税務調査の対象を選定する方法が、大きく変わりつつあります。
2026年10月26日付の「税のしるべ」に掲載された高橋俊一国税庁課税部長へのインタビューでは、AIやデータ分析を活用し、申告漏れのリスクをスコア化する予測モデルが構築されていることが説明されました。
国税庁は、過去の税務調査の結果、申告・決算情報、法定調書などのデータを活用し、調査必要性の高い納税者を効率的に把握する取組を進めています。
これまで税務調査の対象選定では、税務職員の経験や知識、申告内容の分析、各種資料の確認などが重要な役割を果たしてきました。
今後は、こうした従来の手法にAIによる予測分析が組み合わされ、調査対象の選定が一層高度化すると考えられます。
ただし、AIが税務調査の対象を自動的に決定するわけではありません。
国税庁の説明では、AIによる判定結果と各種資料を職員が総合的に検討し、調査の必要性を判断します。
企業や個人事業主にとって重要なのは、AIによる分析を過度に恐れることではなく、正確な申告と合理的な説明ができる経理・税務管理体制を整えることです。
税務調査の対象選定が変わる背景
日本の税制は、納税者が自ら所得や税額を計算し、申告・納税する申告納税制度を基本としています。
この制度を適切に機能させるためには、納税者の自主的な申告を尊重するとともに、申告漏れや誤りが疑われる場合には、必要な確認や税務調査を実施することが求められます。
しかし、すべての納税者に対して実地調査を行うことは現実的ではありません。
税務行政に投入できる人員や予算には限界があるためです。
一方、企業活動のグローバル化、電子商取引の拡大、取引形態の複雑化などによって、税務当局が把握すべき情報は増加しています。
こうした環境の中で重要になるのが、調査の必要性が高い事案を効率的に把握することです。
国税庁は、限られた行政資源を効果的に活用するため、AIやデータ分析を活用した調査対象の選定を進めています。
AIによる申告漏れリスクのスコア化とは何か
AIによる申告漏れリスクのスコア化とは、過去のデータなどを分析し、申告漏れの可能性を数値的な指標として評価する仕組みです。
国税庁は、過去の税務調査の結果や申告・決算情報、法定調書などを利用して予測モデルを構築しています。
過去の調査結果には、どのような事案で申告漏れが把握されたのか、どのような申告内容に問題があったのかなど、調査に関する情報が蓄積されています。
これらのデータを分析することで、申告漏れの可能性を予測するためのモデルを作成します。
ただし、具体的なスコアの算定方法や判定基準、各項目の評価割合などが公表されているわけではありません。
また、スコアが高いことは、申告漏れが存在することを意味するものではありません。
あくまでも、調査の必要性を検討するための参考情報です。
税務調査の対象選定では、AIの分析結果だけでなく、個別の事業内容や取引実態などを踏まえた判断が必要になります。
予測モデルに利用される主な情報
高橋課税部長の説明では、予測モデルに利用される情報として、過去の税務調査の事績、申告・決算情報、法定調書などが挙げられています。
申告・決算情報には、売上高、利益、経費、資産、負債など、納税者の経済活動を示すさまざまな数値が含まれます。
法定調書には、給与や報酬、不動産の使用料など、一定の支払に関する情報が含まれます。
こうした情報を組み合わせることで、申告内容を多角的に検討できる可能性があります。
例えば、企業の売上高が増加している一方で利益率が大きく低下している場合、その背景を確認することが考えられます。
ただし、利益率の低下には、原材料価格の上昇、人件費の増加、設備投資、事業構造の変化など、合理的な理由が存在することもあります。
また、同業他社と比較して利益率が低い場合でも、事業内容や取引条件によって適正な水準は異なります。
これらはデータ分析で確認対象となり得る事項の例であり、国税庁が具体的なAI判定基準として公表したものではありません。
数値の特徴だけで申告誤りを判断することはできず、取引実態を踏まえた検討が不可欠です。
AIの判定結果と税務職員の判断
AIを活用した税務調査について、特に重要なのは、人による判断が引き続き行われることです。
国税庁の説明では、職員は予測モデルの判定結果と各種保有資料などを併せて検討し、調査の要否を判断します。
AIは大量のデータを分析し、一定の傾向や特徴を把握することに適しています。
しかし、個別の取引に関する事情や、税務上の判断に必要な事実関係を、AIだけで正確に把握できるとは限りません。
例えば、企業が新規事業を開始した場合には、売上高が増加しても、先行投資によって利益が減少することがあります。
また、災害や取引先の倒産などによって、一時的に大きな損失が発生する場合もあります。
こうした事情を考慮せず、数値だけで判断すれば、適正な申告についても不必要な疑義が生じる可能性があります。
そのため、AIによる分析結果を適切に評価し、税務職員が必要な判断を行うことが重要です。
KSK2の導入による予測モデルの精度向上
AIによる調査対象の選定は、KSK2の導入によって、さらに高度化することが期待されています。
KSK2は、国税庁の基幹システムである国税総合管理システムを刷新するものです。
従来、税目別・事務系統別に管理されていたデータベースやアプリケーションが統合され、所得税や法人税などの情報を横断的に活用できる環境が整備されます。
高橋課税部長は、KSK2の導入によって利用可能なデータが増加することから、予測モデルの精度向上に取り組む方針を示しています。
例えば、法人税の申告内容と、関連する所得税や法定調書などの情報を総合的に検討できれば、個別の情報だけでは把握しにくかった課税上の問題を発見する可能性が広がります。
