SeterusnyaPanduan seterusnya
AI dalam Pemilihan Juri
Masyarakat
PANDUAN Masyarakat
Ya.
Dengar panduan iniAI-diceritakan · ~3 min
IRS menggunakan model pemarkahan statistik, pemadanan dokumen automatik dan, semakin kerap, pembelajaran mesin untuk memutuskan penyata cukai yang mana memerlukan perhatian lebih dekat, tetapi manusia masih menyemak penyata yang ditandakan sebelum kebanyakan audit bermula. Alat yang paling terkenal ialah skor Discriminant Function (DIF). Sistem ini penting kerana ia menentukan siapa yang diaudit, dan penyelidik telah menunjukkan bahawa ia boleh meletakkan beban yang lebih berat kepada sesetengah kumpulan pembayar cukai berbanding yang lain.
The IRS does not use one master AI system. It runs several systems, each built for a different job. The oldest is the Discriminant Function (DIF) score. DIF compares each return with statistical norms taken from randomly selected, line-by-line audits conducted under the National Research Program. A high DIF score means an audit of that return is more likely to produce a change in tax. The IRS keeps the formulas secret so people cannot game them. A high score does not start an audit by itself. Trained classifiers review the high-scoring returns and choose which ones to examine. Second, the IRS matches returns against information returns such as W-2s and 1099s. When the numbers don't agree, the Automated Underreporter program sends a CP2000 notice proposing a change. Technically a CP2000 is not an audit, though it can lead to a bill. Third, fraud tools such as the Return Review Program score returns for identity theft and false refund claims before refunds go out. The IRS has also said it intends to apply more advanced analytics to complex filers such as large partnerships as funding and staffing allow. Fairness became a public issue in 2023. Researchers working with Treasury data imputed taxpayers' race, because the IRS does not record it, and estimated that Black taxpayers were audited several times as often as non-Black taxpayers. They traced much of the gap to how returns claiming the Earned Income Tax Credit were selected. The model was not using race as an input. The disparity came from design choices, including a focus on overclaimed refundable credits and on audits that are cheap to run by mail. The IRS acknowledged the findings and said it would change its approach. A common misconception is that software audits you automatically. In reality, algorithms rank returns and humans decide which cases to open.
Seorang pekerja bebas tidak menyertakan 1099-NEC dalam penyata cukainya. Beberapa bulan kemudian, dia menerima notis CP2000 kerana program Automated Underreporter memadankan salinan pembayar dengan penyatanya dan mendapati pendapatan tersebut hilang.
Satu penyata menuntut potongan amal yang sangat besar untuk tahap pendapatannya. Ia menerima skor DIF yang tinggi dan pergi kepada pengelas manusia, yang memutuskan sama ada penyata tersebut patut diperiksa.
Program Semakan Penyata menahan bayaran balik kerana penyata tersebut sepadan dengan corak yang dikaitkan dengan kecurian identiti. Pembayar cukai mendapat surat yang meminta mereka mengesahkan identiti mereka sebelum bayaran balik dikeluarkan.
Sebuah keluarga yang menuntut Kredit Cukai Pendapatan Terperoleh mendapat audit surat-menyurat melalui pos. Ia meminta rekod sekolah atau perubatan yang menunjukkan bahawa kanak-kanak yang layak tinggal bersama mereka selama lebih daripada separuh tahun.
IRS berkemungkinan akan terus menambah pembelajaran mesin kepada pemilihan dan pengesanan penipuan, terutamanya untuk penyata kompleks di mana masa pemeriksa adalah terhad. Sejauh mana ia akan pergi bergantung kepada pembiayaan, kakitangan dan pemodenan teknologi, dan ketiga-tiganya sering berubah. Badan penyelia seperti Ketua Pemeriksa Perbendaharaan bagi Pentadbiran Cukai dan Pejabat Akauntabiliti Kerajaan telah berulang kali meminta dokumentasi dan ujian model IRS yang lebih baik. Nantikan pendedahan awam mengenai ujian keadilan dan notis yang lebih jelas yang memberitahu pembayar cukai mengapa mereka dipilih. Walau apa pun rupa model tersebut, nasihat praktikal tetap sama: laporkan setiap penyata maklumat, simpan rekod yang menyokong kredit dan potongan anda, dan balas notis dengan segera.
Newsletter percuma
Tiga cerita AI yang disahkan setiap pagi hari bekerja, ditulis dalam Bahasa Inggeris biasa. Percuma selamanya, tiada iklan.
Satu e-mel setiap hari bekerja. Berhenti melanggan dalam satu klik. Kami tidak pernah menjual atau berkongsi alamat anda.
Uji diri anda
Maklum balas segera pada setiap jawapan, dan sijil yang boleh dikongsi dengan ID yang boleh disahkan sebaik sahaja anda lulus kursus.
Sokong pendidikan AI percuma. AI Understanding ialah pertubuhan bukan keuntungan 501(c)(3) — tiada iklan, tiada bayaran dinding, selamanya. Buat derma
Ya. IRS menggunakan model pemarkahan statistik, pemadanan dokumen automatik dan, semakin kerap, pembelajaran mesin untuk memutuskan penyata cukai yang mana memerlukan perhatian lebih dekat, tetapi manusia masih menyemak penyata yang ditandakan sebelum kebanyakan audit bermula. Alat yang paling terkenal ialah skor Discriminant Function (DIF). Sistem ini penting kerana ia menentukan siapa yang diaudit, dan penyelidik telah menunjukkan bahawa ia boleh meletakkan beban yang lebih berat kepada sesetengah kumpulan pembayar cukai berbanding yang lain.
DIF membandingkan penyata dengan norma yang diambil daripada audit rawak. Skor yang tinggi bermakna audit lebih berkemungkinan mengubah cukai yang perlu dibayar. Ia bukan penemuan penipuan atau penalti.
Skor tersebut hanya menyenaraikan penyata. Pengelas terlatih menapis penyata yang mendapat skor tinggi dan memilih yang mana untuk diperiksa.
Program Automated Underreporter membandingkan borang yang difailkan oleh pembayar seperti 1099 dan W-2 dengan penyata tersebut. Apabila pendapatan hilang, ia mencadangkan pelarasan pada CP2000.
CP2000 mencadangkan perubahan kerana pendapatan yang dilaporkan tidak sepadan dengan penyata maklumat. Ia bukan pemeriksaan rasmi, walaupun ia boleh membawa kepada bil jika pembayar cukai tidak mempertikaikannya dengan berjaya.
Para penyelidik menganggarkan perbezaan yang ketara dan mengesan sebahagian besarnya berpunca daripada cara penyata EITC dipilih, bukan kerana kaum digunakan sebagai input langsung.
Teruskan belajar
Lebih banyak panduan dipilih untuk topik ini
SeterusnyaPanduan seterusnya
AI dalam Pemilihan Juri
Masyarakat