Tax100 税百

  • 在线人数 744
  • Tax100会员 27868
查看: 627|回复: 0

[李为人] 【2018年06月19日】在税收风险分析中引入人工智能技术的思考

145

主题

149

帖子

491

积分

二级税友

Rank: 3Rank: 3

积分
491
2021-11-4 18:01:59 | 显示全部楼层 |阅读模式
在税收风险分析中引入人工智能技术的思考
李为人      李 斌

内容提要:税收风险分析是税收风险管理的核心环节之一。本文通过分析人工智能和税收风险分析的基本性质,对在税收风险分析过程中引入人工智能的必要性和可行性进行了探讨,并就如何在税收风险分析中引入人工智能提出了建议。
关键词:税收风险分析 人工智能 风险管理

人工智能技术正在以意想不到的速度扑面而来。2017年,当我们还在震惊于阿尔法狗战胜人类围棋冠军时,新的阿尔法狗已经以 100∶0 的战绩战胜了原来的阿尔法狗。这样的比赛之所以如此引人关注和深思,在于这两台阿尔法狗已经具备了自我学习的能力,而不是依靠储存和记忆数量庞大的棋谱。也就是说,在人工智能领域,已经出现了认知的革命。这种认知革命的影响在迅速放大,国内能和人交流的、有学习能力的机器人已经出现,美国也出现了对股市分析的人工智能系统。基于这样的背景,探讨在税收风险分析中引入人工智能技术显得十分必要。

一、人工智能及其在财务、金融等领域的应用
(一)基本概念
人工智能(Artificial Intelligence),英文缩写为AI,是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的技术科学。美国麻省理工学院的温斯顿教授认为:“人工智能就是研究如何让计算机去做过去只有人才能做的智能工作。”这一说法反映了人工智能学科的基本思想和基本内容,即人工智能是通过研究人类智能活动的规律,构造具有一定智能的人工系统, 从而进一步研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

(二)人工智能的实现形式
人工智能有两种实现方式。一种是直观法。这种方法采用传统的编程技术,使系统呈现智能的效果,而不考虑所用方法是否与人或动物机体所用的方法相同。这种方法已在一些领域取得了应用,如文字识别、在线翻译、电脑下棋等。采用这一方法, 需要人工详细规定程序逻辑,如果逻辑简单,实现起来还比较容易;如果逻辑复杂,角色数量和活动空间增加,相应的逻辑就会按指数级别增长。以电脑下棋为例,这种方法在处理象棋(包括国际象棋和中国象棋)和围棋时有很大的不同,象棋中每走一步都有明确的价值判断,棋谱有穷尽;而围棋每一步棋都需要结合“势”来分析,棋谱多到无法穷尽。根据阿尔法狗之父—英国剑桥大学神经学博士杰米斯·哈萨比斯计算:“一共有10 的170 次方的可能性,这个数字比整个宇宙中的原子数(10的80 次方)都要多”。

另一种是模拟法。这种方法不仅要看产生的效果,还要求实现方法也和人类或生物机体所用的方法相同或相似。模拟法分为遗传算法和人工神经网络两种。遗传算法模拟人类或生物的遗传和进化机制,人工神经网络则是模拟人类或动物大脑中神经细胞的活动方式。采用这种方法时,编程者要为每一角色设计一个智能系统来进行控制,这个智能系统开始什么也不懂,就像初生婴儿那样,但它能够学习,能渐渐地适应环境,应付各种复杂情况。这种系统开始也常犯错误,但它能吸取教训,下一次运行时就可能改正。阿尔法狗的运行机制是这一方法的典型应用,阿尔法狗首先根据人类棋谱只模拟下一步棋摆放位置的5~10 种可能性,然后进行几百万次的训练,通过误差加强学习,对于赢了的情况,让系统意识到,下次出现类似的情形时,更有可能作出相似的决定。相反,如果系统输了,那么下次再出现类似的情况,就不会选择这种走法。通过这种试错机制不断走向优化,这和人类的活动非常类似。


