切勿将流利度误认为事实：人工智能税务研究的现实

AI 工具可以在几分钟内扫描某个司法管辖区的相关法规并构建税务论点，而这些任务过去往往让税务专业人士在办公桌前耗费数小时。效率的提升是实实在在的，而且这种趋势不会消失。但与这种速度并行的是一个危险的相反趋势：AI 工具模仿专业能力的水平如此之高，以至于越来越难分辨数据何时结束、幻觉何时开始。

许多 AI 输出看起来令人信服，但经不起推敲。模型听起来很有权威性，但答案却是错误的。在大多数情况下，这并不是因为问了错误的问题或选择了错误的工具，而是因为误解了 AI 语言模型的能力边界——即它们能做什么、不能做什么。

税务规则依赖于精确的定义、狭窄的阈值以及特定司法管辖区的例外情况。一个小错误就可能改变结果。在一个正确与错误答案之间可能带来审计风险的领域，流畅性并不是准确性的可靠信号。

为了帮助解释如何在税务研究中正确使用 AI，我们请来了来自母公司 Stripe 的一位专家提供指导。Aleksandra Bal 是 Stripe 的全球间接税技术负责人，领导着一个专注于开发税务技术解决方案并在六大洲管理间接税的团队。

观看完整解析：在上述五分钟的视频中，Aleksandra Bal 解释了为什么“流利不等于准确”，并揭示了标准人工智能提示词在税务合规中失效的原因。

实时搜索的幻象

我们经常假设，如果 AI 应用启用了网络搜索功能，它就是在实时阅读现行立法。但“能够搜索”并不等于“总是搜索”。

不同的工具如 Gemini、ChatGPT、Claude 和 Perplexity 对搜索的处理方式各不相同。有些将其作为默认选项，而另一些则仅在决定需要当前信息时才触发搜索。如果模型认为其训练数据已经足够，它可能会完全跳过搜索，转而依赖模式匹配。

危险在于，看起来正确的答案和真正正确的答案是两回事。一个模型可能会流利地描述某个特定县的住宿税，仅仅因为它以前见过类似的模式，而不是因为它实际验证了该税种今天确实存在。

自信心的幻象

作为税务专业人士，我们自然希望量化风险。这导致了提示中最常见的错误之一：要求模型评估其自身的置信度。

你可能见过这种情况：“提供答案，然后给出一个1到100的置信度评分。”这看起来很有责任感。但现实是：模型并没有一个“真理测量仪”。它生成置信度评分所使用的逻辑与生成答案时使用的预测文本逻辑相同。

为什么 RAG 并非解决幻觉问题的万能药

为了解决这个问题，许多团队转向检索增强生成（RAG），为 AI 提供特定文档作为参考。虽然 RAG 有所帮助，但它并不能消除幻觉；它只是改变了幻觉发生的方式。

• RAG 增加的是上下文，而非真相：如果检索到的文档过时或不相关，模型仍会基于错误数据自信地推理。
• 填补空白的难题：如果文档没有明确回答您的问题，模型不一定会停止；它通常会通过将文档文本与其自身先前的训练相结合来填补空白，从而创建一个听起来有据可依但并非真实的“弗兰肯斯坦”式规则。
• 设计至关重要：如果您的系统对文档的分块处理不佳，人工智能可能会看到一般规则，却错过下一页上的关键例外或管辖权限定语。

导致系统失效的提示

我们经常试图通过命令来确保准确性。我们使用如下提示：

• “仅提供 100% 准确的信息。”
• “不要填补知识空白。”
• “在回答之前先审查相关法规。”

这些听起来像是严格的控制措施，但实际上它们只是风格上的请求。告诉模型要 100% 准确并不会给它提供一个新的事实数据库；它只是鼓励模型去除诸如“这可能因司法管辖区而异”之类的模糊措辞。这使得模型即使在不确定的情况下也显得更有把握。

同样，要求模型审查法规往往会导致模型生成一段看似法律分析的文字，但该分析并不一定是最终结论的依据。它们是并行构建的，而不是作为验证步骤。

如何在税务工作中负责任地使用 AI

如果我们无法控制路径，该如何管理风险？

1. 将每次输出视为线索，而非结论：切勿假设模型已搜索过网络或正确解读了您的 PDF。请核实该规则是否存在，并确保引用内容具有时效性。
2. 保持请求范围狭窄：输出越长，可靠性越低。当模型生成税率表的第 30 行时，它不再主要遵循您的指令——而是在完成一种模式。请一次询问一个司法管辖区的问题，而不是一次性请求完整数据集。
3. 将提示词指令视为范围界定，而非安全保障：诸如“仅使用准确来源”或“不要猜测”之类的指令不会改变模型生成答案的方式，它们只会改变语气。

AI 可以帮助税务专业人士提高工作效率，但它无法替代对可靠、经过验证的真实信息源的需求。上述三项原则是重要的护栏，但它们都需要专业知识、时间和警惕性才能正确应用。对于需要准确、最新的税务计算且不愿承担持续手动验证负担的企业来说，最好的护栏是将这些保障内置于工具本身之中。

管理合规性的最佳方式之一仍然是使用税务软件，如 TaxJar 或 Stripe Tax。了解 TaxJar 如何将销售税管理的挑战转化为无缝融入您业务运营的一部分。

Aleksandra 拥有博士学位、MBA、LLM 以及税务和计算机科学领域的其他多个学位。