KSK2で税務調査はどう変わる？｜国税AI活用の影響と経営者の準備

国税庁が2001年から運用してきた国税総合管理システム「KSK」が、次世代版「KSK2」へ移行しようとしています。2026年9月頃の稼働が見込まれており、AIやデータ分析の技術を取り入れた申告審査・調査選定の仕組みが導入される予定です。

税務調査を受ける立場の経営者にとって、この変化は他人事ではありません。AIが申告データを自動分析し、異常値を検知して調査対象を選定する。これまで人間の調査官の経験と勘に頼っていた部分が、データに基づく判断へ移行していくことを意味します。

本記事では、現行KSKの仕組みと課題を振り返ったうえで、KSK2で何が変わるのか、調査対象の選定がどう変化するのか、そして経営者が今から何を準備すべきかを整理します。KSK2のAI分析で検知されやすいパターンと対策に焦点を当てた記事はKSK2で国税AIが変える税務調査の実態をご覧ください。税務調査の全体像は税務調査の完全ガイドにまとめています。

現行KSKの仕組みと限界

国税総合管理システム（KSK: Kokuzei Sougou Kanri）は、2001年に全国の税務署で本格稼働しました。それ以前はバラバラに管理されていた申告データ、納税データ、課税台帳などを全国規模で一元化した画期的なシステムです。

KSKの主な機能は、申告書の入力・管理、納税者の情報管理、統計処理の3つに集約されます。全国の納税者約8,000万件のデータを管理し、税務署の職員が端末から申告情報や過去の調査履歴を参照できる仕組みを提供してきました。

ただし、KSKが設計された2000年前後の技術水準には限界があります。

1つ目の課題は、データ分析機能の弱さです。KSKは大量のデータを「蓄積・管理」するシステムであり、蓄積されたデータから異常値やリスクを「分析・検知」する機能は限定的でした。調査対象の選定にあたっては、KSKのデータを参考にしつつも、最終的には調査官の経験則や個人的な判断に依存する部分が大きかったとされています。

2つ目の課題は、外部データとの連携不足です。KSKは原則として申告書のデータを中心に管理しており、法定調書（支払調書など）の情報は取り込んでいたものの、電子帳簿保存法のデータやインボイスのデータとの連携は想定されていませんでした。税制の変更や電子化の進展に、システムのアーキテクチャが追いついていなかった面があります。

3つ目の課題は、自動チェック機能の限界です。申告内容の整合性チェック（売上と仕入の比率、人件費比率など）は一定程度行われていましたが、同業他社の平均値との比較や、複数年にわたる時系列の分析をリアルタイムで実行するような機能は備えていませんでした。

このような背景から、国税庁は次世代システムの開発に着手しました。

KSK2で何が変わるか

KSK2（仮称）は、現行KSKの課題を解消し、AI・データ分析技術を本格的に取り入れるシステムとして開発が進められています。2026年9月頃に稼働開始が見込まれており、税務行政のデジタルトランスフォーメーション（DX）の柱に位置づけられています。

国税庁の公表資料や関連報道から見えてくるKSK2の主な変化点を整理します。

AIによる申告内容の自動分析

KSK2ではAI（機械学習を含むデータ分析技術）が申告データを自動的に分析し、異常値や不整合を検知する仕組みが導入される見込みです。

現行のKSKでも申告書の基本的な計算チェック（申告額の計算誤りなど）は行われていましたが、KSK2ではより高度な分析が期待されます。たとえば、業種・規模が類似する企業群との比較分析、複数年にわたる申告傾向の時系列分析、申告内容と法定調書（取引先が提出する支払調書など）のクロスチェックなどが考えられます。

これは税務職員が人手で行っていた作業の一部を機械が代替するという位置づけであり、AIが「判断」するのではなく、AIが「異常値を検知・提示」し、最終判断は人間が行う構造になると予想されます。

電子帳簿保存法データとの連携

2024年1月から電子取引データの電子保存が義務化されました（電帳法と税務調査の関係を参照）。KSK2では、この電帳法で電子保存された取引データと申告データを突合する機能が搭載される可能性があります。

電帳法対応で蓄積された電子データが構造化されていれば、申告書上の売上高や仕入高とのクロスチェックをシステム側で効率的に行えるようになります。現行では調査官が企業に赴いて帳簿と証憑を1件ずつ突合していた作業が、一部は事前にデータベース上で完了するかもしれません。