(三)人工智能在财务、金融等领域的应用
目前,人工智能在不同领域飞速发展,并在财务、金融等诸多应用场景中取得了一定的成效。

德勤等四大会计师事务所相继推出了“财务机器人”,用以此来替代枯燥的、高度重复的制作会计凭证、输入信息系统和产生会计报表等工作, 并与企业生产经营系统、销售系统、人事系统等实现有效的对接。这一做法的意义非同寻常:一是虽然财务电算化早已成熟,但是对各类纸质票据的自动识别一直需要人工处理。如果财务机器人能够识别纸质票据并能辨别真伪,那么可以替代相当一部分的审计工作量。二是审计将从抽样变为全面。众所周知,由于人工成本问题,对某一企业特别是大企业开展全面审计是难以实现的,抽样审计是当前财务审计的主流。如果财务机器人能够替代人工,审计的工作量将主要是对规则的确认和例外的处理,后续检查的工作量将大大减轻, 全面审计的时代将逐步到来,利用“未发现”之类
词汇掩盖特定数据审计责任的空间将逐步收窄, 这对税收管理也有一定的借鉴意义。三是大数据分析的前景开始显现。当一台或几台财务机器人连续 24 小时工作时,它们可以处理大量的企业账务,并且基本上不会出错。可以想见,未来或出现若干大规模的记账中心,每个记账中心会处理成千上万户企业的账务,这将对税收风险管理提出深刻的挑战。

在金融领域,人工智能的应用也在不断拓展。目前,人工智能在金融领域的应用还主要体现在分析客户行为习惯以提供适合客户的产品方面,但是,人工智能替代金融分析的前景已经显现。国际金融协会(IIF)指出:“科技的迅猛发展,大数据的爆发、更强大的软件、更低的成本、规模化的云计算,人工智能似乎终于来到了转折点”,“人工智能服务的应用将极大改变行业运营和就业”。野村证券认为,随着数据量的快速增长,在一些行业里, 机器人在速度和数据整合准确度上的表现,可能已经超过金融分析师。野村证券通过对未来 2~3 年券商业务构建框架的预测,认为经纪平台将从股票研究、企业接入、交易转变为交易、企业接入、独立研究、金融数据机器人。


在其他领域,人工智能技术也在快速与具体业务结合。例如,贵州法院已经开始出现计算机自动判案,阿里巴巴也在基于大量的医疗实例探讨电子医生开出的处方和人类医生开出处方的差别,部分税务机关也正在引进人工智能技术提供纳税服务或者开展税收分析等等。


二、税收风险分析中引入人工智能的必要性
(一) 引入人工智能是税收风险分析的性质决定的
在引入人工智能分析之前,我们首先需要探讨税收风险分析在做什么。在税收工作实践中,税收风险分析基本上围绕以下三个方面展开:一是查找异常企业;二是查找异常业务;三是查找异常行为。

1.查找异常企业是以大数据为基础展开的。其基本步骤是:先选取同一行业内若干样本企业,再设定一个指标,比如增值税税负率或者资产负债率,然后计算出不同样本企业针对这一指标的加权平均值,也就是我们通常说的“阈值”,最后将明显超出或者明显低于这个阈值的企业确定为异常企业。例如:我们选取 1000 家服装加工企业,设定
一个净利率的指标,信息系统自动统计出这 1 000 家企业的平均净利率是8%,那么这个8%就是阈值,假设某一服装加工企业的净利率只有1%,那么我们有理由怀疑这家企业有着比较高的税收风险。查找异常企业主要基于企业报表,事实上,报表本身就是一系列指标的组合,从中我们可以组合出非常多的比率,其中,和税收相关的指标就构成了税收风险指标体系。在报表之外,我们还可以更深入地查找账套数据。账套数据的好处在于它提供了更细的颗粒度,我们可以看到更明细的科目甚至是凭证的摘要,这为人工智能分析提供了与人工查账更相似的环境。

2.查找异常业务是针对某一企业的具体生产经营行为的更细一步的分析。这一分析需要企业的账套数据。即便是我们通过前面的设定指标没有发现这一企业有问题,我们仍然可以通过对会计分录的进一步分析来发现更多的问题,这是因为报表往往只提供了一级科目的内容,而通过会计分录我们可以看到二级明细甚至更多。例如,我们可以通过分析企业销售数据中不同客户的销售毛利率来确定是否存在关联交易。假设某一企业有5个客户,它销售给其他4 个客户的毛利率是20%,而销售给第 5 个客户的毛利率是 5%,那么我们就有理由怀疑第5个客户和这家企业是关联企业。再比如说,假设某一企业管理费用中出现了某一单项大额支出,我们也可以据此分析存在资本费用化的嫌疑。


