主持人语 从备课素材搜集到课堂互动设计，从论文写作辅助到税务风险模拟，人工智能（AI）工具已广泛应用于高校教学。与此同时，AI辅助的政策咨询、风险画像、数据交叉比对等功能，逐步嵌入税收实践。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：在教学中有多个环节可以用到AI工具。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。例如，围绕“税收协定中的反滥用条款”这一授课内容，我尝试让AI提供一整套设计方案，包括学习目标、教学方法、教学实施过程以及课前引导性问题、课中案例、课后测评方案。AI提供的课前引导性问题是“为什么需要防止滥用税收协定，常见的滥用方式有哪些”，课中案例是“A公司通过在新加坡设立导管公司享受税收协定优惠”，提问“这种安排是否合理，税务机关会如何应对”，课后讨论题是“利益限制规定（LOB）和主要目的测试（PPT），你认为哪个规则对打击协定滥用更有效”。

刘金科：AI目前应用非常广泛，我们用AI设计一些情景分析或案例场景，或者生成课堂讨论PPT等来辅助教学。例如，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：AI引用的政策条文是否过时？论证是否存在逻辑空转？建议是否流于“加强立法、完善征管”之类的套话？学生通过对比AI文本与学术写作规范，更能深刻理解什么是有专业深度的写作。

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。这种多维度数据比对，过去需要手工逐项核对，现在用AI辅助搭建初步的异常筛查逻辑，标出偏离正常区间的疑点，再由人工复核业务实质即可。另一个场景是税负测算和政策影响的情景模拟，让学生设定不同的企业经营假设，用AI批量测算不同假设下的税负变化，对比政策对不同企业结构的实际影响。

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，教师可以把精力从资料搜集转向教学设计和创新。但有三个环节不可替代：一是学术判断，AI对税收政策背后的利益博弈和制度约束缺乏真正理解；二是价值引导，税收涉及公平与效率的权衡，需要教师传递专业伦理；三是精准纠偏，学生写作中的深层逻辑漏洞AI难以补全，仍需教师“把脉”。

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。过去做税务风险案例素材，要花大量时间设计有逻辑关联的财务和涉税数据；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。省下的时间用在判断哪些疑点具有教学价值、如何引导学生理解背后的税法逻辑。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，区分二者需要结合行业特点、交易背景、企业历史行为等进行综合判断，这依赖真实的执法经验和行业认知。AI给出的是统计异常，不是实质违规，中间的核查过程必须由人完成。

杜莉：AI可为教师备课在资料搜集、学情分析等方面节省大量时间。但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。

3.是否有让您眼前一亮的AI在财税课堂、研究或者税收工作中的应用？

张永冀：国内税务系统在风险建模上的精细化程度让我印象很深。针对高净值人群的税收风险管理，已有研究提出运用大数据和数学建模构建重点风险识别模型库，结合户籍、薪资、职务、房产、投资等多维数据进行分析，并根据政策变化自主修正指标模型，把个人的稽查经验转化为可复用的指标体系。另一个方向是发票风险和虚开识别的知识图谱应用，已有税务大数据解决方案运用知识图谱构建发票智能风控系统，把企业关系网络可视化，用图结构识别异常交易链条，比传统单点数据比对更能发现隐蔽风险。

杜莉：复旦智慧课堂可以基于课程录像对每次课提供多维度教学效果智能分析，包括语速、教学组织节奏、学生学习活动分析等。在此基础上提出改进建议，如在课程收尾环节，教师可用一句话概括核心教学成果完成系统性知识建构，并给学生布置微任务强化巩固学习成效等。

■ 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。

4.根据您的教学经验，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”，引导学生从“能写”走向“有用”。

“案例失真”：AI生成的税收案例，税率、纳税主体、时间线常有漏洞。我会让学生把AI案例当“病文”解剖，找出不合规之处，反而成了批判性训练。

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。这类错误隐藏在模型结构内部，必须靠对业务实质的理解去倒查假设。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。识别这类错误，要求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。

