[AI书房] 第九章 财政与税务行政领域
世界各国在行政领域引入人工智能的案例
第九章 财政与税务行政领域
金京镇
第九章 财政与税务行政领域
财政与税务行政是国家运行的基础，也是至关重要的领域。政府依法征税并高效使用预算，是所有公共服务的根基。在该领域引入人工智能，可以提高征税的准确性，减少逃税行为，并制定更有效的财政政策。本章将探讨世界各国在财政与税务行政领域应用人工智能的代表性案例。
1. 新加坡税务局基于人工智能的报税验证
新加坡虽然是一个小国，但以其高效的行政系统而闻名。新加坡国内税务局（IRAS）开始开发基于人工智能的报税验证系统。过去，税务官员必须逐一审查大量的纳税申报表，这一过程耗时且容易漏掉一些不准确的申报。此外，由于税收法规复杂，诚实的纳税人也可能因失误提交错误信息。为了解决这些问题，IRAS引入了人工智能技术，旨在提高报税的准确性，减轻税务人员的工作负担，并为纳税人提供更好的服务。
新加坡基于人工智能的报税验证系统主要具有三大核心功能。
第一，异常检测（Anomaly Detection）功能。该系统通过对比历史报税数据与当前提交的申报内容，查找异常模式或不一致之处。例如，它可以检测出相对于收入而言异常高的扣除申请，或收入的突然变化。为此，机器学习算法通过学习数百万份历史报税数据，来掌握“正常”的申报模式。
第二，自动分类（Automatic Classification）功能。人工智能系统根据风险程度对提交的纳税申报表进行自动分类。申报表被分为高风险组（需要税务官员详细审查）、中风险组（仅需要审查部分项目）和低风险组（无需额外审查即可处理）。这使得有限的人力资源能够得到有效分配。
第三，实时反馈功能。当纳税人在线报税时，人工智能系统会实时审查输入内容，并立即告知潜在的错误或遗漏。例如，它会提供诸如“与去年相比，缺少了子女教育费扣除项，请确认”之类的提示。
系统利用多种数据源。它整合并分析历史报税记录、银行交易数据、房地产交易记录和企业财务信息。此外，还利用自然语言处理（NLP）技术来理解和分析附带的文件或说明内容。
自新加坡税务局引入人工智能系统以来，出现了一系列积极的变化。
第一，税务官员的工作效率大幅提高。过去，一名税务官员每天大约只能审查30份纳税申报表，而在引入人工智能系统后，每天可以处理100份以上。系统自动处理低风险案例，使官员能够专注于更复杂、更重要的案例。
第二，报税的准确性得到了提升。得益于人工智能系统的实时反馈，纳税人能够在申报过程中立即修正错误。因申报错误导致的额外处理成本降低了约25%。
第三，带来了税收增加的效果。通过更准确的报税和有效发现漏缴税款，年税收增加了约2亿新加坡元（约合1800亿韩元）。系统能够更有效地查处高收入者和企业的复杂逃税企图。
第四，纳税人满意度有所提高。得益于实时反馈和个性化指导，许多纳税人评价称报税过程变得更加简单透明。2022年的调查显示，纳税人满意度从引入人工智能系统前的72%上升到引入后的85%。
新加坡税务局计划引入更先进的人工智能技术。自2023年起，开始利用大语言模型（LLM）提供与纳税人的对话式咨询服务，并正在开发结合区块链技术和人工智能的实时交易分析及征税系统。
2. 英国税务海关总署的逃税模式检测
英国税务海关总署（HMRC）每年都致力于缩小高达数百亿英镑的“税收缺口”（应征税款与实际征收税款之间的差额）。2019年，作为解决这一问题的方案，HMRC正式扩大引入了名为“Connect”的先进人工智能逃税检测系统。
该系统的主要目的有三个：第一，有效识别复杂且隐蔽的逃税手段；第二，将有限的调查人力集中在最可疑的案例上；第三，构建前瞻性的逃税预防体系。
“Connect”系统是英国规模最大的数据分析平台之一，应用了多种人工智能技术。
