Nel transfer pricing l’IA semplifica l’analisi di comparabilità

I sistemi di intelligenza artificiale daranno un notevole impulso all’Agenzia delle Entrate nel prevenire, contrastare e ridurre l’evasione e l’elusione fiscale, il tutto nel pieno rispetto della normativa sulla tutela dei dati personali (articolo 2 della legge 111/2023 e «considerando» 10, 48, 59 del regolamento UE n. 2024/1689).

Allo stesso tempo, l’IA sarà un valido alleato per i gruppi multinazionali, supportandoli nell’ottimizzazione delle politiche di transfer pricing e nella riduzione del rischio di contestazioni erariali. Ma procediamo con ordine.

Come indicato nelle Linee guida OCSE di gennaio 2022, la disciplina dei prezzi di trasferimento, ispirata al principio di libera concorrenza, non è una scienza esatta, specialmente quando si tratta di effettuare l’analisi di comparabilità dei soggetti indipendenti (Capitolo III).

Il legislatore italiano ha recepito tali linee guida per applicare l’articolo 110, comma 7, del TUIR, sulla base delle migliori pratiche internazionali. Il pilastro della valutazione della congruità dei prezzi infragruppo è rappresentato dal comportamento del mercato, cioè il confronto tra le transazioni infragruppo e quelle comparabili tra soggetti indipendenti (articolo 3 del decreto del MEF del 14 maggio 2018).

Particolare attenzione viene dedicata proprio all’analisi di comparabilità, pur riconoscendo che, nonostante gli sforzi per omogeneizzare le transazioni, permangono difetti non quantificabili né rettificabili. Per questo motivo, viene accolta la possibilità di usare strumenti statistici per rafforzare l’affidabilità dell’analisi, soprattutto quando l’intervallo include un numero elevato di transazioni (circolare Agenzia Entrate 16/E del 24 maggio 2022).

L’individuazione delle transazioni comparabili, in particolare quelle esterne (external comparables), basate su metodi deduttivi e banche dati commerciali, non sempre produce risultati puntuali, per via di:

• moltitudine di dati da vagliare;

• disponibilità limitata di informazioni in alcuni Paesi;

• natura generica dei dati, che spesso non riflettono i dettagli delle singole transazioni.

È fondamentale che l’uso delle banche dati privilegi la qualità rispetto alla quantità, e che venga raffinato con tutte le informazioni pubblicamente disponibili.

In questo contesto, i sistemi di intelligenza artificiale offrono un supporto concreto in termini di efficienza e semplificazione del processo di selezione qualitativa, che è spesso condizionato da valutazioni soggettive e può quindi risultare incoerente o distorto.

Un ruolo centrale è svolto dai database vettoriali, che convertono le parole o le informazioni in vettori, ossia rappresentazioni matematiche (simili a frecce nello spazio). Lavorando con questi vettori, si possono misurare le somiglianze tramite strumenti geometrici come la cosine similarity.

Naturalmente, anche l’utilizzo dell’IA dovrà essere documentato, all’interno della documentazione idonea, per consentire all’Agenzia delle Entrate di ricostruire e verificare l’operato dell’impresa. Ciò include:

• la procedura di selezione delle operazioni e/o dei soggetti comparabili,

• la metodologia di ricerca,

• le fonti informative utilizzate (es. banche dati).

A tal riguardo si rimanda al provvedimento dell’Agenzia delle Entrate del 23 novembre 2020, n. 360494 e alla circolare 15/E/2021.

In conclusione, l’intelligenza artificiale consentirà un’ottimizzazione più efficace della politica di transfer pricing all’interno dei gruppi multinazionali, sempre nel rispetto del principio di libera concorrenza. Inoltre, contribuirà a minimizzare i rischi di rilievi fiscali, grazie alla maggiore affidabilità e tracciabilità dei processi di selezione.