3.查找异常行为主要是针对企业存在的发生真实业务但是不入账的行为。这一分析主要通过税收发票数据和第三方数据实现。目前,我们的税收管理基本上还是采取“以票控税”的方式,为此,我们的增值税专用发票上规定了很多开列的规矩,
包括品目的代码化、基础信息的规范等,甚至在“发票备注栏”的填写内容上也有很多明细的规定。因此,通过发票数据和申报数据的关联也可以发现很多问题,比如设定一个指标“连续三个月购买发票但申报收入是 0”,这样可以发现开票不入账的风险;再比如设定进项发票的品目和开票品目的对应关系,可以找到企业是否存在虚开或者购买虚开的线索。在查找异常行为中,第三方数据的作用不可小觑。来自其他政府部门的数据往往可以佐证企业申报数据的真实性和完整性,比如房地产部门的交易数据信息和税务申报数据的比对可以查询出漏报情况,建筑业行业的标准成本数和企业申报数的比对可以显示企业是否存在虚列支出的情况等。

通过以上探讨我们可以看出,绝大多数的税收分析可以通过信息系统来实现。通过大数据查找异常企业自不待言,查找异常业务和异常行为也可以通过分行业设定不同的指标来实现,不断优化的指标体系为税收风险防范提供了一张越来越细密的网。目前,这一优化过程是通过人工经验和指标设计的反复迭代实现的,但是,如果信息系统足够智能,它也可以通过自我学习达到不断完善的效果。


(二)引入人工智能分析是提高管理效率的需要
截至目前,在税收风险分析中人工因素是不可或缺的,原因有三:
一是企业遵从意愿不足。部分企业出于各种各样的考虑,会刻意隐瞒一些重要信息,或者根据税务机关的分析方式有针对性地隐瞒一些业务或者混淆业务边界。这就需要我们不断完善税收风险分析指标体系,实现人工分析成果进入指标体系的迭代。

二是企业遵从能力不够。虽然对于大企业而言,主观不遵从税法的意愿较少,但是客观的遵从能力仍然会存在一定的差异。企业的经营行为千差万别,企业财务人员存在将不同业务错配计入不同会计科目的情形。这对税收风险分析指标的智能性是一个考验。比如真实业务是“购买打印机”,而凭证摘要里显示的是“购买打印纸”,应计入固定资产的计入了管理费用,我们无从知道这一业务的实质。

三是指标体系建设慢于纳税人实践。产生问题和发现问题是矛和盾的关系,二者既相互统一又相互斗争,存在相互促进、相互提高的过程。一般地,指标体系是慢于纳税人生产经营实践的,随着企业生产经营方式的变化和新税收政策的出台,企业出现了新的应对方式,税务机关发现了这一问题,才会开展相关的指标建设,这也需要一定的时间。

以上三个方面正是人工智能技术需要解决的问题,我们所要做的,就是尽可能用信息系统来替代人工,以获得更高的管理效率。首先,针对企业刻意隐瞒的事宜,我们需要更强的人工智能分析。目前,大量的税收风险应对结果不能迭代到指标建设中用以完善或深化相关指标,客观上造成了“风险管理闭环”并没有完全“封闭”,应对结果和分析结果都在信息系统中,二者需要一个结合点,需要一个更加智能的信息系统。其次,对更细颗粒度的分析需要人工智能的解决方式。例如上面提到的例子,如何让计算机模拟人工的思维方式来判断企业的某一业务是“购买打印机”还是“购买打印纸”,需要更加深入的研究,比如分析这一企业打印纸的月平均使用量等。最后,指标建设要想与企业生产经营实践同步,计算机的学习能力不可或缺,这主要体现在政策的分析上。当一个新的税收政策出台后,可能会涉及哪些行业、哪些公司、哪些业务、哪些会计科目以及产生哪些关联行为等等,都需要计算机系统在汇集专家智慧的基础上逐步形成自己的思考。


(三)引入人工智能分析是优化纳税服务的需要
人工智能分析带给税务机关和纳税人的不仅仅是管理效率的提高,也是纳税服务水平的提升。这主要体现在:
一是更精准的宣传。人工智能可以通过分析纳税人的习惯来推送相关的税收政策, 比如纳税人经常在某一方面出现问题,这可能意味着纳税人在这一方面知识缺失,税务机关推送的政策可以有效弥补纳税人这一短板,这将对纳税人遵从税法提供明显的帮助。

