Архив статей журнала
Проблема в развитии обрабатывающей промышленности и отраслей потребления во многом вытекает из специфики налогового бремени, но выверенных расчетов отраслевого распределения бремени нет. Важной задачей являются разработка формул налогового бремени, расчеты отраслевых различий этого бремени, интерпретация результатов через ключевые аспекты налогового законодательства.
ФНС публикует серьезную статистику и аналитику по поступлениям налогов и сборов по отраслям, детали налоговой базы по каждому налогу (лучше Росстата). Ежегодные материалы к федеральному бюджету содержат детали оценки налоговых льгот (налоговых расходов) по отраслям и видам налогов. Это является базой исследования, обрабатываемой методами математических формул и логического анализа. Результаты авторских расчетов показали, что обрабатывающая промышленность фактически облагается в 1,5 раза большими налогами, чем отрасли сферы потребления. Оптовая торговля, гостиницы и общепит, финансы и недвижимость платят НДС по фактической ставке 1–4%, производители угля, руды, нефтепродуктов – отрицательный НДС, а производители электроники, оборудования и автотранспорта – в среднем 15%. Фактические ставки социальных взносов в обрабатывающей промышленности 23%, а в торговле, финансах, гостиницах и общепите, недвижимости – от 6 до 13%.
Основными выводами показаны специфика возврата НДС по экспорту и капитальным вложениям для экспортеров сырья, концентрация малого бизнеса и УСН в отраслях потреблении. Необходимо перераспределить нагрузку по НДС и социальным взносам на 6 и 5 п. п. плюс на отрасли потребления и минус – на обрабатывающую промышленность, хотя бы для выравнивания фактического налогового бремени.
В условиях экспоненциального роста технологических возможностей и увеличения объема данных искусственный интеллект (ИИ) может обеспечить не только повышение точности прогнозирования, но и нивелировать влияние когнитивных искажений, что существенно упрощает процесс принятия решений. ИИ отделяет прогнозирование от суждения, дополняя человека в процессе принятия решения, наиболее точно просчитывая вероятности, тем самым повторяя работу человеческой Системы-1, которая также автоматически просчитывает вероятности, но из-за эвристики суждений допускает предсказуемые систематические ошибки. В статье выявлены преимущества использования алгоритмов ИИ: во-первых, снижение когнитивной нагрузки при рассмотрении альтернатив, во-вторых, более точный прогноз, не поддающийся фреймингу, в-третьих, возможность выстраивать архитектуру выбора в рамках политики подталкивания. Обосновывается, что автоматизация и алгоритмы ИИ начинают влиять на индивидуальные решения, поднимая вопросы о природе автономного выбора и рациональности в цифровую эпоху. На практике симбиоз человека и ИИ, широко используемый в маркетинге, ритейле и др., позволяет выстраивать симулятивные модели реалистичного мультиагентного поведения, проводить динамическую сегментацию и создавать персонализированный контент на основе большого массива данных о предпочтениях потребителей, адаптировать инновационные продукты и кастомизировать индивидуальные предложения. В исследовании применяется междисциплинарный методологический подход, основанный на синтезе подходов поведенческой экономики, маркетинга и наук об ИИ. Авторы приходят к выводу, что динамичное партнерство ИИ и человека имеет мощный преобразующий потенциал в различных сферах жизнедеятельности от оптимизации бизнес-процессов до улучшения качества нашей жизни.