インボイスデータの活用

2023年10月に始まったインボイス制度（適格請求書等保存方式）により、適格請求書の発行・受領データが蓄積されています。KSK2ではこのインボイスデータも分析対象に含められる可能性が高いと見られています。

売り手が発行した適格請求書のデータと、買い手が仕入税額控除として申告した消費税額を照合すれば、架空仕入や水増し経費の検知精度は格段に上がることが予想されます。インボイス制度と税務調査の関係については消費税インボイスと税務調査の指摘ポイントも参考にしてください。

データ連携の全体像

KSK2では、複数の情報ソースが統合的に分析されることが予想されます。

申告データ（確定申告書・法人税申告書）に加えて、法定調書（支払調書・源泉徴収票）、電子帳簿保存法で蓄積された取引データ、インボイス（適格請求書）のデータ、登記情報・不動産情報、さらには金融機関からの法定資料などが横断的に分析される基盤が整うことになります。

調査対象の選定はどう変わるか

税務調査で経営者がもっとも気にするのは「なぜうちが選ばれたのか」という点です。KSK2の導入により、調査対象の選定プロセスがどう変わるかを考えます。

現行の選定方法

現行のKSKでは、以下のような基準で調査対象を選定していると考えられています（選定基準は公開されていませんが、税理士業界での経験則として共有されている情報です）。

過去の調査間隔が一定年数を超えた納税者、申告内容に形式的な不備がある納税者、売上や経費の変動幅が大きい納税者、現金商売など不透明さが残る業種、内部通報や取引先調査で端緒を把握した案件。これらを調査官が個別にレビューし、調査官の経験に基づいて優先順位をつけるのが基本的な流れとされています。

業種別の調査確率については税務調査の確率は業種で違う？にデータをまとめています。

KSK2での選定 — データドリブンへの転換

KSK2では、人間の調査官の勘に依存する部分が大幅に減り、データに基づくリスクスコアリングが導入される可能性が高いと予想されています。

リスクスコアリングとは、各納税者の申告データを複数の指標で点数化し、リスクが高い順に並べ替える仕組みです。たとえば、同業他社の平均経費率からの乖離度、売上の前年比変動率、法定調書との不一致の有無、過去の修正申告・更正の履歴、電帳法対応状況のフラグなどの指標が組み合わされると考えられます。

このスコアが一定の閾値を超えた納税者が調査候補としてリストアップされ、調査官がそのリストをもとに最終的な調査対象を決定する。こうした流れが導入されると見られています。

「量より質」への移行

国税庁の統計によると、税務職員の定員は近年減少傾向にあります。一方で、インボイス制度の導入により消費税の免税事業者が課税事業者に転換するなど、管理対象の納税者数は増加しています。限られた人員で効果的な調査を行うために、AIで事前にリスクの高い案件を絞り込み、少ない調査件数でも追徴税額の回収率を高めるという方向性が合理的です。

端的にいえば、調査の「件数」は横ばいまたは微減でも、1件あたりの「精度」（非違発見率・追徴税額）が上がる。KSK2の導入によって、税務調査は「数撃てば当たる」から「的を絞って確実に当てる」へ移行すると予想されます。

AIに検知されやすいパターン

KSK2でAI分析が本格的に導入された場合、どのようなパターンが検知されやすくなるのか。現行の税務調査で指摘が多い項目と、AIの分析特性を掛け合わせて考えます。

同業他社比較での経費率の乖離

AIが得意とするのはパターンからの逸脱の検知です。「飲食業で売上1億円の法人」という母集団があれば、その母集団の原価率・人件費率・交際費率・広告宣伝費率の平均値と標準偏差をAIが算出し、大きく乖離する企業をフラグ付けすることは技術的に難しくありません。

たとえば、同規模の同業他社では交際費率が2%前後なのに自社は8%であれば、AIはこの差異を異常値として検知する可能性があります。もちろん、業態の違いや営業戦略上の理由で説明がつくケースもありますが、「なぜ業界平均より高いのか」を合理的に説明できる準備が求められます。

経費の否認事例については税務調査で否認される経費の事例集を参照してください。

売上の急変動と申告パターンの不連続

毎年安定して推移していた売上が突然増減した場合、AIはその変動に着目します。単年度の変動だけでなく、3年・5年といった時系列での分析が行われるため、「ある年だけ売上が落ち込んでいるが、翌年は元に戻っている」といった不自然なパターンも検知対象になりえます。

