Surge AI 在 2026 年 10 月 28 日發表一篇評測，用 50 份專業稅務任務測試 AI 代理，涵蓋報稅表填寫、稅務規劃同條例查詢。帖文放上 Hacker News 之後，引來 130 條留言，討論焦點唔係「AI 幾時取代會計師」，而係呢 50 題到底考到啲乜。
評測方法同具體得分，喺公開摘要裡面都冇披露，只知結果顯示 AI 代理喺部分任務上表現出人意料。呢個空白位，正正係成場討論最有趣嘅地方：一個冇公開分數嘅測試，點樣說服人相信 AI 真係識做稅？
50 份稅務任務點樣考起 AI
Surge AI 嘅評測名為「Dayjob: Tax」，用 50 份專業稅務任務去考 AI 代理，任務類型包括報稅表填寫、稅務規劃同條例查詢三大類。呢啲都係會計師樓日常做得最多、最標準化嘅工序，亦正因為標準化，先至適合拎嚟做基準測試。
帖文喺 Hacker News 獲 208 分、130 條留言，以專業題材嚟講算係唔錯嘅熱度。留言區嘅討論相當分散，有人關心模型表現，有人直接質疑測試設計，反映業界對 AI 處理專業工作嘅關注，已經由「得唔得」轉向「點樣先算數」。
最關鍵嘅缺口係：評測方法同具體得分，喺摘要同節錄裡面都冇披露。冇任務難度分佈、冇評分標準、冇同人類會計師嘅對照數字，外界其實無法判斷「表現出人意料」係指超出預期，抑或只係超出預期地差。
勝負之外：專業判斷嘅邊界
稅務工作唔止計數。同一個客戶，背景唔同、商業意圖唔同，同一條條例嘅解釋可以完全唔同。呢啲環節要求嘅係判斷，而判斷係 AI 代理目前最難完整掌握嘅部分，亦係 50 題測試最難覆蓋嘅部分。
即使 AI 喺 50 題測試中得分高，亦唔代表佢能應付真實個案嘅灰色地帶同爭議情境。測試題目係靜態、事後有標準答案嘅；真實稅務環境係互動、答案要同稅務機關來回拉鋸嘅，兩者之間嘅距離，唔係分數可以量度。
有留言就直接質疑測試任務嘅代表性，認為標準化題目容易令 AI 表現被高估。呢個質疑到今日仲未有答案，因為 Surge AI 未公開題目樣本同評分細節。AI 考稅務嘅真正戰場，可能根本唔喺呢 50 題裡面。
會計師樓嘅自動化盤算
Surge AI 喺 2026 年 10 月 28 日發表「Dayjob: Tax」評測，用 50 份專業稅務任務考 AI 代理，涵蓋報稅表填寫、稅務規劃同條例查詢。對大型會計師事務所嚟講，呢三類工序正正佔據初級員工最多工時。若果評測結果屬實，管理層嘅盤算就好直接：邊啲工序可以交俾 AI，邊啲要留人。
不過，評測方法同具體得分都未在摘要中披露，外界暫時只知測試範圍，唔知 AI 代理喺 50 題入面實際答對幾多、錯喺邊類題目。呢個空白好關鍵。會計師樓要計回報，唔止睇「AI 識做」，仲要睇「AI 做錯幾多、錯得幾貴」，呢啲數字統統未見。
真正嘅分界線，可能唔喺報稅表填寫，而喺稅務規劃同客戶溝通。稅務顧問嘅價值係同客戶傾商業意圖、解釋風險、提出策略建議，呢部分涉及判斷同信任，暫時未見 AI 代理能夠替代。自動化盤算嘅結論，更可能係「減省初級人手」而唔係「削減顧問職位」。
監管與信任嘅未確定性
香港稅務局並無就 AI 生成報稅資料發出明確指引。會計師若採用相關工具，一旦報稅表出錯，責任誰屬仍未清晰——係簽署嘅會計師、採用嘅會計師樓，抑或開發 AI 代理嘅公司？呢條問題未有答案，但直接影響專業保險能否覆蓋 AI 輔助決策引發嘅錯誤。
保險問題係會計師樓考慮採用與否嘅關鍵。若果保單條款唔清晰，一單跨境利得稅爭議足以令節省返嚟嘅人手成本倒蝕。香港稅制以屬地徵稅聞名，稅務局每年處理逾 200 萬份報稅表，涉及跨境交易同利得稅爭議時，AI 能否準確判斷仍成疑。
業界對 Surge AI 嘅結論應保持審慎。呢個評測只屬單一測試，未經同儕評審，Hacker News 上 130 條留言之中亦有人質疑測試任務嘅代表性，認為標準化題目可能高估 AI 表現。喺監管指引同保險條款都未明朗之前，盲目樂觀嘅風險，唔會由 AI 代理承擔。
50 份稅務任務嘅評測，證明咗 AI 代理喺標準化環節有睇頭，但證明唔到佢可以取代專業判斷。對香港會計師樓嚟講，最實際嘅問題係：稅務局會否接受 AI 生成嘅報稅資料？會計師公會又會否更新專業守則？呢啲問題，評測答唔到。
人機協作唔係口號，而係責任分配嘅安排。喺指引同保險都未清晰之前，將 AI 代理放喺初稿同資料整理嘅位置，由會計師守住判斷同簽署嘅關口，可能係現階段最穩陣嘅盤算。盲目樂觀嘅代價，最終由簽名嗰個人找數。
