AI 风险评分如何避免对特定行业产生偏见

AI 风险评分如何避免对特定行业产生偏见

税务风险评分若主要从过去被稽核的企业学习，历史上更常被检查的行业可能继续得到高分。模型也可能把现金交易多、季节波动大误当可疑。税务机关应检验评分背后的数据来源、抽样偏差和特征代理关系，不让行业标签替代具体证据。

评分只能帮助分配核查资源，不能直接认定违规。工作人员看到触发线索及数据质量，先核实发票延迟、行业周期和正常业务变化。纳税人收到正式处理时，能知道关键事实、补充说明和申诉途径。对模型无法解释的高分，慎用于不利措施。

行业偏差有时来自资料采集方式。零售商的现金交易、农产品的季节销售与软件企业的订阅收入，本来就有不同节奏。风险系统若把正常波动当异常，稽核人员可与行业专家建立情景说明，再检查这些说明是否被不法利用。不能简单把某行业整体排除，也不能让其永久处在高警报状态。

评估公平性需要独立样本。若只看已被模型挑中的企业，漏掉的真实问题永远不会出现。抽取少量低分申报进行合规核查，并按行业、地区、企业规模报告误报和漏报。样本设计公开方法但保护调查细节。

机关定期比较行业、地区、规模的误报率与后续处理结果，抽查低分但真实有问题的样本，避免只在被挑中的人身上验证模型。规则调整保留版本，评估是否减少无效调查。

纳税人收到正式核查要求时，能看到交易事实、适用规则与回应渠道，而非“算法评分高”。申诉成功后回溯造成错误的特征和数据来源，避免下一家同类企业再遇到同一问题。

风险评分审计可选两类样本：模型频繁标记的行业，以及很少被标记却变化很快的新行业。比较样本的真实问题率与误报，不让历史检查次数替代真实风险。若某特征实际上代表地区或经营规模，应研究它是否必要。员工在通知纳税人时只谈可核查交易，不说“你所属行业分数高”。对被错误打扰的人记录补救时间，才能让公平成为可衡量的要求。

机关还可检查风险评分是否影响后续行为：某行业因被查频繁，经营者是否花更多时间准备材料、甚至放弃申请优惠？这些成本不体现在模型准确率里。独立评估应听纳税人和一线稽核人员意见，按误报实际后果调整阈值。公平不仅是统计表上的比例，也是一个人能否解释自身业务。

公平的风险管理，是把有限精力用在可信线索上，而不是让某个行业永远站在怀疑的灯下。