الذكاء الاصطناعي للامتثال الضريبي
خدمة "Ready to Review" من Thomson Reuters تُجهّز نماذج 1040 تلقائياً. وExpert AI من CCH Axcess يُعِدّ مسودات رؤى استشارية عبر 10,000 شركة. وBlue J يجيب عن أسئلة البحث الضريبي بمعدّل اختلاف أقل من 1 من كل 700.
مشكلة الإعداد في طريقها إلى الحل. أما مشكلة التحقق فلا. فعندما يُصنّف الذكاء الاصطناعي خطأً خصماً ضريبياً على أنه فوق الخط بدلاً من تحت الخط، فإن غرامة الدقة البالغة 20% تطبَّق على الإنسان الذي وقّع الإقرار، لا على الخوارزمية التي أعدّت مسودته. نحن نبني طبقة التحقق التي تلتقط هذه الأخطاء قبل أن تصل إلى مصلحة الضرائب الأمريكية.
$126B+
التكلفة السنوية للامتثال الضريبي لشركات الأعمال الأمريكية
Fortune، مارس 2026
8.8% → 22.6%
ارتفاع معدّل تدقيق الشركات الكبرى لدى مصلحة الضرائب الأمريكية
أولويات إنفاذ مصلحة الضرائب الأمريكية، 2026
50%
المحاسبون المدركون لخسائر مالية ناجمة عن الذكاء الاصطناعي
Accountancy Age، مارس 2026
إخفاقات الذكاء الاصطناعي الضريبي ليست هلوسات معزولة. إنها تحيّزات منهجية مغروسة في بيانات التدريب تُنتج إجابات خاطئة بثقة، بقواعد نحوية مثالية واستشهادات تبدو معقولة.
أنشأ قانون الميزانية الشامل للمصالحة (OBBBA) خصماً جديداً لفوائد قروض مركبات الركاب المؤهَّلة (QPVLI) بموجب المادة 163(h)(4)(A) من قانون الإيرادات الداخلية (IRC). وقد وُضِع هذا الخصم في المادة 63(b)(7)، وهو ما يعني أنه يخفّض الدخل الخاضع للضريبة، لا الدخل الإجمالي المعدَّل.
هذا خصمٌ تحت الخط. وهو لا يخفّض الدخل الإجمالي المعدَّل (AGI).
ومع ذلك، حتى أبريل 2026، يصفه موقع H&R Block نفسه بأنه "حافز فوق الخط". وآلاف منشورات المدونات والمقالات المُحسَّنة لمحركات البحث ومزارع المحتوى المالي تُكرّر التصنيف الخاطئ نفسه. وعندما تُجيب نماذج اللغة الكبيرة المدرَّبة على هذا المحتوى عن أسئلة بشأن خصم OBBBA، فإنها تُعيد إنتاج الخطأ بثقة عالية، لأن الوصف غير الصحيح يَرِد بمعدّل أعلى بمراتب من النص التشريعي الصحيح.
| مجال التأثير | إذا صُنِّف خطأً على أنه فوق الخط | الأثر التشريعي الفعلي | العاقبة المالية |
|---|---|---|---|
| حساب الدخل الإجمالي المعدَّل | يخفّض الدخل الإجمالي المعدَّل خطأً | لا يؤثر في الدخل الإجمالي المعدَّل | نقص في سداد الضريبة الفيدرالية |
| الضرائب الولائية (الولايات المرتبطة بالدخل الإجمالي المعدَّل) | يخفّض الضريبة الولائية خطأً | لا أثر له في معظم الولايات | التعرّض لتدقيق متعدد الولايات |
| أقساط Medicare IRMAA | تخفيض قسط زائف | لا أثر له في الأقساط | تكاليف غير متوقَّعة للمتقاعدين |
| حدّ الخصم الطبي | يخفّض حدّ 7.5% خطأً | لا أثر له في الحدّ | خصومات مرفوضة + فوائد |
| خطة السداد المرتبط بالدخل لقروض الطلاب (IDR) | تأهيل زائف | لا أثر له في السداد | عدم الامتثال لشروط القرض |
خطأ واحد في تصنيف فوق الخط/تحت الخط يتتالى عبر خمس عمليات حسابية لاحقة على الأقل. هذا حكمٌ واحد فقط. وقانون الإيرادات الداخلية يضمّ الآلاف منها.
