ADÓ ÉS PROFIT · TECHNOLÓGIA ÉS ADÓZÁS
A generatív mesterséges intelligencia néhány másodperc alatt képes összefoglalni egy adójogi problémát, értelmezni egy rendelkezést vagy kiszámítani egy várható fizetési kötelezettséget. A válasz azonban akkor is lehet hibás, ha pontos jogszabályhelyeket és meggyőző szakmai indoklást tartalmaz. Nemzetközi kutatások és adószakértők tapasztalatai alapján vizsgáltuk meg, milyen hibák rejtőzhetnek egy AI által készített adójogi válasz mögött, és miért nem jelent önmagában megoldást a technológia fejlődése.
Háttérelemzés
Egy vállalkozó azt kérdezi a ChatGPT-től, hogy egy adott kiadás elszámolható-e költségként. A rendszer néhány másodperc alatt válaszol, ismerteti az általános szabályt, megjelöl egy jogszabályt, majd levonja a következtetést. A szöveg szakmainak tűnik, a hivatkozás ellenőrizhetőnek látszik, a válasz pedig nem tartalmaz bizonytalanságra utaló figyelmeztetést.
Csakhogy a hivatkozott rendelkezés esetleg már nem hatályos. Az is lehet, hogy a jogszabály létezik, de egy másik vállalkozási formára vonatkozik. Rosszabb esetben maga a hivatkozás sem valós.
Az ilyen hibák megértéséhez nem elegendő azt mondani, hogy a mesterséges intelligencia időnként pontatlan. A probléma összetettebb: a nyelvi modellek működése, az adójog sajátosságai és a felhasználók kérdezési szokásai egyaránt hozzájárulhatnak a téves válaszokhoz. A 2026-ban megjelent német adójogi kutatás szerint az adózás különösen nehéz terület a nyelvi modellek számára, mert a helyes megoldáshoz pontos jogszabályi hivatkozásokra, egymással összefüggő rendelkezések értelmezésére és hibátlan számításokra van szükség.
A legveszélyesebb válasz az, amelyik helyesnek látszik
A generatív mesterséges intelligenciával kapcsolatos egyik legismertebb jelenség a hallucináció. Ezt a kifejezést akkor használják, amikor egy AI-rendszer valószerű, de tényszerűen hibás, megalapozatlan vagy kitalált információt állít elő.
Az adójogban ez különösen megtévesztő formát ölthet. A rendszer megnevezhet nem létező bírósági döntést, tévesen idézhet egy jogszabályt, vagy olyan kivételre hivatkozhat, amely a kérdéses ügyben nem alkalmazható.
Jesminara Rahman, korábbi brit adóhatósági vizsgálati tanácsadó egy 2026-os nyilvános szakmai bejegyzésében saját tapasztalatáról számolt be. Az AI-tól öt adóügyi bírósági döntés hivatkozását kérte, de ellenőrzése szerint egyik sem létezett. Amikor jelezte a hibát, a rendszer újabb, szintén kitalált hivatkozásokat adott. Csak további kérdezés után ismerte el, hogy nem tud megbízható forrásokat szolgáltatni.
Rahman beszámolója nem kontrollált tudományos kísérlet, és nem alkalmas a hibák gyakoriságának mérésére. Arra viszont konkrét példát mutat, hogy a téves válasz kijavítására irányuló újabb kérdés sem feltétlenül oldja meg a problémát.
A hallucinációk jelenlétét tudományos vizsgálatok is dokumentálták. A Stanford Egyetem kutatóinak 2025-ben, a Journal of Empirical Legal Studies folyóiratban publikált tanulmánya jogi kutatásra kifejlesztett AI-eszközöket tesztelt. A LexisNexis és a Thomson Reuters vizsgált rendszerei a tesztkérdések legalább 17 százalékában hallucináltak, jóllehet a szakmai adatbázisokra épülő megoldások csökkentették a hibák előfordulását az általános célú chatbothoz képest.
A kutatás jogi információkereső rendszerekre vonatkozott, nem kifejezetten adóbevallások elkészítésére. Az eredménye mégis fontos: önmagában egy szakmai adatbázis használata sem jelent hibamentességet.
A jogszabály létezhet, a válasz mégis hibás
A kitalált hivatkozás viszonylag egyszerűen azonosítható: meg kell keresni a megjelölt jogszabályt vagy bírósági döntést. Létezik azonban egy nehezebben felismerhető hibatípus, amikor az AI valós forrásból indul ki, de rossz következtetésre jut.
