het model kent een zwaarder gewicht toe aan het populaire antwoord dan aan het juiste antwoord, omdat het de populaire versie veel vaker is tegengekomen.
Dit is het faalmechanisme dat het onderzoek van Veriprajna "Consensus Error" (consensusfout) noemt. Als de blogosfeer het voor 90% bij het verkeerde eind heeft over een specifieke belastingnuance — wat gebruikelijk is bij nieuwe wetgeving —, is het model wiskundig voorbestemd om het verkeerde antwoord te geven. Geen enkele slimme prompt engineering lost dit op. De wiskunde werkt tegen u.
Zelfs Retrieval-Augmented Generation (RAG) — een techniek waarbij u de AI de daadwerkelijke brondocumenten voedt — schiet hier tekort. Tijdens tests gaven modellen die de volledige tekst van de OBBBA kregen nog steeds het verkeerde antwoord. Waarom? De wet luidt: "Sectie 163(h) wordt gewijzigd door invoeging van...". Het leest niet als een blogbericht. De AI moet het nog steeds interpreteren. En wanneer de interne gewichten zijn getraind op miljoenen foutieve voorbeelden, leest het het juiste document en trekt het de verkeerde conclusie. Het handelt als een bevooroordeelde lezer die bevestigt wat hij al "gelooft".
Erger nog: u kunt de redenering niet inzien. Een RAG-systeem laat zien welk document het heeft opgehaald. Het toont niet het logische pad van dat document naar het antwoord. Uw complianceteam kan de bron verifiëren, maar niet de redenering. Dat is een black box waar uw audittrail zou moeten zijn.
Wat Werkt (En Wat Niet)
Laten we beginnen met wat uw team mogelijk al probeert — en waarom dat niet toereikend is.
Prompt engineering: De AI vertellen om "stap voor stap na te denken" of "op te treden als een senior belastingauditeur" voegt geen redeneervermogen toe dat niet al in het model aanwezig is. Het opereert binnen dezelfde bevooroordeelde gewichten, ongeacht hoe u de vraag formuleert.
Grotere modellen of bredere contextvensters: Een groter model dat op hetzelfde internet is getraind, absorbeert meer van dezelfde foutieve inhoud. Meer data verandert niets aan de verhouding tussen foute en juiste bronnen.
Standaard RAG-pipelines: De AI officiële documenten voeden helpt bij het ophalen, maar het model moet nog steeds redeneren over wat het leest. Vector search vindt paragrafen over autoleningen, maar haalt wellicht nooit de definitie van AGI uit Sectie 62 op — omdat die sectie geen autoleningen vermeldt. In het belastingrecht is wat de wet weglaat net zo belangrijk als wat erin staat. Vector search kan een afwezigheid niet vinden.
Wat daadwerkelijk werkt, is een neuro-symbolische architectuur — een systeem dat taalbegrip scheidt van juridisch redeneren. Dit werkt in drie stappen:
De AI leest uw invoer (Neurale Laag). U uploadt een factuur, een leendocument of typt een vraag. De AI extraheert gestructureerde feiten: voertuigtype, aankoopdatum, montagelocatie, leenbedrag. Het verwerkt de ongeordende gegevens uit de praktijk. Maar het beslist nooit of de aftrek geldig is.
Een logica-engine past de wet toe (Symbolische Laag). De gestructureerde feiten worden doorgegeven aan een regelsysteem dat is gebouwd op de daadwerkelijk gecodeerde wet. Deze engine maakt gebruik van talen zoals Catala — specifiek ontworpen om wetgeving om te zetten in uitvoerbare code — en voert deterministische controles uit. Is het voertuig in de VS geassembleerd? Ligt het inkomen onder de afbouwdrempel? Deze laag heeft geen toegang tot blogberichten. Het kent uitsluitend de wet als code.
De AI legt het resultaat uit (Neurale Laag). De logica-engine retourneert een oordeel: TOEGESTAAN of GEWEIGERD, met de specifieke regelverwijzing. De AI vertaalt dat vervolgens naar een duidelijke, leesbare uitleg voor uw team.
Het cruciale verschil: de AI beslist nooit over de juridische kwestie. Het vertaalt menselijke taal naar gestructureerde data en vertaalt logische uitkomsten terug naar menselijke taal. De wet zelf draait als deterministische code.
Dit levert iets op wat geen enkele chatbot kan bieden: een deterministische audittrail. Wanneer uw auditeur vraagt "Waarom stond het systeem deze aftrek toe?", is het antwoord niet "omdat de waarschijnlijkheid dat zei". Het is een traceerbaar pad: leendatum geverifieerd, voertuigtype bevestigd, montagelocatie bevestigd, inkomen onder de drempel van $100.000 geverifieerd, regelverwijzing IRC § 163(h)(4). Dat spoor kan rechtstreeks naar een IRS-controleur of uw interne auditcommissie. Het verandert uw AI van een black box in wat het onderzoek een "Glass Box" (glazen doos) noemt.
Belangrijkste inzichten
- ChatGPT, Claude en Gemini faalden allemaal voor dezelfde fiscale compliancetest — door te verwarren op welke regel van de belastingaangifte een nieuwe aftrekpost van toepassing is.
- "Consensus Error" houdt in dat AI het populaire antwoord van blogs leert in plaats van het juiste antwoord uit de wet, wat dit door de wiskunde vrijwel onvermijdelijk maakt bij nieuwe wetgeving.
- RAG (AI de juiste documenten voeden) lost het probleem niet op, omdat de AI nog steeds redeneert met bevooroordeelde interne gewichten die zijn getraind op foutieve inhoud.
- Een neuro-symbolische benadering scheidt taalbegrip van juridische logica, zodat de AI nooit de juridische vraag beslist — deterministische code doet dat.
- Het resultaat is een controleerbaar logisch spoor dat uw complianceteam rechtstreeks aan toezichthouders kan overhandigen, waardoor de black box wordt vervangen door een Glass Box.
Kort samengevat
Standaard AI-modellen zijn qua architectuur niet in staat om betrouwbaar werk te leveren op het gebied van fiscale compliance. Ze leren van het internet, en het internet interpreteert fiscale nuances massaal verkeerd. De oplossing ligt niet in betere prompts — het is een systeem dat de wet uitvoert als code en voor elk antwoord een controleerbare audittrail genereert. Vraag uw AI-leverancier: wanneer uw systeem een aftrek classificeert als boven de streep versus onder de streep, kan het mijn auditeurs dan het exacte wettelijke logische pad tonen dat het heeft gevolgd?