Sådan skalerer Blue J hurtigt på komplekse, regulerede områder

Traditionel skatteresearch begynder med at gennemgå hundredvis af kilder, før fortolkningen overhovedet kan gå i gang. Derefter bruger skatteeksperter timevis på at analysere love, bekendtgørelser, afgørelser, retspraksis og ekspertkommentarer for at forstå reglernes samspil og sammenfatte dem til et svar.

Afhængigt af spørgsmålets kompleksitet kan processen tage timer, dage eller endda uger – og alligevel føre til inkonsistente eller forældede resultater, hvor hver overset nuance kan have reelle omkostninger.

Blue J blev grundlagt i 2015 af professorer og praktikere inden for skatteret, som så behovet for bedre værktøjer til skatteresearch. Med afsæt i tidlige forsøg på at bruge AI til at forudsige udfaldet af skatteretlige sager udviklede teamet en række produkter til skatte- og revisionsfirmaer i alle størrelser.

Da ChatGPT blev lanceret, så Blue J en mulighed for at skabe noget nyt: at kombinere avanceret ræsonnering på tværs af omfattende regelsæt med struktureret informationssøgning og på få sekunder levere skattesvar på ekspertniveau med kildehenvisninger i teksten og kildelister, som fagfolk kan stole på.

Inden for to år efter lanceringen udrullede Blue J en skatteresearchplatform med GPT‑4.1 i USA, Canada og Storbritannien. De lancerede deres første produkt blot seks måneder efter ChatGPTs debut og forbedrede det derefter hurtigt ved at lære af feedback og opbygge et robust evalueringssystem.

I dag logger over 70 % af brugerne ind hver uge, og færre end ét ud af 700 svar bliver markeret som fejlagtigt. Blue J delte sine erfaringer med at etablere sig på et komplekst område og skalere hurtigt ved aldrig at gå på kompromis med tillid, nøjagtighed eller hastighed.

Blue Js løsning til skatteresearch bygger på et RAG-system (Retrieval-Augmented Generation), der kombinerer GPT‑4.1 med et egenudviklet bibliotek med millioner af kuraterede dokumenter, herunder autoritative primærkilder og ekspertkommentarer fra kilder som Tax Notes.

Når en bruger stiller et skattespørgsmål som: »Hvad er den SALT-torpedo, som OBBBA har skabt, og hvordan kan dens virkning begrænses?« finder Blue J straks kildematerialet, og GPT‑4.1 sammenfatter det til et klart svar med fulde kildehenvisninger, der minder mere om rådgivning fra en betroet kollega end et output fra en model. Det er et system, som kun et team med indgående kendskab til både skat og teknologi kunne bygge.

»Vi har testet mange modeller, og GPT‑4.1 er den, der konsekvent gør det, vi har brug for,« siger Janssen. »Den følger instruktioner, respekterer konteksten og håndterer særtilfælde bedre end noget andet, vi har set.«

På skatteområdet kan selv små fejl udløse kontrol, forsinke indberetninger eller koste kunderne reelle beløb. Blue Js team vidste af erfaring, at selv sjældne særtilfælde kunne underminere tilliden, hvis de ikke hurtigt blev opdaget og rettet. Derfor designede de fra første dag produktet til at indsamle feedback og skabe forbedringer i stor skala med vejledning fra deres skatteresearchteam.

For at gøre systemet bedre ved hver brug indførte Blue J frivillig datadeling for kunder, der ønskede at bidrage til produktforbedringer. Alle svar fra Blue J har knappen »Uenig«, og når et svar markeres, kategoriseres det systematisk efter problemtype, skatteområde og sandsynlig grundårsag.

Feedbacksløjfen opfanger enkeltstående fejl og afdækker mønstre. Hvis forespørgsler om partnerskabsbeskatning klarer sig dårligt, undersøger teamet årsagen. Hvis en prompt giver inkonsistente outputs, finjusterer de den. GPT‑4.1 driver dette prioriteringslag ved at analysere tusindvis af feedbackpunkter, gruppere relaterede problemer og hjælpe Blue Js produkt- og skatteresearchteams med at fokusere indsatsen dér, hvor den gør størst forskel.

Fordi GPT‑4.1 svarer konsekvent, vokser effekten af selv små forbedringer over tid. Resultatet er et system, der lærer af hver interaktion og dermed muliggør hurtigere iteration, svar af højere kvalitet og et produkt, der udvikler sig i takt med brugernes behov. Denne selvforstærkende proces hjalp Blue J med at nedbringe andelen af markerede svar til færre end ét ud af 700.

Den iterative produktudvikling hjælper også Blue J med at være på forkant med ændringer. Da en omfattende amerikansk skattelov blev vedtaget i 2025, havde teamet allerede brugt seks uger på at kortlægge dens konsekvenser i hele kodebasen. Få timer efter lovens underskrivelse kunne brugerne se opdaterede svar i produktionsmiljøet.

På et område, hvor reglerne ændrer sig, og præcision er altafgørende, er det dette lukkede feedbacksystem, der gør Blue J hurtig og pålidelig og holder virksomheden foran markedet.

Modelkvalitet er ikke blot en funktion, men et ufravigeligt adgangskrav. Blue J evaluerer hver ny modelversion med en benchmarkpakke på over 350 prompts inden for amerikansk, canadisk og britisk skatteret. Hver model testes for, om den følger instruktioner, stemmer overens med kilderne og giver klare svar. Det sikrer, at forbedringer af prompts eller søgelogik understøttes af forudsigelig adfærd i praksis.

»Selvom vi har testet dem alle, har vi aldrig lanceret en model, der ikke var fra OpenAI,« siger Janssen. »OpenAI-modeller har konsekvent klaret sig bedst i vores interne benchmarks, især når det gælder om at følge instruktioner og levere svar, der lever op til vores krav til praktisk anvendelse.«

Kunderne bruger Blue J som deres foretrukne værktøj til skatteresearch året rundt – ikke kun i skattesæsonen. Over 70 % af brugerne logger ind hver uge og sparer 2,7 timer pr. bruger om ugen på research og kundekommunikation – tid, som de i stedet bruger på planlægning og rådgivning med højere avance.

Blue J opnåede dette engagement ved at fokusere på det, virksomheden har enestående indsigt i: skatteeksperters praktiske behov. GPT‑4.1 styrker deres ekspertise med sine strukturerede outputs, konsekvente overholdelse af instruktioner og pålidelige resultater. Budskabet til iværksættere er klart: Gør jeres særlige ekspertise til jeres vigtigste fordel, og brug de rette modeller til at skalere.