TalTech Journal of European Studies avaldas hiljuti PhD Kaido Künnapase artikli sellest, kuidas mõista üle-Euroopalist reeglit maksukuritarvituste tõkestamiseks. Põhiline osa artiklist keskendus sellele, kuidas ehitada tehnoloogilist lahendust selle reegli automatiseerimiseks.
Eesti võimalus särada tehnoloogia kaudu õigusselguse loomisel
Maailm on sajandi maksureformi keskel. Uusi reegleid ja juhiseid antakse OECD, Euroopa Liidu kui ka Eesti tasandil välja väga tihti. Kui maksunõustajad veel suudavad muudatustes järge pidada, siis need, kellele reeglid on suunatud – maksumaksjad – on juba ammu hädas ajaga kaasas käimisega. Õigusselgus maksunduses on defitsiitkaup. Üheks ebamääraseks, samas kõikehõlmavaks reeglis on üldine maksukuritarvituste tõkestamise reegel (GAAR või general anti-abuse rule), mis on Euroopas Ühtlustatud ATAD direktiivi kaudu. Selle eesmärk on öelda, millised tehingud on maksustamisel kunstlikud ning mida tuleks seetõttu ignoreerida.
Kaido Künnapase artikkel on kantud ideest, et tehnoloogia nutikas kasutamine aitab maksukohustuslastel lihtsamini aru saada, millised on neile kohalduvad reeglid. Tegelikult ongi riigi üks põhikohustusi luua selge, võimalikult lihtne ja arusaadav õigussüsteem. See kohustus ei kao ära isegi siis, kui ülemaailmsed initsiatiivid nõuavad täiendavate keerukate reeglite tutvustamist. Eesti tehnoloogiavaldkonna globaalse eestvedajana võikski hakata kasutama rohkem tehnoloogilisi lahendusi, mis lihtsustaks õigusest (sealhulgas maksureeglite) aru saamist.
Otsustuspuu GAAR testi puhul
Üheks mooduseks maksuõigusnormide kohaldamist lihtsustada on luua otsustuspuu (nn regression tree) või küsimus-vastus põhiseid süsteeme, mis annavad juhiseid konkreetse tehingu maksukäsitluse kohta. Tegemist on sisuliselt robotjuristiga, kus käib kliendi antud sisendi põhjal läbi õigusreegli kontrollimehhanismi ning annab selle põhjal vastuse. Kui AI kaasamine muudab vastuste kvaliteedi üldiselt madalamaks, siis kinniste kontrollsüsteemide puhul on vastuste kvaliteet ka kõrgem. See võiks olla hea tööriist näiteks maksete tegemisel. Ideaalses maailmas teavitaks juba makseteenuse pakkuja keskkond makse tegijat, kas ta peab tulumaksu kinni pidama.
Samasugust mudelit võib kasutada ka GAAR puhul, mida tuleb arvestada põhimõtteliselt iga tehingu tegemisel. Ideaalses maailmas võiks see olla osaks näiteks notarite poolt tehingute kinnitamisel või ühinemis- ja ülevõtmistehingute tegemisel (näiteks debt push downstruktuuride kasutamisel). Selliste riigi poolt aktsepteeritud tehnoloogiliste lahenduste tutvustamisel võiks olla peale õiguskindluse ja Eesti turustamise ka oluline ja mitte nii ilmne kõrvalmõju – õigusnormide kvaliteedi parandamine. Otsustuspuu loomine eeldab, et reeglid mõeldakse läbi ning reegli rakendamise loogika on selge. See suunaks ka riiki reeglite tutvustamisel mõtlema väga lahtiste reeglite rakendamise mehhanism paremini läbi.
PhD Kaido Künnapas on Tallinna Tehnikaülikooli Õigusinstituudi vanemlektor, Tartu Ülikooli Õigusteaduskonna külalislektor ja Soraineni vandeadvokaat. Künnapas uurib San Diego ülikoolis Fulbrighti stipendiaadina regression tree meetodi kasutamist rahvusvaheliste maksulepingute osas.
Loe lähemalt TalTech Journal of European Studies artiklist
