高校圆桌派｜AI来了，财税课堂如何“引智入教”

（来源：中国税务报）

转自：中国税务报

主持人：姜赫

当技术迭代加速，如何让技术服务于专业判断，而非替代专业思考？如何在AI时代更好体现财税工作中人的价值？本期高校圆桌派邀请三位高校财税专业教师，分享他们在财税领域“用好AI”的实践与思考。

AI正在成为超级助教

素材整理、案例设计、数据处理和建模、学情分析……AI的恰当使用，能够大幅提高财税教学效率。

1.您在教学中如何使用AI工具？请举一个真实案例。

杜莉：AI可以提供课程设计方案，在备课时帮助收集资料、美化PPT，帮助出题组卷等，还可以提供学情分析、教学效果分析等。

刘金科：我在《税收专业论文写作》这门课程专门设计了“AI作品会诊”环节。课前布置任务，先让学生就某一税收议题如“消费税改革对绿色转型的影响”采用不同AI生成一篇分析文章，然后在课堂上逐段拆解。

张永冀：AI真正能帮上忙也是我用得最多的功能，是数据处理和建模。比如在讲税务风险识别方法论时，我带学生拆解企业关联交易和成本归集中的异常识别——把申报数据、合同数据、发票流水做交叉比对，找出收入和成本之间逻辑不一致的地方。

2.相比传统备课和教学方式，AI带来的提升主要体现在哪些方面？又有哪些环节是AI暂时难以替代的？

刘金科：AI主要提升了素材搜集、整理和框架搭建的效率。但有三个环节不可替代：一是学术判断，二是价值引导，三是精准纠偏。

张永冀：效率提升最明显的是从原始数据到可讨论的疑点清单这段路径。现在用AI辅助生成模拟数据集、跑异常筛查逻辑，疑点清单很快就能出来。AI替代不了的是对疑点背后业务实质的最终判断——AI筛出的异常可能是合理商业安排，也可能确实存在转移利润意图，区分二者需要真实的执法经验和行业认知。

杜莉：代替不了教师在课程设计方面的关键角色，比如课程目标是更重理论还是更重实务，课程模块如何取舍、详略如何配置，这些只能由教师判断。师生互动方面，教师对学生表现的及时点评反馈、指出不足或送出鼓励，也是AI无法替代的。

教师眼中的AI风险清单

政策误读、术语堆砌、数据失真……面对AI风险使用者需要对政策文本和税法体系有扎实的底层理解，AI产出只能是核查的起点。

1.财税教学中AI最容易“踩坑”的错误是什么？您如何识别并修正？

刘金科：“政策穿越”：AI引用的税收法规可能是废止或修订前的版本。识别方式很简单，让学生标注AI引用的政策文号和条款，课堂现场用国家税务总局政策法规库核验。

“正确的废话”：AI写的税收建议往往是“完善立法、加强征管、优化服务”这类万能表述。在这样的情况下，我会追问“这条建议如果去掉主语，换成任何税种都能用，那它的价值在哪里”。

张永冀：一是政策时效性错误。AI在税率、扣除标准、优惠条件等具体数值计算上容易出错。二是建模假设的隐性偏差。AI给出的模型框架逻辑自洽，但假设条件可能不成立。三是概念混淆导致的逻辑链条伪连贯。比如税收抵免和税前扣除性质不同，AI有时会模糊处理。

杜莉：对于无标准答案的定性分析，AI通常能提供不错的结果。但对于需要计算的税法问题，目前AI大都难以正确选择税法规则、提供准确算税结果。我目前还没有放手让AI教学助手来回答问题。对于需要准确计算的问题，我仍用一些工具来辅助教学，比如我和团队开发的“智税星个税计算宝”微信小程序，以方便个人所得税缴纳计算的教学。

2.学术中的“AI痕迹”具体表现有哪些？您如何发现并进行干预？

张永冀：典型信号是模型选择和数据处理过程过于“干净”：没有任何数据缺失、异常值处理、稳健性检验中遇到困难的描述，这在真实研究中不正常。另一个信号是论证内容和论点黏合度不够。我的干预是通过追问倒逼学生重新理解，比如让学生现场解释变量选取逻辑或手算验证关键结果。

刘金科：学术中的“AI痕迹”主要体现在以下几个方面：一是政策误读，AI对税收政策的理解往往停留在字面，缺乏对立法背景、执行口径的真正把握；二是术语堆砌但表意不明，AI喜欢用“税收法定原则”“量能课税”等词汇，但上下文逻辑断裂；三是引用悬浮，列出文献但说不清为什么引用、与论证的关系是什么。

杜莉：AI痕迹主要是表述空泛和缺乏新意。对一般作业，我会要求痕迹明显的学生口头汇报、指出问题。对论文，要求学生核实数据资料来源、重新梳理全文逻辑。但我不会完全阻止学生用AI，利用AI获取信息、润色文章已成为AI时代学生必须掌握的新技能。

AI如何辅助财税学习

AI替代的是“工序”而非“职业”，数据智能技术在财税领域的应用方向是助力思考和决策，而非简单取代岗位。

1.有没有使用过AI模拟税务稽查、纳税评估等场景？效果如何？

杜莉：我曾经布置作业，让学生用多种AI工具尝试解决境外多国取得收入的居民如何计算个人所得税的问题。学生尝试了当下市面上的主流AI模型，发现通用模型通常无法自动准确算税，但通过选择适当模型、加强交叉验证、改进提示词、上传专业参考文档，有助于得到准确结果。

张永冀：会，而且我认为这是未来财税教学不可回避的方向。我设计过一类练习：让学生用AI辅助构建模拟企业的涉税数据集——设定行业、规模、经营特征，生成对应的申报和财务数据，然后分组扮演税务稽查人员，运用异常识别框架找出数据中预设的疑点。但我也会提醒，AI生成的模拟数据偏标准化，真实稽查中面向不同重点行业的风险分析指标体系差异很大，这部分需要结合真实案例和实务经验补充。

2.您认为下一阶段AI会替代税务人员或涉税专业服务机构人员吗？会影响财税专业的就业吗？

刘金科：我认为替代的是部分“工序”而非“职业”。税务机关更需要“懂政策+会技术+能沟通”的复合型人才。涉税专业服务方面，基础代理记账、简单申报需求可能会萎缩，但转让定价、税务争议解决、并购重组涉税安排等高端服务需求会增加。

杜莉：AI确实可能会逐步替代某些从事基础性税务工作的人员，比如随着智慧税务推进、税收遵从走向自动遵从，标准化的记账、报税、审核工作会减少。但新业态新商业模式会不断带来新问题，各国也在持续推进税制改革，这会不断产生新的工作需求。

张永冀：数据智能技术的方向是助力决策支撑，而非简单取代岗位。如果AI把疑点筛查效率提升数倍，基础核查岗位会减少，但能设计风险指标体系、解读模型结果、作出最终合规判断的复合型人才会更稀缺。建议财税专业学生把这一趋势理解为门槛上移而非行业萎缩。

本文刊发于《中国税务报》2026年6月24日B4版，原文有删减。