Approach ng Blue J sa mabilis na paglago sa reguladong domain

Nagsisimula ang tradisyonal na tax research sa pagsala sa daan-daang sanggunian bago pa man umpisahan ang pagbibigay-kahulugan sa mga ito. Pagkatapos, gumugugol ng maraming oras ang mga propesyonal sa buwis sa pagsusuri ng mga statute, regulasyon, pasya, case law, at komentaryo ng mga eksperto para maunawaan kung paano nag-uugnayan ang mga tuntunin at makabuo ng sagot.

Depende sa complexity ng tanong, maaaring abutin nang ilang oras, araw, o maging linggo ang prosesong ito—at maaari pa ring magbunga ng mga hindi magkakatugma o outdated na resulta, habang may mga tunay na kapalit ang bawat nuance na hindi napansin.

Itinatag ang Blue J noong 2015 ng mga propesor at practitioner ng batas sa buwis na nakakita sa pangangailangan para sa mas mahuhusay na tool sa tax research. Mula sa mga unang exploration na i-leverage ang AI para i-predict ang kalalabasan ng mga kaso sa batas sa buwis, bumuo ang team ng iba’t ibang produkto para suportahan ang mga firm ng buwis at accounting anuman ang laki ng mga ito.

Nang ilunsad ang ChatGPT, nakita ng Blue J ang pagkakataong gumawa ng bago: pagsamahin ang advanced reasoning sa dense regulations at naka-structure na pagkuha ng impormasyon para makapaghatid sa loob ng ilang segundo ng mga sagot sa buwis na antas ng eksperto, kasama ang mga inline citation at listahan ng mga source na mapagkakatiwalaan ng mga propesyonal.

Sa loob ng dalawang taon mula nang ilunsad ito, inilabas ng Blue J sa U.S., Canada, at U.K. ang isang tax research engine na gumagamit ng GPT‑4.1. Inilunsad nila ang una nilang produkto anim na buwan lang matapos ang debut ng ChatGPT, saka mabilis na pinahusay ito sa pamamagitan ng pagkatuto mula sa feedback at pagbuo ng matatag na framework ng evaluation.

Ngayon, mahigit 70% ng mga user ang nagla-log in linggo-linggo, at wala pang 1 sa bawat 700 tugon ang rate ng hindi pagsang-ayon. Ibinahagi ng Blue J ang mga natutunan nito sa pagpasok sa isang complex na domain at mabilis na paglago sa pamamagitan ng hindi pagkokompromiso sa tiwala, katumpakan, at bilis.

Binuo ang solusyon ng Blue J sa tax research gamit ang Retrieval-Augmented Generation (RAG) system, na pinagsasama ang GPT‑4.1 at isang proprietary library ng milyon-milyong curated document, kabilang ang mga authoritative primary source at komentaryo ng mga eksperto mula sa mga source tulad ng Tax Notes.

Kapag nagtanong ang isang user tungkol sa buwis, tulad ng, “Ano ang SALT torpedo na ginawa ng OBBBA at paano ito imi-mitigate?” Agad na nire-retrieve ng Blue J ang mga source at sini-synthesize ng GPT‑4.1 ang mga ito bilang malinaw at kumpletong sagot na may mga citation—mas kagaya ng patnubay mula sa pinagkakatiwalaang kasamahan kaysa output ng model. Isa itong system na mabubuo lang ng team na bihasa sa buwis at teknolohiya.

“Marami na kaming sinubukang modelo, at GPT‑4.1 ang consistent na gumagawa ng kailangan namin,” sabi ni Janssen. “Sinusunod nito ang mga instruction, nirerespeto nito ang context, at mas mahusay nitong pinangangasiwaan ang mga di-karaniwang case kaysa sa anumang nakita na namin noon.”

Sa buwis, kahit maliliit na pagkakamali ay maaaring mag-trigger ng pag-audit, makapagpaantala ng mga filing, o magdulot ng tunay na pagkalugi sa mga kliyente. Alam ng team ng Blue J mula sa karanasan na kahit ang bihirang di-karaniwang kaso ay makakasira sa tiwala kapag hindi agad natukoy at naayos. Kaya mula pa sa unang araw, idinisenyo nila ang produkto para makakuha ng feedback at mapahusay ito sa malawakang antas, sa gabay ng kanilang tax research team.

