AI時代の税務調査の実像 調査官の視点と実務プロセスの変化

国税庁は税務調査にAI分析を本格導入し、調査対象の選定・不正パターンの提示・異常値検知などを強化しています。2024事務年度には追徴税額が過去最多を更新し、AIが支える調査の精度向上が明らかになりました。

しかし、AIの導入で変わったのは「抽出過程」だけではありません。
現場の調査官の動きも、従来の「書類をひたすら確認する調査」から、“ポイントを絞り込んだ分析型の調査”へと姿を変えています。

本稿では、AI時代の税務調査がどのように進むのか、調査官の視点を交えた“実務プロセスの変化”を詳しく解説します。

AIは“調査の入口”を変えた

従来の税務調査は、調査官の経験と勘に依存する部分が多く、

異常値
前年比較
業種平均との乖離
不自然な経費の計上

などを、人の目と知識で判断していました。

AI導入後は、以下のように“入口”が大きく変化しています。

AIが先に異常パターンを抽出する

AIが抽出するのは、次のような“数字の不自然さ”です。

原価率が月ごとに急激に変動
外注費の支払先が偏り、単価も不自然
売上の計上タイミングが不規則
同業他社と比べて異常に低い粗利
経費の増加が売上と連動していない
現金取引が多く、月次の整合性が弱い

これにより、調査官は「どこを見ればいいか」を最初から把握できるようになりました。

新しい税務調査は「深掘り型」

従来の調査は、膨大な資料を一枚ずつチェックする“網羅型”でしたが、現在は AIが示すリスクポイントに基づいて、特定分野を集中的に深掘りする方式に変わりつつあります。

以下は調査官がよく行う“深掘りポイント”です。

① 外注費の裏付け

AIが最も得意とする分野です。

契約書
発注書・見積書
納品書・成果物
業務日報・メール履歴
振込記録
相手先の実在性

これらの不足があると、実態の乏しい外注費と判断されやすくなります。
過去には、AIが原価の不自然な増加を指摘した結果、架空外注が発覚し 約3億6千万円の追徴税となったケースも確認されています。

② 売上の計上時期

AIは売上の月次推移を分析し、不自然な“売上の谷”や“急増”を検知します。

たとえば、

年末に売上が極端に増える
決算直前に売上が突出
月次の売上が均等過ぎる

こうした動きは、売上除外（計上漏れ）や恣意的な計上を疑われるポイントです。

③ 役員給与と経費の関係

調査官は AIの示す「費用計上の偏り」から、次のような論点を深掘りします。

役員の私的経費が経費処理されていないか
役員給与と役員経費のバランスが不自然でないか
交際費・旅費交通費が役員中心に偏っていないか

AIは“数字の性格”を感情抜きで判断するため、従来より指摘が増える傾向にあります。

④ 消費税の仕入税額控除の妥当性

インボイス制度とAI分析が組み合わさることで、消費税の調査は急速に精緻化しています。

実在しない取引での仕入控除
請求書の不備
インボイス番号の不一致
外注・仕入の取引先の“履歴”が不自然

これらは AIが自動で異常値として抽出するため、調査官の着眼点も明確になります。

調査官は“対話の質”を重視するようになった

AI時代の税務調査は、数字の分析精度が上がった一方で、現場では次のような変化が生まれています。

①「説明責任」を最重要視する

調査官は AI分析を前提に質問するため、

この数字の理由を説明できますか？
この取引の実態を示す証拠を見せてください
仕訳と証跡の紐付けはありますか？

といった、説明の正確性を重視します。

② 証拠が弱い取引は厳しく評価される

悪意がなくても、

契約書がない
成果物がない
振込記録が曖昧

といった取引は、
「実態が不明」と判断される可能性が高くなります。

③ 経理担当者の理解度が調査結果を左右する

AIは数字を分析しますが、最終判断は人間です。

調査官が重要視するのは、

経理担当者が数字の意味を理解しているか
自社の取引の説明ができるか
会計処理の理由を答えられるか

という、人的対応力です。

AI時代だからこそ、人的説明力がより重要になっていると言えます。

AI時代の税務調査プロセス（標準モデル）

AI導入で、税務調査の流れは次のように整理できます。

① AIが異常パターンを抽出
　↓
② 税務署内で調査官が案件を精査
　↓
③ 事前通知・資料準備の依頼
　↓
④ 重点項目（AIが示したポイント）を中心に調査
　↓
⑤ 取引の実態・証拠の確認
　↓
⑥ 説明内容の整合性確認
　↓
⑦ 是正・追徴税の計算
　↓
⑧ 改善指導や今後の留意点の提示