De economische realiteit verandert fundamenteel met de komst van kunstmatige intelligentie. We bewegen van een kenniseconomie naar een intelligentie-economie, waarin kunstmatige intelligentie (AI) als nieuwe, zelfstandige productiefactor fungeert. Dat betekent ook dat het belastingstelsel moet veranderen.
Onze fiscale architectuur is immers gebouwd op klassieke productiefactoren als arbeid, kapitaal, land en kennis. Met AI komt daar een nieuwe factor bij, soms in fysieke vorm zoals robots, maar steeds vaker digitaal, in de vorm van modellen en algoritmen. Hierdoor nemen de belastinginkomsten uit arbeid af, terwijl een groter deel van de belastinggrondslag bestaat uit winsten die mobieler en dus moeilijker te belasten zijn. Dat maakt de belastingmix instabieler en bemoeilijkt de toerekening van winsten aan afzonderlijke jurisdicties. Die verschuiving zet de overheidsfinanciën op termijn onder druk.
Inkomstenbelasting
Het meest directe effect van kunstmatige intelligentie op ons belastingstelsel betreft de loon- en inkomstenbelasting. In Nederland vormen deze ruwweg de helft van de totale belastingopbrengsten, en dat is nog exclusief de premies voor sociale verzekeringen.
AI hoeft geen massale werkloosheid te veroorzaken om die belastingbasis te eroderen. Waarschijnlijker is geleidelijke arbeidsverdringing met structurele loondruk. Volgens het IMF wordt circa zestig procent van de banen in ontwikkelde economieën door AI geraakt, terwijl de OESO aangeeft dat dit zich steeds minder beperkt tot routinematig werk en juist ook analytische en creatieve functies omvat.
Dit betekent niet per se dat banen verdwijnen, maar wel dat de inhoud van werk verandert, dat minder uren betaalde menselijke arbeid nodig zijn en dat lonen onder druk komen te staan in functies die (gedeeltelijk) worden geautomatiseerd. Het gevolg is dat de loonsom structureel achterblijft bij de economische groei.
Vennootschapsbelasting
Daarnaast speelt het probleem van de vennootschapsbelasting. Bedrijven die AI inzetten, blijven winstbelasting betalen, maar de vraag is waar die winst wordt belast en in welke mate. De marginale kosten van AI-gestuurde productie zijn vrijwel nul. Een model dat eenmaal is ontwikkeld, kan zonder noemenswaardige extra kosten op grote schaal worden ingezet, zonder dat de onderliggende capaciteit wordt uitgeput. Wat voorheen gebonden was aan de tijd en inzet van individuele medewerkers, wordt zo eindeloos reproduceerbaar en tegelijkertijd inzetbaar voor één of vele gebruikers, zonder extra arbeid.
Deze verschuiving transformeert een klassieke diensteneconomie, waarin kosten meebewegen met het aantal medewerkers, in een economie met hoge vaste kosten en vrijwel nul marginale kosten. Het gevolg is dat winsten zich concentreren bij partijen die de modellen en de onderliggende infrastructuur bezitten – doorgaans een beperkt aantal grote technologiebedrijven met vestigingen in fiscaal gunstige jurisdicties waar winsten heen kunnen worden verschoven.
AI‑modellen zijn bij uitstek geschikt voor dit soort belastingconstructies. Een getraind model is immaterieel en bestaat uit niet meer dan een verzameling gewichten en parameters die op elke server ter wereld kan draaien. Bovendien is de waarde ervan lastig vast te stellen. Anders dan bij een patent met een afgebakende looptijd of een machine met een observeerbare marktprijs, hangt de waarde van een AI‑model af van de gebruikte data, de toepassingscontext en de snelheid waarmee het veroudert, waardoor waardering onvermijdelijk subjectief is. Daarnaast zijn AI-modellen eenvoudig te verplaatsen: het overdragen van een model naar een entiteit in een andere jurisdictie vergt in essentie slechts het kopiëren van een bestand, zonder fysieke verplaatsing.
