Dayjob：税务——在 50 份专业税务任务上评估 AI 智能体

人类会计师 vs AI 智能体

• 多位评论者表示，税务会计师存在严重错误（错误申报导致损失 2 万到 5 万美元、结转亏损错误、折旧年限错误、K‑1 处理不当、扣除项错误等）。
• 有几位说，把过去的报税记录交给 Claude/GPT 复查后发现了错误，随后进行了修正申报并拿回退款。
• 也有人，包括有经验的 CPA，提出反驳：许多“失败”其实是漏报收入或对审计的误解，不一定是申报人不称职或欺诈。
• 一个新出现的模式是：AI 常被用作第二审查者来捕捉人工错误，而不是作为唯一的报税者。

责任、监管与公平性

• 共识是：在许多司法辖区（尤其是美国），最终责任仍由纳税人承担，即使是专业人士代为申报。
• 你或许可以起诉疏忽的申报人，或追回罚款/利息，但这代价高且结果不确定。
• 一些人认为这不公平，因为税法过于复杂；他们呼吁简化税制或自动申报。
• 美国一项法案将对付费报税人进行监管；许多人认为这还不够。

用 LLM 处理税务：前景与局限

• 用户报告 LLM 能：
  • 发现汇率错误、房地产损失误用、遗漏抵扣，以及报表中的结构性问题。
  • 作为研究/检查工具处理复杂跨境情况，但不能可靠地计算准确税负。
  • 准备电子表格、填写表格（甚至几十页），并引导用户完成门户网站和相关流程。
• 局限：
  • 原始数学和数值推理能力较弱；需要确定性的计算器或工具调用。
  • 在边缘性的条约问题以及某些预扣/扣除细节上表现不佳。
  • 还不足以在没有人工审查的情况下完全自动化复杂报税。

隐私与数据担忧

• 很多人对把完整财务数据发送给云端 LLM 感到强烈不适；担心泄露、用于训练、政府访问或转售。
• 也有人认为节省的时间足以抵消风险，尤其对被行政事务压垮的小企业而言。
• 建议的缓解措施包括：本地推理、零保留提供商，以及构建本地工具，只把模型用于代码生成或结构检查。

基准测试、形式化与工具链

• 有些人质疑如果缺乏强力脚手架，这个基准的价值；认为真实系统会使用税务专用的执行框架和工具。
• 另一些人强调，有项目正在用 Lean、YAML 等形式化 IRS 表格和决策树，并指出 IRS 自己开源了 Direct File 工件。
• 普遍认为，税务申报的大部分工作都应该是确定性的规则引擎，而由 AI 协助解释和数据整理。