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.