Daarmee versterkt AI de mogelijkheden om waarde internationaal te alloceren naar jurisdicties met een lagere belastingdruk. Dit is precies het type problematiek waarop de OESO‑hervormingen met Pillar 1 en 2 mikken, maar die nog tekortschieten omdat ze zijn ontworpen voor de digitale economie van het afgelopen decennium en onvoldoende duidelijk maken waar grensoverschrijdende AI‑waarde wordt belast.
Nieuwe vormen van waarde
Tegelijk ontstaan door AI nieuwe vormen van waarde die niet goed passen binnen bestaande fiscale categorieën. Getrainde modellen, synthetische datasets en algoritmische besluitvormingssystemen fungeren in toenemende mate als kapitaal, maar worden fiscaal niet als zodanig behandeld. Dat roept fundamentele vragen op. Hoe schrijf je een zelflerend model af dat zich continu verbetert? Hoe waardeer je synthetische data? En wat is de btw‑grondslag van een autonoom opererende AI‑agent die tegen betaling diensten levert?
Beleidsimplicaties
Wat betekent dit voor het beleid? Een belangrijk uitgangspunt is dat maatregelen de adoptie van AI niet onnodig moeten belemmeren. Dat zou immers de productiviteitswinsten die AI mogelijk maakt onder druk zetten. Het gaat er juist om de rendementen die zich bij aanbieders van AI concentreren goed te belasten.
Vanuit dat perspectief ligt het voor de hand om nieuwe fiscale categorieën voor AI‑activa te introduceren. Getrainde modellen, datasets en algoritmen zouden expliciet moeten worden erkend als immateriële activa, met een eigen waarderingsmethodiek en afschrijvingsregime. In de huidige praktijk vallen deze activa vaak onder goodwill of worden ze direct ten laste van het resultaat gebracht, waardoor ze fiscaal nauwelijks zichtbaar zijn. Een expliciete activeringsplicht voor AI‑modellen boven een bepaalde drempel, gecombineerd met een fair‑valuebenadering bij intraconcerntransacties, kan de grondslag van de vennootschapsbelasting verbreden. Bij deze benadering worden activa gewaardeerd tegen hun actuele economische waarde in plaats van tegen de historische kostprijs. Dat sluit beter aan bij waar en wanneer waarde daadwerkelijk ontstaat. Tegelijk wordt het moeilijker om winsten kunstmatig te verplaatsen via onder- of overwaardering van AI‑activa.
Bij het AI‑proof maken van het belastingstelsel is internationale coördinatie onontbeerlijk. Eenzijdige grondslagverbreding vergroot het risico dat activiteiten en winsten naar het buitenland verschuiven. Nodig is een internationaal raamwerk dat expliciet rekening houdt met AI als productiefactor, met duidelijke afspraken over de allocatie van heffingsrechten op door AI gegenereerde waarde.
Tegelijk biedt AI ook kansen voor de Belastingdienst zelf. Automatische aangifteverwerking, verbeterde fraudedetectie, realtime transactiebewaking en voorspellende handhaving kunnen de tax gap, het verschil tussen de wettelijk verschuldigde en de daadwerkelijk geïnde belasting, verkleinen. Efficiëntere handhaving lost echter het onderliggende probleem niet op: bij een verschuivende grondslag heeft beter toezicht beperkt effect.
Conclusie
Het punt is niet dat AI de belastinginkomsten abrupt doet verdwijnen, maar dat zich wel een geleidelijke, structurele erosie aftekent: een loonsom die achterblijft bij het bbp, winstbelasting die weglekt naar laagbelaste jurisdicties en nieuwe vormen van waarde die buiten het bereik van het stelsel vallen. Elk van deze ontwikkelingen is op zichzelf beheersbaar, maar samen ondermijnen ze de financieringsbasis van de publieke sector.
AI maakt arbeid minder schaars, waarde minder zichtbaar en winsten minder plaatsgebonden. Daardoor verschuift de economie sneller dan het fiscale systeem kan volgen en verliest een stelsel dat leunt op arbeid en fysieke aanwezigheid geleidelijk zijn anker.
Auteur
Categorieën