| ||||||||||||||||||||
|
|
|
31.07.2025 Руководство по промпт-инжинирингу для налоговых специалистов: как эффективно работать с ИИ в налоговой практике
Вахитов Рустам, Сооснователь Академии БЕПС директор по внешним связям Лиги налоговых советников «Salyq»
1. Введение: почему промптинг критичен для налоговой практики Искусственный интеллект в налоговой практике — это не мегамозг и не универсальная библиотека. Это, по сути, текстовый калькулятор, который обрабатывает информацию на основе ваших инструкций. Качество результата на 40%, 80% или даже 90% определяется качеством вашего запроса. Представьте типичную ситуацию в юридической фирме. К вам приходит клиент с запросом: «Ты же юрист? Посмотри договор, разберись, что у меня не в порядке с декларацией». Насколько эта ситуация отличается от той, когда все разложено по пунктам с четким техническим заданием? То же самое происходит с ИИ — это как практикант первого-второго года работы. Чем детальнее вы объясните задачу, тем лучше будет результат. Почему промптинг важнее дообучения модели 90% задач в налоговой практике решаются правильным промптом без необходимости fine-tuning. Это особенно критично при работе с международными налоговыми соглашениями по нескольким причинам:
Актуальность через контекст — вы можете загрузить последнюю версию СОИДН прямо в запрос Гибкость под разные юрисдикции — один промпт адаптируется под любую пару стран Мгновенная адаптация под изменения — MLI, протоколы, новые интерпретации Анализ сложных трансграничных структур — пошаговая логика без переобучения Эволюция систем и важность навыка Современные флагманские модели (GPT, Gemini, Claude) имеют встроенную защиту от неправильных промптов. Если вы зададите бессмысленный вопрос, они вернутся с уточняющими вопросами. Однако это касается только продвинутых моделей.
Важный тренд в юридическом бизнесе — создание локальных моделей. Крупные юридические фирмы не хотят направлять запросы с реальными данными клиентов в облачные сервисы с неясными ограничениями конфиденциальности. Они создают собственные системы ИИ, которые по определению менее продвинуты (для создания GPT-уровня нужно около 100 миллиардов долларов). Для таких систем качественный промптинг становится критически важным. 2. Формула R-T-C: фундамент эффективного запроса Базовая формула, проверенная на практике, состоит из трех обязательных компонентов: Role (Роль) — настройка экспертизы Роль определяет, с позиции какого специалиста система будет отвечать. Это критически важно для контекста и глубины анализа.
Плохой пример: «Посчитай налог»
Хороший пример: «Ты — налоговый консультант по международному налоговому планированию с экспертизой в СОИДН между Казахстаном и странами ЕС. Специализируешься на структурировании холдинговых компаний и анализе beneficial ownership»
Отличный пример с дополнительным контекстом: «Ты — старший налоговый консультант международной консалтинговой компании. Твоя специализация: - Соглашения об избежании двойного налогообложения стран СНГ с ЕС - Влияние MLI на налоговые соглашения - Критерии beneficial ownership в контексте противодействия treaty shopping - Substance requirements в европейских юрисдикциях Ты анализируешь риски для клиента, который планирует реструктуризацию» Task (Задача) — конкретизация цели Задача должна быть сформулирована максимально конкретно, с указанием желаемого результата.
Плохой пример: «Проверь налоги на дивиденды»
Хороший пример: «Определи применимую ставку налога у источника на дивиденды от казахстанской компании в пользу нидерландского холдинга. Проанализируй соответствие требованиям СОИДН и риски оспаривания льгот»
Отличный пример с детализацией: «Выполни следующий анализ: 1. Определи базовую ставку налога у источника согласно СОИДН Казахстан-Нидерланды 2. Проверь условия для применения пониженной ставки (доля владения, срок) 3. Оцени риски отказа в treaty benefits со стороны налоговых органов Казахстана 4. Укажи необходимые подтверждающие документы 5. Проанализируй влияние MLI на данную структуру Результат представь в виде структурированного меморандума с выводами» Context (Контекст) — полнота данных Контекст определяет качество анализа. Чем больше релевантной информации, тем точнее результат.
