人工智慧和稅收——一個正在進行中的工作
詹姆斯貝克公共政策研究所
這是Joyce Beebe關於稅務領域中人工智慧使用的兩份簡報之一。
人工智慧（AI）一直備受關注，尤其是生成式AI及其最著名的應用OpenAI的ChatGPT。自2022年11月公開亮相以來，ChatGPT取得了驚人的增長：這個聊天機器人在五天內就吸引了一百萬使用者，並在兩個月內記錄了超過1億使用者。相比之下，Instagram用了2年半的時間才達到1億使用者的里程碑。
ChatGPT的功能令人印象深刻。最新版本 GPT-4於2023年3月發佈，可以識別潦草的手寫字，安排會議，閱讀和描述圖像。此外，它在許多標準化測試（包括律師考試、SAT和研究生入學考試）中的得分比其前身GPT-3.5高。GPT-4甚至可以處理一些與稅務相關的任務。如果這還不夠令人印象深刻，它還可以展示幽默感，並且在被問及時，可以將稅務問題轉化為押韻的詩歌。
有人認為這些AI工具將提高勞動生產率，而其他人則警告說AI的發展已經失控，需要政府監管。毫無疑問，AI將對日常生活的許多方面產生深遠影響，稅務也不例外，正如本系列兩篇簡報所概述的。本簡報回顧了當前AI發展對稅務研究和合規性的影響，第二篇簡報討論了最近利用AI工具來指導稅收政策制定的努力，以及國會在鼓勵創新的同時對AI進行監管的嘗試。這兩篇簡報將突出AI在這些領域中最具破壞性的觀點以及在採用AI時需要注意的問題。
生成式AI的顯著增長
非技術性地說，生成式AI是一種可以接收輸入併產生多種輸出（包括文本、圖像、視頻或合成數據）的AI技術。這項技術並不新鮮，但技術進步使其得以廣泛應用和提高複雜性。這些演算法的輸出以自然語言聊天機器人的形式呈現，這些機器人能夠生成類似人類對話的輸出。這一特點極大地促進了它的流行，並使其易於接近。
需要牢記的是，開發強大的生成式AI演算法需要大量的訓練數據。訓練數據集使模型學習語言的基本結構和上下文，並從這些數據集中識別模式。成熟的AI模型（如ChatGPT）是在數千億字的文本上進行訓練的。一旦訓練完成，演算法可以通過模仿其學到的模式生成新的內容，並且開發人員可以繼續輸入新數據來對模型進行微調。
對AI的大規模投資反映了這項技術的受歡迎程度。一些研究人員估計，2021年，美國的私人投資在AI領域達到了530億美元，全球達到940億美元。這些金額在2017年至2021年之間增長了五倍。除了ChatGPT，谷歌的Bard、Meta的Blenderbot、微軟的Bing AI和Writesonic的ChatSonic是一些著名的替代品。
隨著AI的發展，人們普遍擔心ChatGPT和其他類似技術是否會取代人類工作。一份經常被引用的高盛研究報告估計，如果當前趨勢繼續下去，AI可能會取代美國和歐洲現有工作崗位的25%。儘管這一預測令人沮喪，但報告指出，其中有一個積極因素：顯著的勞動成本節約、新的就業機會以及非被替代工人的生產力提高將增強整體勞動生產率，從而推動經濟增長。
稅務研究中的AI一些稅務專業人士想知道AI
是否能夠準備納稅申報表和起草法律備忘錄，從而取代註冊會計師（CPA）和稅務律師。這可能在未來成為現實，但現在還不是。
2023年初，一位紐約律師使用ChatGPT進行法律研究，並獲得了虛假的法律引用。這位律師未能核實這些結果，並在向法院提交的備忘錄中使用了這些不存在的案例。儘管法官承認法院面臨前所未有的情況，但對這位律師進行了制裁。這種情況表明，ChatGPT目前還不完全可靠，使用時應謹慎。下面將重點介紹它的一些限制和好處。