これは正当な事業上の理由（大口取引先の撤退、コロナ禍の影響など）で説明がつくケースも多いのですが、AIはまず「パターンの逸脱」を拾い上げ、その背景が正当かどうかの判断は人間に委ねるという構造になるでしょう。

期ずれ（売上の計上時期のずれ）は税務調査で頻繁に指摘される項目であり、AIの時系列分析でも検知されやすいと予想されます。税務調査で期ずれ・売上計上を指摘されたときの対応もあわせてお読みください。

法定調書・インボイスとの不一致

KSK2が電帳法データやインボイスデータと連携すれば、取引先が提出した支払調書の金額と、自社が申告した売上金額の照合がシステム的に行えるようになります。

たとえば、取引先A社が自社への支払いとして500万円の支払調書を提出しているのに、自社の申告書にA社からの売上が400万円しか計上されていなければ、100万円の差額がAIに自動検知されることになります。こうした不一致の検知は、従来は調査官が手作業で突合していたため見落としもありましたが、AIによる自動照合ではほぼ漏れなく検出されるようになるでしょう。

現金商売の不透明さ

飲食店、小売業、美容室、建設業の一人親方など、現金取引が多い業種は従来から調査対象に選ばれやすい傾向がありました。KSK2の導入後も、現金取引の多さは依然としてリスク要因になると考えられます。

ただし、キャッシュレス決済の普及に伴い、決済データが構造化された形で蓄積されるようになっています。クレジットカード会社や電子決済事業者からの法定資料とあわせて分析することで、申告された売上と実際の入金の乖離をより精密に検知できるようになる可能性があります。

個人事業主の税務調査については個人事業主の税務調査で詳しく解説しています。

外注費と給与の区分

外注費として処理している支出が、実態としては給与に該当するのではないかという指摘は、税務調査の定番項目です。AIが外注先への支払額・頻度・継続性を分析し、「毎月定額を同一の個人事業主に支払っている」パターンを自動的にフラグ付けすることは十分に考えられます。

外注費と給与の否認パターンに詳しい解説があります。

経営者が今から準備すべきこと

KSK2の稼働が2026年9月頃に予定されている以上、経営者が「様子を見てから対応する」と考える余裕はあまりありません。AIによるデータ分析は過去の申告データも対象になるため、稼働後に慌てて直前の申告だけ整えても、過去のデータとの不連続が逆に検知対象になりかねません。

今から取り組むべき具体的な準備を整理します。

KSK2で変わらないこと

KSK2が導入されても、税務調査の基本的な枠組みが根本から変わるわけではありません。変わる部分と変わらない部分を正確に区別しておくことも重要です。

任意調査の法的枠組みは変わらない

中小企業や個人事業主が受ける税務調査は、原則として「任意調査」です。これは国税通則法に基づく手続きであり、事前通知の義務（同法第74条の9）、質問検査権の範囲（同法第74条の2）、調査結果の説明義務（同法第74条の11）といった法的枠組みはKSK2の導入によって変更されるものではありません。

つまり、事前通知なしにいきなり調査が始まることはなく（無予告調査の例外規定を除く）、調査官が質問できる範囲は法律で定められたものに限られ、調査後には結果の説明を受ける権利があるという基本構造は維持されます。

調査官の実地調査はなくならない

AIがどれだけ高度な分析を行っても、最終的に事実認定を行うのは人間の調査官です。帳簿の確認、現場の視察、経営者へのヒアリングといった実地調査のプロセスはKSK2が代替するものではありません。

AIの役割は「調査すべき対象の絞り込み」と「調査官が注目すべき論点の提示」にとどまり、調査の現場で事実を確認し、法的な判断を下すのは引き続き調査官の仕事です。調査当日の対応方法は税務調査の対応方法を、事前準備のチェックリストは税務調査の事前準備チェックリストをそれぞれ参照してください。

納税者の権利は保護される

税務調査に不服がある場合の救済手段（修正申告の要否判断、更正処分への不服申立て、国税不服審判所への審査請求など）もKSK2の導入で変わるものではありません。AIが検知した異常値に基づいて調査が行われたとしても、調査結果に対する反論の機会は保障されています。

適正申告が最善の対策であることは不変

AIの導入によって検知精度が上がるとはいえ、適正に申告し、帳簿を正確に記帳し、証憑を適切に保存している企業にとっては、むしろ無用な調査が減る方向に働く可能性があります。「AIが怖い」のではなく、「AIが正確な企業を見分けてくれる」と捉えれば、日頃の適正な経理処理がそのまま最善の対策であるという原則は何も変わりません。

まとめ