Минимальный контекст: «Дивиденды, получатель владеет 15% капитала»
Хороший контекст: «Голландская компания владеет 100% акций казахстанской компании более 365 дней. Голландская компания имеет офис и 2 сотрудников в Амстердаме»
Полный контекст для качественного анализа: Структура сделки: - Вид дохода: дивиденды за 2024 год - Плательщик: ТОО «КазОпКо» (Казахстан, основная деятельность — добыча) - Получатель: Netherlands HoldCo B.V. (Нидерланды) - Доля владения: 100% с 15 января 2023 года - Substance в Нидерландах: * Офис 50 кв.м (не виртуальный адрес) * 2 директора-резидента Нидерландов * Годовые операционные расходы: 150,000 EUR - Конечный бенефициар: физлицо-резидент РФ - История выплат: первая выплата дивидендов - Сумма к выплате: 10 млн USD [Приложить статью 10 СОИДН Казахстан-Нидерланды] 3. Active Prompting: превращаем ИИ в осторожного эксперта Active Prompting — это революционная техника, которая превращает ИИ из «всезнайки» в методичного аналитика, признающего границы своей компетенции. Как работает Active Prompting Добавьте в начало или конец вашего промпта инструкцию: «Active режим включен: если уверенность в ответе <80%, ставь [?] и формулируй уточняющий вопрос. При любых неясностях возвращайся за дополнительной информацией»
Примеры использования в различных ситуациях
Пример 1: Анализ простой структуры Запрос: «Проанализируй структуру выплаты роялти из Казахстана в Нидерланды. Active-режим включен.»
Ответ системы: ✓ Ставка по СОИДН: 10% (статья 12) [?] Есть ли у получателя реальная деятельность в Нидерландах? [?] Кто конечный бенефициар роялти? [?] Связаны ли роялти с постоянным представительством в Казахстане? ✓ Требуется подтверждение налогового резидентства [?] Применяется ли MLI к данному соглашению?
Пример 2: Итеративный анализ с уточнениями Шаг 1: «Анализируй выплату дивидендов из Казахстана в Нидерланды» ИИ: «Базовая ставка 15%. [?] Какова доля владения голландской компании?"
Шаг 2: «Голландская компания владеет 100% акций» ИИ: «Возможна ставка 5%. [?] Как долго длится владение? [?] Есть ли substance?"
Шаг 3: «Владение 2 года, есть офис и 2 сотрудника» ИИ: «Применима ставка 5%. Риски: [?] Какова бизнес-цель холдинга? [?] Есть ли активная деятельность кроме владения акциями?"
Шаг 4: «Составь меморандум о рисках на основе полученной информации» Преимущества Active Prompting Выявление слепых зон — система сама показывает, какой информации не хватает Снижение рисков — каждый [?] это потенциальная точка налогового риска Обучение пользователя — вы видите, какие вопросы важны для анализа Документирование неопределенностей — важно для дальнейшей работы с клиентом 4. Техника «заземления» и защита от галлюцинаций Проблема искажения данных ИИ-модели обучаются на огромных массивах данных, но налоговые соглашения Казахстана вряд ли были приоритетом для американских разработчиков. Система может:
- Перепутать ставки из разных соглашений - Использовать устаревшие версии - «Додумать» несуществующие положения - Игнорировать протоколы и MLI Решение: техника «заземления» (grounding) Всегда предоставляйте точный текст документов, на которые опирается анализ.
Неправильный подход: «Какая ставка налога на дивиденды по соглашению Казахстан-Нидерланды?"
