你在ChatGPT里输入税务问题，答案立刻返回，语气自信，格式规范得像是出自国税局（IRS）出版物。它听起来是对的。问题在于，“听起来对”和“真的对”并不是一回事——当NerdWallet在2026年针对真实税务场景，对ChatGPT、Gemini和Perplexity进行结构化正面对比测试时，这两者之间的差距很快就显现出来。
对于正在纠结这个报税季是否该依赖聊天机器人来解答税务问题的小企业主来说，这个差距至关重要。以下是测试实际发现的结果：AI在哪些方面表现可靠，又在哪些方面悄悄出错，以及如何在不让幻觉答案让你损失金钱的前提下使用它。
测试内容：直截了当的问题 vs. 个性化建议
NerdWallet的研究团队分别向ChatGPT、Gemini和Perplexity各提出了七个问题，一共整理出63份聊天记录。其中三个问题直接取自国税局（IRS）注册代理人资格考试——这类问题只有一个客观正确答案。另外四个问题则是围绕虚构报税人设计的开放式场景，用来测试每个聊天机器人在多大程度上能针对具体财务状况给出个性化建议。
测试结果的分化非常明显。在考试式问题上，三款聊天机器人的表现都很好，几乎答对了所有选择题式的内容。这正是AI擅长的那类问题：一个有明确文档支持答案的、边界清晰的事实，表述清楚，不涉及税年或报税人具体情况的歧义。
而开放式、个性化的问题则完全是另一回事。正是在这类问题上，聊天机器人开始犯下真正会影响到实际企业主的错误：
- 标准抵扣额计算错误——在一个测试案例中偏差接近3,000美元
- 对电动车抵免资格做出虚假声明，认定一位本不符合资格的报税人可以申请
- 错误的申报州建议，包括把报税人所在的大学所在州和工作所在州搞混
- 答案前后不一致——同一个虚构人物档案，不同聊天机器人（甚至同一个机器人的不同轮次）会给出不同的报税软件推荐
- 虚构的背景假设——这些内容是从之前的聊天记录中提取出来的，但其实并不属实
这些错误没有一个附带警示或提醒。正如研究人员所说，这些答案“可能听起来是对的”，纯粹是因为它们传达时的语气有多自信——语气并不会因为底层数字是否正确而有所变化。
这并非孤立发现
NerdWallet的结果与研究人员一整年记录下来的更广泛趋势相吻合。芝加哥洛约拉大学的一项研究发现，聊天机器人在回答一个简单税务问题时，有三分之二的时间答错了，而即便在简化的测试案例中，最先进的模型正确计算联邦所得税申报表的比例也不到三分之一。税务专业人士还分别指出了AI在K-1和1099收入、与联邦规则不同的州级规则，以及与近期税法变化相关的2026年特定条款上出现的错误——而这恰恰是小企业主最有可能问到的那类细节问题。
这种财务上的损害已经在实践中显现出来。在一项针对英国会计师和记账员的调查中，一半的事务所表示，他们曾见过客户因AI生成的税务或财务建议而遭受直接经济损失——多缴税款、漏报抵扣、被罚款。这不是一种假设性风险；而是一些小企业目前正在实际承担的持续成本。
为什么AI在税务问题上尤其容易出错
税务建议与大语言模型生成答案的方式并不匹配。以下几个原因，说明了为什么即便是最前沿的模型也会在这方面栽跟头：
税务规则是分层叠加的。 联邦、州以及有时是地方的规则会相互交织，而一个主要在联邦层面内容上训练出来的聊天机器人，即使问题实际取决于州级细节，也往往会默认给出联邦层面的答案——测试中出现的“申报州错误”正是这样发生的。
正确答案取决于模型无法可靠追踪的事实。 一位单身报税人的抵扣额、抵免资格，或安全的申报州，取决于分散在整个对话中的各种细节。一旦模型需要同时记住关于你的好几项事实——而不是从训练数据中直接检索一条干净利落的事实——准确率就会下降。
自信程度和正确程度并不匹配。 这些模型被设计用来生成流畅、听起来完整的答案，而不是标注不确定性。一个关于你标准抵扣额的错误答案，读起来和一个正确答案一样权威。
策略性建议会放大风险。 对“里程报销标准是多少”这种问题给出错误答案，很容易被发现。但对一个跨年度的税务策略问题给出错误答案，可能要到两三年后被审计时才会暴露——到那时，纠正的代价要比及时改正高得多。
如何真正在税务问题上使用AI而不被坑
这一切并不意味着AI聊天机器人在税务方面毫无用处——而是意味着它们能胜任的工作范围，比很多用户以为的要窄得多。一个更合理、更安全的使用方式大致是这样：
-
用AI来了解情况，而不是拿最终数字。 让它解释一个概念、总结某张表格的用途，或者帮你起草一份要带去问会计师的问题清单。不要让它替你计算实际应纳税额，或者让它告诉你符合哪些抵免资格就到此为止。
-
让问题匹配合适的工具。 事实性查询（比如“941表的截止日期是哪天”）风险很低。而个性化的判断性问题（比如“今年我该不该选择按S公司纳税”），恰恰是测试显示聊天机器人最容易出错的那类问题——这类问题应该交给专业人士处理，或者至少要对照国税局的实际指导文件进行核实。
-
了解你的安全网在哪里。 如果你是在报税软件里使用AI辅助生成的内容，软件自身的错误检查机制可以在报税前捕捉到一些错误。但如果你是直接采纳AI的建议、没有任何二次核查，那你其实没有任何安全网。
-
确认回答你的是哪个模型、哪个版本。 不同模型版本之间的准确率和行为表现会有差异，朋友用另一个聊天机器人（或同一个机器人的旧版本）截的图，并不能保证你会得到相同的结果。
-
对任何与州相关或与抵免相关的内容都要对照原始来源核实。 这是测试中最常见的两类错误。当聊天机器人引用某个具体的金额门槛、抵扣金额或抵免资格规则时，正是你该打开IRS.gov或你所在州税务机关网站直接核实的时候。
最安全的思路是：AI可以帮你省下原本要花在翻查国税局出版物上的时间，帮你理解一个概念或准备好合适的问题。但它不应该是你申报之前的最后一步。
无论使用什么工具，都要保持财务记录清晰
最容易让AI聊天机器人出错的那些税务问题——抵扣资格、州申报细节、特定实体类型的规则——一旦你底层的账目本身准确、条理清晰，回答起来就会容易得多、也更准确。不管你问的是聊天机器人、注册会计师，还是自己动手处理，这一点都成立。Beancount.io 提供纯文本记账，让你对财务数据拥有完全的透明度——版本可控、可审计，无论你这个报税季咨询的是哪位顾问（人类还是AI），都能轻松交给对方查阅。免费开始使用，从源头让你的数字变得可信。