在税务技术领域，我们被训练得热爱规则。我们擅长精确性、逻辑性，并因知道将数据输入税务引擎后每次都会得出相同的计算结果而感到安心。这是一个“如果-那么”的世界。
但随着大型语言模型（LLM）和 AI 智能体进入我们的工作流，我们正面临根本性的转变。许多税务专业人士将这些新工具视为仅仅是升级版的税务引擎：更快、更聪明、更灵活。这种假设是危险的。如果我们想利用人工智能而不陷入控制幻觉的陷阱，我们就必须改变与这些系统对话、测试和信任它们的方式。
为了帮助解释如何在税务合规中使用人工智能，我们请了来自我们的母公司 Stripe 的一位专家来简化这些概念。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：在上面的五分钟视频中，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在税务合规中失败的原因。
并非所有 AI 工具都一样
在税务团队评估人工智能是否适合其技术栈之前，了解他们实际获得的是什么会有所帮助。人工智能已成为一个涵盖非常不同工具的伞形术语，而这些差异至关重要。
工作流是传统的基于规则的自动化。它遵循固定的步骤序列，并且在给定相同输入时总是产生相同的输出。这里不涉及推理。这正是工作流非常适合税务的原因：它们可审计、可预测且可追溯。如果出现问题，您可以找到应用规则的确切步骤。它们的局限性在于僵化，一旦流程偏离预定义的模式，工作流就无法适应。
从外部看，AI 工作流看起来相似。步骤仍然是固定的，但其中一个步骤使用 AI 模型来解释混乱的内容：扫描的附件、自由文本的产品描述、模糊的发票行。智能仅包含在该单个步骤中，并不影响流程的其他部分。对于许多税务职能来说，这实际上是最佳选择：您在需要的地方增加灵活性，同时不牺牲其他工作所需的可预测性。
AI 智能体则有所不同。它不是回答问题，而是朝着目标努力。它可以将该目标分解为步骤，选择工具，查阅文档，并决定下一步该做什么，而无需明确指示。每次运行可能遵循不同的路径，因为系统正在实时推理。这就是智能体强大的原因。这也是它们不可预测的原因。
了解您实际评估的是哪种工具是使用它的负责任的第一步。
一种不同的思维方式：从确定性到概率性
一旦了解了工具的谱系，最大的概念障碍就变得清晰：从确定性思维转向概率性思维。
传统税务软件就像一份食谱：严格按照步骤操作，每次得到的结果都一模一样。而 AI 智能体则更像是在向同事下达任务简报。你给它一个目标和一些资源，然后让它自行决定执行路径。两位不同的同事可能会采取不同的路径得出相同的答案，而 AI 智能体每次按下回车键时，也可能选择不同的路径。
在税务领域，差异通常被视为缺陷（bug）。而在 AI 中，差异是技术工作原理的一部分。当智能体给出糟糕的答案时，这很少是可以简单修补的代码错误。通常，这表明指令模糊或上下文信息不完整。
这种转变也改变了我们验证 AI 系统的方式。传统税务软件是通过测试来验证的——即检查其是否针对定义好的预期输出通过或失败。智能体无法以同样的方式进行测试，因为同一个问题可能有多个可接受的答案。相反，团队从测试转向评估：对一系列输出的可靠性、质量和风险进行评估。目标不是消除差异，而是判断这些差异对于当前任务是否在可接受范围内。
找准定位：何时智能体能提供帮助，何时会造成干扰
一旦税务团队理解了智能体的本质，下一个问题就是某项具体任务是否适合使用智能体。三个实际问题可以消除大部分不确定性。
- 工作流程是基于规则的还是高度依赖解释的？有些税务任务从头到尾都是刚性的，例如电子增值税申报，其中每个字段都有预期的格式，每个数字都有固定的位置。引入智能体来决定填充哪些内容只会增加复杂性而不会增加价值。确定性系统能更可靠地处理此类任务，因为在这种情况下，可预测性比灵活性更重要。
- 你能容忍输出结果的差异吗？即使是设计良好的智能体，每次运行的结果也会略有不同，这不是缺陷，而是概率系统的正常行为。对于研究类任务，目的是揭示可能的解释并支持人类判断，因此一定的差异是无害的。核心合规工作则不同。税务计算、税率确定和申报表准备必须经得起审计审查，并依赖于稳定、可预测的逻辑。智能体的自适应行为与这一需求直接冲突。
- 该任务是否涉及难以用固定规则捕捉的数据量或模式？有些税务工作流并非因为规则不明确而失败，而是因为需要审查的记录数量太多，且这些记录偏离预期的方式多种多样。异常检测就是一个很好的例子：标记出增值税处理不一致的交易，或在数千条记录中发现恢复索赔中的异常值。当任务是在大规模情况下发现不规则现象时，概率系统可能是非常合适的工具，前提是人类仍需参与监督。
AI 在合规中的作用
对于任何税务团队而言，最重要的问题不是“我们能否用 AI 来做这件事？”，而是“我们是否希望有一个遵循我们规则的体系，还是一个自行决定如何实现目标的体系？”
AI 工具并非更智能的税务引擎，它们是完全不同的事物。理解其局限性并非可选项，而是确保当 AI 发明出一条税务规则时，你不会基于该规则提交申报的唯一方式。
我们经常被问及 AI 将如何改变这一领域。在 Stripe 和 TaxJar，我们认为 AI 是一种变革性工具，但它并非万能灵药。
- 人工智能的优势所在：人工智能在处理海量数据、识别模式和自动化工作流程方面表现出色。它帮助我们监控数十万项税率变更和分类。
- 为何人类专家不可或缺：虽然人工智能在监控税务变更方面表现优异，但它并非完美无缺的系统。通常，人工智能无法解析税务法规，也无法理解哪些变更是当前有效的，哪些是之前的裁决。人工智能无法驾驭复杂审计中的细微差别，也无法解读新颁布且含义模糊的立法精神。
我们将未来视为人类专业知识与机器智能之间的合作。我们将持续演进并利用 AI 来支持我们的工作流，但我们的税务专家团队仍是最后一道防线，确保您所依赖的业务精度永不妥协。
Aleksandra 拥有博士学位、工商管理硕士 (MBA)、法律博士 (LLM) 以及税务和计算机科学领域的其他多个学位。她是 Bloomberg Tax 等多家出版物的贡献作者。