惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Microsoft Azure Blog
Microsoft Azure Blog
大猫的无限游戏
大猫的无限游戏
月光博客
月光博客
V
V2EX
PCI Perspectives
PCI Perspectives
Latest news
Latest news
博客园 - 三生石上(FineUI控件)
C
CERT Recently Published Vulnerability Notes
W
WeLiveSecurity
Last Week in AI
Last Week in AI
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
P
Palo Alto Networks Blog
T
The Exploit Database - CXSecurity.com
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
WordPress大学
WordPress大学
V
Vulnerabilities – Threatpost
H
Heimdal Security Blog
Attack and Defense Labs
Attack and Defense Labs
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Hacker News: Ask HN
Hacker News: Ask HN
博客园 - 叶小钗
V
Visual Studio Blog
Jina AI
Jina AI
P
Proofpoint News Feed
罗磊的独立博客
SecWiki News
SecWiki News
J
Java Code Geeks
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
L
LINUX DO - 热门话题
Security Archives - TechRepublic
Security Archives - TechRepublic
The Hacker News
The Hacker News
Hugging Face - Blog
Hugging Face - Blog
N
News and Events Feed by Topic
NISL@THU
NISL@THU
T
Tailwind CSS Blog
T
Tenable Blog
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Recent Announcements
Recent Announcements
H
Hacker News: Front Page
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
T
Tor Project blog
宝玉的分享
宝玉的分享
Help Net Security
Help Net Security
S
Security Affairs
Microsoft Security Blog
Microsoft Security Blog
Google DeepMind News
Google DeepMind News
F
Fortinet All Blogs
G
GRAHAM CLULEY

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
ИИ на службе у ФНС: как КНП идет к эпохе «автоактов»
Дмитрий Кудряшов · 2026-06-20 · via Все публикации подряд на Хабре

ИИ на службе у ФНС: как КНП идет к эпохе «автоактов»

Простой

6 мин

1

На днях встретился с бывшими коллегами-налоговиками, которые, как и я, недавно ушли со службы. Обсудили то, что сейчас происходит в ФНС, региональных инспекциях, как в целом себя ощущает бизнес. И по нашему мнению пока на ПМЭФ заявляют, что с налоговой нагрузкой все в порядке и палку никто не перегнул, на самом деле все гораздо менее радужно, а то будущее которое нам готовит, грозит и вовсе «похоронить» малый и средний бизнес.

Поскольку те процессы, которые происходят сейчас, — это буквально «цветочки» по сравнению с тем, что скоро, возможно, станет реальностью налогового контроля. Речь про внедрение ИИ в налоговый контроль, которое неизбежно произойдет в ближайшие 1-2 года.

Сразу скажу: все, что написано ниже, — это лишь мое мнение и мнение нескольких бывших сотрудников, которые, как и я ушли на волне трудовой реформы в ФНС. Возможно все во все так, а мы лишь надумываем и преувеличиваем.

КНП как главный меч налогового контроля

Давайте ретроспективно посмотрим на то, как камеральные проверки проводились раньше и как они проводятся сейчас. Потому что именно через КНП лучше всего видно, куда движется налоговый контроль.

Еще 2–3 года назад пройти КНП по НДС даже с «бумажным» НДС (включение в состав налоговых вычетов по НДС счетов-фактур по нереальным сделкам) было относительно несложно. Даже требования по ст. 93, 93.1 НК РФ по таким рискам приходили нечасто. Инспекциям просто не хватало ресурсов, чтобы отрабатывать весь тот объем рисков, который они видели в системе ПК АИС Налог - 3.

Инспекторы не могли массово штамповать акты по разрывам, цепочкам и рискам, которые уже были видны в АИС. Поэтому что-то переходило в предпроверочный анализ (ППА), что-то — в выездные проверки, а что-то так и оставалось на «задворках налогового контроля». Другими словами: «болталось без отработки». Или, как иногда бывало, по компаниям «копили риски», ждали, пока сумма налоговых рисков не пересечет условный рубикон, чтобы взяться за ее отработку.

