회계사와 세무사 역할을 수행할 프로그램은 종래의 프로그래밍 기법으로 가능하며, 일부 카드 회사가 서비스하고 있습니다. 이 글은 AI 기법을 이용한 회계사&세무사 프로그램에 관한 것입니다.

일련의 전문직을 AI 프로그램으로 대체하는 과정을 설명하기 위한 예로서 회계사/세무사를 든 이유는 비교적 독자들에게 익숙한 주제이기 때문입니다. 변호사, 검사, 판사, 변리사, 관세사 등도 주제가 될 수 있습니다.  

이 글은 특허청 공개 특허 ‘IP 기반의 세무회계 장치'를 참조하였습니다.  * 그림이 깨지면 원문 링크를 참조하십시오.

컴퓨터의 역사가 곧 회계의 역사라 할만큼 컴퓨터 기술의 시작과 전개는 회계와 밀접합니다. Generally Accepted Accounting Principles (GAAP)은 회계 실무에 종사하는 이들이 따라야할 보편적 원칙을 기술하며, 한국에서는 신뢰성의 원칙, 간단명료성의 원칙 등 7대 기준 혹은 원칙으로 기술하기도 하지만, 그 핵심은 (회계 노동의) 비용 대비 효용의 원칙, (거래 인식의) 발생주의 원칙, (거래 내용의) 수입 비용 일치의 원칙 및 (정보의) 공개 원칙입니다. 그런데, 회계의 원칙을 기술하면서 가장 중요한 사항을 간과하고 있는데, 그 것은 회계 업무를 사람이 수행한다는 가정 하에 모든 회계 원칙과 기준이 수립되었다는 사실입니다. 회계 세무 노동을 기계가 수행한다면, 금과옥조같은 회계/세무 원칙들은 무용지물입니다.

종래의 프로그래밍에서는, 거래가 발생할 때, 누군가가 날짜와 금액을 포함하는 일련의 정보를 차변/대변으로 기록하면(분개), 프로그램이 현금흐름표, 손익계산서 => 대차대조표 => 자본잉여금처분계산서 등의 순서로 일련의 계산 과정을 거쳐 각 재무제표에 기록합니다. 재무제표들 간의 전환 과정, 이를테면 손익계산서 내용을 대차대조표로 옮기는 등의 과정에서 요구되는 계산 작업을 코딩하는 건데, 어렵지도 않고, 많은 인력이 소요되지도 아닙니다.

Image source: Google search

그러나, 회계사의 핵심 업무는 경리와는 무관합니다. 회계사의 본업은 회계 감사(Audit)이며, 감사 기능을 전통적인 코딩으로 구현할 수 있다면, 대우조선의 분식 사태는 애초에 발생하지도 않았겠죠. 이 지점에서 AI가 등장하는데, 국세청을 하나의 무인시스템으로 구현함으로써, 회계/세무 업무는 물론 분식의 우려(= 회계 감사의 필요성)을 원천 제거할 수 있습니다. 편의상 그 과정을 다섯 단계나 나누면, 다음과 같습니다.

첫 단계는 국세청과 카드를 포함하는 결제수단을 연동하는 작업입니다. 따라서, 국세청은 적어도 전자 지불수단으로 결제되는 모든 거래에 대한 정보를 실시간으로 수집할 수 있습니다. 이 부분은 이미 꽤 진행되었습니다.

두번 째는 거래 내용을 분개하고, 세 명의 거래 당사자(구매자, 판매자 및 국세청 그 자체) 간에 수익을 분배하며, 그 내용을 각자의 재무제표에 기록하는 과정입니다. 국세청 자체도 거래 당사자에 포함되는데, 사실 국세청은 국가 내에서 발생하는 모든 거래의 거래 당사자입니다. 왜냐하면, 국세청은 거래로 인한 전체 수익 중 일부를 세금의 형식으로 분배받기 때문이죠.

거래 내용을 각 거래 당사자의 재무제표에 기록(분개, 기장)하는 것은 종래의 프로그래밍으로도 해결되지만, AI를 이용할 수도 있습니다. 두 방식 중 어느 방식이 더 효율적인지에 대한 논문은 아직 찾지 못했습니다. AI를 이용한다면, Input에 거래 내용을 입력하고, Output으로 분개 내용을 출력하도록 신경망을 구성할 수 있으며, 그런 종류의 신경망은 매우 단순하므로, 머신러닝의 중급 과정만 이수해도 충분히 구현할 수 있을 것입니다.

셋 째 단계는 정부가 가져갈 수익의 몫을 조정하는 과정입니다. 기존 프로그래밍 방식으로는 프로그래머가 과세 표준, 이를테면 부가세 몇 % 등을 입력하고, 표준의 변경, 이를테면 중소기업의 소득세율은 몇 %, 대기업은 몇 %등을 조건식으로 작성하지만, AI 방식을 적용할 경우, 정부가 소요하는 예산의 총액과 소득 계층별 부담 비율만 지정하면, 각 기업 또는 개인이 부담할 세율을 AI 스스로 결정하게 할 수도 있습니다.

한편으로는, 종래의 프로그래밍 기법이나, 세무사 제도로는 공평과세 혹은 과세의 형평성 원칙을 실현할 수 없습니다. 한 명의 세무사가 한국의 모든 납세자를 공평무사하게 처리한다면 가능하겠지만, 그게 가능하다면, 고소득자 등의 탈세 문제가 발생하지도 않았게죠. 그러나, 과세 메커니즘을 신경망으로 구성하면, 간단하게 공평과세를 구현할 수 있는데, 하나의 신경망이 대한민국의 모든 납세자들의 Tax Report 작성 업무를 수행할 수 있을 뿐 아니라, 종래의 프로그래밍 방식과는 어떤 면에서 경이적인 차이가 있습니다.  바로, 뉴럴 네트워크의 특성 상 공평과세할 수 밖에 없는 점입니다. 그 이유는 인공 신경망의 Hidden Layer는 특정 납세자에게 유리하도록 조작하는 것이 불가능한데, 비로 AI 엔지니어가 신경망을 작성하지만, 그 안에서 무엇이 어떻게 돌아가는지는 본인을 포함하여 누구도 알 수 없으니까요.

Image source: TJN

넷 째 단계는 분식의 적발입니다. AI에서 Abnormality Detection은 잘 정리된 알고리즘 중 하나이므로, 국세청 역할을 수행할 신경망에 분식 탐지 기능을 탑재하는 것은 비교적 간단합니다.

Image source: Coursera

마지막 다섯 째 단계는 은행과 국세청을 하나로 통합하는 것입니다. 국세청과 시장참여자(=자연인+법인)이 제각기 은행 계좌를 가지고, 특정 계좌에 대한 접근권한을 국세청과 관련 시장참여자가 공유하는 방법으로 납세의 실시간(Real-time) 이행과 그 과정의 자동화를 구현할 수 있습니다. 그러나, 국체청처럼 은행 역시 AI 기반으로 무인화 자동화하는 것은 다른 주제입니다.

관심있는 분들은 이전에 소개한 '머신러닝 학습 순서'를 마친 뒤, 국세청+회계사+세무사+관세사의 통합 모델을 AI로 구현하는 프로젝트를 시작하거나, 기존 프로젝트에 참여해 보시기 바랍니다. 종래의 프로그래밍 방법에 따른 연구와 특허가 많이 공개되어 있으므로, 여타 분야(사법부, 특허청 등)에 비해 상대적으로 신경망 구현이 용이할 것으로 예상합니다(AI 엔지니어 10명이 1~2년?).