Blue J 在複雜受規管領域快速擴展的方法

傳統稅務研究需要先從數以百計的資料來源中篩選內容，然後才能開始解讀。稅務專業人員繼而花上數小時，分析法例、規例、裁決、案例法和專家評論，梳理各項規則如何互相影響，最後歸納出答案。

視乎問題的複雜程度，這個過程可能需時數小時、數天甚至數星期，但結果仍可能不一致或已過時；任何遺漏的細節都可能帶來實際損失。

Blue J 由一群認為稅務研究需要更佳工具的稅法教授和從業人員於 2015 年創立。團隊早期曾探索利用 AI 預測稅法案件的結果，其後再開發多種產品，為各種規模的稅務及會計公司提供支援。

ChatGPT 推出後，Blue J 看到了創新的機會：結合對繁複規例的進階推理與結構化檢索，在數秒內提供專業級稅務答案，並附上行內引用和專業人員可信賴的來源清單。

推出後兩年內，Blue J 已在美國、加拿大和英國推出採用 GPT‑4.1 的稅務研究引擎。他們在 ChatGPT 面世僅六個月後便推出首項產品，隨即根據意見迅速反覆改良，並建立穩健的評估框架。

目前，超過 70% 的用戶每週登入，而每 700 個回應中，表示不同意的不足 1 個。Blue J 分享了進軍複雜領域並快速擴展的心得：信任、準確度和速度都不容妥協。

Blue J 的稅務研究解決方案採用檢索增強生成（RAG）系統，結合 GPT‑4.1 與專有資料庫。資料庫收錄數百萬份經篩選的文件，包括權威的一手資料，以及 Tax Notes 等來源的專家評論。

當用戶提出「OBBBA 造成的 SALT 稅務陷阱是甚麼？可如何緩解？」之類的稅務問題時，Blue J 會立即檢索來源資料，再由 GPT‑4.1 綜合整理成清晰且附有完整引用的答案，感覺更像可信賴的同事提供指引，而非模型輸出。這套系統只有精通稅務和科技的團隊才能建成。

Janssen 表示：「我們測試過很多模型，而 GPT‑4.1 始終能做到我們所需的事情。它能遵循指示、妥善理解語境，處理邊緣情況的能力亦勝過我們見過的任何其他模型。」

在稅務領域，即使是小錯誤，也可能觸發審計、延誤報稅，或令客戶蒙受實際金錢損失。Blue J 團隊憑經驗深知，即使罕見的邊緣情況，若未能迅速發現和修正，亦可能削弱信任。因此，他們從第一天起便在稅務研究團隊的專業知識指導下，將產品設計成可大規模收集意見並持續改進。

為了讓系統每次使用後都能改善，Blue J 為有意協助改良產品的客戶提供自願數據分享選項。Blue J 的每個答案都設有「不同意」按鈕；回應一旦被標記，系統便會按問題類型、稅務主題和可能的根本原因有系統地分類。

這個循環既能找出偶發錯誤，也能揭示規律。如果合夥企業稅務查詢的表現未如理想，團隊便會調查。如果某個提示詞產生不一致的結果，他們便會加以調整。GPT‑4.1 驅動這個分流層，分析數以千計的意見、將相關問題分組，並協助 Blue J 的產品及稅務研究團隊集中處理最具影響力的範疇。

由於 GPT‑4.1 的回應穩定一致，即使細微改進亦可累積成顯著成效。最終，系統可從每次互動中學習，從而加快反覆改良、提升答案質素，並讓產品與用戶需要同步演進。這個良性循環令 Blue J 將不同意率降至每 700 個答案不足 1 個。

這種反覆改良的產品開發方式，亦有助 Blue J 時刻領先變革。2025 年美國通過一項影響深遠的稅務法案時，團隊早已花了六星期，梳理法案對整個程式碼庫的影響。法案簽署後數小時內，用戶便已在正式上線系統中看到更新後的答案。

在規則不斷變動、而準確度至關重要的領域，正是這個閉環系統讓 Blue J 保持迅速、可信，並領先市場。

模型質素不只是一項功能，更是能否推出產品的先決條件。Blue J 使用涵蓋美國、加拿大和英國稅法、包含逾 350 個提示詞的基準測試套件，評估每個新發佈的模型。每個模型都會接受指示遵循程度、來源一致性和答案清晰度測試，確保提示詞或檢索邏輯的改進，能透過可預測的實際表現得到鞏固。

Janssen 表示：「儘管我們測試過所有模型，但從未推出過非 OpenAI 模型。OpenAI 模型在我們的內部基準測試中一直表現更佳，尤其擅長遵循指示，以及提供符合我們實際應用標準的答案。」

客戶全年都以 Blue J 作為預設稅務研究工具，而非只在報稅季節使用。超過 70% 的用戶每週登入，每名用戶每週可在研究和客戶溝通方面節省 2.7 小時，並將這些時間重新投放於利潤較高的規劃和顧問工作。

Blue J 專注於其最熟悉的獨有範疇，也就是稅務專業人員的實際需要，因而取得如此高的用戶參與度。GPT‑4.1 憑藉結構化輸出內容、穩定遵循指示的能力和可靠結果，進一步發揮他們的專業知識。對創辦人而言，啟示十分明確：以自身的專門知識為核心優勢，並運用合適的模型擴展規模。