“人工智能+稅務”模式的變革影響和場景展望

今年3月5日，李強總理在政府工作報告中提出：“深化大數據、人工智能等研發應用，開展“人工智能+”行動，打造具有國際競爭力的數字產業集群。”面對新要求，稅務部門應積極應對人工智能對于經濟活動和涉稅行為的影響，并踐行“人工智能+稅收”模式以提升征管服務水平。本文從“人工智能+稅務”內涵，及其對稅收征管的變革影響、存在的挑戰、運用場景等方面提出前瞻性思考。

“人工智能+稅務”模式的內涵

（一）人工智能的內涵

廣義的人工智能指計算機和程序“學習和理解事物、處理問題并做出決策的能力”，通俗地說就是“學習知識”和“應用知識”的能力。中國科學院院士、清華大學教授張鈸提出：“……第二代人工智能則主要用了數據、算法和算力三個要素。為了克服人工智能的固有缺點，唯一的辦法是把知識、數據、算法和算力這四個要素同時運用。”據此，從構成看，人工智能應包含知識、數據、算法、算力四個要素。

（二）當前開展“人工智能+”行動的現實基礎

目前以自然語言大模型為代表的第三代人工智能，使人類看到了通用人工智能（AGI）的曙光，即計算機具備了遷移學習、推理規劃、自然語言等能力。這種“類人”和“通才”的基礎大模型，使人工智能的實用門檻降低到可普及的水平，同時使應用效果和成本可明確預期，這是開展“人工智能+”行動的先決條件。

從技術成熟度看，目前的人工智能已部分具備達到甚至超過人類的能力，達到了大規模應用的標準。按目前的技術發展速度，未來2至5年將誕生通用“專家”（在多數任務中超過90%的人類），并產生與之匹配的“世界模型”和具身智能（智能機器人）。

（三）“人工智能+稅務”模式的定義淺析

“稅務+人工智能”模式指采用人工智能技術提升稅務工作效率和服務水平，關注人工智能技術在某些場景、某些環節起到降本增效的作用。“人工智能+稅務”模式指以人工智能技術為基礎建立全新的稅收管理和服務體系，更關注人工智能技術的基礎性作用和對現有管理模式進行重塑。以定義的方式來說，“人工智能+稅務”模式是以人工智能技術為基礎稅收管理體系，它圍繞“數據”和“知識”建立人工智能學習和應用的框架，在各類場景中通過應用程序形成人和智能系統的分工合作，依托新的分工方式配置管理資源。

“人工智能+稅務”模式對稅收征管的變革影響

（一）方法變革

人工智能與傳統的信息化方法有本質區別。“數據+規則”方法以人總結和提出的“規則”驅動程序運行；而人工智能既包含了產生“規則”的過程，也包含程序運行的過程，甚至程序的形態也不再是“崗位、環節、表單”，而是智能體和人的交互和協作。

按技術劃分稅務部門人工智能的應用領域，大致可分為自然語言處理和與數據分析兩方面。自然語言處理領域包括咨詢服務、法規庫檢索、業務辦理和審核、數據統計和查詢、系統運維和網絡安全等。數據分析領域包括風險分析和建模、稅收收入預測、政策效應分析、宏（微觀）經濟分析等。

自然語言處理領域，主要是優化基礎大模型以適配具體業務場景，結合知識圖譜進行“知識生產和應用”，將“通才”變為“專才”。稅務部門無必要也無能力訓練專有的自然語言大模型，應基于研究機構開發的大模型進行適配。

數據分析領域，由于還沒有蘊含較全面的經濟活動數據的基礎大模型，稅務部門作為“開拓者”需要自行開展人工智能建模工作。從計算和應用效率看，通過建立時間序列數據類型的“稅收—經濟”大模型，采用大模型的“預訓練+優化”模式，賦能宏觀的收入預測、經濟分析和微觀的風險識別和分類管理，能更充分發揮海量數據價值，為稅收管理、經濟治理等提供實證工具和動態感知能力。

（二）管理變革

從管理變化的趨勢看，大數據和互聯網技術破除了“數據孤島”，數據不再專屬于某一部門，稅收數據體系優勢逐漸被發掘；而人工智能技術將破除“知識孤島”，政策標準和管理知識也將不再專屬于某一部門，稅收管理集成的優勢將逐步顯現。

從分工上看，將有部分人員專門從事“知識生產”活動，如構建政策知識圖譜、對涉稅風險進行數學建模、分析專家經驗并嵌入智能模型等；一部分人員專門從事數據準備活動，根據智能模型訓練的需要標注數據；另一部分人員則偏重應用智能化應用完成工作，同時需要提出優化意見。這種以人工智能建設和應用為中心的分工方式，將逐步改變現有的管理格局。

“人工智能+稅務”模式對稅收征管的挑戰

可以預期的是，“人工智能+稅務”模式對傳統稅收征管將帶來顛覆式變革，未來一段時期，稅收征管改革實踐中需要克服很多困難，而認知和行動決定了實踐的進程。

（一）需要人才支撐

人工智能是一個以計算機科學為基礎，由計算機、心理學、哲學等多學科交融的交叉學科。開展人工智能實踐工作，首先需要具備豐富的業務經驗，能夠準確定義有待解決的問題；其次需要具備與業務有關的學科知識，包括會計、法律、經濟、管理等，能夠提出解決問題的科學路徑；再次需要具備一定的數學基礎，能夠理解、應用或建立數學模型，將解決路徑抽象為數學問題；最后需要具備人工智能知識和經驗，能夠選擇或創造人工智能模型，找到應用數據解決數學問題的方法。