Para mapahusay ang system sa bawat paggamit, nag-introduce ang Blue J ng opsyonal na pag-share ng data para sa mga customer na gustong makatulong sa pagpapahusay ng produkto. May button na “hindi sang-ayon” ang bawat sagot ng Blue J, at kapag na-flag, sistematikong kinakategorya ang tugon ayon sa uri ng isyu, paksa sa buwis, at posibleng pangunahing sanhi.

Natutukoy ng prosesong ito ang mga minsanang error at inilalantad ang mga pattern. Kapag mahina ang performance ng mga query tungkol sa buwis sa partnership, iniimbestigahan ito ng team. Kapag hindi consistent ang mga completion na nalilikha ng isang prompt, inaayos nila ito. Pinapagana ng GPT‑4.1 ang triage layer na ito—inaalisa ang libo-libong feedback point, pinapangkat ang magkakaugnay na isyu, at tinutulungan ang mga product and tax research team ng Blue J na ituon ang kanilang mga pagsisikap kung saan pinakamalaki ang magiging epekto.

Dahil tumutugon nang consistent ang GPT‑4.1, naiipon ang epekto kahit ng maliliit na pagpapahusay. Ang resulta ay isang system na natututo sa bawat interaction, kaya mas mabilis ang iteration, mas mataas ang kalidad ng mga sagot, at magkasabay na nag-e-evolve ang produkto at mga pangangailangan ng user. Nakatulong ang tuloy-tuloy na prosesong ito para mapababa ng Blue J ang rate ng hindi pagsang-ayon na naging wala pang 1 sa bawat 700 sagot.

Tinutulungan din ng paulit-ulit na pagbuo at pagpapahusay ng produkto ang Blue J na mag-stay ahead sa mga pagbabago. Nang maipasa noong 2025 ang isang malawakang panukalang batas sa buwis sa U.S., anim na linggo nang tinutukoy ng team ang epekto nito sa buong codebase. Ilang oras lang matapos lagdaan ang panukalang batas, nakikita na ng mga user ang mga na-update na sagot sa production.

Sa larangang pabago-bago ang mga panuntunan at napakahalaga ng katumpakan, ang closed-loop system na ito ang nagpapanatili sa Blue J na mabilis, mapagkakatiwalaan, at nangunguna sa market.

Ang kalidad ng model ay hindi lang isang feature; isa rin itong gating function. Ine-evaluate ng Blue J ang bawat bagong release ng modelo gamit ang benchmark suite na may mahigit 350 prompt para sa mga batas sa buwis ng U.S., Canada, at U.K.. Tine-test ang bawat model para sa adherence, alignment sa mga source, at linaw ng sagot, para matiyak na ang mga pagpapahusay sa mga prompt o retrieval logic ay nire-reinforce ng predictable, at real-world behavior.

“Sa kabila ng pag-test sa lahat ng ito, hindi pa kami nag-ship ng non-OpenAI model,” sabi ni Janssen. “Palaging nahihigitan ng mga OpenAI model ang aming mga internal benchmark, lalo na sa pagsunod sa mga instruction at paghahatid ng mga sagot na pumapasa sa aming pamantayan para sa aktwal na paggamit.”

Umaasa ang mga customer sa Blue J bilang kanilang pangunahing tool sa tax research sa buong taon, hindi lang tuwing tax season. Mahigit 70% ng mga user ang nagla-log in linggo-linggo, at bawat user ay nakakatipid ng 2.7 oras kada linggo sa research at pakikipag-ugnayan sa kliyente—oras na inilalaan nila sa mas kumikitang pagpaplano at gawaing pagpapayo.

Nakamit ng Blue J ang ganitong level ng engagement sa pamamagitan ng pagtutok sa pinakanatatangi nilang kaalaman: ang mga aktwal na pangangailangan ng mga propesyonal sa buwis. Pinapalakas ng GPT‑4.1 ang kanilang expertise sa pamamagitan ng mga naka-structure na output nito, consistent na pagsunod sa mga instruction, at mga maaasahang resulta. Malinaw ang aral para sa mga founder: gawing pangunahing bentahe ang iyong espesipikong expertise, at gamitin ang mga tamang model para mag-scale.