Création d'ensembles de données synthétiques de haute fidélité pour l'évaluation de l'IA fiscale américaine
Comment Shaip a créé 2 000 cas fiscaux américains réalistes avec des déclarations fédérales et étatiques, des pièces justificatives, des flux de travail de type CPA, une validation par un expert du domaine financier et des contrôles de dépersonnalisation pour les tests d’IA fiscale d’entreprise.
Présentation du projet : Ensemble de données fiscales synthétiques pour l’évaluation de l’IA
À mesure que les systèmes d'IA fiscale gagnent en performance, la qualité des données d'évaluation devient un facteur de différenciation crucial. Le client exigeait un vaste ensemble de données composé de cas fiscaux individuels réalistes, couvrant les exigences de déclaration fédérales ainsi que les spécificités des différents États (Californie, Texas, New York, Illinois et Floride). Chaque cas devait reproduire fidèlement le processus de travail d'un expert-comptable et inclure une fiche de demande complète, les pièces justificatives, les formulaires fiscaux rapprochés, un résumé et une indication du niveau de difficulté.
Shaip a été chargé de concevoir un pipeline de traitement de données prêt pour la production, capable de générer 2 000 dossiers fiscaux entièrement régularisés, avec la capacité opérationnelle de s'adapter à cas 5,000 Face à l'expansion des besoins du programme, l'ensemble de données devait couvrir les exercices fiscaux récents, refléter une complexité équilibrée entre les cas de complexité moyenne et modérée, et respecter des contrôles de qualité rigoureux concernant la cohérence, l'anonymisation, la mise en forme et l'absence de duplication.
Indicateurs clés de l'ensemble de données
Volume de l'ensemble de données
2 000 affaires fiscales
Évolutivité
Capacité d'extension à 5 000 cas
Documents justificatifs
7 à 15 documents par dossier
Débit de livraison
300 à 400 ensembles de données par semaine
Défis de l'évaluation de l'IA fiscale
- S'assurer que chaque dossier reflète un flux de travail réaliste de type CPA, avec des récits de contribuables, des documents sources et des déclarations finales cohérents en interne.
- Gérer la logique fiscale spécifique à chaque État dans cinq États tout en préservant la cohérence avec les formulaires et les récapitulatifs fédéraux.
- Élaboration de scénarios fiscaux de complexité moyenne à modérée impliquant les comptes HSA, les revenus multi-états, les formulaires K-1, les formulaires ACA, l'annexe C, les gains en capital et les comptes étrangers.
- Maintien de normes strictes en matière d'intégrité, de formatage et d'exhaustivité des données, y compris la livraison exclusive au format PDF et le rejet des fichiers incomplets, dupliqués ou structurellement incohérents.
- Protection de la vie privée grâce à des ensembles de données synthétiques ou anonymisées avec des garanties de dépersonnalisation et un examen en plusieurs étapes.
Solution de données fiscales synthétiques de Shaip
Stratégie de données
Shaip a structuré l'engagement autour de la production de 2 000 cas fiscaux individuels réalistes, chacun conçu pour l'évaluation et les tests. Le flux de travail a été conçu pour faciliter une future mise à l'échelle. cas 5,000 sans compromettre la cohérence ni la qualité. Les cas ont été conçus pour représenter les cinq dernières années fiscales, avec une surreprésentation des périodes de déclaration récentes.
Conception de cas et modélisation de l'admission
Chaque dossier comprenait un questionnaire détaillé d'accueil du client, portant sur ses informations personnelles, sa situation fiscale, les personnes à sa charge, son emploi, sa rémunération en actions, ses revenus de retraite, ses revenus déclarés (formulaires 1099 et K-1), ses revenus locatifs, ses revenus étrangers, ses déductions, ses crédits d'impôt, son historique de conformité et les exigences spécifiques de chaque État. Ceci garantissait que chaque scénario reflétait la phase de collecte d'informations d'une véritable mission fiscale.
Création de paquets de documents
Pour que chaque ensemble de fichiers soit réaliste et prêt pour l'évaluation, chaque cas comprenait un ensemble de documents justificatifs tels que des W-2, 1099-INT/DIV/B, 1099-R, 1099-NEC/MISC, K-1, 1095-A, des formulaires d'intérêts hypothécaires, des factures de taxes foncières, des relevés de courtage, des contrats de location, des relevés bancaires, des reçus de dépenses d'entreprise et des relevés HSA/IRA.