Az adójogi rendelkezések ritkán működnek egymástól függetlenül. Egy mentesség alkalmazását meghatározhatja az adóalany státusza, az ügylet időpontja, egy korábbi választás vagy egy másik jogszabályban szereplő kivétel.
Ha a rendszer helyesen idézi az általános szabályt, de nem veszi figyelembe a kapcsolódó rendelkezést, a válasz megtévesztően hiteles lehet.
Susan Davies okleveles könyvelő egy 2026-os nyilvános szakmai bejegyzésében arról számolt be, hogy egy közösségimédia-vitában valaki AI által készített választ használt fel egy forgalmi adózási állítás alátámasztására, a válasz azonban téves volt. Davies hangsúlyozta, hogy az adójog értelmezése a konkrét körülményektől függ, amelyek nem feltétlenül férnek bele egy rövid kérdésbe. Saját munkájában használ AI-t kutatásra és szövegelőkészítésre, de nem tekinti a szakmai mérlegelés helyettesítőjének.
A jelenség Magyarországon is könnyen elképzelhető. Ha valaki kizárólag azt kérdezi, hogy adómentes-e egy bevétele, a válaszhoz előbb tisztázni kellhet a bevétel jogcímét, az adóalany jogállását, az érintett időszakot és számos további körülményt.
A chatbot azonban nem feltétlenül teszi fel ezeket a kérdéseket. Előfordulhat, hogy a hiányzó információkat hallgatólagos feltételezésekkel pótolja, majd az így kialakított helyzetre ad választ.
A felhasználó ilyenkor azt hiheti, hogy a saját ügyére kapott megoldást, valójában azonban egy feltételezett esetre vonatkozó magyarázatot olvas.
Ugyanaz a kérdés, más válasz
A generatív AI megbízhatóságának másik problémája, hogy a megfogalmazás megváltoztatása befolyásolhatja a kapott eredményt. Egy jogilag azonos tartalmú kérdés elvileg nem vezethetne eltérő adókötelezettséghez pusztán azért, mert más szórendet vagy kifejezéseket használunk.
Ezt a problémát vizsgálta egy 2025-ben megjelent amerikai kutatás, amelynek eredményeit az Artificial Intelligence and Law folyóirat közölte.
A kutatók az amerikai adóhatóság, az IRS önkéntes adóbevallás-készítőket vizsgáztató rendszerének kérdéseit nyelvileg módosított változatokkal együtt tesztelték több nyelvi modellen. Az eredmények azt mutatták, hogy a jelentés megőrzése mellett végzett nyelvi átalakításokra a modellek eltérően reagáltak: egyes esetekben javult, máskor romlott a teljesítményük.
A nehézségek különösen a nyitott, számításokat és adószabályok alkalmazását igénylő kérdéseknél jelentkeztek. A vizsgálatban ezeken még a legjobban teljesítő GPT-4 is csak 48,89 százalékos pontosságot ért el.
Az eredmény a kutatásban használt modellekre és az amerikai tesztfeladatokra vonatkozik, nem a 2026-ban elérhető valamennyi AI-rendszer teljesítményére.
A vizsgálat jelentősége abban áll, hogy a kérdés nyelvi formája önmagában is hibaforrás lehet. Ebből következik, hogy a pontosabb kérdezés javíthatja az eredményt, de a helyes válasz nem garantálható pusztán a prompt gondos megfogalmazásával.
A modell nem feltétlenül a jelenleg hatályos szabályt használja
Az adójog gyakran változik. Az összeghatárok, kedvezmények, bevallási kötelezettségek és eljárási szabályok módosulhatnak, akár egyetlen adóéven belül is.
A nyelvi modellek korábban megismert információkra támaszkodhatnak, így internetes keresés vagy naprakész jogszabály-adatbázis nélkül elavult rendelkezésekből indulhatnak ki. De még a keresési funkció sem oldja meg automatikusan a problémát.
Egy keresés megtalálhat egy korábbi évre vonatkozó tájékoztatót, amelynek tartalma akkor helyes volt. Ha az AI nem ellenőrzi, hogy a dokumentum mely időszakra vonatkozik, a régi szabályt jelenlegi előírásként ismertetheti.
A nemzetközi adójogban további problémát jelenthet az országok közötti különbség. Két ország adórendszere hasonló fogalmakat használhat, miközben a részletszabályok eltérnek. Ha a kérdésből nem derül ki egyértelműen a joghatóság, a rendszer nem megfelelő ország szabályát is felhasználhatja.