نماذج اللغة الكبيرة لا تُمارس الاستدلال في القانون الضريبي. إنها تتنبّأ بالرمز اللغوي التالي استناداً إلى الأنماط في بيانات التدريب. وعندما تكون التدوينات على الإنترنت خاطئة بنسبة 90% بشأن حكمٍ معيّن (وهو أمر شائع في التغييرات التشريعية التقنية)، فإن أوزان النموذج تتقارب نحو الإجابة الخاطئة بصرف النظر عن المُحفِّز.
تساعد تقنية retrieval-augmented generation لكنها لا تحلّ هذا. فـ Blue J يسترجع نص النظام، لكن نموذج اللغة الكبير لا يزال عليه تفسيره. ولغة التعديل ("تُعدَّل المادة 163(h) بإدراج...") تتطلّب إعادة بناء الحالة الراهنة للقانون من شظايا. وإذا كانت الأوزان الداخلية للنموذج مُتحيّزة بفعل ملايين منشورات المدونات الخاطئة، فإنه يتصرّف كقارئ مُتحيّز، يُسيء تفسير حتى النص المُسترجَع بشكل صحيح.
كما أن هندسة المُحفِّزات لا يمكنها إصلاح ذلك. فلا يمكنك أن تأمر محرّك احتمالات بأن يصير محرّك منطق. لا بدّ أن تتغيّر البنية ذاتها بالنسبة للأحكام التي تتطلّب صحة حتمية.
كل فئة أدناه تحلّ مشكلة حقيقية. ولا أحد منها يحلّ مشكلة التحقق من المواقف الضريبية التي يُولّدها الذكاء الاصطناعي. وقد صُمِّم هذا الجدول لاستحضاره في الاجتماعات الداخلية عند تقييم الاستثمارات في التقنية الضريبية.
| الفئة | اللاعبون الرئيسيون | ماذا يفعلون فعلاً | الثغرات الصريحة |
|---|---|---|---|
| كبار شركات المنصات | Thomson Reuters ONESOURCE+، Wolters Kluwer CCH Axcess Expert AI، Intuit ProConnect | امتثال شامل من الطرف إلى الطرف: استيراد البيانات، وإعداد الإقرار، والتقديم، وأتمتة سير العمل. ويزعم ONESOURCE تحقيق خفض بنسبة 65% في التقارير الروتينية. وCCH Axcess مُدمج عبر 10,000 شركة. | يتحقّقون من مخرجاتهم الخاصة وفق قواعدهم الخاصة. لا تحقّق عبر المنصات. والذكاء الاصطناعي بصيغته agentic AI هو أتمتة لسير العمل، لا تحقّق من المواقف. ومشكلات جودة البيانات في المنبع تنتشر عبر النظام. |
| البحث الضريبي بالذكاء الاصطناعي | Blue J ($122M جولة Series D)، TaxGPT ($4.6M)، Bizora | بحث ضريبي بلغة طبيعية على قواعد بيانات سُلطوية مُنتقاة. Blue J: تقنية RAG على GPT-4.1، بمعدّل اختلاف <1/700. وBizora: ضرائب SALT لجميع الولايات الخمسين، بسعر $30-120/شهرياً. | إجابات احتمالية. ومعدّل الاختلاف البالغ 1 من كل 700 يقيس اختلاف المستخدم، لا الدقة المرجعية للحقيقة. فالمستخدمون الذين لا يعرفون الإجابة الصحيحة لا يمكنهم الاختلاف مع إجابة خاطئة. وهو غير ملائم كمرجع وحيد للمواقف ذات الغرامات المرتفعة. |
| محرّكات ضريبية حتمية | Vertex (300M+ معدّل)، Avalara ($8.4B + $500M من BlackRock)، Sovos (Sovi AI) | حساب الضرائب غير المباشرة: المعدّلات، والإعفاءات، والتقديم عبر أكثر من 12,000 ولاية قضائية. حتمية بنسبة 100% للسيناريوهات المشمولة. مسارات تدقيق كاملة. | لا يمكنها التعامل مع اللغة الطبيعية. ولا يمكنها الاستدلال في الأحكام الغامضة (اختبارات الوقائع والظروف). وإضافة القواعد تتطلّب ترميزاً يدوياً. ومحدودة بالضرائب غير المباشرة؛ والتحقق من ضريبة الدخل مشكلة منفصلة. |