Правильный подход: «Вот статья 10 СОИДН Казахстан-Нидерланды в актуальной редакции: [вставить полный текст статьи]
Основываясь ИСКЛЮЧИТЕЛЬНО на приведенном тексте, определи: 1. Базовую ставку налога на дивиденды 2. Условия для пониженной ставки 3. Специальные правила для пенсионных фондов» Дополнительные защитные инструкции Добавьте в системный промпт:
Обязательные правила: - НИКОГДА не выдумывай ставки налогов или условия соглашений - Если информации нет в предоставленном тексте — прямо скажи об этом - Всегда указывай номер пункта и статьи при цитировании - При любой неуверенности ставь [?] - Если текст соглашения не предоставлен — откажись отвечать на вопрос о ставках - При упоминании MLI всегда уточняй, предоставлен ли текст соответствующих статей Практический пример комплексной защиты «Роль: Налоговый консультант по СОИДН Контекст: Анализирую дивиденды Казахстан->Нидерланды
КРИТИЧЕСКИ ВАЖНО: 1. Использовать ТОЛЬКО приложенные документы 2. НЕ полагаться на общие знания о СОИДН 3. Цитировать с указанием пункта и статьи 4. При отсутствии информации в документах — указать это явно
Документы: 1. [Статья 10 СОИДН - текст] 2. [Статья 7 MLI - текст] 3. [Позиция Казахстана по MLI - текст]
Задача: Определить применимую ставку для дивидендов при 25% владении» 5. Chain-of-Thought для сложных структур Принцип пошагового анализа При анализе многоуровневых структур критически важно разбивать анализ на этапы с промежуточным контролем. Это как проверка работы младшего специалиста на каждом этапе. Пример 1: Трехуровневая структура
«Проанализируй налоговые последствия выплаты дивидендов по цепочке: KZ OpCo → NL HoldCo → LUX TopCo → USA Ultimate Parent
ВАЖНО: Останавливайся после каждого шага для проверки
Шаг 1: Налог у источника KZ→NL - Проверь СОИДН Казахстан-Нидерланды - Учти период владения и долю - Отметь [?] если нужна информация о substance
[СТОП - жду подтверждения для продолжения]
Шаг 2: Налог у источника NL→LUX - Проверь применение Директивы ЕС - Учти anti-abuse правила - Отметь [?] по beneficial ownership
[СТОП - жду подтверждения для продолжения]
Шаг 3: Налог у источника LUX→USA - Проверь СОИДН Люксембург-США - Учти limitation on benefits - Рассчитай итоговую налоговую нагрузку» Пример 2: Анализ с альтернативными маршрутами «Сравни налоговые последствия трех вариантов выплаты дивидендов из Казахстана:
Вариант А: KZ → Netherlands → Luxembourg → Ultimate Parent (Cyprus) Вариант B: KZ → Cyprus → Ultimate Parent Вариант C: KZ → UAE → Ultimate Parent
Для каждого варианта пошагово: 1. Рассчитай налог на каждом этапе 2. Отметь [?] риски по substance и beneficial ownership 3. Укажи требуемые документы 4. Посчитай итоговую эффективную ставку
Представь результат в виде сравнительной таблицы с рекомендациями» Контроль промежуточных результатов Ключевое преимущество Chain-of-Thought — возможность скорректировать анализ на любом этапе:
ИИ: «Шаг 1 завершен. Ставка KZ→NL составит 5% при соблюдении условий»ы: «Стоп. Уточни, учтено ли влияние MLI на период владения?" ИИ:»[?] Для анализа влияния MLI необходима информация о том, применяют ли обе страны статью 8 MLI к данному соглашению» 6. Практические шаблоны и продвинутые техники Универсальный шаблон для анализа СОИДН # Анализ применения СОИДН [Страна1]-[Страна2]
Роль: Старший налоговый консультант, специализация на СОИДН и MLI
Задача: Комплексный анализ налоговых последствий выплаты [тип дохода]
Контекст: - Плательщик: [наименование, юрисдикция, деятельность] - Получатель: [наименование, юрисдикция, substance] - Вид дохода: [дивиденды/проценты/роялти] - Сумма: [валюта и размер] - Доля владения: [%] с [дата] - Конечный бенефициар: [информация]
Документы: 1. [Приложить релевантные статьи СОИДН] 2. [Приложить позиции стран по MLI]
Active mode: ON - отмечай [?] все неопределенности
Требуемый результат: 1. Применимая ставка с обоснованием 2. Таблица рисков (высокий/средний/низкий) 3. Чек-лист необходимых документов 4. Рекомендации по снижению рисков
Шаблон для массовой проверки # Массовый анализ трансграничных платежей
Роль: Налоговый аналитик международного департамента
Задача: Проверить налоговые последствия для списка планируемых выплат
Данные для анализа: [Таблица с платежами: плательщик, получатель, тип дохода, сумма]
Для КАЖДОГО платежа определи: 1. Применимое СОИДН 2. Ставку налога у источника 3. [?] Необходимые условия для льготной ставки 4. [?] Риски доначислений (красный/желтый/зеленый) 5. Влияние MLI
