Geavanceerde kunstmatige intelligentie is niet altijd betrouwbaar voor financiële voorspellingen van zelfstandigen
2 november 2026 · 2 min leestijd
Ook gepubliceerd in Indonesia, Русский, हिन्दी, Türkçe, עברית, العربية, ไทย, Deutsch, Italiano, Svenska, Norsk
Een onderzoek waaraan Declarando heeft deelgenomen, concludeert dat de meest geavanceerde modellen van kunstmatige intelligentie niet altijd de meest betrouwbare financiële en fiscale voorspellingen bieden voor zelfstandigen.
De studie analyseerde reële gegevens van 395 zelfstandigen om de voorspelling van inkomsten en de berekening van sociale zekerheidsbijdragen te onderzoeken. Hierbij werden drie soorten voorspellingsinstrumenten vergeleken: een eenvoudig voortschrijdend gemiddelde, diverse ensemble modellen, die schattingen van verschillende algoritmen combineren, en twee transformer modellen van Amazon Chronos-T5.
De resultaten tonen aan dat ensemble modellen een stabieler, consistenter en minder bevooroordeeld gedrag vertonen dan de geanalyseerde transformer modellen. De onderzoekers stellen dat een hogere technologische complexiteit niet noodzakelijkerwijs leidt tot een hogere betrouwbaarheid. Zij benadrukken dat het model moet worden aangepast aan de kenmerken van het probleem en aan de hoeveelheid en kwaliteit van de beschikbare gegevens.
Bij het analyseren van het verschil tussen de betaalde bijdragen op basis van voorspellingen en de uiteindelijke bijdragen op basis van werkelijke inkomsten, bleken sommige ensemble modellen bijna in evenwicht te zijn met afwijkingen van minder dan één euro. De modellen van Amazon vertoonden daarentegen constante afwijkingen van bijna 50 euro.
In extreme gevallen, zoals bij professionals die hun inkomen verdubbelen, zou een zelfstandige die het model van Amazon gebruikt bijna 200 euro te veel voorschieten, waarbij het bedrag stijgt van 376,04 naar 562,83 euro. Dit komt overeen met het betalen van een extra bijdrage aan de sociale zekerheid gedurende meerdere maanden. Desondanks zijn deze verschillen klein vergeleken met fouten die ontstaan wanneer er helemaal geen methode wordt gebruikt, wat kan leiden tot tekorten van duizenden euro's.
De auteurs concluderen dat het niet gaat om de keuze tussen kunstmatige intelligentie of traditionele modellen, maar om het identificeren van de meest geschikte technologie voor elk specifiek probleem. Het onderzoek werd gedeeltelijk gefinancierd door Declarando en de Generalitat Valenciana en is gepubliceerd in het International Journal of Computational Intelligence Systems.