限制
最近一些研究人員通過向不同的生成式AI模型提交一系列稅法問題來測試生成式AI的稅務技術知識，結果突出了謹慎使用這項技術的重要性。一些普遍關注的問題是，生成式AI可能會：捏造資訊（通常稱為幻覺）。提供錯誤資訊。對資訊來源不完全透明。
幻覺和錯誤資訊。幻覺問題是OpenAI自己承認的限制之一。基本上，使用者可以向ChatGPT提出任何問題，它總是會給出回答。即使它不知道答案，它也會提供一個回答，這個回答可能是錯誤的。因為ChatGPT以自信流利的方式回答，使用者通常會認為答案是準確的。這對於缺乏專業知識的非專家尤其是個問題，他們可能無法辨別出不準確的資訊。例如，當一組研究人員向三個不同的AI模型提出稅務研究問題時，一些生成式AI模型自信地返回完全錯誤的答案。在某些情況下，該技術呈現了一個不存在的稅法條款，或者只是抓取了與給定關鍵詞相似的句子。
缺乏分析和透明度。此外，一些觀察家指出，生成式AI對稅務問題的回答缺乏適當的分析。在審查ChatGPT的回答后，從業人員意識到它只是從互聯網上的各種來源中組合了相關的句子。在大多數情況下，它沒有提供有關事實如何適用於相關稅法規定的分析。在存在分析的情況下，往往很難確定資訊的來源。這種缺乏透明度使用戶難以驗證信息的準確性，因此專業人士在閱讀生成式AI的回答時需要謹慎對待。
在許多方面，這些結果並不令人意外。當一個法律術語在特定背景下具有特定含義時，通用的生成式AI模型很可能會在錯誤的背景下產生結果。此外，不同稅法條款之間的相互作用可能很複雜或不明顯。研究人員指出，一些規定可能會擴展或為其他條款提供定義，而其他規定可能包含覆蓋一般規則的具體規定。生成式AI模型可能無法看到這些隱藏或複雜的關係。此外，各種形式的指導檔（例如法院判決、法規和IRS出版物）在稅務和法律環境中的法律權威性和重要性可能不同。需要通過特定知識的進一步培訓來提高生成式AI在稅務方面的能力。
好處
儘管ChatGPT目前還不能撰寫法律備忘錄或成為稅務專家，但這並不意味著AI不會影響稅務專業人士和律師的日常工作方式。研究人員認為，生成式AI有很多優點。它可以：讓專業人士瞭解法規的變化。審查大量複雜檔。標記未被注意到的不一致之處。簡單地作為一個合理性檢查。
跟蹤法規。AI稅務研究工具不僅可以跟蹤新的稅法規定，還可以監測被廢止的規定。納稅申報表可能在提交後幾年才會接受審計，而在提交日期和審計日期之間，稅法可能發生變化。例如，在大流行期間，稅務規定在幾年內被制定和廢止。從業人員表示，AI可以幫助製作跟蹤與納稅人特定情況和時間範圍相關的規則的概要，即使這些稅法規定已被廢止。
AI可以説明（甚至成為）初級團隊成員。一般來說，研究人員認為AI對初級團隊成員的價值增加最大，甚至可以作為初級團隊成員。初級律師和會計師可以通過使用AI研究工具從中受益最多，使他們能夠迅速達到高水準的能力。
例如，AI可以用於自動化由初級團隊成員通常執行的單調但重要的任務。在間接稅領域（例如增值稅、銷售稅等），高數量的例行問題和檢查，例如申報截止日期、某個司法管轄區本月是否已提交申報表，或者特定交易應收取多少加值稅，都可以由AI完成。稅務研究工具或冗長的檔也可以呈現為由AI驅動的聊天機器人，以幫助專業人士更輕鬆地檢索數據和資訊。
