TECH 으로 돌아가기
TECH HACKER NEWS 6분 읽기 44 READS

KPMG 'AI 에이전트 100개' 감사 실험, 회계사보다 날카로운 질문을 던지다

KPMG 'AI 에이전트 100개' 감사 실험, 회계사보다 날카로운 질문을 던지다
SOURCE IMAGE · HACKER NEWS

회계 감사는 금융 서비스 업계에서 가장 노동집약적인 영역으로 꼽힌다. 수많은 주니어 회계사가 방대한 자료를 반복적으로 대조하고, 그 위에서 경험 많은 매니저와 파트너가 판단을 내리는 구조다. 이 전통적인 모델에 균열을 낼 만한 실험 결과가 나왔다. 영국 KPMG가 'Project Exponential'이라는 이름으로 100개가 넘는 AI 에이전트를 투입해 한 FTSE 250 상장사의 재무제표를 검토한 결과, 에이전트가 사람 감사팀보다 특정 사안을 더 깊이 파고들고 더 나은 질문을 던진 사례가 있었다고 밝힌 것이다. 파이낸셜타임스가 전한 이 실험은 약 4개월에 걸쳐 개발됐다.

보조 도구에서 자율 에이전트로

이번 실험의 핵심은 AI의 역할 변화다. 그동안 회계 현장에서 AI는 특정 행정 업무를 거드는 보조 도구에 가까웠다. 반면 Project Exponential의 에이전트들은 감사 워크플로 전반에 배치돼 정보를 수집하고 데이터를 분석·문서화했으며, 결론과 관찰 사항의 초안을 만들고 다음 단계를 제안하는 데까지 나아갔다. 나아가 에이전트들이 서로 협업하며 역할을 나누고 조사의 여러 요소를 조율했다는 점이 눈에 띈다. 단일 모델이 문서를 요약하는 수준이 아니라, 여러 에이전트가 하나의 감사 과정을 분담하는 형태로 작동한 것이다.

KPMG UK의 감사 책임자 캐스 버넷(Cath Burnet)은 여러 사례에서 이 기술이 통상적인 감사팀보다 사안을 상당히 깊이 파고들어, 추가 조사가 필요한 영역을 짚어내고 사람 감사인이 반드시 제기하지는 않았을 질문을 던졌다고 말했다. 이는 AI의 쓸모가 단순한 생산성 향상을 넘어, 복잡한 재무 정보를 검토하고 해석하며 이의를 제기하는 방식 자체를 바꿀 수 있음을 시사한다.

실험일 뿐, 정식 감사는 아니다

다만 KPMG는 이번 작업을 법적으로 승인된 정식 감사와 분명히 구분했다. 감사 파트너가 실험 자체에는 서명했지만, 그 결과가 회사 회계를 공식적으로 승인하는 근거로 쓰이지는 않았다. 사람의 감독은 여전히 필수였다. 실험 도중 한 AI 에이전트가 규제 요건과 회사 문서를 제대로 대응시키지 못하자 감사인이 직접 개입해야 했다. 복잡한 규제 체계를 다룰 때 현재 AI 시스템이 가진 능력과 한계를 동시에 드러낸 장면이다.

KPMG는 이 실험을 최대 20건의 대형 감사로 확대할 계획이지만, 기술이 아직 수천 건의 계약에 투입될 만큼 성숙하지 않았다는 점은 인정했다. 데이터 품질도 큰 장애물로 남아 있다. 일부 기업은 AI 에이전트가 제대로 작동하는 데 필요한, 정제되고 구조화된 정보를 갖추고 있지 않다.

회계 산업의 경제학이 흔들린다

함의는 가볍지 않다. 전통적 감사가 대규모 주니어 인력에 의존하는 구조였다면, AI 에이전트는 데이터 수집·분석·문서화의 상당 부분을 자동화하고 고급 전문가가 복잡한 판단과 예외 사항에 집중하도록 하는 다른 운영 모델을 제시한다. KPMG와 딜로이트, PwC, EY 같은 대형 회계법인에 이 방향의 매력은 분명하다. 더 빠른 감사, 잠재적으로 낮은 운영 비용, 그리고 훨씬 큰 규모의 재무 정보를 분석할 수 있는 능력이다.

그러나 이런 절감이 고객에게 돌아갈지는 불확실하다. KPMG는 상당한 시간 절감 가능성은 인정했지만 AI로 인한 효율이 감사 수수료 인하로 이어질지는 확인하지 않았다. 규제·직업적 과제도 남는다. 영국 재무보고위원회(FRC)는 AI 활용이 감사인의 독립성, 진실성, 직업적 회의주의를 훼손해서는 안 된다고 경고했다. 데이터 보안, 자동화된 결론에 대한 과의존, AI가 부정확하거나 날조된 정보를 생성할 위험에 대한 우려도 있다. 어떤 기술을 쓰든 감사 의견에 대한 최종 책임은 사람 감사인에게 있다는 원칙은 변하지 않는다.

실무자의 관점에서 이 실험이 보여주는 것은 'AI가 회계사를 대체할 수 있다'는 결론이 아니다. 오히려 한국의 감사·내부통제 담당자라면 두 가지를 먼저 챙겨야 한다. 하나는 데이터 정합성이다. 에이전트의 성능은 정제되고 구조화된 원천 데이터의 질에 좌우되므로, AI 도입 이전에 회계 데이터의 표준화 수준을 점검하는 편이 현실적이다. 다른 하나는 사람의 검증 설계다. 규제 요건과 문서를 대응시키는 작업에서 에이전트가 실수했던 사례처럼, 자동화된 결론을 어느 지점에서 사람이 반드시 재확인할지 책임 경계를 명확히 해 두어야 한다. 질문은 이제 AI가 감사 과정에 들어올 것인지가 아니라, 그 과정의 얼마만큼을 기계가 맡고 사람 회계사가 어떤 역할을 남길 것인지로 옮겨가고 있다.

SOURCE · HACKER NEWS
원문 전체 보기 → https://europeanbusinessmagazine.com/ai-agents-better-questi...
SHARE
NEXT · CHOOSE

변화를 읽었다면,
내가 만들 수익 구조를 고릅니다.

정보를 더 모으는 데서 멈추지 않고, 광고·외주·판매·중개·구독 중 내 상황에 맞는 출발점을 정해보세요.

21가지 수익 구조 살펴보기 →
처리 중...