税务机关如何衡量 AI 投入是否改善纳税体验

税务机关如何衡量 AI 投入是否改善纳税体验

税务机关引入 AI 后，办理量上升不等于纳税体验变好。评估应从纳税人要完成的任务出发：第一次问能否得到正确答复、填报要改几次、遇到争议能否找到人。上线前记录基线，选择相似地区或事项做对照，避免把政策简化带来的改善都记给模型。

同时记录机关人员的核对负担和误报处理量。模型若减少窗口咨询，却增加纳税人自行查错时间，总成本可能并未下降。对小微企业、老年人和不同语言使用者分别观察，防止平均满意度掩盖差距。

评估 AI 服务，最好在上线前约定比较方法。选择相近的业务或地区，记录等待、补件、错误答复和人工工作量；上线后同口径比较，并注明同期政策或表单是否变化。若同时简化了申报规则，不能把所有改善算到模型头上。

观察失败者尤其重要。有些人看见机器人却不知道怎么转人工，于是放弃；有些企业得到错误答案后还要找专业人士重做。调查覆盖办结与未办结者，记录纳税人花的总时间。工作人员处理误报的负担也计入成本。

调查包含未成功完成业务的人，不能只向已办结者发问卷。重要错误建立公开更正流程。年度投资复盘把维护、训练、隐私和人工兜底成本算进去。

项目预算应包含维护知识库、纠错、隐私保护和持续无障碍改进。若这些成本远超节省工时，而体验没有改善，就应缩小模型用途。技术投入本身不是成绩。

评估报告可以明确列出 AI 前后的三本账：纳税人时间、机关人员时间、纠错与维护成本。某流程看似每件快了五分钟，却需要大量人工处理误报，净收益可能很小。选择相近地区或业务作对照，说明同时发生的政策变化。最难服务的人是否获得改善，应单独呈现。继续投入还是缩小用途，依证据决定。

纳税体验调查应避免只问“满意吗”。更具体的问题是：你是否知道下一步，是否重复提交材料，错误时能否找到人工，最终有没有办成？这些回答与系统日志核对，能发现很多“答了但没解决”的情况。若 AI 未改善最困难的事项，应缩小使用范围，集中资源改流程。

评估结束后应有明确决策：继续推广、限制在简单问题，还是暂停高风险功能。若只出一份漂亮报告而系统照旧运行，评价就失去意义。

对照评估若发现某类业务错误增加，应先暂停该功能或改成人工复核，而非等待年度总结。

AI 是否值得，最终应由办事更容易、更公平来回答。