Az OECD 2026 júliusában kiadott tanulmánya a hibás információkat és a hallucinációkat is a személyes pénzügyekben alkalmazott AI lényeges fogyasztói kockázatai közé sorolta. Az elemzés szerint az AI javíthatja a pénzügyi információk hozzáférhetőségét, de hosszú távú előnyei és kockázatai további vizsgálatot igényelnek.
Az adózási válasz ellenőrzésénél ezért nemcsak azt kell megvizsgálni, hogy létezik-e a hivatkozott rendelkezés, hanem azt is, hogy a megfelelő időállapotát és joghatóságát alkalmazta-e a rendszer.
Miért nem elég egy adójogra specializált AI?
A technológiai fejlesztések egyik fontos iránya a szakterületre szabott nyelvi modellek létrehozása. Az ilyen rendszereket kifejezetten jogi vagy adózási adatokkal fejlesztik, illetve ellenőrzött szakmai adatbázisokhoz kapcsolják.
Ez valódi előrelépést jelenthet, de nem szünteti meg az összes hibaforrást.
A Friedrich-Alexander-Universität Erlangen-Nürnberg kutatói 2026-ban publikálták a SteuerLLM nevű, német adójogra specializált modelljük vizsgálatát a Scientific Reports folyóiratban.
A kutatásban 115, szakértők által ellenőrzött, valódi egyetemi adójogi vizsgakérdéssel tesztelték a modelleket. A kifejezetten adójogra fejlesztett rendszer több általános célú modellnél jobban teljesített, de eredményei a vizsgált kategóriákban elmaradtak az összehasonlításként közölt átlagos hallgatói teljesítménytől.
A tanulmány egy érdekes további problémára is rávilágított: bizonyos jogi állítások értékelésében maguk a szakértők sem mindig jutottak azonos eredményre. A kutatók ezért a modellek pontszámait összehasonlító mérőszámoknak tekintették, nem a jogi helyesség minden esetben végleges mércéjének.
A vizsgálat korlátja, hogy a modellek a válaszadáskor nem használhattak külső jogszabály-adatbázist, és a feladatok egyetemi vizsgákból származtak. Az eredmények tehát nem írják le teljes körűen egy modern, kereséssel kiegészített adótanácsadó rendszer teljesítményét.
Arra viszont rámutatnak, hogy a szakmai fejlesztés önmagában nem teszi egyenértékűvé a modell válaszát egy ellenőrzött adójogi szakvéleménnyel.
A hibamentesség ígérete és a valóság
A jogi AI-rendszerek fejlesztői többféle módszerrel próbálják csökkenteni a pontatlanságot. Az egyik ilyen megoldás a RAG, vagyis a kereséssel kiegészített szöveggenerálás, amelynek során a rendszer válaszadás előtt releváns dokumentumokat keres egy meghatározott adatbázisban.
Ezzel mérsékelhető annak kockázata, hogy a modell kizárólag korábban megtanult, elavult vagy megalapozatlan információkra támaszkodjon.
A Stanford korábban említett kutatása azonban azt találta, hogy a szakmai adatbázist használó jogi AI-eszközök sem voltak hallucinációmentesek. A hozzáférés a megfelelő dokumentumhoz nem garantálta annak helyes felhasználását.
A probléma több ponton is jelentkezhet. A keresőrendszer kiválaszthat nem megfelelő dokumentumot, figyelmen kívül hagyhat egy kivételt, vagy a megtalált rendelkezést rosszul alkalmazhatja a konkrét ügyre. A dokumentum tartalma lehet pontos, miközben az abból levont következtetés hibás.
A kockázat tehát a teljes folyamatot érinti, nem kizárólag az információk megtalálását.
Ez azonban nem jelenti azt, hogy egy AI minden adójogi válasza szükségszerűen hibás, vagy hogy a jövőben elvi okból lehetetlen volna teljesen megbízható, szűk feladatokra fejlesztett rendszereket készíteni. A jelenleg rendelkezésre álló kutatások ennél pontosabb következtetést indokolnak: a vizsgált, természetes nyelven működő rendszereknél a hibakockázat nem szüntethető meg igazoltan pusztán jobb prompttal, nagyobb modellel vagy szakmai adatbázis hozzáadásával.
A hibák csökkentéséhez többféle ellenőrzés együttes alkalmazása szükséges, és ezek eredményességét külön kell mérni.
Ki viseli a téves válasz következményeit?
A technológiai hibák mellett a felelősség kérdése is felmerül. Egy AI által adott válasz alapján meghozott döntésnek a való világban lehetnek következményei: helytelen adóbevallás, elmulasztott határidő, jogosulatlanul igénybe vett kedvezmény vagy rosszul megválasztott adózási forma.