То есть налоговый орган видел гораздо больше, чем реально мог процессуально оформить.

Со временем на КНП начали возлагать все больше и больше надежд. И это логично: камеральная проверка — самый быстрый и массовый формат контроля. Так, за последние несколько лет КНП стала одним из главных, если не самым главным, инструментом борьбы с налоговыми схемами, особенно по НДС.

Да, раньше уровень проработки по ст. 54.1 НК РФ в КНП был значительно слабее, чем в ВНП. Выездники, которые уже с 2018 года работали с умышленными схемами по ст. 54.1 НК РФ, на голову опережали камералистов. Многие сотрудники камеральных отделов тогда считали, что в рамках КНП доказательственную базу по этой статье не собрать.

Но все меняется. Теперь уже мало у кого есть сомнения, что «базу» можно собрать и в рамках КНП. Появились алгоритмы работы, опыт описания цепочек, практика подготовки актов, понимание, какие признаки нужно анализировать, чтобы доказывать «техничность» контрагентов.

Человек как главное узкое горлышко системы

Да, КНП стала гораздо более опасной противоборствующей силой для налогоплательщика. Но даже при этом осталась главная проблема:

Объем рисков все равно намного больше, чем человеческий ресурс, который способен эти риски качественно отработать.

Инспекциям все еще не хватало физического ресурса, чтобы качественно отработать весь объем рисков, выявляемый системой. Именно поэтому часть рисков до сих пор не превращается в реальные доначисления. Не потому, что налоговый орган их не видит, а потому что их нужно еще описать, доказать, процессуально оформить и довести до результата.

Затем появилась экстерриториальность.

Камеральные проверки стали передаваться в регионы, где нагрузка на инспектора была ниже. Так налоговая попыталась подгрузить более свободные регионы и выровнять нагрузку внутри системы.

Экстерриториальность и рост компетенции сотрудников отделов КНП дали еще один мощный толчок для роста результативности камеральных проверок. Но и после этого объем налоговых рисков все равно остался слишком массовым, чтобы быть полностью отработанным в рамках КНП.

И вдобавок ко всему происходит укрупнение налоговых органов: районные инспекции объединяются в межрайонные, штат сокращается, а общая трудовая нагрузка растет. Не потерять в такой ситуации в качестве — задача не из легких. Тем более что ушли не только возрастные и опытные сотрудники, но и молодые, амбициозные специалисты, которые со временем могли бы двигать налоговый контроль вперед.

И вот здесь мы подходим к самому важному. Я и многие бывшие сотрудники приходим примерно к одному выводу:

ФНС не делает ставку на сотрудников. На грамотных специалистов, которым нужно платить адекватную нагрузке и компетенции зарплату. ФНС делает ставку на автоматизацию и искусственный интеллект.

АИС «Налог-4» и новая логика контроля

Если объективно взглянуть на процесс КНП, то более половины времени, затрачиваемого камералистом на акт, уходит на механическую работу: Ctrl+C и Ctrl+V из баз АИС «Налог-3» и шаблонное инициирование процедур.

Оставшееся время — может быть, 30–40%, а у кого-то всего 10% — это уже интеллектуальная работа: оценка, выводы, формирование итоговой позиции. То есть на реальную работу, где действительно нужно подумать, уходит не так много времени по сравнению с тем, сколько тратится на механику. И здесь возникает вопрос:

Зачем держать большой штат камералистов, если при внедрении ИИ один человек сможет обрабатывать гораздо больше актов?

Или этот вопрос можно сформулировать еще жестче:

Зачем нужны высококвалифицированные специалисты, которые захотят «много денег», если при внедрении ИИ с этим сможет справиться и менее компетентный сотрудник?

