数字赋能，提升税务执法风险防控效能

■专家视点 传统的执法风险防控以人工审核和事后纠错为主，效率不高、主观判断存在偏差等问题比较常见。随着数字技术的深度应用，执法风险防控也逐渐从依赖经验向依靠数据应用及模型升级转变。通过技术手段重构执法全流程的底层运行机制，将有助于实现风险防控由被动应对向主动治理的根本性转变。 国家税务总局贵州省税务局依托税务大数据搭建“执法风险推送模型”，涵盖8个关键执法领域、12项核心监控指标，构建“疑点智能筛选—风险精准推送—基层限时整改—上级在线复查”的执法监督闭环，及时规范税务干部的执法行为，从源头上实现对税务执法风险的精准防控。 源头防控要加强事前监督。传统监管模式多为事后监督，具有明显的滞后特征，不仅纠错成本高，也难以从根本上遏制问题的再次发生。贵州省税务局“执法风险推送模型”构建了全流程动态监控网络，每日扫描增量执法数据，一旦触发预设的风险指标，便立即生成预警信息，使得执法瑕疵能在萌芽状态时就被捕捉，推动监督重心从“事后纠错问责”向“事前预警防范”转移，实现执法风险早发现、早处置。 精准防控关键在于以客观标准取代主观判断。在传统模式下，“定性不准”“适用法规偏差”等风险多源于执法者个体认知局限和信息不对称。数字技术的突破性应用，将执法标准转化为可量化、可追溯的数据规则。这不仅有效压缩了自由裁量空间，更从源头上消除了“同案不同罚”的问题，提升了执法的公信力与可预期性。贵州省税务局“执法风险推送模型”通过算法动态关联违法行为与相应罚则，自动识别诸如“追溯期超限”“程序违规”等风险点，确保每一项执法决定的形成都经过数据规则校验，风险防控更加精确。 充分发挥好税务执法监督的预防、指引、提醒和保障功能，不断强化税务干部对严格规范公正文明执法的认识，进而从源头上预防和减少行政执法过程中可能产生的问题和风险。贵州省税务局“执法风险推送模型”在运行过程中积累了海量风险数据，该局将实际工作中发现的典型案例作为教学素材，分批次对税务干部进行培训，税务干部的风险防范意识和行政执法能力得到不断增强和提高。 数字赋能税务执法风险防控的深层意义还在于通过技术刚性倒逼标准统一、以数据流动贯通执法全链、借人机协同重塑治理生态。未来，需要持续推进规则代码化、数据资产化、模型智能化建设，使数字技术成为提升税收治理能力的重要动力。 （作者系贵州财经大学应用经济学院副教授）