AI替稅務局「選人」：公平執法還是算法偏見？

如果有一套演算法，正在默默決定你是否值得被稅務局「特別關注」，你會想知道它的邏輯嗎？

根據調查媒體WIRED透過《資訊自由法》（FOIA）取得的政府文件，美國國稅局（IRS）去年支付了180萬美元給數據分析公司Palantir，委託其開發一套名為「選擇與分析平台」（Selection and Analytic Platform，簡稱SNAP）的AI工具。這套系統的核心任務，是協助IRS從海量申報資料中，自動篩選出「最高價值」的稽查對象——包括逃漏稅嫌疑案件、未繳稅款追討，乃至潛在的刑事調查。

目前SNAP仍處於試行階段，Palantir與IRS均未回應媒體的置評請求。但這份合約的存在，已足以引發廣泛討論。

一個破碎的系統，一個昂貴的解方

要理解為何IRS要找Palantir，必須先理解這個機構的技術困境有多深。

IRS目前依賴超過100套業務系統和700種方法來判斷哪些申報案件可能有問題。這些系統是「數十年」累積的產物，彼此割裂、難以整合。IRS在合約文件中坦承，這種「碎片化的格局」導致重複作業、資源浪費，以及「次優的案件選擇」。

長期以來，IRS判斷稽查對象的主要依據是一個叫做「區別資訊函數」（DIF）的評分系統——分數越高，代表被稽查的可能性越大。楊斯敦州立大學會計學教授艾莉卡·紐曼（Erica Neuman）指出，這套評分的計算邏輯至今仍是「黑箱」，外界只知道它大致上是在比對當前申報與歷史上曾觸發稽查的案件之間的相似度。

SNAP的設計目標，是讓Palantir的平台「疊加」在IRS現有的分散資料庫之上，協助人工稽查員從「非結構化文件數據」中發現紅旗。合約指定的三個試行領域分別是：災區稅務減免申報、住宅清潔能源稅額抵免（如太陽能板安裝），以及贈與稅申報（Form 709，涵蓋藝術品、股票、企業股權等高價值資產的轉讓）。

值得注意的是，Palantir與IRS的合作關係並非新鮮事——早在2014年，IRS便開始採購Palantir的技術，迄今累計合約金額已超過2億美元。SNAP不是一次性的嘗試，而是一段長達十年合作關係的最新篇章。

廣告

廣告合作

[email protected]

廣告

效率的另一面：誰會被演算法「選中」？

然而，AI自動篩選稽查對象這件事，遠比表面看起來複雜。

紐曼教授指出，IRS過去已嘗試過多種數據擴充方式：向Coinbase等加密貨幣交易所索取交易記錄、挖掘公開社群媒體貼文以偵測申報所得不實。學者們甚至討論，Venmo的公開轉帳紀錄、Etsy或Depop的賣家店面數據，都可能是潛在的分析素材——儘管合約明確規定，SNAP目前只能使用IRS「現有資料庫中已有的數據」。

問題的核心在於：演算法學習的是過去，而過去並不總是公平的。

如果SNAP的學習基礎是歷史稽查資料，那麼歷史上曾被不成比例地稽查的群體——低收入者、特定族裔、自雇工作者——是否會繼續被系統「偏好選中」？這不是假設性的擔憂。美國非營利研究機構ProPublica的調查已顯示，黑人納稅人被稽查的比例顯著高於其他族群，部分原因正在於稅務系統設計本身的結構性偏差。

與此同時，IRS的人力正在急速萎縮。2025年2月，IRS有10萬3000名員工；到同年7月，已有超過2萬5000人辭職或接受提前退休。在川普政府的政策方向下，機構規模縮小，而對技術的依賴卻在加深。這種組合，讓外界對「人工監督是否足夠」的疑慮更加難以消散。

從美國看亞洲：這面鏡子照出了什麼？

對於華語世界的讀者而言，這個故事有幾個值得對照思考的維度。

首先是政府與科技公司的邊界。Palantir以其與美國情報機構的深度合作著稱，其創辦人彼得·提爾（Peter Thiel）也是川普政治圈的重要支持者。一家具有強烈政治色彩的私人企業，深度介入政府的執法篩選機制，這在台灣、香港或東南亞的政治脈絡下，會引發什麼樣的聯想與警惕？

其次是中國大陸的對照。中國稅務機關早已大規模運用大數據與AI進行稅務稽查，並與公安、銀行、電商平台的數據實現深度整合。從純粹技術效率的角度，這套系統的覆蓋面遠超SNAP的試行範疇。但這種高度整合的監控式稅務執法，與民主社會中對隱私權和正當程序的期待之間，存在根本性的張力。

第三是台灣的數位治理參照。台灣近年積極推動電子發票、數位報稅等基礎建設，財政部也在研究如何運用數據分析提升稽查效率。美國的SNAP實驗，或許可以為台灣提供一個提前思考「演算法問責」機制的契機——在系統上線之前，而非之後。