（來源：中國稅務報）

轉自：中國稅務報

主持人：姜赫

當技術迭代加速，如何讓技術服務于專業判斷，而非替代專業思考？如何在AI時代更好體現財稅工作中人的價值？本期高校圓桌派邀請三位高校財稅專業教師，分享他們在財稅領域“用好AI”的實踐與思考。

AI正在成為超級助教

素材整理、案例設計、數據處理和建模、學情分析……AI的恰當使用，能夠大幅提高財稅教學效率。

1.您在教學中如何使用AI工具？請舉一個真實案例。

杜莉：AI可以提供課程設計方案，在備課時幫助收集資料、美化PPT，幫助出題組卷等，還可以提供學情分析、教學效果分析等。

劉金科：我在《稅收專業論文寫作》這門課程專門設計了“AI作品會診”環節。課前布置任務，先讓學生就某一稅收議題如“消費稅改革對綠色轉型的影響”采用不同AI生成一篇分析文章，然后在課堂上逐段拆解。

張永冀：AI真正能幫上忙也是我用得最多的功能，是數據處理和建模。比如在講稅務風險識別方法論時，我帶學生拆解企業關聯交易和成本歸集中的異常識別——把申報數據、合同數據、發票流水做交叉比對，找出收入和成本之間邏輯不一致的地方。

2.相比傳統備課和教學方式，AI帶來的提升主要體現在哪些方面？又有哪些環節是AI暫時難以替代的？

劉金科：AI主要提升了素材搜集、整理和框架搭建的效率。但有三個環節不可替代：一是學術判斷，二是價值引導，三是精準糾偏。

張永冀：效率提升最明顯的是從原始數據到可討論的疑點清單這段路徑。現在用AI輔助生成模擬數據集、跑異常篩查邏輯，疑點清單很快就能出來。AI替代不了的是對疑點背后業務實質的最終判斷——AI篩出的異常可能是合理商業安排，也可能確實存在轉移利潤意圖，區分二者需要真實的執法經驗和行業認知。

杜莉：代替不了教師在課程設計方面的關鍵角色，比如課程目標是更重理論還是更重實務，課程模塊如何取舍、詳略如何配置，這些只能由教師判斷。師生互動方面，教師對學生表現的及時點評反饋、指出不足或送出鼓勵，也是AI無法替代的。

教師眼中的AI風險清單

政策誤讀、術語堆砌、數據失真……面對AI風險使用者需要對政策文本和稅法體系有扎實的底層理解，AI產出只能是核查的起點。

1.財稅教學中AI最容易“踩坑”的錯誤是什么？您如何識別并修正？

劉金科：“政策穿越”：AI引用的稅收法規可能是廢止或修訂前的版本。識別方式很簡單，讓學生標注AI引用的政策文號和條款，課堂現場用國家稅務總局政策法規庫核驗。

“正確的廢話”：AI寫的稅收建議往往是“完善立法、加強征管、優化服務”這類萬能表述。在這樣的情況下，我會追問“這條建議如果去掉主語，換成任何稅種都能用，那它的價值在哪里”。

張永冀：一是政策時效性錯誤。AI在稅率、扣除標準、優惠條件等具體數值計算上容易出錯。二是建模假設的隱性偏差。AI給出的模型框架邏輯自洽，但假設條件可能不成立。三是概念混淆導致的邏輯鏈條偽連貫。比如稅收抵免和稅前扣除性質不同，AI有時會模糊處理。

杜莉：對于無標準答案的定性分析，AI通常能提供不錯的結果。但對于需要計算的稅法問題，目前AI大都難以正確選擇稅法規則、提供準確算稅結果。我目前還沒有放手讓AI教學助手來回答問題。對于需要準確計算的問題，我仍用一些工具來輔助教學，比如我和團隊開發的“智稅星個稅計算寶”微信小程序，以方便個人所得稅繳納計算的教學。

2.學術中的“AI痕跡”具體表現有哪些？您如何發現并進行干預？

張永冀：典型信號是模型選擇和數據處理過程過于“干凈”：沒有任何數據缺失、異常值處理、穩健性檢驗中遇到困難的描述，這在真實研究中不正常。另一個信號是論證內容和論點黏合度不夠。我的干預是通過追問倒逼學生重新理解，比如讓學生現場解釋變量選取邏輯或手算驗證關鍵結果。

劉金科：學術中的“AI痕跡”主要體現在以下幾個方面：一是政策誤讀，AI對稅收政策的理解往往停留在字面，缺乏對立法背景、執行口徑的真正把握；二是術語堆砌但表意不明，AI喜歡用“稅收法定原則”“量能課稅”等詞匯，但上下文邏輯斷裂；三是引用懸浮，列出文獻但說不清為什么引用、與論證的關系是什么。

杜莉：AI痕跡主要是表述空泛和缺乏新意。對一般作業，我會要求痕跡明顯的學生口頭匯報、指出問題。對論文，要求學生核實數據資料來源、重新梳理全文邏輯。但我不會完全阻止學生用AI，利用AI獲取信息、潤色文章已成為AI時代學生必須掌握的新技能。

AI如何輔助財稅學習

AI替代的是“工序”而非“職業”，數據智能技術在財稅領域的應用方向是助力思考和決策，而非簡單取代崗位。

1.有沒有使用過AI模擬稅務稽查、納稅評估等場景？效果如何？

杜莉：我曾經布置作業，讓學生用多種AI工具嘗試解決境外多國取得收入的居民如何計算個人所得稅的問題。學生嘗試了當下市面上的主流AI模型，發現通用模型通常無法自動準確算稅，但通過選擇適當模型、加強交叉驗證、改進提示詞、上傳專業參考文檔，有助于得到準確結果。

張永冀：會，而且我認為這是未來財稅教學不可回避的方向。我設計過一類練習：讓學生用AI輔助構建模擬企業的涉稅數據集——設定行業、規模、經營特征，生成對應的申報和財務數據，然后分組扮演稅務稽查人員，運用異常識別框架找出數據中預設的疑點。但我也會提醒，AI生成的模擬數據偏標準化，真實稽查中面向不同重點行業的風險分析指標體系差異很大，這部分需要結合真實案例和實務經驗補充。

2.您認為下一階段AI會替代稅務人員或涉稅專業服務機構人員嗎？會影響財稅專業的就業嗎？

劉金科：我認為替代的是部分“工序”而非“職業”。稅務機關更需要“懂政策+會技術+能溝通”的復合型人才。涉稅專業服務方面，基礎代理記賬、簡單申報需求可能會萎縮，但轉讓定價、稅務爭議解決、并購重組涉稅安排等高端服務需求會增加。

杜莉：AI確實可能會逐步替代某些從事基礎性稅務工作的人員，比如隨著智慧稅務推進、稅收遵從走向自動遵從，標準化的記賬、報稅、審核工作會減少。但新業態新商業模式會不斷帶來新問題，各國也在持續推進稅制改革，這會不斷產生新的工作需求。

張永冀：數據智能技術的方向是助力決策支撐，而非簡單取代崗位。如果AI把疑點篩查效率提升數倍，基礎核查崗位會減少，但能設計風險指標體系、解讀模型結果、作出最終合規判斷的復合型人才會更稀缺。建議財稅專業學生把這一趨勢理解為門檻上移而非行業萎縮。

本文刊發于《中國稅務報》2026年6月24日B4版，原文有刪減。