二是更少的打扰。税收是中性的,不影响纳税人的生产经营,这一点不仅仅体现在税制设计上,也应体现在纳税服务过程中,无论是服务还是管理,税务机关都应该尽可能减少与纳税人的直接接触,因为每一次直接接触纳税人都会付出相应的时间成本和管理成本。人工智能条件下,分析的涉税疑点将更加精准,这有助于更直接地定位纳税人的问题所在,更快捷高效地核实相关问题,而无需提出大量的无效疑点让纳税人去确认或排除。

三是更个性的服务。人工智能系统可以综合多方面情况对纳税人的遵从意愿和遵从能力进行评判,并对纳税人遵从税法情况进行排序。这有助于区别不同纳税人的具体情况,并针对具体情况给予不同的纳税服务措施, 对大企业而言,甚至可以为每个大企业提供定制性质的个性化服务。

三、税收风险分析中引入人工智能的可行性
在税收风险分析中引入人工智能分析,不但必要,而且可行。这主要体现在以下四个方面:
一是有成熟技术。从税收分析的角度看,我们并不需要太复杂的人工智能技术,我们只需要它基于纳税人数据,以指标体系建设为核心,采用大数据原理或者根据税收政策变化自主生成更多更有效的指标。首先,人工智能系统通过了解自己所处的环境,尽力找出自己要达到的目的;其次,面对真实环境,人工智能系统会在特定时间节点自动按照既定算法找出最佳选择;最后,这个选择会或多或少改变所处环境,从而进一步驱动观察的结果,并反馈给主体,作为人工智能系统下一步决策的依据。


二是有政策支持。目前,税收风险管理理念已经逐步深入人心,税收风险管理已经成为税务部门落实中央“放管服”要求、转变管理方式的重要内容。税收风险分析作为风险管理的核心环节受到越来越多的重视。将人工智能引入税收风险分析,符合这一趋势和要求。


三是有人才梯队。目前,全国税务系统有近80 万税务干部,其中,直接在一线从事税收管理的人员有近30 万人。① 近年来,国家税务总局高度重视人才培养工作,通过素质提升“115”工程等的实
施,营造了良好的学习氛围,培养了大批优秀税务干部。这其中,既有从事税收风险分析的领军人才,又有税收风险管理的人才库成员,还有每年业务大比武比出来的业务骨干和岗位能手,更有千千万万默默从事税收管理工作的基层人员。这些人才将为人工智能在税收分析领域的开展提供丰富的管理工作经验。

四是有数据储备。从最早的CTAIS 系统到现在的金税三期工程,税务信息系统积累了大量的税收数据。这些数据是税务部门的“金山银山”,它们将在以后的税收管理中发挥至关重要的作用。一个简单的比较就可以说明这一切:阿里巴巴仅仅知道天猫和淘宝网站上的千千万万个商户的销售数据,就形成了庞大的信用体系,并据此开发了各种应用;而税务系统不但了解每一个纳税人的销售数据,还可以通过增值税发票系统了解每一个一般纳税人的进货数据,从这些天量数据中挖掘出有价值信息的前景非常广阔。


四、在税收风险分析中引入人工智能的建议
在税收分析中引入人工智能,基础是纳税人各类涉税信息,手段是具有自主学习功能的人工智能系统,核心是强化信息系统对税收政策与纳税人经营行为的关联。

(一)纳税人信息是实现人工智能分析的基础
巧妇难为无米之炊。没有数据,再强大的分析软件也无从下手。纳税人信息越丰富,得出的分析结论越精准。从数据来源看,纳税人信息可以分为纳税人端信息、税务系统端信息和第三方信息三类。纳税人端信息包括纳税人的各类申报表和向税务机关报送的各种报告,如企业所得税申报表、财务审计报告等;税务系统端信息包括税务机关发起的税收管理和服务行为带来的纳税人信息, 如税务稽查报告、纳税评估结论等;第三方信息包括来自其他政府部门或各类媒体的纳税人信息。这里需要特别说明的是:部分纳税人对税务机关调取财务账簿有异议,这是对税收管理行为的误解。《税收征管法》第二十五条明确规定:“纳税人必须依照法律、行政法规规定或者税务机关依照法律、行政法规的规定确定的申报期限、申报内容如实办理纳税申报,报送纳税申报表、财务会计报表以及税务机关根据实际需要要求纳税人报送的其他纳税资料。”

