Construindo conjuntos de dados sintéticos de alta fidelidade para simulações de casos tributários nos EUA. Avaliação de IA tributária.
Como Shaip criou 2,000 casos tributários realistas dos EUA com declarações federais e estaduais, documentos comprobatórios, fluxos de trabalho no estilo de um contador público certificado (CPA), validação por especialistas da área financeira e controles de desidentificação para testes de IA tributária empresarial.
Visão geral do projeto: Conjunto de dados fiscais sintéticos para avaliação por IA
À medida que os sistemas de IA para impostos se tornam mais capazes, a qualidade dos dados de avaliação torna-se um diferencial crucial. O cliente necessitava de um conjunto de dados em larga escala com casos reais de declaração de imposto de renda, abrangendo tanto os requisitos federais quanto as variações estaduais na Califórnia, Texas, Nova York, Illinois e Flórida. Cada caso precisava replicar os fluxos de trabalho reais de um contador e incluir um formulário de consulta completo, documentação comprobatória, formulários de impostos conciliados, resumos executivos e classificações de dificuldade.
Shaip foi contratado para projetar um pipeline de conjunto de dados pronto para produção, capaz de gerar 2,000 casos fiscais totalmente conciliados, com capacidade operacional para escalar até casos 5,000 À medida que as necessidades do programa se expandiram, o conjunto de dados precisou abranger os anos fiscais recentes, refletir uma complexidade equilibrada entre casos de complexidade média e moderada e manter rigorosos controles de qualidade em relação à consistência, desidentificação, formatação e não duplicação.
Principais métricas do conjunto de dados
Volume do conjunto de dados
2,000 casos tributários
Global
Capacidade para expandir para 5,000 casos.
Documentos de suporte
7 a 15 documentos por caso
Capacidade de entrega
300 a 400 conjuntos de dados por semana
Desafios da avaliação de IA tributária
- Garantir que cada caso refletisse um fluxo de trabalho realista no estilo de um contador público certificado (CPA), com narrativas internas consistentes do contribuinte, documentos originais e declarações finais.
- Gerenciar a lógica tributária específica de cada estado em cinco estados, mantendo a conformidade com os formulários e resumos federais.
- Elaboração de cenários tributários de complexidade média a moderada envolvendo HSA (Conta Poupança Saúde), renda interestadual, formulários K-1, formulários ACA (Lei de Acesso à Saúde), Anexo C, ganhos de capital e contas no exterior.
- Manter padrões rigorosos de integridade, formatação e completude dos dados, incluindo a entrega exclusiva em PDF e a rejeição de arquivos incompletos, duplicados ou estruturalmente inconsistentes.
- Proteção da privacidade por meio de conjuntos de dados sintéticos ou anonimizados com salvaguardas de desidentificação e revisão em várias etapas.
Solução de Dados Fiscais Sintéticos de Shaip
Estratégia de dados
Shaip estruturou o projeto em torno da produção de 2,000 casos reais de impostos individuaisCada um projetado para uso em avaliação e teste. O fluxo de trabalho foi desenvolvido para suportar futuras ampliações para casos 5,000 sem comprometer a consistência ou a qualidade. Os casos foram elaborados para representar os últimos cinco anos fiscais, com maior representatividade dos períodos de declaração mais recentes.
Desenho de Caso e Modelagem de Admissão
Cada caso incluía um questionário detalhado de cadastro do cliente, abrangendo dados pessoais, situação fiscal, dependentes, emprego, remuneração em ações, renda de aposentadoria, rendimentos declarados no formulário 1099, formulários K-1, renda de aluguel, renda estrangeira, deduções, créditos, histórico de conformidade e requisitos específicos de cada estado. Isso garantia que cada cenário refletisse a etapa de coleta de informações de um processo tributário real.
Criação de Pacote de Documentos
Para tornar cada conjunto de arquivos realista e pronto para avaliação, cada caso incluía um pacote de documentos comprobatórios, como formulários W-2, 1099-INT/DIV/B, 1099-R, 1099-NEC/MISC, K-1, 1095-A, formulários de juros de hipoteca, contas de impostos prediais, extratos de corretoras, contratos de aluguel, extratos bancários, recibos de despesas comerciais e registros de HSA/IRA.