| شركات Big 4 / كبار مُكامِلي الأنظمة | EY+IBM (watsonx)، KPMG (Tax AI Accelerator)، Deloitte، PwC | أدوات ذكاء اصطناعي مملوكة للاستخدام الداخلي. EY تستهدف أتمتة 80% من الامتثال الضريبي الأجنبي. وKPMG أطلقت Tax AI Accelerator في فبراير 2026. وPwC تزعم مكاسب إنتاجية للمطوّرين بنسبة 20-50%. | أدوات مملوكة بُنيت لتعاقداتهم الخاصة، غير متاحة لقسمك الضريبي. وتتراوح التعاقدات بين $500K-$5M+. وهم يطبّقون منصات، لا يبنون طبقات تحقّق مخصّصة. وأدوات الذكاء الاصطناعي لديهم تتحقّق من عملهم، لا عملك. |
| منصات عصبية-رمزية / منصات قرار | Rainbird AI (عميل BDO) | استدلال حتمي قائم على الرسوم البيانية مع guardrails بالذكاء الاصطناعي. خفّضت BDO مراجعة ضريبة البحث والتطوير من 5 ساعات إلى ثوانٍ. سلاسل استدلال شفّافة. | منصة عامة الغرض، لا مخصّصة للضرائب. وكل حالة استخدام تتطلّب بناء رسم معرفي مخصّص. وكانت حالة BDO تتعلّق بائتمانات البحث والتطوير (مجال ضيّق)، لا الامتثال الضريبي العام. ومركّزة على المملكة المتحدة. |
| أكاديمي / بحثي | Catala (INRIA)، PROLEG (NII اليابان)، Sarah Lawsky (Northwestern) | لغات مخصّصة للمجال لإضفاء الطابع الصوري على القانون الضريبي. يتفوّق Catala في منطق الافتراض/الاستثناء. وتستخدمه الحكومة الفرنسية لإعانات الإسكان. وأثبتت Lawsky ذلك عملياً على المادتين 121 و132 من قانون الإيرادات الداخلية. | غير جاهزة للإنتاج. ويُوصَف مُترجِم Catala بأنه "ما يزال غير مستقر". وقانون الإيرادات الداخلية الكامل يتجاوز 4 ملايين كلمة. ولم يُضفَ الطابع الصوري إلا على عدد قليل من المواد الأمريكية. وصُمِّم PROLEG للقانون المدني الياباني. وهو على بُعد سنوات من النشر المؤسسي. ولا يمكن لـ Veriprajna حلّ هذا أيضاً؛ فنحن نستخدم OPA/Rego لترميز قواعد الإنتاج بدلاً من ذلك. |
ما يغيب عن هذا الجدول: طبقة تحقّق محايدة تجاه المورّدين تجلس فوق أيٍّ من هذه المنصات وتلتقط الأخطاء على مستوى الموقف بشكل حتمي. تلك هي الثغرة التي نسدّها.
كل تعاقد مخصّص. هذه هي القدرات التي نأتي بها إلى العمل في التقنية الضريبية، لا منتجات تشتريها جاهزة من الرفّ.
نُرمّز أحكام قانون الإيرادات الداخلية عالية معدّل الأخطاء في OPA/Rego، مُنشئين طبقة تحقّق حتمية تختبر المواقف الضريبية التي يُولّدها الذكاء الاصطناعي مقابل المنطق التشريعي. ونلجأ إلى OPA بدلاً من Catala لأن OPA حاصل على تخرّج CNCF بمجتمع ضخم، ويُولّد مسارات تدقيق شاملة، ويتكامل مع بنى الواجهات البرمجية الحديثة. أما Catala فأنيق لكن لا يملك أي نشر ضريبي أمريكي إنتاجي ومُترجمه غير مستقر.
يغطّي البناء الأولي النموذجي 10-15 حكماً: المادة 199A (خصم QBI)، والمادة 163(j) (حدّ فوائد الأعمال)، والمادة 1031 (التبادلات المماثلة)، وOBBBA QPVLI، والمادة 280A (المكتب المنزلي)، والمادة 30D (ائتمانات السيارات الكهربائية). وتُنتقى هذه بناءً على بيانات تكرار الأخطاء والتعرّض للغرامات.
يأخذ المحرّك موقفاً ضريبياً مُهيكلاً كمدخل ويُعيد نتيجة نجاح/إخفاق مع سلسلة الاستشهاد التشريعي المحدّدة. ويتكامل عبر واجهة برمجية REST مع ONESOURCE أو CCH Axcess أو Blue J أو الأدوات الداخلية.