(二)人工智能技术是税收风险分析的重要工具
工欲善其事,必先利其器。正如蒸汽机带来了工业革命、电子计算机带来的信息革命,人工智能技术也必将引领人类走向一个新的历史阶段。在税收分析领域,人工智能系统至少可以通过以下几点引导纳税人遵从税法:一是建立税收风险特征库。根据现有人工分析经验,针对不同行业、不同税种的税收风险点建立指标模型,并汇集成税收风险特征库。二是建立自主学习的方法。人工智能系统能根据税收政策要求自主建立新的指标模型,并根据新税收政策自主提出指标模型。这一点并不复杂,事实上,12366 纳税服务平台对于新税收政策就有一个细分、整理、发布到知识库的过程,为计算机语音自动应答提供依据。我们所要做的,就是从知识库中取出知识模块并进一步强化为风险指标模型。三是建立指标模型优化机制。税务部门应建立“开发-验证-应用”的指标优化机制。对人工智能系统提出的指标模型,可以在既往案例中自主验证有效性,也可指派风险应对人员验证有效性,其评价结果决定该指标模型是否进入税收风险特征库。

(三)信息系统对税收政策与纳税人经营行为的关联是人工智能分析的核心
如上文所述,人工智能系统应能自主建立风险指标并验证实施,这需要一个先“教”后“学” 的过程,需要告诉人工智能系统如何去“思考”。例如,我们可以告诉人工智能系统,哪些指标和税收收入正相关,哪些指标和税收收入负相关,是哪些因素造成的正相关,哪些因素造成的负相关等等, 这样,人工智能系统就可以自动对相关指标进行扫描,排查出异常企业和异常分录。但是仅仅这样是不够的,这样的系统还依赖人工的介入,我们希望人工智能系统据此对新情况作出新判断,并自主确定指标模型。比如,如果我们先期已经告诉了人工智能系统,少计主营业务收入是各行业普遍存在的一个税收疑点,并且可以从以下三个方面来判断是否存在这一问题:一是本期发出存货的数量乘以单价后与销售收入的对应情况。二是以用电量、用水量等与产量有固定比例关系的指标确定本期产成品数量。三是存货损失是否已备案。那么,当新的政策出现时,如面对 2018 年刚刚实施的《环境保护税法》及其实施条例,人工智能系统就应该把少计收入列作环境保护税的疑点,并自主进行以下三个方面的数据比对:一是发出存货的数量乘以单价后与销售收入的对应情况,据此确认发出存货是否准确。二是比较同行业所有企业的排污量和产量的比率,找出指标明显异常的企业;或查找相关行业标准,确定产量和排污量的关系。三是存货损失的备案情况。这样的指标模型建成后,可以扫描所有类型的企业,并通过人工方式对扫描企业进行验证,也就是不断的试错,最终形成行之有效的年度风险分析指标模型,从而不断提升纳税人的纳税遵从度。

总之,人工智能技术正在飞速发展,在税收风险分析中探索引入人工智能正当其时,它将会推动税收风险分析工作再上一个新台阶,并为税收现代化的早日实现提供更加科学、高效、有力的工具。


参考文献:
[1]C Dirican. The Impacts of Robotics, Artificial Intelligence On Business and Economics[J]. Procedia - Social and Behavioral Sciences, 2015 (195) :564-573.
[2]伊恩·古德费洛,约书亚·本吉奥,亚伦·库维尔 . 深度学习[M]. 北京:人民邮电出版社,2017.
[3]罗 素,诺维格 . 人工智能:一种现代的方法[M]. 北京:清华大学出版社,2013.
[4]李小平. 税收风险管理与模型应用[M]. 北京:经济科学出版社,2012.
[5]胡云松 . 税收风险管理的范畴与控制流程[J]. 税务研究,2010(11): 72-75.

作者单位:
中国社会科学院大学公共政策与管理学院国家税务总局大企业税收管理司
(责任编辑:郝东杰)









本帖被以下淘专辑推荐:

回复

使用道具 举报

Copyright © 2001-2013 Comsenz Inc. Powered by Discuz! X3.4 京公网安备 11010802035448号 ( 京ICP备19053597号-1,电话18600416813,邮箱liwei03@51shebao.com ) 了解Tax100创始人胡万军 优化与建议 隐私政策
快速回复 返回列表 返回顶部