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。在需要精准辨析概念的领域，AI也经常出错，这种现象在国际税收等细分专业领域尤为突出，需要搭建个人知识库来提升准确率，最重要的是凭自身专业判断把关。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，比如为了方便个人所得税缴纳计算的教学，我和团队开发了“智税星个税计算宝”微信小程序。

5.您是否发现过学生用AI答题或写论文等，其实自己没理解的情况？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：确实遇到过，尤其在实证分析或案例研究论文中。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，追问学生为什么选这组数据、结果支撑了论点的哪一步，往往答不上来。

我的干预不是简单“定罪”，而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。我也会提前讲清楚：AI可以辅助处理数据、生成代码框架，但问题提出、理论逻辑、结果解释必须由学生自己完成。

刘金科：从我遇到的问题来看，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，学生照搬却没理解术语在特定语境下的含义；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。

我会要求学生论文写作实行“过程留痕”：提交写作提纲、AI对话截图、修改日志。课堂上开展的“AI作品会诊”本身也是一种干预，当学生现场指出AI文本的问题时，也会意识到AI的局限性。

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。

6.课堂上您会引导学生与AI互动吗？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DeepSeek、豆包、千问、Kimi、ChatGPT等主流模型，对AI在税务领域应用的优势和局限有了真切体验，也在过程中提升了AI应用能力。比如，学生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。学生需要自己设计核查维度、解释异常点，这比直接做现成案例题更能加深理解。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。

7.高考结束后，很多学生会选择财税相关专业。您会建议他们在这个暑假如何“试水”AI财税学习？

刘金科：可以尝试用AI画一张“专业地图”，了解“财税专业大学四年学什么”“税法和经济法有什么区别”等问题，让AI梳理框架，但不要“全信”，要去学校官网或找资料验证，培养交叉验证的习惯。也可以从生活场景切入，让AI解释身边的税收现象，比如购物发票、父母缴纳的个人所得税等，然后通过官方网站或咨询专业人士的方式验证答案，通过这种“生活问题AI解释+人工验证”的模式培养专业敏感度。同时，可以多关注智慧税务、电子发票、智能办税服务厅等方面的报道，了解AI技术正在改变税收工作的哪些环节，因为未来的财税工作是“人机协作”的。

张永冀：第一步先把财税基础打牢。税种结构、会计核算逻辑、基本税法体系，是判断AI产出对错的前提，如果连基础框架都不熟悉，面对AI给出的分析容易被误导而不自知。在此基础上尝试用AI做结构化小练习，比如找一份上市公司财报，让AI辅助梳理核心财务指标的同比变化，再去查公司公告验证AI解读是否准确，这个验证过程本身就是很好的学习。

此外可以关注税务系统数字化、智能化的真实进展，比如税务部门运用大数据和机器学习进行风险研判。提前了解行业技术变化，比单纯“刷题”更有意义。

8.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”。发票审核、基础申报、数据比对等重复性工作或许会被替代，但政策理解的弹性空间、复杂案件的定性判断、征纳双方的沟通协调等，AI短期内无法胜任。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。财税专业不会消失，但就业结构可能会更加分化——低端岗位减少、高端门槛提高。未来单纯会记账报税的岗位面临被替代的风险，但具备批判性思维和政策分析能力的专业人才，不可替代性会更强。

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。但税法规则不是一成不变的——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。据我了解，目前很多涉税专业服务机构业务多、人不够。税务领域专业壁垒更高、变化频繁，因而具有更强的不可替代性，总体而言AI不会过于影响财税专业的就业。

张永冀：AI会显著压缩基础性、重复性的数据核查和疑点筛查工作量，但不会替代核心判断力。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。工具会迭代，但建立在扎实专业判断上的核心能力，才是这个专业真正的“护城河”。