企業 AI 轉型卡關了嗎？最快看見成果的起點，可能就在稅務部門

近年來，企業紛紛將生成式人工智慧（GenAI）及 AI Agent 視為提升競爭力的重要工具。然而，從許多企業的實際經驗來看，AI 專案往往卡在資料準備、流程整合或跨部門協作等環節，導致投入大量資源後，仍難以快速展現具體成果。

對製造業及物流等產業而言，這項挑戰尤其明顯。在營運成本持續上升、產品價格壓力加劇以及市場成長放緩的環境下，企業不僅希望導入 AI，更期待其能在短時間內創造可量化的效益。

然而，企業在規劃 AI 轉型時，往往忽略了一個可能最具潛力的起點：稅務部門。由於稅務工作本身高度依賴資料處理、橫跨企業多項核心流程，且具備明確的管理目標與績效指標，因此成為企業驗證 AI 價值、推動數位轉型的重要切入點。

概要

• AI 投資持續增加，但企業真正面臨的挑戰，往往是如何將 AI 從概念驗證轉化為可衡量的商業價值。
• 相較於其他職能，稅務部門因具備豐富資料基礎、明確業務規則與跨部門特性，更容易成為 AI 應用的起點。
• 從發票分析、租稅優惠管理到固定資產流程，AI 正逐步協助企業提升效率、強化治理並改善決策品質。
• 當企業從小規模應用建立成果與信心後，更有機會進一步推動財務、採購及營運流程的智慧化轉型。

AI 投資快速增加，但企業準備度仍有落差

根據 2025 EY Tax and Finance Operations Survey，高達94%的製造業已將資料、AI及科技列為優先投資項目，明顯高於跨產業平均的86%。這顯示企業管理階層已充分認知到數位能力對未來競爭力的重要性。

然而，投資意願並不代表具備導入能力。調查同時指出，68%的製造業財務與稅務團隊表示，對於導入 AI Agent 僅具備有限準備，甚至尚未開始規劃相關能力建設。這項結果反映出企業在資料基礎、技術能力及組織準備度方面，仍存在不小挑戰。

值得注意的是，企業一方面擔憂 AI 導入能力不足，另一方面卻持續提高對策略思維、問題解決及跨部門協作等能力的需求。這代表財務與稅務團隊其實具備發揮更高價值的潛力，只是大量時間仍被資料整理、交易核對及法規遵循等例行性工作所占據。

企業真正需要的或許不只是更多科技工具，而是一個能快速創造成果、建立組織信心，並逐步擴大影響力的 AI 應用起點。

AI 不必等待完美資料環境，稅務反而最適合優先試行

許多企業認為，在導入 AI 之前，必須先完成 ERP 整合、主資料治理或資料清理工作。然而，這樣的想法往往延後了企業推動轉型的時機。

相較於其他職能，稅務部門長期以來便需要直接處理發票、合約及各類交易憑證等原始資料，因為單純依賴 ERP 彙總資訊，往往不足以支援稅務申報、稅務分析及稅務爭議管理等工作。

隨著 AI 技術發展成熟，系統已能直接閱讀發票內容、理解合約條款、辨識交易資訊及分析非結構化文件資料。因此，即使資料環境尚未達到理想狀態，企業仍有機會從稅務流程開始驗證 AI 應用價值。

更重要的是，稅務工作本身橫跨採購、銷售、財務、資產管理及研發等多項企業活動。當 AI 能在稅務領域發揮效益時，其能力往往能快速延伸至其他流程，因此成為企業推動 AI 轉型最務實且最容易創造可衡量成果的切入點。

從間接稅管理開始，AI 已展現可量化成果

許多企業推動 AI 時，最關心的問題往往是「能否真正改善現況」。以一家大型物流企業為例，其稅務團隊每月必須在14至17天內完成大量銷售與使用稅申報與相關作業。由於交易數量龐大，加上產品分類標準不一致，約有40%至50%的交易資料存在錯誤分類或編碼不一致的問題，導致團隊必須投入大量時間進行後續調整、修正及對帳。