（二）需要自建算力

出于數據安全的要求，稅務部門需自建算力（目前國產化算力設備基本可以滿足需要）。算力是開發和使用大模型的基本條件，部分算力需求是相對可控的：一是自然語言處理領域，大模型需要在適配不同業務場景時進行優化和裁剪，單次訪問算力需求較小，總體訪問需求與同時使用的用戶數量直接相關，即需要滿足高峰時段的運行；二是數據分析方面，“稅收—經濟”大模型預需求算力較大，且模型建成后還需要持續更新數據，但適配到單一場景后算力需求較小，用戶數量較少并可分時段運行。

（三）需要可控運行

大模型幻覺問題是目前的技術硬傷，與知識圖譜融合是實現可控的主要手段。以大模型為代表的深度學習技術基于連接主義的原則，過程是“黑箱”，能力靠“涌現”（不能完全解釋原因），結果有概率，更適合處理隱性知識、發掘潛在規律、生成創新成果。以知識圖譜為代表的本體語言技術基于符號主義的原則，抽象且明確的實現邏輯推理，過程可見可追溯，能力有上限但可控，結果明確可再現，更適合處理顯性知識，應用已知規律推演確定結果。以稅收法律為主建立知識圖譜，或者融合到大模型預訓練過程中，或者作為顯性知識在過程中調用，都能一定程度上實現大模型結果可控、政策推理可溯源。

（四）需要配套機制

目前的自認語言大模型的智能化水平在初級到中級階段，在各類稅收場景中不可能直接使用，需要根據場景的具體要求分別適配，形成小而靈的專用模型，或者再合并形成混合專家模型。由于建立、維護、優化人工智能模型是一種全新的工作模式，需要配套的工作目標和管理方法。

目標方面，需要將知識圖譜建設和數據標注積累作為重要工作事項。知識圖譜是可控的前提，而數據標注是機器學習的基礎。圖譜和標注的質量非常依賴業務專家的能力和數量，專家需具備長期積累的經驗和知識結構化的能力，并在標注中能夠理解模型的特點和需求。在模型運行過程中，持續的迭代優化也需要新增標注數據以完成遠程監督和強化學習。

管理方面，需要建立一套創新機制和工作方法，源源不斷的產生大批模型的研究和實驗成果，以替代現有的工作模式，甚至創造全新的工作理念。為使這一進程更規范、更可控，應建立人工智能創新平臺進行管理，尤其是對用于深度學習和大模型訓練的數據進行管控，但同時也需要提供各類安全可控的模型開發工具。為激發稅務部門創新活力，還需要相應的機制鼓勵有序的創新，并對模型的實用性進行交叉評估。

“人工智能+稅務”模式征管應用場景展望

“人工智能+稅務”模式是一個以創新持續推動業務變革的過程，需要在現有各類業務條線建立示范型的應用，兼顧業務需求與技術方向，“優中選優”確定總體實施路線。筆者從相對宏觀的視角將業務場景分類下列類型，并作以下初步展望。

（一）以“人工智能+法規”建立核心知識圖譜

法規知識圖譜是“人工智能+”體系的知識樞紐和控制中心，一個涵蓋全稅種、全政策的圖譜是提升執法能力的關鍵。從業務角度看，在場景中完成業務識別和定性后，按政策邏輯推理和取得結論均需在圖譜上完成。從技術角度看，應用圖譜可降低程序中大模型的占比，增強結果的確定性。就法規部門工作來說，知識圖譜的管理過程與日常工作密切相關，如重案審理中涉及到稅務以外的法律銜接，可表現為知識圖譜的知識融合和語義消歧過程，這一過程可發現條款沖突和概念差異。

（二）以“人工智能+納服”優化辦稅咨詢

辦稅方面，業務融合和自動計算是自動辦稅的頂點，智能辦稅則可以再進一步，即納稅人的部分業務不再需要填寫表單，而是直接上傳附列資料（包括視頻、圖像、語音、文字等），由人工智能工具完成資料類型判斷和內容識別，結合知識圖譜完成數據結構化后嵌入自動辦稅所需的表單。咨詢方面，結合大模型的多輪對話能力和知識圖譜的政策推理能力，可建立響應及時、答復專業、能力全面的咨詢問答體系“第一道陣地”，滿足全社會對于稅收知識的“面”上需求，與精準服務的“點”上需求形成互補，優化納稅服務資源配置。

（三）以“人工智能+工作助手”建立工作新模式

采用人工智能體（Agent）技術，為稅務人員建立工作助手，在各類工作場景中提供多樣化的支持。如在政策檢索時提供與納稅人相似的問答和圖譜推理，在審核時提供智能識別和判斷，在跟蹤納稅人行為上（如更正申報）及時提醒，在日程安排上提供規劃和統籌建議，在文稿撰寫方面提供輔助等。智能體的使用記錄，也有助于分析一線工作中的政策熱點、難點，各類工作對時間的占用等情況，可用于優化工作部署和人力資源配置。

（四）以“人工智能+代碼助手”提升數據資產應用

運用自然語言大模型的生成代碼能力，在已有的數據管理平臺上，建立智能化查詢和分析工具庫。如實現一句話經濟分析、一句話風險分析等功能，降低數據資產的應用門檻，激活“從數據尋找規律、用數據創造價值”的思考和實踐。

（五）以“人工智能+征管”建立動態感知體系

運用大模型和知識圖譜技術，綜合宣傳、審核、評估、稽查等多種管理行為，針對單一主體、相關主體、分類主體、地區主體等進行全面動態跟蹤，通過征管知識圖譜建立行為關聯和風險評價，建立人工智能動態感知和長期跟蹤各類工作事項的全周期管理體系。

作者單位：國家稅務總局武漢市洪山區稅務局