Human-in-the-Loop Tax Auditing: Optimal Triage Between AI and Human Inspectors
本文提出了一个正式的经济模型及大规模合成实验，证明了最优税务审计分流策略是基于证据生成增量价值与优选追缴程序之结合来分配稀缺的人力检查能力，从而在考虑误差依赖性和行为威慑等复杂因素的同时，实现了显著高于仅基于风险或仅基于不确定性分配策略的福利增益。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
税务机关面临着一个与税收概念本身一样古老的问题：需要检查的纳税申报表数量远远多于能够进行检查的人力。政府一直必须决定哪些申报表值得更深入的审查，而哪些可以放过。过去，这种决策依赖于人类的直觉或关于谁最有可能作弊的简单规则。然而今天，税务机构拥有强大的人工智能系统，可以在几秒钟内扫描数百万份申报表，并标记出那些看起来可疑的案例。但这些机器无法完成所有工作。它们可以发现模式，但往往无法收集证明犯罪所需的实物证据，也无法应对从顽固纳税人手中追缴资金所需的复杂法律步骤。对于现代政府而言，关键问题不再仅仅是如何找到不良行为者，而是如何决定何时停止信任机器，转而信任人类稽查员。
这正是武汉大学经济学家黄坤所研究的具体难题。这项研究并不是在探讨人工智能是否优于人类——这类辩论往往占据着新闻头条。相反，它提出了一个更具实际意义的问题：一旦计算机已经完成了筛选，如何使用剩余的有限人力资源才是最有价值的方式？该研究建立了一个正式的经济模型，以模拟税务机关应如何对案件进行分流。它比较了三条路径：让案件在不采取进一步行动的情况下结案、通过低成本的自动化检查，或者将其交给人类调查员。该模型并未将人工调查视为解决一切问题的“魔杖”，而是将其视为一种具有两种独特优势的特定工具。首先，人类可以发现计算机遗漏的新证据。其次，即使计算机已经知道纳税人欠款，由于人类具备更好的谈判技巧或法律程序，人类调查员在实际追缴资金方面可能更为有效。
为了测试这些想法，研究人员并没有查看真实的税务记录，因为对于这种受控实验来说，使用真实记录是不可能的。相反，该研究创建了一个包含10万个虚假税务案例的海量合成世界。在这个数字实验室中，每一个细节都是已知的：哪些纳税人实际上是不合规的，他们欠了多少钱，他们的申报表有多复杂，以及计算机和人类调查员犯错的可能性有多大。计算机被设定为相当准确，而人类调查员则被设定为在寻找证据方面稍好一些，但雇佣成本也更高。随后，模拟运行了数千次，测试了分配有限人类名额的不同策略。有些策略将最可疑的案件发给人类，有些则发送最复杂的案件，还有些只是随机挑选。
结果显示，许多人的直觉往往是错误的。许多人认为，最好的策略是将违规概率最高的案件交给人类调查员。模拟表明，这种“仅基于风险”的方法是低效的。一个案例可能极有可能是谎言，但如果计算机可以通过匹配文件轻松解决它，那么派人类调查员去就是浪费时间。相反，一个看起来仅有中度可疑性的案例，如果计算机在追缴资金方面很可能失败，即使计算机已经识别出了问题，也可能值得人类的关注。研究发现，最优策略是只有当人类带来的额外价值（无论是新证据还是更好的追缴效果）超过计算机所能提供的最佳替代方案的价值时，才将人类派往该案件。这创造了一个复杂的决策图谱：人类处理的最佳案例并不总是风险最高的案例，也不总是最不确定的案例。
研究还揭示了当计算机与人类的关系发生变化时所产生的惊人行为。如果人类调查员犯下的错误与计算机完全一致，那么人类在获取新信息方面就没有任何价值。然而，研究表明，即使在这种情况下，如果人类在最后一步追缴税款方面表现更好，他们仍然是有价值的。此外，研究证明，随着人工智能变得越来越聪明，发送给人类的案件数量并不一定会呈直线下降。有时，更好的计算机实际上有助于识别出一类特定的困难案件，在这些案件中，人类独特的技能变得更加关键，从而创造了一种更好的技术与人类劳动相互协作而非相互取代的情况。
其中一项最重要的发现涉及政府预算目标与整个社会整体利益之间的差异。一个旨在最大化税收征收额的策略，可能会给诚实的纳税人带来沉重负担，例如迫使他们在面对误报时花费数小时准备文件。研究表明，当计入这些隐藏成本时，“最佳”策略会发生变化。一项看起来对国库有利的政策，如果骚扰了过多的守法公民，实际上会对社会造成净损失。研究还探讨了审计威胁如何改变纳税人行为。当纳税人知道人类可能会对他们进行调查时，他们更有可能在审计发生之前就主动缴税。这种“威慑”效应有时会反转哪些案件是最重要的调查对象这一排名，这表明人类调查员的价值不仅在于他们发现的证据，还在于他们所激发的恐惧感。
研究结论指出，对于何时调用人类，并没有统一的法则。最佳决策完全取决于具体情况：计算机有多好、聘请调查员的成本是多少、追缴资金有多难，以及该过程给纳税人带来的负担有多重。研究提供了一个思考这些权衡关系的清晰框架，表明人类调查员的价值不是一个固定数值，而是一个动态计算的过程。它建议税务机关不应再试图根据单一的“风险”评分来对案件进行排序，而应计算派驻人类到特定案件所能带来的具体经济收益。通过这样做，他们可以确保稀缺的人力资源被用于真正能发挥作用的地方，而不是仅仅为了填补那些最显而易见的针对目标。
这项工作目前仍处于模拟阶段，是构建在数字世界中的精心设计的实验，而非来自真实税务部门的报告。生成的数字并非针对任何特定国家将会发生情况的估计，而是展示了不同经济力量如何相互作用。该研究并不声称已经解决了税收执法问题，也没有提供一套现成的软件供政府购买。相反，它提供了一种严谨的思考问题的方式，剥离了假设，揭示了人类与机器如何协同工作的底层机制。它表明，税务审计的未来不在于在人工智能与人类判断之间做选择，而在于寻找两者结合以创造最大价值的那个精确且往往违反直觉的交汇点。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。