Yapay zeka vergi uzmanı mı? Gerçek dosyalarda nasıl başa çıkıyor?
Orijinal başlık: Dayjob: Tax – evaluating AI agents on 50 professional tax assignments
KISACA
- Tek cümlede
- Surge AI, 50 vergi senaryosu ve 1.789 dosyayla yeni bir benchmark oluşturdu.
- Bulgu
- En iyi model Claude Sonnet 5.5 sadece %10,8 doğruluk elde etti.
- Neden önemli?
- Bu, AI’nın karmaşık vergi yargısında hâlâ insan uzmanlığından çok uzakta olduğunu gösteriyor.
Ne oldu?
Surge AI, yapay zeka ajanlarını gerçek vergi görevlerinde test eden Dayjob: Tax adlı yeni bir benchmark yayımladı; 50 senaryo ve 1.789 dosyadan oluşan test, bireysel vergiden kurumsal işlemlere kadar sekiz alanı kapsıyor. Görevlerde ajanların sadece hesap yapması değil, müşterinin sormadığı ama kritik olabilecek sorunları (örneğin bir mülk satışında kaçırılan bir son tarih) fark etmesi de ölçülüyor. Yüzde 95 doğruluk eşiğine göre yapılan değerlendirmede en iyi sonucu Claude Sonnet 5.5 yalnızca yüzde 10,8 ile aldı; bu da ajanların profesyonel vergi yargısında hâlâ ciddi şekilde yetersiz olduğunu gösteriyor.
Yapay zekanın vergideki rolü, hesaplamadan çok hataları yakalama yeteneğiyle ölçülüyor.
Aynı haberin kısa dikey video özeti.
Bu notu kaynak göstererek alıntılayabilirsin: Hasan Amanet, “Yapay zeka vergi uzmanı mı? Gerçek dosyalarda nasıl başa çıkıyor?”, Notes for Data Science, 29 Ekim 2026.