编者按：David Wong是汤森路透（Thomson Reuters）首席产品官，常驻多伦多。本文观点仅代表作者个人。

生成式人工智能如今几乎被用于一切事务：它起草邮件、总结会议、辅助医生撰写临床记录、帮助工程师编写代码。短短几年间，它已从新鲜事物演变为几乎所有专业领域的基础设施。

然而，有一个领域的采用正显现出紧张迹象——税务与会计。

根据汤森路透研究所发布的《2026年专业服务领域AI报告》，该调查覆盖26个国家的1,514名专业人士，结果显示：目前仅有34%的税务事务所在组织层面使用生成式AI，仅14%表示智能体AI已纳入其工作流程。这未必是对变革的抵触，在很大程度上，它反映的是专业人士对工具的审慎判断——而这些工具直到最近仍并非为税务工作而设计。

大语言模型为何难以胜任税务工作

大语言模型在理解和生成语言方面极为出色，但从设计原理上看，它们并非可靠的计算器。让模型总结一条复杂的税法条款，它会以令人印象深刻的流畅度完成；但若让它计算客户在多个司法辖区的实际税率，你便是在冒任何注册会计师都不愿承担的风险。

这一差距比数学计算更为深层。通用型AI工具并非为税务而生：其训练范围广而不深；知识存在截止日期，无法涵盖持续演变的税法；同时，它们带来的数据安全与责任风险，任何负责任的机构都不应忽视。

尤为危险的是AI错误的本质。幻觉并非显而易见的错误——它们经过修饰、充满自信，听起来往往与权威指引无异，实则微妙地出错或完全虚构。这在会计领域尤为致命，因为错误往往藏身于脚注、范围例外和职业判断之中，而非明显的计算失误。

采用税务AI前应提出的问题

会计行业中抗拒AI的人，未必是出于固执。在许多情况下，是因为市面上的AI确实不适合这项工作。这一局面正在改变，但并非齐头并进。

部分工作流程如今已具备采用AI的条件，另一些则需在事务所做出承诺前进行更审慎的评估。区别在于技术是否为税务工作的现实而构建。以下四个问题可帮助事务所做出判断：

  1. AI的内容来源与维护方式如何？通用工具基于广泛数据训练，存在知识截止日期。税法持续变化。用于专业工作的AI应达到受托人级标准，以权威且持续更新的来源为依据——而非带有过期日期的网络抓取数据。
  2. AI是自行计算，还是调用计算器？这一区别比听上去更重要。依赖自身语言模型计算税务数字的AI，在专业工作中根本不可靠；而与经过验证的税务引擎集成、并借助该引擎完成计算的AI，则是完全不同的架构。请务必询问该工具如何处理多步骤计算。
  3. 能否审计输出结果？对于任何署有你名字的工作成果，你必须能够追溯结论的形成过程——查阅了哪些来源、做了哪些假设、AI基于何种推理。如果输出是一个黑箱，它便无法满足美国国税局（IRS）或客户质询所要求的专业标准。
  4. 系统如何处理税法变更？新指引、修订裁定和修正后的法典层出不穷。请询问：税法变化时，AI知识库多久更新一次？谁负责更新流程？在税法变更与系统反映该变更之间的窗口期内会发生什么？

会计行业正进入一个真正的新阶段。真正能服务该行业的AI，并非承诺最多的那款，而是为行业实际需求而构建的那款。