AI가 회계사보다 날카롭게 묻는다면, 전문성은 어디에 남을까
핵심 요약
- AI 감사 실험의 성과를 읽으려면 무엇을 비교하고 평가했는지부터 살펴야 합니다.
- 전문적 의구심을 발휘하려면 질문을 던진 뒤 증거까지 비판적으로 살펴야 합니다.
- AI의 질문을 검토할 때는 실제 문제를 얼마나 찾았는지와 불필요한 확인에 얼마나 비용이 들었는지를 함께 봐야 합니다.
- 감사인의 전문성을 평가할 때는 AI가 제시한 의심을 검증하고 결론을 설명하는 능력이 중요해집니다.
AI가 회계사보다 날카로운 질문을 던진다면, 사람의 전문성은 어디에서 드러날까요? KPMG의 ‘Project Exponential’과 AI 감사 실험을 놓고도 생각해볼 문제입니다. 기업의 재무제표를 믿고 판단하는 사람이라면 누가 질문을 던지는지, 그 답은 누가 검증하는지 눈여겨볼 만합니다.
‘더 날카롭게 묻는다’는 무엇을 뜻할까요
AI가 인간 감사인보다 뛰어났다고 말하려면 어떤 능력을 비교했는지부터 분명히 해야 합니다. 질문을 많이 만드는 것과 사람이 놓친 문제를 찾는 것은 다릅니다. 최종 판단까지 정확했는지도 따로 살펴야 합니다.
가령 AI가 의심스러운 거래 100건을 제시했다고 해보겠습니다. 숫자만 보고 잘했다고 평가하기는 어렵습니다. 그중 실제 문제가 몇 건이었는지 알아야 하고, 목록에서 빠진 중요한 문제는 없었는지도 확인해야 합니다.
Project Exponential의 성과도 이런 기준으로 살펴야 합니다. 어떤 자료를 제공했고 사람과 AI에게 같은 조건을 적용했는지에 따라 결과의 의미가 달라집니다. 답의 품질을 누가 평가했는지도 중요합니다. 질문의 품질을 평가한 결과만으로 감사 업무 전체에서 더 뛰어나다고 볼 수는 없습니다.
전문적 의구심은 질문 뒤에도 계속됩니다
감사에서 말하는 전문적 의구심은 설명을 그대로 받아들이지 않고 증거를 비판적으로 살피는 태도입니다. 상대방이 거짓말을 한다고 미리 단정하는 것은 아닙니다. 설명이 자료와 맞아떨어지는지 확인하는 데 가깝습니다.
이해를 돕기 위해 가상의 사례를 하나 들어보겠습니다.
어떤 회사의 매출이 연말에 급증했습니다. 담당자는 “대형 고객과 계약을 맺었기 때문”이라고 설명합니다. 이때 “매출이 왜 늘었나요?”라고 묻는 것만으로는 충분하지 않습니다.
계약서에 어떤 조건이 적혀 있는지부터 살펴야 합니다. 상품이나 서비스를 실제로 언제 제공했는지 확인하고, 반품이나 취소 조건도 따져봐야 합니다.
이렇게 물으면 어떤 자료를 확인해야 할지 구체적으로 알 수 있습니다. 다만 질문을 잘했다고 해서 답까지 검증한 것은 아닙니다. 계약서와 거래 기록이 서로 맞는지 살펴야 하고, 새로운 증거가 나오면 처음 품었던 의심을 거둘 수도 있어야 합니다.
AI가 이런 질문을 제안한다면 검토를 시작하는 데 도움이 됩니다. 이후 증거 확인과 판단 수정을 거치는 과정에서도 전문적 의구심이 필요합니다.
AI의 집요함에도 검토 비용이 붙습니다
AI 감사 에이전트에는 거래 자료에서 이상 징후를 찾고 추가로 확인할 사항을 제안하는 일을 맡길 수 있습니다. 여기서 에이전트란 주어진 목표에 맞춰 자료를 살피고 여러 단계의 작업을 수행하도록 구성한 AI를 뜻합니다.
의심하는 항목이 늘면 확인할 일도 그만큼 많아집니다. 정상적인 거래를 계속 문제로 지목하면 담당자는 불필요한 확인에 시간을 써야 합니다. 반대로 그럴듯한 설명에 쉽게 납득하면 중요한 문제를 놓칠 수 있습니다.
그래서 실험 결과를 볼 때는 다음 항목을 함께 따져야 합니다.
- 실제로 중요한 문제를 얼마나 찾아냈는가.
- 정상적인 항목을 문제로 잘못 지목한 경우는 얼마나 되는가.
- 제시한 근거를 원자료에서 확인할 수 있는가.
- 사람이 검토하고 결론을 내리는 데 얼마나 시간이 들었는가.
마지막 항목은 특히 눈여겨봐야 합니다. AI가 질문을 빠르게 만들어도 사람이 답을 확인하는 데 더 오래 걸린다면 업무 전체가 빨라졌다고 말하기 어렵습니다. 질문을 만드는 순간부터 검토를 마칠 때까지 걸린 시간을 봐야 합니다.
전문성의 기준에 ‘AI를 검증하는 능력’이 더해집니다
AI는 질문을 꽤 설득력 있게 제시할 수 있습니다. 그렇다고 확신에 찬 문장에 탄탄한 근거가 따르는 것은 아닙니다. 감사인은 그 질문이 왜 중요한지 따져보고, 어떤 자료로 확인할 수 있을지 판단해야 합니다.
앞서 든 매출 사례에서도 마찬가지입니다. “AI가 이상 거래라고 표시했다”는 설명만으로는 부족합니다. 어떤 계약 조건을 문제로 봤는지 설명할 수 있어야 하고, 추가 자료를 확인한 뒤에도 여전히 의심할 이유가 있는지 판단해야 합니다.
저는 AI를 활용하는 감사인의 전문성을 평가할 때 판단의 설명 가능성에 더 큰 비중을 둬야 한다고 봅니다. 무엇을 의심했는지만으로는 충분하지 않습니다. 어떤 의심은 왜 해소됐고, 다른 의심은 왜 끝까지 확인했는지도 설명할 수 있어야 합니다.
업무를 설계할 때도 누가 무엇을 책임질지 구체적으로 정해야 합니다. AI의 제안을 검토할 담당자와 추가 확인이 필요한 경우를 정하고, 최종 결론을 승인할 사람도 명확히 해야 합니다. “사람이 확인했다”는 말로 실제 검토 내용을 대신할 수는 없습니다.
KPMG의 Project Exponential을 놓고도 질문부터 결론에 이르는 판단 과정을 살펴야 합니다. AI가 날카로운 질문을 내놓을수록 감사인은 그 질문을 왜 받아들였고 어떻게 검증했는지 설명할 수 있어야 합니다. 질문을 많이 던졌다는 것만으로 신뢰를 얻기는 어렵습니다. 그 질문을 어떤 근거로 해결했는지까지 보여줘야 합니다.
댓글
댓글을 불러오는 중...