主流AI财务问答错误率57%
推荐指数 63.0 NO. 026 · 2026.09.22
发布2026/09/21
为什么值得看
Saturn测试了18种主流AI模型逾万次财务问答，平均错误率高达57%，包括计算错误、遗漏税改政策和幻觉规则。依赖AI处理税务可能导致实际经济损失，付费和新模型表现稍好但Claude Opus 5仍有39%错误率。
编辑判断
这个错误率比大多数人直觉要高得多，因为财务问答看似是LLM的强项——有明确规则、可验证答案。但税法的频繁变更、各州差异和计算链的累积误差恰恰暴露了纯生成式模型的结构性缺陷。
做金融SaaS或财税Agent的团队需要警惕：直接调用API做问答不是产品化路径，必须叠加实时知识库检索、计算引擎校验和人工复核链路。已经在用AI做税务咨询的创业者，建议立刻做一轮内部审计，把模型输出和官方IRS文档逐条比对。
这也解释了为什么Intuit、Stripe这类公司没有直接用LLM替代税务引擎，而是把AI限制在信息收集和初步分类环节——核心计算层仍保留在传统规则系统。