Результат: Сводная таблица с цветовой индикацией рисков и комментариями
Шаблон Beneficial Ownership Test # Тест на beneficial ownership для целей СОИДН
Роль: Эксперт по international tax compliance
Контекст: [Описание структуры и транзакции]
Проанализируй по следующим критериям: 1. Экономическая деятельность получателя - [?] Численность персонала - [?] Наличие офиса (не virtual office) - [?] Операционные расходы
2. Полномочия по распоряжению доходом - [?] Кто принимает решения о дивидендах - [?] Есть ли обязательства по перечислению
3. Риски и функции - [?] Какие риски несет получатель - [?] Какие функции выполняет
4. История и бизнес-цель - [?] Когда создана структура - [?] Есть ли non-tax business reasons
Формат: Таблица «Критерий | Статус | Риск | Доказательства | Рекомендации» Динамический шаблон для разных юрисдикций
# Сравнительный анализ юрисдикций
{{Источник}}: Казахстан {{Получатели}}: [Нидерланды|Люксембург|Кипр|ОАЭ|Сингапур] {{Тип_дохода}}: [дивиденды|проценты|роялти] {{Доля_владения}}: {{процент}} {{Период_владения}}: {{месяцев}} {{MLI_статус}}: [проверить для каждой пары стран]
Для каждой юрисдикции определи: 1. Базовую и льготную ставки 2. Условия для льгот 3. Требования к substance 4. Риски challenge налоговыми органами 5. Необходимые документы 6. [?] Особенности для данной пары стран
Результат: Рейтинг юрисдикций по налоговой эффективности с учетом рисков Чек-лист эффективного промпта Перед отправкой запроса проверьте:
Структура:
- ✓ Роль определена с указанием специализации - ✓ Задача сформулирована конкретно и измеримо - ✓ Контекст содержит все релевантные данные - ✓ Приложены тексты документов (СОИДН, MLI, позиции)
Техники:
- ✓ Active Prompting включен ([?] для неопределенностей) - ✓ Указан требуемый формат ответа - ✓ Добавлены защитные инструкции от галлюцинаций - ✓ При сложных структурах — использован Chain-of-Thought
Специфика налогового анализа:
- ✓ Указаны конкретные юрисдикции - ✓ Определен тип дохода - ✓ Учтено влияние MLI - ✓ Запрошен анализ рисков - ✓ Указана необходимость ссылок на статьи Пример комплексного промпта из практики
Роль: Ты — партнер международной налоговой практики Big4. Специализация: структурирование холдингов, BEPS, MLI, beneficial ownership.
Задача: Подготовь налоговый меморандум по рискам распределения дивидендов.
Контекст: Клиент — международная телеком-группа планирует распределение дивидендов: - Источник: ТОО «КазТелеком» (Казахстан) - Получатель: Vion Holdings N.V. (Нидерланды) - Сумма: 50 млн USD - Владение: 100% с 2019 года - Далее дивиденды пойдут в Luxembourg TopCo, затем на Bermuda
Документы: 1. [Годовой отчет Vion - 246 страниц, содержит данные о substance] 2. [Критерии beneficial owner по законодательству Казахстана] 3. [Статья 10 СОИДН Казахстан-Нидерланды] 4. [Позиции стран по MLI]
Инструкции: - Active mode: отмечай [?] любые сомнения и информационные пробелы - Анализируй пошагово каждый уровень структуры - ОБЯЗАТЕЛЬНО ссылайся на конкретные страницы документов - НЕ выдумывай ставки — используй только приложенные тексты - Оцени риски по шкале: низкий/средний/высокий/критический
Требуемый результат: 1. Executive summary (1 страница) 2. Детальный анализ каждого этапа выплаты 3. Матрица рисков с рекомендациями 4. Чек-лист документов для налогового агента 5. Альтернативные варианты структурирования
Формат: Профессиональный налоговый меморандум для предоставления клиенту Заключение: ключевые принципы успешной работы с ИИ ИИ — это усилитель, а не замена эксперта. Система выполняет работу специалиста первого-второго года, но под вашим контролем. Качество промпта определяет качество результата. Потратьте время на формулировку — это окупится качеством анализа. Active Prompting превращает ИИ из «всезнайки» в осторожного аналитика, который признает границы компетенции. «Заземление» на документы критично. Всегда предоставляйте первоисточники, особенно для ставок и условий. Итеративный подход дает глубину. Не стремитесь получить идеальный ответ с первого раза — уточняйте и углубляйтесь. Проверяйте, проверяйте и еще раз проверяйте. Особенно ставки налогов, ссылки на статьи и влияние MLI. Помните: каждое судебное дело — это чья-то серьезная ошибка. ИИ может ошибаться, как и люди. Но правильный промптинг минимизирует эти риски и превращает ИИ в мощный инструмент налогового анализа.
Доступ к документам и консультации
от ведущих специалистов |