企业税收负担税收征管智能化影响

前言：想要写出一篇引人入胜的文章？我们特意为您整理了企业税收负担税收征管智能化影响范文，希望能给你带来灵感和参考，敬请阅读。

摘要：我国常年来税收超经济增长的现象，与税收征管方式的转变之间存在密切联系。在当前减税降费的政策背景下，重新讨论税收超经济增长的问题具有现实意义。税收征管智能化是影响企业税收负担、导致常年来税收超经济增长的重要原因。文章重点分析税收征管智能化对企业税收负担的影响，认为税收征管智能化的不断提高会导致企业税收负担的提高。在此基础上，为进一步推动税收征管智能化提出相关的政策建议。

关键词：税收征管智能化；税收负担；减税降费；税务智能

近年来，减税降费成为政府工作的重点之一，2019年全国税收收入同比增长1%，这显示了减税降费政策初具成效。但与此同时，这也是首次扭转了我国常年持续的税收超经济增长的局面。由于减税降费政策的目的在于结构性地减轻企业税收负担、激发市场主体活力，因此在这个背景下，重新讨论税收超经济增长的原因具有现实意义。税收从根本上决定于经济，但现实中税收直接决定于税收征管模式，而我国税收征管模式长期实行“以计划任务为中心”的模式（冯海波，2009），即税务机关以计划的税收数额为目标开展征管活动，这使得税收受到税收征管水平较大的影响。学术界对于宏观政策和税收征管模式如何影响企业税收负担也进行了广泛的探讨，代表的观点认为税收计划的制定，会传导征管压力，进而影响企业税收负担（薛伟等，2020）。现有研究文献从税收征管机制层面解释了如何实现从宏观到微观的跨越，但较少文献从税收征管的执行层面来进行讨论。本文在现有研究基础上，界定税收征管智能化的基本内涵，分析税收征管智能化对企业税收负担的影响，为进一步推进税收征管智能化发展提高税收征管效率、推进减税降费政策提供理论依据。

一、税收征管智能化与税务智能

税收征管智能化往往会被等同于人工智能在税收征管的应用来理解，但这两者存在区别与联系。人工智能最早被构思设计应用于商业智能，其具备数据读取与分析、红色报警、报表展示等功能，进而在税收征管领域得到应用。智能是从大数据中获取有用信息、发现模式及其变化的能力。而税务智能是基于税收学、经济学、统计学等学科和理论模型，利用数据仓库、OLAP分析、数据挖掘和人工智能等技术，对大量的涉税数据进行推理、归纳和演绎分析，深度挖掘有效信息、总结潜在规律和经验，从而帮助税务部门进行税收征收管理、制定税收政策和决策的程序系统。税收征管智能化则是指借助互联网技术、人工智能等相关技术，在对大数据分析的基础上，使得包括税收分析、纳税服务、风险管理、税务稽查等在内的税收征管全流程逐步实现电子化、信息化和智能化。税收征管智能化与税务智能的共同之处在于依托以互联网技术和人工智能技术为核心的计算机技术，实现税务机关的征管效率的提升、纳税人纳税遵从度的提高。但两者之间的差别主要在于税收征管智能化侧重于过程，而税务智能更侧重于结果。随着税务机关的征管水平逐步提高，最终实现税务智能的普遍应用。

二、税收征管智能化的发展历程

具体来说，税收征管智能化是分阶段发展和推进的，可以划分为初级阶段、中级阶段和高级阶段。在税收征管智能化的初级阶段，主要任务是实现申报纳税和涉税信息、资料、数据的无纸化和电子化，税务机关可以全面搜集、记录、储存、查阅涉税数据，为进一步的分析积累大数据。在大数据作为开展税收征管的基础后，税务机关可以借助互联网技术，针对具体实际业务设计供税务机关和纳税人使用的操作平台，将大量的重复性、低风险、程序化程度高的工作在平台上完成，逐步实现办理业务的自动化、后台化、高效化。同时，在税收征管智能化的中级阶段，税务机关会有意识地运用数据进行分析，比如在税收风险管理时，税务机关会根据实际工作经验构建风险指标体系，以风险指标体系为主导，计算机随机选取为辅助，开展重点税务稽查的选案环节。进入税收征管智能化的高级阶段的前提条件是人工智能等技术已经较为成熟，专业人工智能已经普及应用。税务智能会深度挖掘纳税人的涉税信息背后的行为模式和偏好，针对不同纳税人提供个性化的纳税服务。另外，税务智能会参与到税源管理工作和决策中，利用大数据分析重点企业、重点行业和重点地区的税收增长和经济运行状况，对税收征管做出预测、规划、判断和辅助决策。在税收征管智能化的高级阶段，区块链技术也得到充分应用，首先会实现政府机关内部的数据共享，税务智能可以从第三方获取数据进行分析和验证，比如纳税人在办理出口退税时，税务智能可以自动调取、比对海关部门的报关数据，再次验证纳税人出口退税资料的真实性，进而防止出现海关无报关记录，而税务机关进行退税的情况。税收征管智能化的三个阶段按照智能化程度的高低可以进行重新划分，初级阶段的智能化程度较低，中级阶段的智能化程度有所提高，高级阶段的智能化程度达到较高水平。因此，税收征管智能化又可以划分为低智能化阶段、半智能化阶段和高智能化阶段。

