Avancerade AI-modeller är inte alltid mest tillförlitliga för ekonomiska prognoser för egenföretagare
2 november 2026 · 2 min läsning
Även publicerad på Indonesia, Русский, हिन्दी, Türkçe, עברית, العربية, ไทย, Deutsch, Italiano, Nederlands, Norsk
En studie där Declarando har deltagit har kommit fram till att de mest avancerade AI-modellerna inte alltid ger de mest tillförlitliga ekonomiska och skattemässiga prognoserna för egenföretagare.
Forskningen analyserade verkliga data från 395 egenföretagare för att jämföra olika statistiska system och transformer-modeller från Amazon. Studien, som publicerades i International Journal of Computational Intelligence Systems, undersökte hur olika tekniska modeller kan förutse inkomster och beräkna avgifter till socialförsäkringen.
Tre typer av prognosverktyg jämfördes i arbetet: ett enkelt glidande medelvärde, flera ensemble-modeller, som kombinerar uppskattningar från olika algoritmer, samt två versioner av Amazon Chronos-T5, vilka är avancerade transformer-arkitekturer.
Resultaten visar att ensemble-modellerna uppvisade ett beteende som var mer stabilt, konsekvent och mindre partiskt än de analyserade transformer-modellerna. Forskarna konstaterar att högre teknisk komplexitet inte nödvändigtvis innebär högre tillförlitlighet. De betonar behovet av att anpassa modellen efter problemets egenskaper och särskilt efter mängden och kvaliteten på tillgängliga data.
Studien analyserade skillnaden mellan de avgifter som betalats baserat på prognoser och de som faktiskt skulle ha betalats utifrån verkliga inkomster. Vissa ensemble-modeller låg nästan i jämvikt med avvikelser under en euro, medan modellerna från Amazon registrerade konstanta avvikelser på nära 50 euro.
I specifika fall där yrkesutövare fördubblade sina inkomster visade studien att Amazon-modellen skulle leda till att den egenföretagande betalade nästan 200 euro för mycket, då summan steg från 376,04 euro till 562,83 euro. Detta motsvarar att betala en extra avgift till socialförsäkringen under flera månader.
Författarna drar slutsatsen att det viktigaste inte är valet mellan artificiell intelligens eller traditionella modeller, utan att identifiera vilken teknologi som är mest lämplig för att lösa varje specifikt problem. Studien finansierades delvis av Declarando och Generalitat Valenciana.