نبني رسوماً معرفية قائمة على Neo4j تُرمّز الإحالات المرجعية في قانون الإيرادات الداخلية، وسلاسل التعديلات، وتسلسلات الافتراض/الاستثناء. ويُمثّل الرسم العلاقات التي يفوتها البحث المتّجِه: فالمادة 163(h)(4)(B) تضع سقفاً رقمياً على الاستثناء الوارد في المادة 163(h)(4)(A)، وهو في حدّ ذاته استثناء من الحظر العام الوارد في المادة 163(h)(1).
كل رسم مُحدَّد النطاق خصّيصاً لعالم المواقف الضريبية لدى العميل. فالشركة متعدّدة الجنسيات ذات شواغل التسعير التحويلي تحصل على رسم مختلف عن تاجر تجزئة محلي يواجه تعقيد ضريبة المبيعات والاستخدام. ولا نحاول ترميز قانون الإيرادات الداخلية الكامل. فذلك تمرين أكاديمي يمتدّ لسنوات ويكلّف ملايين الدولارات. نحن نُرمّز الأحكام التي يتركّز فيها خطر التدقيق المحدّد الخاص بك.
يُمكّن الرسم المعرفي من الاسترجاع بتقنية GraphRAG: إذ تعبر الاستعلامات البنية التشريعية، لا مجرد تشابه الكلمات المفتاحية. وعندما يسأل نموذج لغة كبير عن خصم OBBBA، يسترجع الرسم ليس فقط المادة 163(h)(4) بل أيضاً التمييز بين المادتين 62/63 وصيغة الإلغاء التدريجي بالتسلسل.
بعد حكم Heppner (المحكمة الجزئية للمنطقة الجنوبية لنيويورك SDNY، فبراير 2026)، فإن استخدام أدوات الذكاء الاصطناعي العامة للبحث الضريبي يُنشئ خطر التنازل عن الامتياز القانوني. وقد قرّر القاضي Rakoff أن الاتصالات مع منصات الذكاء الاصطناعي المتاحة للعموم غير محمية بامتياز المحامي والموكّل. وتنصح Morgan Lewis جميع المهنيين الضريبيين الداخليين بالاعتماد على أنظمة ذكاء اصطناعي مغلقة وداخلية.
نُصمّم وننشر بنى ذكاء اصطناعي مؤسسية لا تخرج فيها أي بيانات من محيط العميل. فنموذج اللغة الكبير يعمل ذاتي الاستضافة أو داخل السحابة الخاصة الافتراضية (VPC) للعميل. والرسم المعرفي محلي. ومحرّك التحقق يعالج كل شيء داخل المنشآت. وبالنسبة للشركات التي تحتاج إلى استخدام للذكاء الاصطناعي بتوجيه المستشار القانوني (لتعزيز مطالبات الامتياز بموجب ترتيبات Kovel)، نُهيكل البنية وفقاً لذلك.
هذا لا يتعلّق ببناء روبوت محادثة آخر. بل يتعلّق بضمان أن تكون سير عملك القائمة في البحث الضريبي بالذكاء الاصطناعي قابلة للدفاع عنها إذا أُثيرت مسألة الامتياز في التقاضي أو الفحص.
78% من المؤسسات تُشغّل 4-7 أنظمة ERP (Phoenix Strategy Group). والبيانات الضريبية تقيم في SAP وOracle وNetSuite، وأحياناً في جداول Excel يديرها شخص واحد سيتقاعد العام المقبل. و50% من قادة الأقسام الضريبية يشيرون إلى غياب استراتيجية بيانات مستدامة بوصفه أكبر عائق لديهم (EY).
نحن نبني الموصِّلات. Apache Airflow للتنسيق، وdbt لتحويلات الأساس من GAAP إلى الأساس الضريبي، وقواعد التحقق OPA عند كل نقطة تفتيش لالتقاط مشكلات جودة البيانات قبل أن تنتشر إلى الإقرارات. والهدف هو بيانات ضريبية مُهيكلة ومُتحقَّق منها تتدفّق باستمرار من الأنظمة المصدرية إلى أي منصة امتثال تستخدمها.
هذا أقل ما نقوم به بريقاً، وكثيراً ما يكون الأكثر قيمة. فمحرّك التحقق لا يكون أفضل من البيانات التي يتلقّاها.
حساب GloBE حتمي. وقد أكّد التوجيه الإداري لمنظمة OECD في يناير 2026 أن الركيزة الثانية انتقلت إلى مرحلة الامتثال. والصيغة معروفة. والصعوبة هي تغذيتها ببيانات مالية دقيقة على مستوى الكيان عبر كل ولاية قضائية تعمل فيها.