三、税收征管智能化影响企业税收负担的理论分析

税务机关税收征管面临主要的问题是税务机关与纳税人之间的信息不对称问题。税务机关作为征税一方，依法征税时享有要求纳税人提交准确纳税资料的权利，而纳税人须要依法履行纳税申报的义务。但现实中，纳税人出于降低自身经营成本的考虑，往往不会将企业真实的经营状况和利润告知税务机关，甚至通过多列支出、少列收入、虚假申报等方法，作出偷逃税等违法行为。而税务机关由于自身技术条件以及执法队伍规模的限制，无法对众多的纳税人逐一进行检查，在实地检查时，也出现了传统税务检查方法落后、不能对纳税人纳税申报资料的真实性进行独立验证等情况。税收征管智能化可以实现在事前对纳税人经营活动进行监管，在事中对纳税人申报资料的真实性进行验证，在事后对纳税人的税收负担和风险进行评估管理，这将大大改善征纳双方的信息不对称问题。税收征管智能化改善征纳双方信息不对称后，由于企业无法继续隐瞒收入或者转移利润，企业实际承担的税收负担将有所提高，同时税务机关征收的税收收入也将有所提高，且提高的幅度随着税收征管智能化程度的增加而增加。税收负担按照承担税负的主体和范围的差异，可以划分为宏观税收负担和微观税收负担。宏观税收负担是一国（地区）税收收入与国内（地区）生产总值的比值，而微观税收负担是某个企业的税收负担与经营收入（或销售收入）的比值。由于企业是纳税人的主体，所以宏观税收负担也可以通过将微观税收负担与企业在国民经济中的占比进行加权平均得到。由于税收征管智能化的提高将影响所有企业的微观税收负担，而企业在国民经济中的占比波动较小，因此宏观税收负担也会受到税收征管智能化的影响。由于名义税率短期内不会变动、长期内不会大幅变动，因此税收与经济之间会保持一个基本固定的比例，进行同步增长。但现实中，早期税务机关在税收征管时，因为信息不对称等原因导致无法征收到企业实际应该负担的税收，往往企业实际缴纳的税收少于实际应该负担的税收，这形成了早一期与晚一期之间的一个“缺口”。而这个“缺口”会因为税收征管智能化的逐渐提高而逐步缩小，在这个逐步缩小过程中，税收征管智能化会给税收带来了一个额外增长。这也就可以很好地解释了常年来税收超经济增长的现象。图2反映了我国2004~2018年税收收入与GDP的整体变动情况。从图1中可知，各省平均税收收入增速常年高于各省平均GDP增速，但在2009年、2015年和2016年这三个年份税收收入增长率低于GDP增长率。前者是由于受到2008年金融危机影响，我国实体经济受到冲击，大量企业营业收入与利润下滑，税收收入明显减少；而后者则是在2015年《预算法》出台后，税务机关逐步开始放弃以税收计划为中心的征管模式，而是逐步加强税收征管的智能化建设，因此当年的税收收入有所调整，进而影响税收收入增速。

四、结语

税收征管智能化是税收征管未来发展的一个重要方向，也是大势所趋。当前，我国税务部门面临着较大的征管压力，主要体现在经济活动日益复杂带来的税收征管难度以及经济下行压力税源建设问题上。税收征管智能化对于税务部门解决当前面临的问题，不失为一剂“良药”，本文为此提出以下两方面的政策建议。一是加快推进人工智能等技术在税收征管领域的应用。税收征管智能化可以有效解决征纳双方信息不对称问题、破解传统税收征管难题，因此首先要完善“人工智能+税收征管”的立法体系，坚持税务行政人员主导、人工智能辅助、税收法定的理念，为税收征管智能化提供法律保障和依据。其次，税务部门须要引进懂得税务智能的技术型人才，培养一批既懂得税收征管、又通晓税务智能技术的复合型人才，为税收征管智能化提供人才保证。二是辨证理解加强税收征管与减税降费政策的关系。通过本文分析可以知道税收征管智能化会提高企业税收负担，这似乎与减税降费政策的初衷相矛盾。但其实两者并不矛盾，减税降费政策通过结构性地减轻企业税收负担，并且取消大量不合理的行政事业性收费，其目的是激发企业经营活力。这绝不意味着企业按照税法规定应当缴纳的税收可以少缴或者不缴，企业依法纳税是义务，也是红线，一旦越过红线就是偷逃税。税收征管智能化的意义就在于将传统征管方式无法触及的地方暴露出来，杜绝企业偷逃税等违法行为，使企业自觉诚信纳税，让应收的税“应收尽收”。同时，随着税收征管智能化程度的提高，税务机关才能了解到企业真实的税收负担，对于进一步设计减税降费政策、科学合理调整税率和税制结构、降低政策设计与实际偏离程度具有重要意义。

参考文献：

[1]冯海波.计划型税收收入增长机制的形成机理及其影响[J].税务研究,2009(10):28-31.

[2]薛伟,刘骏.税收征管压力对企业税收负担的影响[J].税务研究,2020(06):104-109.

[3]孙溪海.A省地税局税务管理信息化案例研究[D].大连:大连理工大学,2010.

[4]刘骏,刘峰.财政集权、政府控制与企业税负———来自中国的证据[J].会计研究,2014(01):21-27+94.

[5]闫晴.“人工智能+税收征管”的理念确立与制度建构[J].当代经济管理,2019,41(02):77-83.

作者：周于峰 单位：苏州大学东吴商学院