A Reuters 2026. szeptemberi összefoglalója szerint az Egyesült Államokban tovább nőtt az AI által generált hibás jogi beadványokkal kapcsolatos ismert esetek száma. A beszámoló nem létező ügyekre, kitalált tanúvallomásokra és más ellenőrizetlen állításokra is példákat sorolt; az alkalmazandó szakmai szabályok az AI használata mellett is az iratot benyújtó jogásztól várják el a tartalom ellenőrzését.
Ezek amerikai jogi esetek, nem magyar adóhatósági eljárások. A példa mégis világosan megmutatja a technológiai és a szakmai felelősség közötti különbséget.
A generált szöveg elkészítése és annak megalapozottságáért vállalt felelősség nem ugyanaz.
A magyar adózási következményeket minden esetben a konkrét jogviszony, az alkalmazandó jogszabályok és az ügy körülményei alapján kell meghatározni. Egy chatbot tévedése önmagában nem ad általános mentességet az adózási kötelezettségek alól.
Nem a válasz gyorsasága, hanem az ellenőrizhetősége számít
A mesterséges intelligencia egyik legnagyobb előnye, hogy jelentősen lerövidítheti a tájékozódáshoz szükséges időt. Segíthet megtalálni a releváns szabályokat, rendszerezni a dokumentumokat és felkészülni egy szakmai konzultációra.
A kutatások alapján azonban a gyorsaság nem azonos a megbízhatósággal.
Egy adójogi válasz ellenőrzésekor nem elegendő meggyőződni arról, hogy a szöveg logikusnak hangzik. Vizsgálni kell a felhasznált tényeket, a jogszabályok időállapotát, a hivatkozások valódiságát, a kivételeket és a számításokat is.
Az is fontos, hogy a felhasználó felismerje: a chatbot mikor válaszol egy általános kérdésre, és mikor tesz úgy, mintha valamennyi szükséges körülményt ismerné.
A generatív AI fejlődése várhatóan további javulást hozhat a szakmai rendszerek teljesítményében. A jelenleg rendelkezésre álló bizonyítékok ugyanakkor nem támasztják alá, hogy az önállóan adott, ellenőrizetlen adójogi válaszok hibakockázata megszűnt volna.
A legfontosabb különbség ezért nem az ember és a mesterséges intelligencia között húzódik, hanem az ellenőrzött és az ellenőrizetlen információ között.
Egy chatbot képes lehet megtalálni a választ. Az adózási döntéshez azonban azt is bizonyítani kell, hogy a megfelelő kérdésre, a megfelelő szabály alapján és a megfelelő tények figyelembevételével válaszolt.
Az AI pénzügyi munkában jelentkező szakmai kockázatairól ebben a háttérelemzésben írtunk.
Felhasznált források
-
Wind és szerzőtársai (2026): SteuerLLM: local specialized large language model for German tax law analysis. Scientific Reports, 16, 21640. Szakmailag lektorált kutatás, 115 német adójogi vizsgakérdés elemzésével.
-
Magesh és szerzőtársai (2025): Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. Journal of Empirical Legal Studies, 22. A Stanford kutatóinak vizsgálata professzionális jogi AI-eszközökről.
-
Gogani-Khiabani és szerzőtársai (2025): Performance of LLMs on VITA test: potential for AI-assisted tax returns for low income taxpayers. Artificial Intelligence and Law.
-
OECD (2026): Artificial intelligence and personal finance. OECD Artificial Intelligence Papers, No. 62.
-
Jesminara Rahman (2026): nyilvános szakmai LinkedIn-bejegyzés az AI által kitalált adóügyi bírósági hivatkozásokról. Személyes szakmai beszámoló, nem kontrollált kutatás.
-
Susan Davies (2026): nyilvános szakmai LinkedIn-bejegyzés egy AI által hibásan értelmezett forgalmi adózási szabályról. Személyes szakmai beszámoló, nem kontrollált kutatás.
-
Reuters (2026): AI error-ridden court filings surge despite three years of sanctions.
Szerkesztői megjegyzés
Ez a cikk nem állítja, hogy minden AI-val készített adójogi válasz hibás. A bemutatott kutatások azt mutatják, hogy a tévedés kockázata jobb prompt, nagyobb modell vagy szakmai adatbázis használata mellett sem tekinthető megszűntnek. A tudományos eredményeket és a szakértők személyes tapasztalatait ezért külön kezeltük.