產品分類看似一項邊緣且模糊的任務，僅限於海關官員或稅務會計。然而，對於各種類型和規模的企業而言，無論其銷售商品、服務或兩者兼有，產品分類都是稅務和海關合規的基石。準確的分類可確保應用正確的稅率、關稅和免稅政策，幫助企業避免代價高昂的錯誤、審計和罰款。準確的產品分類是全面稅務合規策略的重要組成部分。
說到產品分類，我們常常會想到一張長長的電子表格，上面寫滿了諸如「HS 8471.30」或「HTSUS 0101.21」之類的程式碼。這些代碼來自全球系統，例如協調制度 (HS) 及其區域版本，例如美國協調關稅表 (HTSUS) 和歐盟統一命名法 (CN)。它們構成了國際貿易商品分類和應用正確進口稅和關稅的通用語言。但產品分類並非僅適用於國際貿易。即使是國內銷售，也需要確定產品和服務的適當稅率。依賴稅務引擎或會計系統的公司通常使用稅號——一種字母數字標識符，用於告知系統產品是否應納稅、免稅或有資格享受減稅。換句話說，分類無所不在，觸及每一張發票和每一份報稅表，但財務團隊以外的人往往不會注意到。了解產品分類的來龍去脈對於有效的財務管理和遵守不斷變化的法規至關重要。
錯誤分類產品的隱患
產品分類錯誤不僅僅是一個簡單的技術錯誤。它就像植入公司軟體中的一個小漏洞，悄無聲息地繁殖，最終蔓延到各個角落。一件被錯誤分類的產品可能會悄悄地流入你的發票、會計、財務報告和稅務申報系統。每個平台都信任自己收到的訊息，將錯誤傳遞下去，直到有一天被發現——通常是被稅務審計員發現，而且通常會附帶巨額帳單。
錯誤分類可能導致少繳或多繳稅款、財務報表不準確、聲譽受損。它也可能意味著多年的追溯更正和罰款。簡而言之，這是每個財務經理都想避免的惡夢。 *了解正確的稅務分類，例如協調制度 (HS) 代碼，對於避免這些問題至關重要*。
從體力勞動到機器學習：產品稅分類的新時代
歷史上，產品分類完全依賴人工完成。稅務專家需要仔細查閱產品說明、技術規格和使用詳情，然後運用稅法知識分配正確的稅號。這種方法需要豐富的專業知識、一絲不苟的細節控制以及極大的耐心。不出所料，它速度緩慢且容易出錯。如今，隨著機器學習技術的出現，稅務分類正經歷一場真正的變革。
現在，讓我們深入了解人工智慧（AI）的世界。現今的AI系統能夠分析海量的產品數據——包括描述、規格和圖像——從而給出準確的稅務分類建議。結合文字和圖像分析的混合系統尤其有效，因為圖像可以消除純文字無法表達的歧義。透過學習歷史資料和分類模式，AI可以幫助減少人為錯誤，加快分類過程，並輕鬆處理海量產品目錄。 *註：在稅務分類中使用AI旨在提高效率和準確性。 *
這聽起來像個夢，不是嗎？但在你想像未來人工智慧機器人掌控整個稅務部門之前，有必要先問一句：人工智慧真的能掌控複雜而微妙的稅務分類嗎？
灰色地帶：人工智慧可能失敗的領域
並非所有產品都能輕易地歸入預先定義的類別。用途廣泛或組件複雜的產品往往屬於稅收灰色地帶，需要具體判斷。
以智慧手錶為例。它們應該被歸類為腕錶還是通訊設備？如果它們的主要功能是報時，則屬於一類。如果用於打電話或發送訊息，則屬於另一類。多功能印表機也面臨類似的困境，根據其主要功能，它們可以被歸類為印表機或影印機。這些分類對於確定正確的稅務義務至關重要。
即使看似簡單的產品也可能引發法律糾紛。不同國家和地區有著各自獨特的分類規則，常常導致一些違反常理的判決結果。愛爾蘭的賽百味案就是一個著名的例子：愛爾蘭高等法院裁定，賽百味的麵包含糖量過高，不符合增值稅中「麵包」的定義。