總體而言，AI仍然無法取代會計師和律師，但它能夠替代這些專業人士執行的某些功能。接觸AI的最佳方式是採用與人類工作職能相輔相成的工具，事實上，全球範圍內普遍採用這種趨勢。在AI的説明下，專業人士可以花更少的時間收集和輸入數據，更多的時間用於增值服務，如決策或為客戶提供建議。
稅務管理和合規中的AI世界各地的稅務機構一直在積極尋求利用AI
提高工作效率、準確性和品質的方法。許多人希望AI能夠幫助檢測逃稅行為並縮小稅收差距，而在2014年至2016年間，美國的稅收差距大約為每年5000億美元。
稅務機構特別關注機器學習（ML），這是AI的一個子領域，因為它能夠解讀看似無關的信息層次。例如，ML可以分析複雜的合夥結構，並預測哪些實體更有可能不合規並少繳稅。學術研究還確定了使用ML更好地識別跨國公司避稅行為的潛力。IRS的舉措
數據使用的悠久歷史。美國國內稅務局（IRS）長期以來一直在利用數據履行其使命。多年來，這些努力包括統計方法、分析工具、基於規則的演算法和一個AI實驗室。隨著業務運營的複雜性隨著時間的推移不斷提高，該機構面臨著識別複雜業務結構中的隱藏關係、檢測數據中的異常情況以及處理日益增多的納稅申報表的額外需求。解決這些問題不僅需要先進的分析和AI等工具，還需要人員的變革，包括將具有分析能力的人員放入領導角色，改變現有代理人的思維方式以使其數據驅動，並培訓非IT專業人員瞭解分析工具。
納稅申報表審查計劃（RPP）的最新成果。該機構在2017年申報季節推出的納稅申報表審查計劃（RPP）取得了最新的成果：它使用了監督和無監督的機器學習方法來檢測不合規行為（包括個人所得稅申報表上可疑的退稅），採用了傳統方法和機器學習的組合。從2009年到2019年，IRS在該系統上投資了5.97億美元。從2015年到2019年，RPP阻止了110億美元的無效退稅。因此，研究人員得出結論，RPP在該計劃的第一個十年中獲得了18倍的回報，這是非常令人鼓舞的。
作為一個良好審計系統的指標，研究人員還指出，不僅應考慮高回報率，還應考慮低“無變更率”。高無變更率意味著大部分經過審計的申報表都以納稅人的利益解決，因此給納稅人帶來了負擔，並消耗了IRS的資源，而沒有為稅收徵收做出貢獻。這也意味著該系統可能不擅長針對或選擇審計案件。RPP的無變更率不可用，但這一因素應成為未來考慮的一個指標，研究人員認為。
對IRS使用AI的擔憂。許多人認為，IRS之所以能夠實施AI，是因為它可以訪問大量的納稅人數據。這是事實，但該機構意識到數據品質的不均衡。換句話說，依靠歷史數據作為審計選擇的訓練數據集意味著演算法可能會受到先前審計模式的影響。此外，IRS在擴大AI應用時需要解決納稅人的透明度問題。因為AI演算法是基於底層數據集的結構和模式而不是經濟原理，所以IRS工作人員或數據科學家能夠向納稅人傳達結果尤為重要。
立法和行政趨勢。總體而言，立法和行政趨勢支援在適當的治理下使用更多基於分析的方法。2018年通過了一項新法律，要求聯邦機構改進數據和分析治理。隨後在2019年，發佈了一項行政命令，概述了維護美國在AI領域領導地位的步驟。2020年的《國家人工智慧倡議法》將國家人工智慧倡議及相關聯邦辦公室和委員會的設立予以法律化。
所有這些考慮因素，再加上技術的進步，意味著IRS肯定可以從基於AI的工具中受益。儘管會有一個陡峭的學習曲線，但如果正確實施，總體結果將是更高效的稅務管理和更好的納稅人體驗。OECD的努力
