AI 辅助税务稽核时如何保持程序公平

AI 辅助税务稽核时如何保持程序公平

税务稽核引入 AI，可帮助发现票据链异常和重复抵扣线索，但正式程序仍要给纳税人说明、补证和申辩机会。模型输出必须能定位原始交易和规则依据，不能让一个黑箱分数直接触发不利决定。工作人员可以否定建议，并记录为何否定。

稽核样本可能有历史偏差：过去更常被查的行业留下更多违规标签，模型便继续盯着他们。机关应比较不同规模、地区和行业的误报，关注新企业与季节性经营。抽取一部分低分样本做独立核查，避免只在高分群体里验证准确率。

程序公平最容易在时间压力下被省略。模型提示某笔交易异常，稽核人员若直接复制摘要到通知，可能把统计关联写成事实。系统界面应强制区分“来自申报的事实”“模型推测”“需向纳税人确认”，正式文书由人员重新核对原件。高风险事项设双人审查。

纳税人的补充说明应进入同一事件记录，不要只保存最初的疑点。如果解释成立，标记撤销原因，并检查类似企业是否也被误报。申诉渠道要容易找到，处理时限明确。模型版本变化后仍能还原当时为什么启动核查。

对纳税人，正式通知用可理解语言说明核查范围与权利途径，敏感商业资料最小范围处理。申诉后若发现数据错误，及时修改模型相关记录，不能下次仍被同一旧问题标记。

机关定期审阅误报造成的额外材料准备时间和行业分布，也检查漏掉的问题。提高发现率不能以大批无辜经营者持续被打扰为代价。

可以把一份稽核通知放进流程测试：受通知的人能否指出具体交易、补证期限和申辩入口？如果只看到“算法判定异常”，程序就缺了一环。机关还应抽查模型建议被原样复制进文书的比例，要求审阅人员回到原始凭证。申诉成功后标记撤销原因，并查同一错误是否影响其他纳税人。公平不是一句原则，而是一条可以走通的纠错路。

稽核系统的权限设计要让人能停下来。工作人员发现模型依据过期或数据错误时，可以暂停自动建议并标记同类案件，业务负责人审核后恢复。纳税人的补证进入记录，模型原始标记不应覆盖后来事实。程序公平需要这类具体开关与纠错责任。

人员培训可用真实但已去身份的案件，练习区分数据异常与违规事实。若多位人员在同一模型提示前都忽略一项正常业务背景，问题不在个人粗心，而在界面与流程。

程序公平不是减慢一切，而是确保速度不会冲掉解释和纠错。