نحن نبني مسارات بيانات مخصّصة تربط الحسابات النظامية المحلية بمتطلبات إعداد تقارير GloBE: حساب معدّل الضريبة الفعلي لكل ولاية قضائية، ونمذجة الضريبة التكميلية المحلية الدنيا المؤهَّلة، وحسابات استبعاد الدخل القائم على الجوهر. ويتعامل المسار مع تباين GAAP، وعمليات الإلغاء بين الشركات، وترجمة العملات تلقائياً. ومحرّك الحساب الحتمي يجلس في نهاية مسار بيانات نظيف، لا فوق جداول مُسوَّاة يدوياً.
كل تعاقد يبدأ بمرحلة تحديد النطاق. نحن لا نبيع حلولاً جاهزة مسبقاً لأن كل بيئة ضريبية مؤسسية مختلفة.
نُخطّط مجموعة تقنيتك الضريبية الحالية: أي منصات تستخدمها، وكيف تتدفّق البيانات بين أنظمة ERP وأدوات الامتثال، وأين يحدث التدخّل اليدوي، وأي الأحكام تحمل أعلى تعرّض للغرامات. والمخرَج هو قائمة بأهداف التحقق مُرتّبة حسب المخاطر ومواصفات بناء تفصيلية. وإذا كشف تحديد النطاق أن الأدوات الجاهزة تحلّ مشكلتك بالفعل، فإننا نقول ذلك. فليس كل قسم ضريبي يحتاج إلى طبقة تحقّق مخصّصة.
نُرمّز الأحكام ذات الأولوية في OPA/Rego، ونُنشئ شرائح الرسم المعرفي ذات الصلة في Neo4j، ونبني موصِّلات الواجهة البرمجية لمنصاتك الحالية، وننشر محرّك التحقق في بيئتك. ويمرّ كل حكم مُرمَّز بدورة تحقّق مع كبار موظفيك الضريبيين. وترميز القواعد شفّاف: فبإمكان فريقك قراءة سياسات OPA وتأكيد مطابقتها لفهمهم للنظام.
يعمل محرّك التحقق بالتوازي مع سير عملك الحالي على مواقف ضريبية حقيقية. ونقيس معدّل الالتقاط (الأخطاء المُكتشَفة)، ومعدّل الإيجابيات الكاذبة (المواقف الصحيحة المُعلَّمة)، واستقرار التكامل. وتحدث التعديلات في الوقت الفعلي. وفترة التجربة هي وقت تنقيح الرسم المعرفي بناءً على عالم مواقفك الضريبية الفعلي، لا سيناريوهات افتراضية.
يُجري الكونغرس ما متوسّطه 420 تغييراً في قانون الضرائب سنوياً (خدمة المدافع عن دافع الضرائب). وتنشر مصلحة الضرائب الأمريكية تدفّقاً مستمراً من الإشعارات وأحكام الإيرادات واللوائح المقترحة. ونحدّث قواعد OPA، ونُوسّع الرسم المعرفي، ونُضيف تغطية للأحكام الجديدة مع تطوّر ملف مخاطرك. ويتضمّن تعاقد الصيانة مراجعة ربع سنوية لمقاييس أداء التحقق وتعديلات الأولويات.
نحن لا نُعِدّ الإقرارات الضريبية. ولا نستبدل منصة امتثالك. ولا نقدّم مشورة قانونية أو نعمل مستشاراً ضريبياً لك. نحن نبني الطبقة التقنية التي تجعل أدواتك ومستشاريك الحاليين أكثر موثوقية. فإذا كنت بحاجة إلى شركة لإعداد إقراراتك، فلدى Thomson Reuters وWolters Kluwer منصات ممتازة. أما إذا كنت بحاجة إلى مَن يتحقّق من أن المواقف المدعومة بالذكاء الاصطناعي في تلك الإقرارات متّسقة مع النظام، فذلك هو عملنا.
أجِب عن ستة أسئلة حول بيئة تقنيتك الضريبية الحالية. ويحدّد التقييم أين توجد ثغرات التحقق وما الخطوات التأسيسية اللازمة قبل بناء طبقة تحقّق.