同時，在愛爾蘭海對岸的英國，一場價值470,000萬英鎊的稅務糾紛正圍繞著一個相當特殊的問題：巨型棉花糖是否屬於糖果？這個問題意義重大，因為英國大部分食品免徵增值稅，但糖果──例如糖果、巧克力等──卻需繳20%的稅金。根據法律規定，任何「加糖且通常用手指食用」的食品都被視為糖果。最初，下級法院支持了棉花糖公司，認為巨型棉花糖個頭太大，不應被視為燒烤配料，而應被視為可以隨意放入口中的零食。然而，英國稅務海關總署（HMRC）對此並不滿意，並繼續上訴。最終，上訴法院介入此案，指出下級法院忽略了一個關鍵點：人們實際上是如何食用巨型棉花糖的。如果大多數消費者只是直接從包裝袋裡用手指抓著吃，那麼它們就屬於糖果——因此，20%的增值稅適用。現在，此案再次回到法庭，以解決一個重要問題：巨型棉花糖通常是用手指吃，還是先烤一下再吃？
這些例子凸顯了一個關鍵點：產品分類並非純粹的技術問題。它是一項法律程序，通常取決於解讀、使用、認知，甚至文化規範。雖然人工智慧能夠比人類更快地處理數百萬個數據點，但它可能難以進行解決此類案件所需的細緻入微的、基於情境的推理。 *了解文化背景對於稅務分類至關重要*。
近期科學研究也印證了這些關切。研究表明，未經訓練的產品分類——即大型語言模型（LLM）在沒有先驗樣本的情況下嘗試進行分類——效果尚可，但對於含義模糊或特定領域的產品類別仍然難以有效分類。
為什麼人類經驗仍然不可或缺
儘管人工智慧擁有令人印象深刻的能力，但在產品分類方面，尤其是在增值稅領域，它仍然無法完全取代人類的專業知識。複雜的法律解釋以及對產品預期用途和功能的精確判斷，都需要人類的監督和最終決策。
例如，人工智慧可以輕鬆地將椅子歸類為椅子。但它能否確定配備熱感應器的躺式按摩椅是否應作為家具、醫療設備或奢侈電子產品徵稅？這需要了解產品的設計和預期用途、行銷宣傳、技術規格以及通常適用的法律。 *註：這通常需要參考相關判例來確定適當的分類。 *
簡而言之，人工智慧可以自動執行一些常規任務——例如掃描描述、推薦匹配項和報告差異——但它（目前）還無法取代稅務專業人士在談判桌上展現的判斷力、解讀能力和創造力。在增值稅計算中運用人工智慧就像在暴風雨中使用導航系統。科技可以提供重要的輔助，但經驗和常識才是關鍵決策的指導。 *人類的專業知識對於確保準確性和遵守不斷變化的稅務法規至關重要。 *
協作的未來：人工智慧與人類的融合
產品分類的未來並非在人與機器之間做選擇，而是合作。人工智慧能夠而且應該承擔這些艱鉅的任務：處理數百萬條產品描述，突出顯示潛在匹配項，並檢測潛在錯誤。這將解放人類專家，讓他們專注於那些需要專業知識、判斷力和法律背景理解的艱鉅且高價值的任務。讓人工智慧處理大量數據，讓人類處理細微差別。在複雜的產品分類領域，人工智慧能力與人類專業知識之間的最佳平衡是營運效率的關鍵。
近期研究的一個頗具前景的進展是將人工智慧模型與外部資訊來源（例如知識圖譜或檢索增強生成 (RAG) 系統）整合。我們並非期望人工智慧「知曉」一切，而是幫助它獲得更豐富、更結構化的領域知識。這些 RAG 系統尤其革新了人工智慧模型獲取和解讀資訊的方式，減少了對內部知識的依賴。
隨著人工智慧的不斷發展，我們究竟能突破多大的極限，這令人著迷。但就目前而言，在應對現代稅法這趟金融「過山車」般的挑戰時，最好還是保留一些經驗豐富的人類專家，以防機器在操作時需要一些幫助。理解稅法所需的專業知識超出了目前人工智慧的能力範圍，這凸顯了人類監督的重要性。
同時，值得提出一個更根本的問題：在我們急於部署日益複雜的人工智慧系統來管理稅收規則之前，我們是否正在解決問題的根源？建構層層技術來管理本已錯綜複雜的法律細枝末節，充其量只是一種被動策略。這就像是建造一個迷宮，然後發明越來越聰明的工具來尋找出路。或許，我們應該問問自己，這個迷宮是否真的需要這麼複雜。如果稅收分類系統能夠簡化、標準化並更易於訪問，我們就可以大幅減少對技術輔助的需求——或許還能省下一些「巨型棉花糖」。簡化稅收分類可以減少對複雜人工智慧解決方案的依賴，從而提高效率和透明度。
本文所表達的觀點為作者的觀點，不一定反映作者所屬任何組織的觀點。