經濟合作與發展組織（OECD）關於稅務管理的一份報告顯示，截至2022年，全球有40多個稅務機構已經或計劃使用AI。隨著稅務機構在處理大量數據和先進技術方面變得更加熟悉，它們以加快的速度採用這些應用。在2018年至2020年間，使用嵌入式AI和ML技術的工具的使用率增加了16%，計劃使用這些工具的機構增加了14%。
稅務管理中的AI應用。稅務機構主要通過部署聊天機器人提供資訊、使用演算法檢測異常模式，並在納稅人顯示違約跡象時優先進行強制徵收來利用AI的能力。具體而言，52個調查的稅務機構中超過75%的機構報告稱，他們已經在使用AI和ML以利用數據的方式，以揭示以前隱藏的資產或識別新的風險，最終目標是減少逃稅和欺詐。
其中一些努力，如加拿大稅務局的“Charlie”聊天機器人，仍在進行中，而其他一些已經產生了更可量化的結果。例如，法國稅務管理機構使用AI和衛星圖像檢測到2萬個未申報的游泳池，從而增加了1000萬歐元的財產稅收入。義大利稅務局獲得授權使用演算法將財務數據與納稅申報、收入、財產記錄、銀行帳戶和其他電子支付資訊進行交叉引用，以檢測出存在高風險的納稅人。這導致識別出100萬個高風險案例，並防止了2022年685萬美元的欺詐行為。
謹慎行事的必要性
歐洲的稅務機構歡迎AI的好處，但在實施這些工具時，他們也需要遵守歐盟的隱私法——《通用數據保護條例》（GDPR）。特別是，在使用基於AI的演算法收集數據時，程式必須是透明的，需要獲得同意，並且具有有限和特定的目的。在處理數據時，個人信息必須匿名化，並建立確保適當保護的程式。
許多稅務機構還從荷蘭的一次經歷中吸取了教訓。2013年，荷蘭稅務局開始使用自學習演算法處理兒童福利申請。該演算法不僅檢查表格的正確使用和數據的準確性，還檢查申請中的欺詐風險。目的是在早期階段檢測到福利欺詐，以便兒童補貼只發放給合適的受益人。
然而，後來發現，稅務局會根據演算法的風險概況指標對涉嫌欺詐的家庭進行處罰。一些受益人被要求返還他們的福利，而沒有機會上訴。由於系統不透明，被拒絕的申請人無法知道為什麼他們被標記為高風險。後來的調查揭示，該指標將過多的低收入和雙重國籍申請人分類為高風險。
因此，稅務管理機構被荷蘭數據保護機構罰款，並導致首相在2021年辭職。這一事件揭示了僅僅依靠AI而沒有適當的人類保障措施可能會導致災難性的結果。觀察家們警告說，雖然AI可以是簡化稅務合規或風險評估過程的有用工具，但AI的好壞取決於使用它的人。AI不能成為逃避責任的屏障。
結論
AI和類似技術的顯著發展正在改變稅務研究和合規領域。AI可以通過向稅務專業人士提供法規變化的更新、幫助審查大量複雜檔以及代替他們執行基本任務來補充稅務專業人士的能力。然而，目前，人類工作者需要謹慎使用這些AI功能，主要是由於幻覺和透明度問題。
全球各國的稅務機構正在積極尋求在日常運營中部署或擴展基於AI的工具。一些稅務機構已經取得了可量化的成果，而其他機構仍在完善他們的演算法。他們必須警惕AI的局限性——其結果取決於使用的訓練數據，並且有時仍需要人類的監督和干預。此外，在建立基於演算法的審計系統時，保護納稅人數據和隱私問題是關鍵考慮因素。
謝謝收看《智庫報告》！這是由六度簡報團隊為您制作的內容。六度簡報的網址是:6dobrief.com，專門面對全球精英、專業人士。