Retrieval-Augmented Generation for Taxpayer Advisory in an LMIC Setting: A Proof-of-Concept Evaluation of Statutory Legal Retrieval
Questo studio presenta una valutazione di prova di concetto di un framework di generazione aumentata dal recupero per la consulenza fiscale nei paesi a basso e medio reddito, dimostrando che il recupero semantico della legislazione nazionale sull'imposta sul reddo può raggiungere un'elevata accuratezza nell'identificare le disposizioni statutarie per supportare il prompting di modelli linguistici basati su dati certi, evidenziando al contempo la necessità di ulteriori validazioni sulla qualità della generazione e sulla conformità legale prima dell'implementazione.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
In molte parti del mondo, comprendere le regole che regolano il modo in cui persone e imprese pagano le tasse è un compito scoraggiante. Le leggi sono spesso scritte in un linguaggio denso e tecnico, e trovare la regola specifica che si applica a una situazione unica può sembrare come cercare un ago in un pagliaio. Per aiutare le persone a navigare in questa complessità, le autorità fiscali si stanno rivolgendo sempre più a strumenti digitali, inclusi sistemi di intelligenza artificiale progettati per rispondere alle domande. Tuttavia, rimane una sfida importante: questi programmi informatici sono addestrati su enormi quantità di dati generali, il che significa che a volte possono sembrare sicuri di sé pur fornendo informazioni errate o inventate, un problema noto come "allucinazione". Per risolvere questo problema, i ricercatori hanno sviluppato un metodo chiamato generazione aumentata dalla ricerca (retrieval-augmented generation). Questo approccio consiste prima nel far cercare al computer una biblioteca ufficiale e affidabile di documenti per trovare il testo esatto della legge, e solo allora chiedere al computer di scrivere una risposta basandosi strettamente su ciò che ha trovato. Ciò assicura che la risposta sia fondata sulla realtà piuttosto che sulle congetture. La domanda per gli esperti è se questo metodo funzioni abbastanza bene da essere utile nei paesi con meno risorse, dove i sistemi fiscali vengono modernizzati ma dove l'accesso a esperti legali specializzati è spesso limitato.
Un team di ricercatori provenienti da università dell'Uganda ha deciso di testare questa idea con un focus specifico sull'Income Tax Act dell'Uganda. Il loro obiettivo non era costruire un prodotto completamente finito che potesse fornire consulenza legale, ma creare un prototipo funzionante per vedere se la tecnologia centrale potesse trovare accuratamente le sezioni corrette della legge fiscale quando interrogata. Hanno iniziato prendendo l'intero testo della legge nazionale sulle tasse e suddividendolo in 198 pezzi distinti e gestibili di informazione. Ogni pezzo è stato contrassegnato con la sua posizione nella legge, come la parte specifica e il numero della sezione, e poi convertito in un formato digitale che permette a un computer di comprendere il significato delle parole piuttosto che limitarsi a far corrispondere le parole chiave. Questo processo ha creato una biblioteca digitale ricercabile dove il computer poteva cercare il concetto dietro una domanda, non solo le parole esatte.
Per testare quanto bene funzionasse questo sistema, i ricercatori hanno generato 900 domande diverse che un contribuente potrebbe porre, come quesiti su detrazioni o aliquote specifiche. Per ogni domanda, sapevano esattamente quale sezione della legge conteneva la risposta corretta. Hanno poi chiesto al loro sistema informatico di trovare le tre sezioni della legge più rilevanti per ogni domanda. I risultati hanno mostrato che il sistema era piuttosto efficace nel suo compito principale. Quando gli veniva chiesto di trovare la singola corrispondenza migliore, il sistema aveva successo nel 72 percento dei casi. Ancora più importante, guardando i primi tre risultati forniti, la risposta corretta era inclusa l'86,78% delle volte. Ciò suggerisce che, sebbene il computer non sempre scegliesse la risposta assolutamente migliore come primissima opzione, collocava quasi sempre l'informazione corretta all'interno delle prime opzioni presentate.
I ricercatori hanno osservato che quando il sistema mancava il primo posto, era spesso perché la risposta errata era molto simile nel significato a quella corretta, piuttosto che essere completamente slegata da essa. Ciò indica che il sistema comprende bene i concetti, ma a volte fatica a decidere quale tra due norme legali molto simili sia l'abbinamento più preciso. Lo studio ha dimostrato con successo che è possibile prendere un documento legale complesso, trasformarlo in un formato leggibile dalla macchina e usarlo per recuperare informazioni specifiche con un alto grado di accuratezza. Tuttavia, il team ha avuto cura di chiarire che questo era solo un test del meccanismo di ricerca. Non hanno testato se le risposte scritte finali generate dal computer fossero legalmente perfette, sicure da usare o facili da comprendere per le persone reali.
Questo lavoro è significativo perché offre un potenziale percorso per le autorità fiscali nelle nazioni in via di sviluppo per fornire informazioni migliori e più accessibili ai loro cittadini senza dover assumere un vasto esercito di esperti legali per ogni quesito. Lo studio suggerisce che una collezione di leggi relativamente piccola e ben organizzata può essere trasformata in uno strumento potente per trovare informazioni. Eppure, gli autori sottolineano che questo è solo l'inizio. Prima che un sistema del genere possa essere utilizzato nel mondo reale per guidare i contribuenti, dovrebbe essere testato con domande reali provenienti da persone reali, controllato da professionisti legali per garantire che il consiglio sia corretto, e adattato per gestire più lingue e diversi tipi di leggi fiscali. I risultati attuali mostrano che la tecnologia è fattibile, ma trasformare questa fattibilità in un servizio pubblico affidabile richiede ulteriore lavoro per garantire sicurezza, accuratezza e fiducia.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.