就防范税务风险而言，税企双方的目标是一致的，都希望利用各种技术手段来提升效率。特别是随着科技的发展，各种信息化、智能化手段和互联网技术在税务风险管理中的应用日益广泛。比如，为有效识别企业少缴所得税的风险，可以先选取同一行业内若干样本企业净利润率指标，通过计算机测算出不同样本企业关于这一指标的加权平均值（也就是通常说的“阈值”），企业指标如果明显低于这个阈值，就可能存在少缴企业所得税的风险。

在实践中，通过分析资产负债表、利润表、现金流量表等财务报表，可以获悉企业整体经营情况，通过分析企业发票数据，则可以了解企业更多、更细致的生产经营信息。举例来说，通过分析企业进销发票数据中不同客户同一原材料或产品的购进或销售价格，就可以大体确定是否存在关联交易。比如，某市A公司有3个原材料供应商，4个销售客户。经计算机测算，从2家供应商购进原材料成本基本为5万元/吨，而从B供应商购进相同原材料为10万元/吨；销售给其他3个客户的毛利率大概为25%，而销售给C客户的毛利率为3%。基于这些信息，税务部门就有理由怀疑B供应商和C客户，与A公司存在关联交易，有可能人为调节利润归属。

目前，通过增值税发票可以检索很多信息，包括货品品目、货品价格等。如果将企业发票数据和申报数据关联，则可能发现更多的风险疑点。在这个过程中，计算机可以替代人工做很多提取风险的工作。比如，通过设定连续6个月申领发票但申报收入极低这一指标，就可以发现企业可能存在只开发票但未计或少计收入，甚至可能存在虚开发票等风险；再比如，设定进项发票的品目和开票品目的对应关系，可以找到企业是否存在虚开发票或者购买虚开发票的线索。当然，在风险管理中，也可以引入第三方数据进行比对分析，从而更加精准地评估风险状况。

利用数据挖掘和分析技术，计算机可以从财务数据、发票数据、社会数据、行业数据等海量数据中发现异常或可疑的纳税行为，如虚开发票、偷逃漏税、转移利润等，为税务部门生成风险预警和评估建议；利用深度学习技术，计算机可以对图像、视频、语音等非结构化数据进行识别和分析，如识别发票真伪、核对身份信息、分析行为特征等，提高税务部门风险管理的质效。

无论是数据、模型设计还是运行规则，其本身存在一定的局限性。而目前解决这种局限性问题的现实方案，就是依靠人工修正。举例来说，如果通过计算机风险分析模型，发现某企业利润率远低于同行业企业，可能存在少缴税款风险。但经过实地走访、核查发现，由于该公司刚成立不久，为打开市场，产品销售价格本身就不高。加之公司刚成立，各种成本费用较高，利润率低也就比较好理解了。

总之，各种互联网技术、智能化模型和信息系统等，本质上还是一个工具而已，不是万能的。不难预见，随着科技的进步，人工智能未来在税务风险管理方面将会有更加广泛而深入的应用。就现阶段来看，“人”在风险管理中仍然发挥着不可替代的重要作用。善于利用技术，但不应迷信技术，既是企业不断提升税法遵从水平的有效路径，也是税务部门提高精准监管能力应该长期坚持的原则。

（作者单位：国家税务总局河北省税务局、国家税务总局廊坊市税务局）