導入 AI 後，系統可直接讀取發票內容、分析交易明細，並自動對應適當的產品分類，準確率達90%至95%。透過將資料驗證提前至流程前端，企業能在申報前即發現異常，大幅降低後續修正需求，同時提升稅務申報品質與可追溯性。

對財稅主管而言，這類應用最大的價值並不只是節省作業時間，而是在維持法規遵循的同時，讓團隊能將更多資源投入預測分析、風險辨識及決策支援等工作。

雖然本案例係以間接稅管理為例，但其核心價值並非特定稅制，而是 AI 對原始交易資料的理解與分析能力。在臺灣，類似技術已可應用於發票分類及稅務通知管理等高交易量、高重複性的作業流程，協助稅務團隊提升資料處理效率、強化異常辨識能力，並將更多資源投入稅務風險管理與決策支援等高價值工作。

AI 也能協助企業找回被忽略的租稅價值

除了間接稅管理之外，研發投資抵減租稅優惠（R&D Tax Credit）也是另一項具代表性的應用領域。傳統上，企業多半透過總帳資料辨識可能符合租稅優惠資格的支出項目。然而，許多與研發活動相關的重要資訊其實隱藏在供應商發票、採購紀錄及交易文件中，因此經常被忽略。

透過與間接稅管理相同的發票分析技術，AI 能夠深入檢視原始交易資料，判讀品項說明及活動內容，進一步找出符合租稅優惠資格的支出項目。相關辨識準確率同樣可達90%至95%，協助企業提升研發租稅優惠申請完整性，同時強化後續查核所需的佐證資料。

這也顯示 AI 不只是提升效率的工具，更能幫助企業發掘過往未被充分掌握的價值來源。

固定資產管理，展現 AI 對企業流程重塑的潛力

若說發票分析屬於單一流程優化，那麼固定資產管理則反映出 AI 對企業營運模式的深層影響。

在許多製造業中，固定資產從採購、驗收到資產入帳，通常涉及採購、營運、財務、稅務及共享服務中心等多個單位。由於流程分散且資料來源眾多，企業往往需要數個月甚至更長時間，才能完成資產認列與後續稅務處理。

導入 Agentic AI 後，企業可將合約、採購訂單、發票、設備啟用資訊等資料串連至同一工作流程中。AI 不僅能分析與分類各項資料，也能依據設備使用狀況、自動偵測資產啟用時間，並完成後續會計與稅務相關作業。

實際案例顯示資產資本化作業時間可由原本數月縮短至數天，不僅提升財務資訊品質，也讓企業能更即時掌握相關折舊優惠與稅務利益。更重要的是，稅務部門因此從傳統支援角色逐步轉變為推動企業數位轉型的重要參與者。

從技術演進角度來看，企業導入 AI 通常會經歷 Chatbot、Copilot 到 Agentic AI 三個階段。固定資產管理案例所展現的，不再只是 AI 協助員工完成單一工作，而是由多個 AI Agent 協同執行跨部門流程。隨著 AI 能夠理解企業規則、主動觸發工作及串接不同系統，稅務部門將有機會從 AI 使用者轉變為 AI 驅動營運模式的重要推動者。

從小規模驗證開始，比等待完美規劃更重要

安永認為，企業推動 AI 不必等待所有資料環境、組織能力或系統架構都準備完善後才開始行動。

相反地，企業可優先從發票審查、稅務通知管理等交易量大、規則明確且容易衡量效益

的工作著手。當 AI 能在這些領域建立具體成果後，再將相關能力擴展至會計、採購、共享服務中心及固定資產管理等流程。

這樣的策略不僅有助於降低轉型風險，也能讓企業透過實際成果建立信心，逐步形成跨部門的智慧化營運模式。