英国税务机关的Connect系统整合并分析了30多个不同的数据源，包括报税数据（增值税、个人报税、地方税）、英国及海外60个国家的银行交易信息、Visa和Mastercard等信用卡/借记卡使用记录、土地注册处的房地产交易记录、DVLA的车辆登记信息、海外资产信息、公开社交媒体账号的动态、eBay或Airbnb等在线市场的销售记录、公司注册处的公司信息、电子商务网站、加密货币交易所、共享经济平台、信用评级机构、储蓄、养老金和投资记录等。HMRC通过该系统拥有超过550亿条纳税人数据，并利用这些数据有效识别报税内容与实际经济活动之间的不一致，探测逃税或避税的可能性。
“Connect”的核心功能是网络分析和模式识别。该系统通过可视化和分析个人或企业之间的复杂关系，寻找隐藏的联系。例如，它可以检测出通过多层法人隐瞒收入或通过家庭成员分散资产的情况。
Connect系统通过网络分析，可视化并分析个人或企业之间的复杂关系，能够识别通过多层法人隐瞒收入或通过家庭成员分散资产等隐藏联系。
模式识别功能由人工智能算法学习“正常”的财务活动模式，一旦发现异常模式（如与申报收入相比异常高的生活水平），系统会自动标记。预测分析功能通过学习过去逃税案例的模式，提前识别出具有类似特征的新案例，从而预测并重点管理逃税风险较高的个人或企业。值得注意的是，系统还利用自然语言处理（NLP）技术进行文档分析。自然语言处理功能可自动分析申报单、电子邮件和合同等各种文档，高效寻找不一致或可疑的内容。
自引入“Connect”系统以来，英国税务海关总署取得了多方面的成果。
第一，逃税查处率大幅提高。以2020年为准，通过“Connect”系统进行的逃税调查成功率约为88%，较之前人工调查的65%有了显著提升。
第二，带来了额外税收。从2019年到2022年，通过“Connect”系统查处的逃税行为共补缴了约37亿英镑（约合6万亿韩元）的额外税收。
第三，调查效率得到提高。由于人工智能系统能够准确识别高风险案例，调查人员得以用更少的时间和资源处理更多的逃税案件。平均调查时间缩短了约30%。
第四，产生了预防效果。随着税务局先进的逃税检测能力广为人知，对潜在逃税者产生了强大的威慑作用。2021年的调查显示，约67%的纳税人表示，由于强化的逃税检测系统，他们放弃了逃税尝试。
第五，加强了对国际逃税的应对能力。系统能够有效掌握利用海外避税天堂构建的复杂逃税结构。2021年，系统识别并调查了与“巴拿马文件”等国际逃税丑闻相关的800多名英国相关人员。
尽管“Connect”系统取得了卓越成果，但仍面临一些挑战。
第一，存在隐私及数据保护问题。由于系统广泛收集和分析各种个人数据，引发了对个人信息保护的担忧。为此，HMRC引入了严格的数据访问控制和独立的监督体系。
第二，存在误报（False Positive）的可能性。系统有时会将正常的活动误判为可疑活动，导致清白的纳税人接受不必要的调查。为了解决这一问题，系统正在持续优化算法的准确度。
第三，技术对抗（Counter-AI）问题。一些老练的逃税者会研究人工智能系统的检测方式，并开发绕过检测的新方法。HMRC正通过持续更新系统来应对这一挑战。
HMRC正在开发被称为“Connect 2.0”的下一代系统。该系统计划包含实时数据分析、强化的自然语言处理以及更精密的网络分析功能。此外，还计划扩大与国际税务机关的数据共享与合作，更有效地应对跨境逃税。
3. 巴西的公共支出监测
巴西政府为了提高公共支出的透明度并防止腐败，正在建设创新的“透明度门户（Transparency Portal）”和基于人工智能的先进“公共支出观测站”系统。该系统的建设和运行由巴西联邦审计署（CGU）主导，由数据科学家、财政专家、审计专家及IT专家组成的多学科专项团队负责系统的持续改进与运行。
该系统由数据整合、异常检测、网络分析、文本挖掘和风险评分系统五个重要部分构成。