Préparation et rapprochement des déclarations
Chaque ensemble de données comprenait des données complètes Formulaires de déclaration de revenus fédéraux et d'ÉtatCe document inclut le formulaire 1040 et ses annexes, ainsi que les formulaires de déclaration d'impôt d'État et les documents de crédit ou justificatifs connexes, le cas échéant. Des récapitulatifs succincts présentent le revenu brut ajusté (RBA), le revenu imposable, l'impôt total, les paiements effectués, le remboursement ou le solde dû, les pénalités et le taux d'imposition effectif, avec des champs récapitulatifs par État.
Cadre de complexité
Les cas étaient organisés en niveaux de difficulté définis, en mettant l'accent sur Niveau 2 (Moyen) & Niveau 3 (Modérément complexe) Scénarios. Ceux-ci comprenaient des situations de déclaration dans plusieurs États, l'activité des comptes HSA, les revenus de l'annexe C, les gains en capital, la déclaration ACA, les comptes étrangers et la logique fiscale liée au formulaire K-1.
Assurance qualité et contrôles d'acceptation
Shaip a aligné la livraison sur des exigences de qualité strictes couvrant la cohérence logique, le mappage des champs fiscaux, l'exhaustivité des documents, la conformité structurelle aux modèles fiscaux américains et la préparation à l'audit final. Le flux de travail prenait également en compte les critères de rejet liés aux PDF incorrects, aux informations financières manquantes, aux ensembles de données dupliqués et au placement incorrect des champs.
Confidentialité et conformité
Toutes les données ont été conçues pour être synthétiques ou correctement anonymisées, sans aucune donnée personnelle identifiable et après un processus d'anonymisation en plusieurs étapes. Ceci a permis de garantir que l'ensemble de données puisse répondre aux besoins de tests en entreprise tout en respectant la confidentialité des données.
Portée de l'ensemble de données fiscales synthétiques
| Composant de l'ensemble de données | Domaine |
|---|---|
| Volume des caisses | cas 2,000 |
| Évolutivité | Extensible à 5 000 caisses |
| Zone géographique | Californie, Texas, New York, Illinois, Floride |
| Documents par cas | 7 à 15 documents |
| Niveaux de difficulté | Niveau 2 et niveau 3 |
| Formulaires fédéraux | 1040, annexes 1 à 3, A, B, C, D, E, SE et formulaires applicables |
| Formulaires d'état | Formulaires de déclaration, annexes, crédits et pièces justificatives pertinents de l'État |
| Résumé des résultats | Résumés des impôts fédéraux et d'État |
| Format de livraison | PDF uniquement |
| Débit hebdomadaire | 300 à 400 ensembles de données |
Résultat : Ensemble de données d'évaluation de l'IA fiscale prête pour l'entreprise
- J'ai créé un cadre pour 2 000 affaires fiscales de haute fidélité conçu pour l'évaluation et les tests internes
- Préparation opérationnelle établie pour augmenter la production à cas 5,000
- A permis de réaliser des tests de modélisation réalistes sur l'ensemble des flux de travail fiscaux fédéraux et de cinq États.
- J'ai structuré chaque dossier pour qu'il reflète la logique de prise en charge, de documentation, de classement et de synthèse propre aux CPA.
- Des contrôles stricts sont intégrés pour la dépersonnalisation, le rapprochement, l'exhaustivité et la mise en forme PDF.
Globalement, cette collaboration démontre comment Shaip peut aider les équipes d'IA fiscale à dépasser les exemples génériques et à exploiter des ensembles de données d'évaluation de niveau entreprise reflétant la complexité réelle des déclarations, le raisonnement multi-documents et les spécificités fiscales de chaque juridiction. Il en résulte une base plus solide pour l'évaluation comparative des modèles, l'assurance qualité et la validation interne des produits.
Shaip a apporté structure, rigueur et évolutivité à une initiative très complexe en matière de données fiscales. Sa capacité à traduire les exigences complexes de déclaration fédérale et étatique en ensembles de données réalistes et cohérents a constitué une base solide pour nos processus d'évaluation par IA.