Я как-то слышал выражение одного начальника инспекции, что алгоритмы АИСа уже давно избавили некоторых инспекторов от необходимости думать. Возможно, звучит грубо, но думаю, многие из работающих в ФНС с этим согласятся.

Алгоритмы АИС уже сегодня отлично выстраивают деревья связей, определяют выгодоприобретателей и технические компании с довольно высокой точностью. Но когда в систему будет встроен ИИ, он заберет на себя не только сбор разрозненных данных, но и ту самую аналитическую часть. Алгоритм сможет самостоятельно оценивать собранную базу, строить логические цепочки доказывания и выгружать готовый, юридически выверенный шаблон акта проверки.

Я думаю, что такая глубокая интеграция может быть реализована в рамках АИС «Налог-4», ориентировочно к 2028 году.

От ручной проверки к конвейеру «автоактов»

Масштабы и скорость генерации документов станут просто несоизмеримыми. То, на что у инспектора сейчас уходит 2–3 недели, нейросеть с доступом к базам АИС сможет сформировать за несколько минут. Человеку останется лишь финальная вычитка и подпись. Причем этот принцип затронет не только КНП. Он также сильно ускорит предпроверочный анализ и выездные проверки.

Сейчас уже есть возможность генерации автотребований при прямых расхождениях. По такому же конвейерному принципу в будущем могут полететь и акты проверок по КНП. При внедрении ИИ отработка налоговых рисков может стать такой:

  • Компания заявила спорный вычет даже на скромную сумму — алгоритм моментально сгенерировал и направил акт КНП. Если налогоплательщик не успел или не смог подготовить мотивированные возражения в процессуальные сроки, система начислит недоимку, пени и штраф. Эти суммы моментально упадут минусом на ЕНС.

  • Рассматриваться по существу с участием живых налоговиков будут только те материалы, по которым бизнес вступил в «борьбу». Все остальное пойдет в ЕНС «автоматом».

  • Конвейер контроля будет автоматизирован от стадии выявления риска до фактического списания денег со счета.

Да, сейчас это выглядит как мрачная фантастика. Но давайте вспомним: во многое из того, что нам говорили 10 или даже 5 лет назад, мы тоже не верили и смеялись над такими прогнозами. А теперь?

Что это будет значить для малого и среднего бизнеса

Сейчас огромный пласт малого и среднего бизнеса с небольшими суммами рисков по НДС или с не самыми масштабными признаками дробления спасается только потому, что до них не доходят руки.

Инспекторы вынуждены концентрироваться на более крупных и перспективных рисках. Они выбирают то, что можно быстрее и эффективнее отработать, где больше сумма, где выше вероятность результата, где проверка имеет смысл с точки зрения нагрузки на отдел.

Но как только человеческий фильтр в виде ограниченного штата исчезнет, контроль может стать неотвратимым для всех — независимо от суммы потенциальной недоимки.

Для искусственного интеллекта не существует понятий «слишком мелкая сумма», «нецелесообразно тратить время» или «конец квартала, не до них». Нейросети абсолютно все равно, выписать акт на 50 миллионов или на 500 тысяч рублей. Себестоимость генерации одного такого документа для системы стремится к нулю.

Это создаст для малого бизнеса серьезную ловушку. Ведь помимо усиления административной нагрузки на бизнес, чтобы отбиться от автоматического акта, бизнесу придется привлекать профильных налоговых специалистов. А их услуги стоят дорого — зачастую это может быть даже дороже, чем сумма вменяемого алгоритмом нарушения.

Вопрос о том, выдержит ли экономика МСБ такой стерильный алгоритмический контроль к 2028 году, остается открытым.

Налоговый инсайдер

P.S. До ноября прошлого года я был работником ФНС. Сейчас веду телеграм канал «Налоговый Инсайдер» в котором раскрываю закулисье налоговой службы, рассказываю о методах налогового контроля и делюсь всем тем, что узнал работая в ФНС. Если интересна такая тематика подписывайтесь)