Preparação e conciliação da declaração de imposto de renda
Cada conjunto de dados incluía dados completos. formulários de declaração de imposto de renda federal e estadualIncluindo o Formulário 1040 e os anexos aplicáveis, além dos formulários de declaração estaduais e documentos de crédito ou comprovante relacionados, quando necessário. Resumos executivos resumidos capturam a Renda Bruta Ajustada (AGI), a renda tributável, o imposto total, os pagamentos, o reembolso ou saldo devedor, as penalidades e a alíquota efetiva de imposto, com campos de resumo em nível estadual.
Estrutura de Complexidade
Os casos foram organizados em níveis de dificuldade definidos, com ênfase em Nível 2 (Médio) & Nível 3 (Moderadamente Complexo) cenários. Estes incluíam situações de declaração de imposto de renda em vários estados, atividade em contas HSA, renda do Anexo C, ganhos de capital, declaração da ACA, contas no exterior e lógica tributária baseada no formulário K-1.
Garantia da Qualidade e Controles de Aceitação
Shaip alinhou a entrega a rigorosos requisitos de qualidade, abrangendo consistência lógica, mapeamento de campos fiscais, integridade do documento, conformidade estrutural com os modelos fiscais dos EUA e prontidão para auditoria final. O fluxo de trabalho também levou em consideração critérios de rejeição relacionados a PDFs incorretos, detalhes financeiros ausentes, conjuntos de dados duplicados e posicionamento de campos incompatível.
Privacidade e Conformidade
Todos os dados foram projetados para serem sintéticos ou devidamente anonimizados, sem informações pessoais identificáveis reais e com revisão de desidentificação em várias etapas. Isso garantiu que o conjunto de dados pudesse atender às necessidades de testes corporativos, mantendo a privacidade.
Escopo do conjunto de dados fiscais sintéticos
| Componente do conjunto de dados | Objetivo |
|---|---|
| Volume do Caso | casos 2,000 |
| Global | Expansível até 5,000 caixas. |
| Geografia | Califórnia, Texas, Nova Iorque, Illinois, Flórida |
| Documentos por caso | 7–15 documentos |
| Níveis de dificuldade | Foco nos níveis 2 e 3 |
| Formulários Federais | 1040, Anexos 1–3, A, B, C, D, E, SE e formulários aplicáveis |
| Formas de estado | Formulários de declaração de imposto de renda, cronogramas, créditos e comprovantes relevantes do estado. |
| Resumo da saída | Resumos de impostos federais e estaduais |
| Formato de entrega | Somente em PDF |
| Produção semanal | 300–400 conjuntos de dados |
Resultado: Conjunto de dados para avaliação de IA tributária pronta para uso empresarial
- Criou uma estrutura para 2,000 casos tributários de alta fidelidade Projetado para avaliação e testes internos.
- Estabelecer prontidão operacional para ampliar a produção para casos 5,000
- Possibilitou testes de modelos realistas em fluxos de trabalho tributários federais e de cinco estados.
- Estruturei cada caso para refletir a lógica de entrada, documentação, arquivamento e resumo no estilo de um contador público certificado (CPA).
- Incorpora controles rigorosos para desidentificação, reconciliação, integridade e formatação de PDF.
Em suma, este projeto demonstra como a Shaip pode ajudar as equipes de IA tributária a irem além de exemplos genéricos e a utilizarem conjuntos de dados de avaliação de nível empresarial que refletem a complexidade real das declarações, o raciocínio multidocumento e o comportamento tributário específico de cada jurisdição. O resultado é uma base mais sólida para a avaliação comparativa de modelos, o controle de qualidade e a validação interna de produtos.
A Shaip trouxe estrutura, rigor e escalabilidade a uma iniciativa de dados fiscais altamente complexa. Sua capacidade de traduzir os requisitos complexos de declaração de impostos federais e estaduais em conjuntos de dados de casos realistas e conciliados criou uma base sólida para nossos fluxos de trabalho de avaliação de IA.