数据整合功能将政府的所有合同和支出信息实时汇集并存储在一处。同时，通过关联公务员的人事信息、企业的股权结构或政治关联等多种资料，帮助提升合同流程的透明度。这可以显著降低合同签署过程中出现违规行为或不公平合同的风险。
异常检测算法利用最新的人工智能和机器学习技术，自动查找异常交易。例如，可以发现成本远高于同类合同的情况，或者在短时间内与同一家企业持续签订多笔小额合同等可疑情况。
网络分析技术通过图形化呈现并分析政府合同、公务员与企业之间的复杂关系，彻底调查舞弊和贪腐。它帮助识别公务员与特定公司之间的直接或间接关系，从而预先发现他们行使不正当交易或影响力的可能性。
文本挖掘技术自动分析合同、招标书、发票和审计报告等各种政府文件内容，查找不一致或不恰当的合同条款。得益于该技术，能够发现实际签署的合同与文件上的条款不符的情况，并将其转化为标准化数据，从而进行更准确的分析。
风险评分系统根据多个风险因素对所有交易和合同进行综合风险评分，使审计人员能够快速确定必须核查的部分。通过该系统，高风险合同或交易会被自动选出接受更详细的审计，并对各政府部门或业务单元的具体风险程度进行管理。
在技术上，系统利用云环境下的高性能数据处理系统和用于实时数据处理的流处理方式，最大限度地提升了系统的处理速度和扩展性。此外，还创建了用户友好的界面，方便市民访问和使用；并通过分别运行政府机构使用的仪表板和市民浏览的公开门户，提高了效率。
每月有超过90万名市民、研究人员、记者和公务员通过该系统监测政府支出明细。到目前为止，得益于该系统，成功阻止或追回了高达数十亿雷亚尔（Real, R$）的不当支出。此外，它还为提升巴西在国际透明度评估中的地位做出了贡献，并作为开放政府伙伴关系的创始成员，为其他国家树立了良好典范。巴西政府计划未来继续完善系统功能，并更积极地推动国际合作与技术交流。
巴西的公共支出观测站（ODP）系统是旨在提高公共财政透明度并鼓励市民参与的平台。与国际上类似的其他系统相比，该系统具有几个显著的独特特征。
与美国 USA Spending.gov 的比较：巴西的 ODP 强调联邦政府预算数据的可访问性，采用任何人无需登录即可轻松访问的开放式结构。因此，市民参与非常活跃，月均访问量达90万人次。相比之下，美国的 USA Spending.gov 则致力于将联邦政府的支出数据结构化，并重点提供按预算项和项目分类的分析工具。在用户界面方面，两者的优劣并不明显，但巴西系统在可访问性和引导市民参与方面表现得更为突出。
与英国 HMRC Connect 的比较：英国的 HMRC Connect 是专门用于通过人工智能数据分析探测逃税和违规行为的强大分析工具。其特点是联动银行记录、房地产信息、社交媒体数据等多种来源，分析复杂的数据关系。相比之下，巴西的 ODP 侧重于通过市民的积极参与来防止腐败，市民监督功能相对更加开放和透明。不过，在掌握数据复杂关系方面的分析能力上，巴西系统尚未表现出优于 HMRC Connect 的水平。
与韩国数字财政信息集成系统（dBrain）的比较：韩国的 dBrain 综合支持从预算编制到决算的财政管理全过程，强调实时国库管理和绩效分析功能。韩国系统结合了项目预算制度和权责发生制会计，能够精细地进行财政管理。而巴西的 ODP 则主要以透明追踪公共资金和监督地方政府财政为目的，更侧重于防范腐败和强化预算透明度。
与印度公共财务管理系统（PFMS）的比较：印度的 PFMS 侧重于实时管理中央政府与地方政府之间的资金流动，并具有直接向受益人拨付资金（DBT）的功能。这为印度政府各项计划提供了全面支持，并确保了资金执行的透明度。巴西的 ODP 侧重于通过实时公开预算数据来提高透明度，但像印度 PFMS 那样对广泛的政府计划进行实时追踪和受益人管理的功能则相对较弱。