9.3.4 Mens of machine?

De vraag in hoeverre de in het veld van de kunstmatige intelligentie ontwikkelde technieken zoals machinaal leren daadwerkelijk kunnen worden toegepast voor voorspellende analyse (predictive analysis), waarbij een computer aan de hand van een grote hoeveelheid data in staat zou moeten zijn om, gegeven een bepaalde verzameling voorafgaande feiten, rechtsnormen en/of andere data, in een specifiek geval te voorspellen wat de mogelijke rechtsgevolgen zijn en wat de waarschijnlijkheid is van elk van die mogelijke rechtsgevolgen.

In de literatuur wordt betoogd dat het voorspellen van mogelijke rechtsgevolgen in toenemende mate geautomatiseerd zal worden. Daarbij wordt dan echter direct opgemerkt dat de juridische wereld nog wel achter loopt bij andere disciplines.1 Sowieso lijkt het erop dat ‘big data’ nog in de kinderschoenen staat in de juridische wereld.2 Maar als er één ding is dat we van andere disciplines kunnen leren, dan is het dat we de impact van computertechnologie en data-analyse niet moeten onderschatten. Ik denk wel dat hier de toekomst ligt.

Aan de andere kant moeten we ons ook realiseren dat een computer aan de hand van data-analyse op een andere wijze tot zijn voorspellingen komt dan een fiscalist van vlees en bloed.

Een goede fiscalist is met zijn kennis, zijn ervaring en zijn cognitieve vaardigheden in staat om een specifiek rechtsvindingsvraagstuk van verschillende kanten te bekijken. Daarmee komt hij dan met verschillende mogelijke uitkomsten en kan hij veelal ook een bepaalde (subjectieve) waarschijnlijkheidswaarde aan die mogelijke uitkomsten verbinden. Een computer die aan de hand van de beschikbare data en de patronen die hij heeft ‘geleerd’ een analyse maakt, zal waarschijnlijk (als het goed is) tot dezelfde uitkomsten komen als de fiscalist. Sterker nog, een computer vindt wellicht bestaande patronen waar fiscalisten niet snel aan zullen denken maar die wel verdedigbare uitkomsten opleveren. Dat is vooral denkbaar naarmate de hoeveelheid beschikbare data toeneemt. Maar daarmee is niet gezegd dat de computer dezelfde heuristische methoden gebruikt als de fiscalist. Het heuristische systeem dat de computer opbouwt, is geen model op basis van logische of juridische relaties, maar puur op basis van statistiek. Dat wil niet zeggen dat achter de correlaties en patronen die de computer vindt geen logische of juridische relaties ten grondslag liggen. Integendeel, de door de computer gevonden correlaties en patronen zijn (waarschijnlijk) het gevolg van logische en juridische relaties in de werkelijke wereld. Alleen het ‘hoe’ en ‘waarom’ van de correlaties en patronen worden door de computer niet blootgelegd. Dat blijft (vooralsnog?) mensenwerk.

Het is dus niet zo dat de computer de denkmethoden van de fiscalist imiteert. De computer ‘weet’ niet wat een hypothecaire schuld of een deelneming is. Maar daar gaat het ook niet om. Het gaat om de uitkomsten en de vraag of die voldoende betrouwbaar zijn. Als dat zo is, dan zijn de uitkomsten van de computer net zo ‘intelligent’ als die van een ‘echte’ fiscalist.3

Waar van rechtsvinders wordt verlangd dat zij hun uitkomst of uitkomsten nauwkeurig onderbouwen, kunnen de hierboven beschreven ‘intelligente’ computers alleen de mogelijke richting aangeven. Omdat de computer door middel van correlaties en patronen tot zijn uitkomsten komt, en niet door middel van een afleiding aan de hand van de feiten en rechtsnormen, ontbreekt de juridische relevante onderbouwing van de mogelijke rechtsgevolgen. Voorspellende analyses van computers zijn dus niet voldoende voor de belastingadviseur of inspecteur die een nadere onderbouwing nodig heeft voor zijn dossier of in een procedure, en zeker niet voor de rechter die zijn oordeel moet onderbouwen met argumenten. Desalniettemin kunnen voorspellende analyses wel heel bruikbaar zijn, zoals ik ook al heb aangegeven aan het einde van paragraaf 9.3.1.

Bovendien hebben ‘echte’ fiscalisten ook hun beperkingen. Zo zal het in de praktijk vaak niet mogelijk zijn om alle beschikbare data te beoordelen. Zelfs als een compleet team van specialisten wordt samengesteld, is het denkbaar dat bepaalde relevante informatie (zoals rechterlijke uitspraken) over het hoofd wordt gezien en dus niet in de beoordeling wordt meegenomen. Dit zal een computer niet overkomen. Een ander punt is dat fiscalisten gevoelig zijn voor heuristische fouten zoals de neiging om bij a priori overtuigingen te blijven hangen en nieuw bewijs niet op de juiste waarde te schatten (zie paragraaf 4.5.4 en 4.5.5).4Een computer maakt gebruik van rigide (statistische) algoritmen en heeft daar geen last van.

Dat wil niet zeggen dat de computer compromisloze uitkomsten biedt. Een mogelijk knelpunt is dat het belastingrecht niet statisch is, maar dynamisch. Het belastingrecht is aan verandering onderhevig. De computer zal dan niet voor alle deelterreinen van het belastingrecht voldoende de tijd krijgen om een voldoende solide heuristiek op te bouwen. Dat zien we overigens ook in de praktijk van de fiscalist. Het komt regelmatig voor dat zich in de praktijk een onzeker rechtsvindingsvraagstuk aandient, waarbij er geen of onvoldoende jurisprudentie is die qua rechtsvraag en feiten vergelijkbaar is met de situatie van het betreffende rechtsvindingsvraagstuk. In dat geval bevat de jurisprudentie niet voldoende informatie om een afgewogen oordeel te kunnen vellen over de mogelijke rechtsgevolgen en is de rechtsvinder aangewezen op andere bronnen.

Een ander mogelijk knelpunt is dat het risico bestaat dat de computer een correlatie of patroon vindt waar vanuit het perspectief van fiscale rechtsvinding geen logisch of juridisch verband bestaat, maar waarbij het systeem dat wel meeneemt in de waarschijnlijkheidsanalyse. De vraag is dan of die correlatie of dat patroon er daadwerkelijk toe doet, of dat sprake is van vervuiling in het databestand dat de uitkomsten vertroebelt. Kortom, er zijn nogal wat vragen. Vragen die buiten het bereik van mijn onderzoek liggen en ik hier dus niet zal beantwoorden – voor zover dat sowieso al mogelijk zou zijn.