Anna định bán căn hộ và muốn biết chốt giao dịch vào tháng 10/2026 hay tháng 1/2027 sẽ có lợi hơn về thuế. Một AI agent đã phân tích đúng cả hai mốc, nhưng bỏ sót một điều quan trọng: nếu trì hoãn quá tháng 8/2027, Anna có thể mất khoản miễn thuế lên tới 250.000 USD.

DAYJOB: Tax kiểm tra điều gì?

Surge AI vừa công bố DAYJOB: Tax, bộ benchmark mới gồm 50 môi trường làm việc thuộc 8 mảng nghiệp vụ thuế như thuế cá nhân, doanh nghiệp nhỏ, bất động sản và đầu tư, thuế quốc tế hay tranh chấp thuế. AI nhận yêu cầu của khách hàng cùng hồ sơ, rồi phải lập tờ khai, bảng tính, bản rà soát kỹ thuật hoặc lời tư vấn.

Điểm khó nằm ở phán đoán nghề nghiệp. Một cố vấn thuế giỏi phải tự nhận ra vấn đề hệ trọng ngay cả khi khách hàng không biết để hỏi, giống như bác sĩ phát hiện một bệnh khác khi người bệnh chỉ đến khám cảm cúm.

Kết quả còn rất khiêm tốn

Claude Sonnet 5.5 dẫn đầu với tỷ lệ đạt 10,8%, theo sau là Claude Fable 5.1 với 9,6% và Claude Opus 5.5 với 9,2%. Một bài làm chỉ được tính là đạt khi thỏa ít nhất 95% tiêu chí. Sonnet 5.5 và Opus 5.5 cũng nằm ở nhóm hiệu năng cao trên biểu đồ cân bằng giữa chi phí và chất lượng.

Kết quả cho thấy AI còn cách xa việc thay thế chuyên gia thuế, nhưng là công cụ hỗ trợ đáng giá cho ngành công nghệ tài chính.