السؤال 1 من 6
أنت بحاجة إلى طبقة تحقّق تعمل بشكل مستقل عن أداة الذكاء الاصطناعي التي تُنتج الإجابة. والمشكلة الجوهرية في التحقق من البحث الضريبي بالذكاء الاصطناعي هي أن تحيّزات نموذج اللغة الكبير ذاتها التي تُنتج الإجابة الخاطئة تُنتج أيضاً تبريرات تبدو مقنعة. وطلب أن "يراجع الذكاء الاصطناعي عمله" يمرّ عبر الأوزان الاحتمالية نفسها التي ولّدت الخطأ.
يتطلّب التحقق الفعّال نظاماً منفصلاً بمنطق حتمي. ونحن نبني هذه الأنظمة بوصفها محرّكات سياسات OPA/Rego تُرمّز أحكاماً محدّدة من قانون الإيرادات الداخلية. ويأخذ محرّك التحقق استنتاج الذكاء الاصطناعي (مثلاً، "هذا الخصم يخفّض الدخل الإجمالي المعدَّل") ويختبره مقابل النظام المُرمَّز. وإذا كان النظام ينصّ على خلاف ذلك، يُعيد المحرّك حظراً صارماً مع الاستشهاد بالمادة المحدّدة.
ينجح هذا لأن طبقة التحقق لا تملك أي وصول إلى منشورات المدونات أو بيانات التدريب أو إشارات الشعبية. إنها لا تعرف سوى ما ينصّ عليه النظام. وبالنسبة لعمليات النشر المؤسسية، نبدأ عادةً بـ 10-15 حكماً عالي معدّل الأخطاء (المادة 199A QBI، والمادة 163(j) حدّ فوائد الأعمال، والمادة 1031 التبادلات المماثلة، وOBBBA QPVLI) حيث يكون التعرّض للغرامات أعلى ما يكون. ويتكامل محرّك التحقق عبر واجهة برمجية مع أي منصة ضريبية تستخدمها بالفعل، سواء كانت ONESOURCE أو CCH Axcess أو Blue J أو أداة داخلية.
المحاسب القانوني المعتمد (CPA) أو المستشار الضريبي هو المسؤول. وكل مورّد رئيسي لبرامج الضرائب يُخلي مسؤوليته عن مخرجات الذكاء الاصطناعي. فـ Thomson Reuters وIntuit وWolters Kluwer جميعها تتضمّن إخلاءات مسؤولية صريحة بأن المحتوى المُولَّد بالذكاء الاصطناعي ليس مشورة ضريبية وأن المهني يظلّ هو المسؤول.
بيانات معايير الخدمات الضريبية المنقَّحة الصادرة عن AICPA (السارية في يناير 2024) تتطلّب من الأعضاء بذل العناية المهنية الواجبة عند استخدام الأدوات الإلكترونية، ومجالس المحاسبة الولائية بصدد صياغة إرشادات خاصة بالذكاء الاصطناعي. ولا تأبه مصلحة الضرائب الأمريكية بما إذا كان الموقف الخاطئ قد ولّده إنسان أو ذكاء اصطناعي أو كرة سحرية. فالغرامات المتعلّقة بالدقة بموجب المادة 6662 من قانون الإيرادات الداخلية تطبّق غرامة بنسبة 20% على المبالغ غير المسدّدة المنسوبة إلى الإهمال أو التقليل الجوهري، بصرف النظر عن الأداة المستخدمة. وغرامات الاحتيال بموجب المادة 6663 تصل إلى 75%.
حكم Heppner الصادر في فبراير 2026 يُضيف طبقة أخرى: فإذا استخدم مهني ضريبي أداة ذكاء اصطناعي عامة وأدخل معلومات عميل محمية بالامتياز، فقد يُتنازَل عن ذلك الامتياز بالكامل. ولهذا نبني أنظمة تحقّق مغلقة بمستوى مؤسسي تُبقي البيانات الحساسة داخل محيط المؤسسة. ومسار تدقيق التحقق الذي نُولّده يخدم غرضاً دفاعياً أيضاً. فعندما يُشكَّك لاحقاً في موقف مدعوم بالذكاء الاصطناعي، يكون مسار التدقيق الحتمي الذي يُظهر سلسلة المنطق التشريعي دليلاً أقوى على بذل العناية الواجبة من قول "الذكاء الاصطناعي قال ذلك".