もっとも、すべての情報が自動的に照合される仕組みや、具体的な分析方法まで明らかにされているわけではありません。
重要なのは、税務当局が利用できる情報の範囲と分析能力が拡大する方向にあることです。
調査必要性に応じた行政資源の配分
AIによる予測モデルの活用は、調査対象の選定だけでなく、税務行政全体の効率化にも関係します。
国税庁は、調査必要度に応じて最適な接触方法を選択し、調査必要性が高い納税者に重点的に対応する方針を示しています。
これは、リスク・ベース・アプローチと呼ばれる考え方です。
すべての納税者に同じような調査を行うのではなく、申告内容や保有資料などを分析し、必要性に応じて行政資源を配分します。
調査必要性が高いと判断された事案については、深度ある調査を実施します。
一方、確認すべき事項が限定的な場合には、実地調査以外の方法も含めた効率的な対応が考えられます。
こうした取組によって、税務調査の実効性を高めながら、適正に申告している納税者への不必要な負担を抑えることも期待されます。
ただし、AIの導入によって税務調査の件数が必ず増加または減少するとは限りません。
調査対象の選定精度や調査内容の充実が、今後の重要な課題になります。
企業が注意したい申告情報の整合性
AIによるデータ分析が高度化する中で、企業にとって重要になるのが申告情報の整合性です。
企業は、法人税、消費税、源泉所得税など、複数の税目について申告や納付を行っています。
これらの税目は、それぞれ異なる制度に基づいて計算されますが、同じ取引が複数の税目に関係する場合があります。
例えば、売上取引は法人税の所得計算と消費税の課税売上に関係します。
役員報酬や給与の支払は、法人税の所得計算と源泉所得税に関係します。
ただし、税目ごとに課税対象や計算方法が異なるため、関連する数値が単純に一致するとは限りません。
重要なのは、差異が生じる理由を適切に説明できることです。
企業では、申告書を税目ごとに作成するだけでなく、関連する情報を横断的に確認することが望まれます。
利益率や経費の変動を説明できる経理管理
企業の税務リスク管理では、利益率や経費の変動についても適切に把握しておくことが重要です。
例えば、売上高が増加しているにもかかわらず、利益が大幅に減少している場合には、その理由を分析しておくことが望まれます。
原材料費の上昇、人件費の増加、広告宣伝費の拡大、新規事業への投資など、利益が減少する理由はさまざまです。
また、特定の経費が前年度から大きく増加している場合には、取引内容や支出の必要性を確認することが重要です。
こうした分析は、税務調査への対応だけでなく、経営管理にも役立ちます。
ただし、利益率や経費の変動がAIによる調査対象選定で具体的にどのように評価されているかは、公表されていません。
企業が行うべきことは、AIの判定を予測することではなく、実際の取引に基づいて正確な会計処理を行うことです。
個人事業主にも求められる正確な記帳と申告
AIによる税務調査の高度化は、法人だけでなく個人事業主にも関係します。
個人事業主は、事業所得などについて、自ら収入や必要経費を計算して確定申告を行います。
日常の記帳が不十分な場合には、申告内容の正確性を確保することが難しくなります。
また、事業用と私用の支出が混在している場合には、必要経費に該当する部分を適切に区分する必要があります。
特に、事業用の預金口座やクレジットカードを私用と区分して管理することは、記帳の正確性を高めるうえで有効です。
電子帳簿や会計ソフトを活用することも、日常の経理処理を効率化する方法の一つです。
AIによる税務調査を意識する以前に、収入と経費を正確に記録し、申告内容を説明できる状態にしておくことが重要です。
税理士に求められる事前の税務リスク管理
税務調査の対象選定が高度化することは、税理士の業務にも影響します。
これまでも税理士は、申告書の作成や税務相談、税務調査への対応などを行ってきました。
今後は、申告書を提出する前の段階で、税務上の問題を把握し、適切な対応を助言する役割が一層重要になると考えられます。
例えば、申告内容に大きな変動がある場合には、その背景を確認し、必要な資料を整備することが考えられます。
また、法人税と消費税、源泉所得税など、複数の税目に関係する取引について、申告内容の整合性を確認することも重要です。
税理士には、AIによる分析結果を過度に意識するのではなく、法令と事実関係に基づいて適正な申告を支援することが求められます。
税務調査が始まってから対応するだけでなく、日常の経理・税務管理を通じてリスクを低減することが重要になります。
結論
AIによる申告漏れリスクのスコア化は、税務調査の対象選定を高度化する重要な取組です。
国税庁は、過去の税務調査の結果、申告・決算情報、法定調書などを活用し、申告漏れの可能性を予測するモデルを構築しています。
さらに、KSK2の導入によって利用可能なデータが増加することで、予測モデルの精度向上も期待されています。
ただし、AIが税務調査の対象を自動的に決定するわけではありません。
職員が分析結果と各種資料を総合的に検討し、調査の必要性を判断する仕組みです。
企業や個人事業主にとって重要なのは、AIの判定基準を推測することではありません。
正確な記帳、適切な申告、関連する税務情報の整合性、取引内容の説明可能性を確保することです。
税務行政のデータ分析が高度化するほど、日常の経理・税務管理の重要性は高まります。
AI時代の税務リスク管理の基本は、特別な対策ではなく、適正な申告を支える経理体制を着実に整備することにあります。
参考
税のしるべ 2026年10月26日「令和8年国税庁の幹部に聞く／課税部長・高橋 俊一」
国税庁「税務行政のデジタル・トランスフォーメーション―税務行政の将来像2023―」（2023年6月）