国家税务总局内蒙古自治区税务局, 以现有的数据资源为基础, 运用大模型对税费业务数据预填以及风险预警场景建设予以优化, 创新性打造出四类智能应用场景, 把人工智能嵌入风险分析、指标生成、脚本开发、质量审核的整个链条之中, 以此为税收风险管理减轻负担、提高效率。

据悉, 在项目推进进程里, 内蒙古税务局依靠现有的税收数据支撑平台, 复用发票、财务报表等18个成熟主题模型成果,并且对接税务总局以获取优质大模型算力与专家资源保障, 从而盘活数据资产。基于此, 构建“税费关联图谱+业务场景知识库”双核心知识底座, 深入挖掘税税、税费、费费内在逻辑联络, 梳理覆盖全区37个税费种的110项关联规则, 整合多税种政策规则与历年实战风控案例, 搭建专业化、可联动的知识库。此外, 采用这样一种三阶迭代工作法, 也就是“小切口验证、中场景迭代、大流程贯通”, 首先是从发票品目与经营范围不符的单点风险着手, 然后逐渐地拓展到增值税申报校验这个方面, 再进一步拓展至相关产业链全链条的风控等场景, 按照一定的顺序逐步地打通风控业务流程。

据知晓, 于模型需求编制阶段, 以前业务人员要花数天乃至数周, 一页一页地翻看政策文件、风险案例, 手动去梳理风险手法特征, 不但得反复核查政策依据的精确性, 还得在指标描述、扫描公式、应对指引这类多个章节里来回推敲, 平均每个模型需求产生周期长达7至10天, 依靠大模型能力把风险案例、政策文件之类知识予以整合、提炼后, 只需10分钟便能够自动生成初稿, 助力业务人员迅速梳理思路, 生成高质量模型需求, 减轻案例提炼以及文档整理的压力。

在模型脚本开发这个环节当中, 先是把统一指标元所运用的业务场景、表间关联逻辑细致地加以注释, 接着又把以往的人工经验整合到知识库以及提示词里, 之后就能够凭借大模型去解析用户需求, 而大模型本身会自动检索适配指标元表, 并且映射语法规则。如此一来, 就算业务人员完全不懂任何数据库、代码之类的技术知识, 也能够达成“2分钟想法变脚本”的情况, 切实降低了用数的门槛, 进而辅助基层人员去开展数据分析以及验证工作。

于脚本质量技术评审时节, 往昔审核人员得逐行去瞅脚本代码, 手动来校验文本规范性、表使用合规性、空值校验等十多项维度, 每个脚本的人工审核平均要用1.5至2小时, 既耗时又费力气, 还易因经验欠缺而忽略关键漏洞。依靠大模型, 能够自动达成语法校验、性能筛查以及业务逻辑研判, 自动生成质量评估报告, 在2到3分钟内便可搞完校验, 问题识别率增高至99%以上, 更使审核效率提高将近10倍。

在风控核查这个环节, 以前处于基层的人员, 要借助多系统进行切换查询, 以此来达成案头分析, 然而凭借对大模型的应用, 调用数据支撑平台的接口, 对纳税人登记数据、申报数据、发票数据等开展归集工作, 税务人员能够运用“一问一答”这种方式, 去完成多维度涉税信息的个性化整合。

内蒙古自治区税务局第二税务分局的相关负责人讲, 当下, 已经梳理并形成了两项长效工作机制, 分别是模型生成优化、脚本质量迭代, 还编制了标准化落地推广方案。接下来, 会持续深入进行项目成果转化, 不断扩充知识库的优质语料, 理顺相互之间的关联, 打造出一套能够让大家共同维护、随时更新的共享资料库。