قد يؤدي إلى ذلك. فقد أرسى حكم Heppner (10 فبراير 2026، المحكمة الجزئية للمنطقة الجنوبية لنيويورك SDNY، القاضي Rakoff) أن الاتصالات مع منصات الذكاء الاصطناعي المتاحة للعموم غير محمية بامتياز المحامي والموكّل أو بمبدأ ناتج العمل. وكان المدّعى عليه قد أدخل معلومات تعلّمها من محاميه في أداة ذكاء اصطناعي عامة، وقرّرت المحكمة أن ذلك يشكّل إفصاحاً لطرف ثالث، مدمّراً الامتياز.
بالنسبة للأقسام الضريبية، فإن التبعات كبيرة. فالمستشار الضريبي الداخلي يبحث روتينياً في مواقف حساسة تنطوي على تعرّض محتمل أو تخطيط جريء أو استراتيجيات دفاع في التدقيق. وإذا أُجري ذلك البحث عبر أداة ذكاء اصطناعي عامة، فقد يصبح التحليل والأسئلة المطروحة والبيانات المقدَّمة جميعها قابلة للاكتشاف القانوني.
نشرت Morgan Lewis إرشادات تفصيلية في مارس 2026 توصي بأن يتجنّب جميع المهنيين الضريبيين الداخليين إدخال معلومات سرّية أو محمية بالامتياز في أنظمة الذكاء الاصطناعي العامة، وأن يعتمدوا بدلاً من ذلك على أنظمة ذكاء اصطناعي مغلقة وداخلية لا يمكن الوصول إليها إلا للأشخاص المعنيين داخل المؤسسة. وبنى الذكاء الاصطناعي المؤسسية بترتيبات Kovel الملائمة (حيث يكون استخدام الذكاء الاصطناعي بتوجيه المستشار القانوني) توفّر حماية أقوى. ونحن نبنيها بوصفها عمليات نشر ذاتية الاستضافة أو في سحابة خاصة لا تخرج فيها أي بيانات من بيئة العميل. فنموذج اللغة الكبير يعمل داخل المحيط، والرسم المعرفي محلي، ومحرّك التحقق يعالج كل شيء داخل المنشآت أو في السحابة الخاصة الافتراضية (VPC) للعميل.
يحلّ Blue J وONESOURCE مشكلتين مختلفتين. فـ Blue J أداة بحث ضريبي احتمالية. إنها تسترجع المراجع السُلطوية ذات الصلة عبر تقنية RAG وتُولّد إجابات مُؤصَّلة في مصادر مُنتقاة. ومعدّل اختلافها الأقل من 1 من كل 700 مثير للإعجاب، لكن ذلك المقياس يقيس اختلاف المستخدم، لا الحقيقة التشريعية المرجعية. فالمستخدم الذي لا يعرف الإجابة الصحيحة لا يمكنه الاختلاف مع إجابة خاطئة.
وONESOURCE منصة امتثال. ومحرّكها الحتمي يتعامل مع حساب الضريبة (المعدّلات، والنماذج، والتقديم)، ويُضيف ONESOURCE+ ذكاءً اصطناعياً بصيغة agentic AI لأتمتة سير العمل. وهو غير مصمَّم للتحقق من المواقف الضريبية المستجدّة أو التقاط أخطاء التصنيف في البحث المُولَّد بالذكاء الاصطناعي.
يفعل محرّك التحقق الحتمي شيئاً لا تفعله أيٌّ من الأداتين: إذ يأخذ موقفاً ضريبياً محدّداً ويختبره مقابل منطق تشريعي مُرمَّز. والمحرّك لا يُولّد إجابات. إنه يتحقّق منها. تخيّله كمدقّق أنواع في مُترجم برمجي للمواقف الضريبية. فالموقف إما يستوفي الشروط التشريعية أو لا يستوفيها. وعندما لا يستوفيها، يُعيد المحرّك نقطة الإخفاق المحدّدة (مثلاً، "الخصم مُصنَّف بموجب المادة 62 لكن النظام يضعه في المادة 63(b)(7)"). وهذا مكمّل لكلٍّ من Blue J وONESOURCE. فـ Blue J يُولّد البحث. وONESOURCE يُعِدّ الإقرار. ومحرّك التحقق يتحقّق من أن الموقف المتَّخذ متّسق مع النظام قبل تقديم الإقرار.
إنها عملية هجينة. فحساب GloBE نفسه حتمي وملائم تماماً للأتمتة: احسب معدّل الضريبة الفعلي لكل ولاية قضائية، وقارنه بالحدّ الأدنى البالغ 15%، واحسب الضريبة التكميلية. وتقدّم KPMG وEY وDeloitte جميعها محرّكات حساب للركيزة الثانية. والجزء الصعب ليس الحساب. إنه البيانات.
