能读懂 ZATCA 与阿联酋电子发票合规要求的 AI

利雅得的一位财务总监向 AI 助理提出一个简单的问题:上季度按酋长国和沙特地区划分，含增值税的营收是多少?两秒钟后答案就回来了，语气自信、条理清晰。但它错了大约 9%,因为这个模型悄悄把已上报的发票和草稿发票混在了一起，重复计算了一批贷记通知单，并以 ZATCA 绝不会接受的方式对增值税做了四舍五入处理。

直到审计师发现之前，没有人会注意到这一点。

这正是海湾地区财务团队眼下正在踏入的具体风险。这个地区在电子发票方面走得比几乎任何其他地方都远，截止日期是真实的，处罚也不再是纸面上的。在这一切之上再叠加一个自信却缺乏依据的大语言模型，你打造出的其实是一种更快地填报无法自圆其说的数字的方式。

合规的地基已经改变

沙特阿拉伯正深入推进 Fatoora 电子发票项目的第二阶段。第 23 波纳入了 2022 年、2023 年或 2024 年营收超过 75 万沙特里亚尔的企业，集成截止日期为 2026 年 3 月 31 日，上线窗口从当年年初开始。每一波新浪潮都在缩小差距，直到几乎所有已注册增值税的企业都通过 ZATCA 近乎实时地开具经过清算的结构化发票。这已不再是一个用邮件发送 PDF 的体制，而是一个税务机关在客户看到发票之前就已经看到它的系统。

阿联酋正朝着同一条路前进。2025 年 11 月下旬发布的第 106 号内阁决议，在强制要求全面生效之前先明确了处罚框架:2026 年 7 月开始试点，营收达到或超过 5000 万迪拉姆的大型纳税人须从 2027 年 1 月起合规，其余已注册增值税的企业则在 2027 年全年逐步跟进。罚款是具体的:未能实施该系统或未指定认证服务商，每逾期一个月处以 5000 迪拉姆罚款，单张发票的处罚还会在此基础上累加。

因此，经过结构化、经政府验证的发票如今已成为海湾地区财务数据的最小单位。这确实是好消息，因为干净的结构化数据正是 AI 所需要的。但与此同时它也提高了门槛。如果监管机构能够将你的申报精确核对到单张发票，那么你的内部数字，以及建立在其上的任何 AI 生成分析，都必须与同一份源头对得上。“是模型说的”不能作为审计答辩。

AI 在哪些地方悄悄破坏了合规数据

不适的地方在这里。电子发票格式是精确的，读取它的大语言模型却不是。

大语言模型不做计算。它预测下一个词元，对它而言，一个数字只是更多的文本而已。让它对几百张发票的增值税金额求和，它会给出一个看起来合理的结果，内部却没有任何机制检查这个算术是否真的正确。在海湾地区财务场景中出现的失败模式是具体且难看的:

• 状态混淆。 已清算、已上报、草稿和已取消的发票在数据流中看起来几乎一模一样。如果模型不严格按状态过滤，就会把被拒绝或处于草稿状态的单据算进“营收”合计里。
• 贷记通知单符号错误。 贷记通知单会减少余额。总结自由文本的大语言模型可能会漏掉符号或重复计算这张通知单，从而使数字虚高或虚低。
• 增值税四舍五入漂移。 ZATCA 和阿联酋联邦税务局(FTA)对每一行和每一张发票的增值税应如何计算和四舍五入都有明确规则。近似处理就会导致合计数与已清算单据对不上。
• 数字与地区格式陷阱。 东阿拉伯数字与西方数字混用，以及逗号与句点之间的歧义(12,345 究竟是一万两千三百四十五，还是约等于十二?),这类问题确定性解析器能够干净利落地处理，而概率性文本模型有时却处理不好。关于这一点，我们在以阿拉伯语为先的财务 AI一文中有更详细的说明。

以上这些都不是什么稀奇的情况。它们是一个靠文本模式匹配、而非依据已验证记录进行计算的系统，把财务数字算错的普通方式。而在一个实时清算的环境中，一个错误的数字不只是尴尬，它可能构成一次错误申报。

SAMA 和 FTA 想要的是同一件事:亮出你的推导过程

海合会各地的监管机构正在收敛到一个非常契合这个问题的原则上:可解释性与可审计性。SAMA 对金融机构中 AI 的立场高度依赖治理、可追溯性和人工监督。FTA 的执法模型建立在自动化核对之上，即该机构的系统会把提交的数据与其预期结果进行核对。阿联酋中央银行(CBUAE)也表示，希望对触及受监管活动的 AI 系统拥有审计权。

把这些放在一起看，要求就很清楚了。对于 AI 产出的任何一个数字，你都需要能够随时回答三个问题:

1. 这个数字来自哪些源文件?
2. 是什么计算把这些文件变成了这个数字?
3. 你能应要求精确重现它吗?

一个黑箱聊天机器人对这三个问题一个都答不上来。它只给你一个结果，然后耸耸肩。这正是面向金融的 AI 审计留痕所要弥补的缺口，而当提出问题的对方是税务机关时，这一点没有任何商量余地。

解决办法:依据一套经过核对的模型计算，而不是依据提示词计算

出路不是打造一个更聪明的聊天机器人，而是根本不再让语言模型来做算术。

这正是 Rexfin 的架构所围绕的核心。我们连接你的会计和财务数据源，包括 QuickBooks、Xero、NetSuite、Sage、数据仓库，或者上传的报表，并构建一套与分类账对得上的经核对的财务模型。发票状态、贷记通知单、增值税处理和币种，都在数据层被一次性解决，先于任何 AI 触碰到它们之前。因此，那些原本要由模型去猜测的数字，早已确定下来，并且已经与你已清算的 ZATCA 或 FTA 记录相匹配。

当一个问题进来时,AI 检索相关数字，并把实际的算术运算路由给一个确定性的计算引擎。相同的输入永远产生相同的输出。没有逐词元的近似估算，也没有悄悄的状态混淆。语言模型做的是它擅长的事:理解问题并组织答案的措辞。而数字则来自一个不会产生幻觉的系统。

而且每一个数字都可以追溯。点击 AI 生成摘要中的某个数字，你就能看到背后的源文件和计算路径。这就是你能发给董事会的答案，和你能交给审计师的答案之间的区别。(关于为什么仅靠检索还不够，还需要确定性计算层这一更深入的论证，详见主题页面。)

这在实践中是什么样子

在这样的架构下运行的财务团队，可以用阿拉伯语或英语提问:“展示第一季度按酋长国划分、且仅核对至已清算发票的含增值税营收”,并得到一个与 FTA 对同一时期看法一致的数字，而底层发票只需点击一下即可查看。他们可以对某种假设情景建模，比如税率变化或延迟清算的情形，得到的答案是可重现的，而不是一次性的猜测。等审计师到来时，追溯记录早已就绪。

这就是当下这个地区的门槛所在。不是“听起来很懂财务的 AI”,而是每一个数字你都愿意署上自己名字的 AI。随着 ZATCA 处理着数十亿张已清算发票，阿联酋的处罚计时器也已经启动，一个自信却错误的数字所带来的代价已经上升。能够防止这一点的架构，是那种朴实无华、确定性、经过核对的类型，而这正是它奏效的原因。

如果你的 AI 无法向海湾地区的监管机构展示其推导过程，它就还不具备财务级别的可用性。预约演示,我们会向你展示一个真正与分类账对得上的答案实际是什么样子。