تتطلّب الركيزة الثانية بيانات مالية على مستوى الكيان عبر كل ولاية قضائية تعمل فيها الشركة متعدّدة الجنسيات. وتلك البيانات تقيم في أنظمة ERP مختلفة، وهياكل دليل حسابات مختلفة، ومعايير GAAP محلية مختلفة. ولا تُفيد سوى 15% من مؤسسات جنوب شرق آسيا بأنها مستعدّة تماماً للامتثال للركيزة الثانية (EY، 2026). فالاختناق هو ربط الحسابات النظامية المحلية بمتطلبات إعداد تقارير GloBE، لا تشغيل الصيغة.
يساعد الذكاء الاصطناعي في موضعين محدّدين: استخراج البيانات وتطبيعها من مصادر متباينة، والترجمة بين معالجات GAAP المحلية وإطار GloBE. ونحن نبني مسارات بيانات مخصّصة باستخدام Apache Airflow للتنسيق وdbt للتحويل، مع قواعد التحقق OPA عند كل نقطة تفتيش لالتقاط مشكلات جودة البيانات قبل أن تنتشر إلى حساب GloBE. ومحرّك الحساب نفسه حتمي. ومسار البيانات الذي يُغذّيه هو حيث يلزم العمل المخصّص.
محرّك تحقّق مُركَّز يغطّي 10-15 حكماً عالي معدّل الأخطاء من قانون الإيرادات الداخلية يستغرق عادةً 8-12 أسبوعاً للبناء الأولي ويتراوح بين $150K-$300K تبعاً لتعقيد الأحكام وعدد المنصات الضريبية التي تحتاج إلى تكامل واجهة برمجية. ويشمل ذلك ترميز سياسات OPA، وبناء الرسم المعرفي للإحالات المرجعية ذات الصلة في قانون الإيرادات الداخلية، وموصِّلات الواجهة البرمجية لمنصتك الضريبية الحالية، وفترة تجربة بمواقف ضريبية حقيقية.
للسياق، يكلّف إقرار ضريبة الأعمال المتوسط $9,090 في الإعداد وحده (Fortune، 2026). والمؤسسة متوسطة السوق التي تقدّم عبر 20 ولاية تُنفق $180K+ سنوياً على عمالة الإعداد وحدها. ويُضيف محرّك التحقق طبقة جودة فوق ذلك الإنفاق القائم.
تتراوح الصيانة المستمرة بين $3K-$8K شهرياً، وتغطّي التحديثات السنوية لقانون الضرائب (يُجري الكونغرس ما متوسّطه 420 تغييراً سنوياً)، ودمج إرشادات مصلحة الضرائب الأمريكية الجديدة، وتوسيع القواعد. والتعاقدات الأكبر التي تشمل عمل مسار الركيزة الثانية، أو تكامل بيانات ERP، أو تصميم بنية آمنة للامتياز القانوني، تُحدَّد نطاقاتها بشكل منفصل وتستغرق عادةً 4-6 أشهر. ونحن نُسعّر هذه على أساس رسم ثابت بعد تعاقد تحديد نطاق مدّته أسبوعان ($15K-$25K) يُخطّط مجموعة تقنيتك الضريبية الحالية، ويحدّد المواقف الأعلى مخاطرة، ويُنتج مواصفات بناء تفصيلية.
البحث وراء صفحة الحل هذه، متاح كورقة بيضاء تفاعلية.
الببغاء العشوائي مقابل النظام التشريعي: خطأ الإجماع في الامتثال الضريبي بالذكاء الاصطناعي والعلاج العصبي-الرمزيتحليل تفصيلي لكيفية إنتاج نماذج اللغة الكبيرة لمشورة ضريبية خاطئة بشكل منهجي عبر تحيّز بيانات التدريب، مع بنية عصبية-رمزية مقترحة للتحقق الضريبي الحتمي.
مع ارتفاع معدّلات تدقيق الشركات إلى 22.6% وغرامات الدقة عند 20% من المبلغ غير المسدّد، فإن حكماً واحداً مُصنَّفاً خطأً يكلّف أكثر من محرّك تحقّق.
ابدأ بتعاقد تحديد نطاق مدّته أسبوعان. نُخطّط مجموعة تقنيتك الضريبية، ونحدّد أحكامك الأعلى مخاطرة، ونُنتج مواصفات بناء يمكنك عرضها على القيادة.