Artificial Intelligence in Accounting: A Systematic Literature Review

현대 금융의 세계에서 숫자는 언제나 이야기를 들려주었지만, 그 이야기를 읽는 방식은 변하고 있습니다. 수십 년 동안 회계사와 감사인들은 장부를 점검하고, 오류를 찾아내며, 재무 보고서가 정직한지 확인하기 위해 인간의 판단에 의존해 왔습니다. 오늘, 새로운 종류의 도구가 사무실에 들어오고 있습니다. 바로 인공지능입니다. 이것은 단일한 기계가 아니라, 데이터를 통해 학습할 수 있는 스마트한 컴퓨터 프로그램들의 집합체입니다. 이러한 도구들은 수천 개의 문서를 몇 초 만에 스캔하여 인간의 눈이 놓칠 수 있는 패턴을 찾아낼 수 있습니다. 이들은 일상적인 업무를 자동화하고, 재무적 위험을 예측하며, 부정행위를 추적하는 데 사용되고 있습니다. 그러나 이러한 도구들이 더 흔해짐에 따라 한 가지 질문이 남습니다. 우리는 이들이 직업에 미치는 영향에 대해 진정으로 얼마나 이해하고 있는가 하는 점입니다. 이들은 인간 결정권자를 대체하고 있는 것일까요, 아니면 단순히 강력한 조력자 역할을 하고 있는 것일까요? 그 답은 수백 개의 새로운 연구 속에 흩어져 있으며, 이는 정보는 풍부하지만 항해하기는 어려운 지형을 만들어내고 있습니다.

이 성장하는 분야에 명확성을 부여하기 위해, GlobalNxt 대학교의 연구자 진우 채(Jinwoo Chae)는 현재의 지식 상태를 지도화하기 위해 나섰습니다. 그의 목표는 특정 소프트웨어를 테스트하거나 새로운 실험을 수행하는 것이 아니라, 2023년에서 2026년 사이에 발표된 기존 연구를 수집하고 정리하는 것이었습니다. 연구자는 저널 논문, 단행본 챕터, 데이터 보고서를 포함한 49개의 기록 목록에서 시작했습니다. 중복되거나 회계 범위를 벗어난 연구들을 신중하게 제거한 후, 47개의 출판물이 검토 대상으로 남았습니다. 이 과정에는 제목과 저작물의 유형을 읽고 연도, 주제, 방법론별로 분류하는 작업이 포함되었습니다. 이는 연구가 어디로 향하고 있는지, 어떤 질문이 던져지고 있는지, 그리고 지식의 공백이 여전히 어디에 존재하는지를 확인하기 위한 체계적인 노력이었습니다.

검토 결과 가장 먼저 드러난 것은 이 분야의 엄청난 성장 속도였습니다. 연구 발표 수는 불과 몇 년 만에 폭발적으로 증가했습니다. 2023년에는 목록에 단 4개의 연구만이 있었습니다. 2024년에는 그 수가 두 배 이상 증가했습니다. 이러한 모멘텀은 2025년과 2026년에도 계속되어 각각 16개와 18개의 연구가 나타났습니다. 총 47개의 연구 중 34개, 즉 약 72퍼센트가 최근 2년 사이에 발표되었습니다. 이러한 급격한 증가는 회계 분야에서의 인공지능에 관한 담론이 틈새 관심사에서 중심적인 논의 주제로 이동하고 있음을 시사합니다. 그러나 검토 결과는 이 목록이 가용한 문헌의 특정 스냅샷을 나타내며, 해당 주제에 대해 쓰인 모든 연구의 완전한 집계로 간주되어서는 안 된다는 점도 명시했습니다.

이 연구들이 실제로 무엇에 관한 것인지 살펴볼 때, 명확한 패턴이 나타났습니다. 연구는 크게 두 가지 영역, 즉 인공지능가 회계 및 감사에 어떻게 부합하는지에 대한 일반적인 개요와, 부정 탐지를 위한 이러한 도구들의 구체적인 적용에 집중되어 있습니다. 거의 3분의 2의 연구가 이 범주들에 속합니다. 특히 부정 탐지는 컴퓨터가 불규칙성이나 오류를 나타낼 수 있는 특이한 패턴을 찾아내기 위해 방대한 양의 데이터를 걸러내는 데 매우 뛰어나기 때문에 집중적인 관심 영역입니다. 재무 기록의 정확성을 확인하는 작업인 감사는 두 번째로 흔하게 연구되는 기능입니다. 반면, 기업의 운영을 계획하고 통제하는 데 도움을 주는 관리 회계와 같은 회계 세계의 다른 중요한 부분들은 현재 연구에서 거의 완전히 보이지 않으며, 단 하나의 연구만이 이를 다루고 있습니다. 세무 또한 주요 초점으로 등장하는 경우가 드물며, 대개 더 넓은 제목의 작은 일부로만 나타납니다.

이 연구들에 사용된 방법론은 이야기의 또 다른 부분을 말해줍니다. 상당 부분의 작업은 연구자들이 이미 발견된 내용을 요약하는 리뷰로 구성되어 있습니다. 연구의 약 13퍼센트는 체계적 문헌 고찰이며, 또 다른 15퍼센트는 서술적 또는 개념적 리뷰입니다. 새로운 현장 증거를 제시하거나 실제 실험에서 수집된 데이터를 제시한 연구는 매우 적었으며, 제목을 통해 명확히 식별할 수 있는 것은 단 하나뿐이었습니다. 이는 현재의 지식 체계가 실제 회계 법인의 실제 데이터로 아이디어를 테스트하기보다는, 아이디어를 요약하고 가능성을 논의하는 데 더 많이 기반하고 있음을 의미합니다. 이러한 리뷰들이 빠르게 변화하는 분야의 전반적인 그림을 얻는 데는 유용하지만, 연구자는 이에 너무 과도하게 의존하는 것이 확고한 증거 기반의 결론을 도출하는 능력을 제한한다고 제안합니다.

또한 검토는 이러한 기술을 묘사하는 방식에 있어 더 높은 정밀함이 필요함을 강조했습니다. 일부 연구는 모든 형태의 인공지능을 단일하고 균일한 도구로 취급합니다. 그러나 연구자는 이것이 오해의 소지가 있다고 주장합니다. 엄격한 지침을 따르는 단순한 규칙 기반 자동화와, 스스로 학습하고 적응할 수 있는 고급 머신 러닝 사이에는 중요한 차이가 있습니다. 또한 이들과 새로운 콘텐츠를 생성할 수 있는 생성형 모델 사이에도 구분이 존재합니다. 이들을 모두 동일한 "인공지능"으로 취급하는 것은 그것들이 무엇을 할 수 있는지, 어떤 데이터가 필요한지, 그리고 어떤 위험을 초래하는지에 대한 중요한 차이점을 가릴 수 있습니다. 향 \후 연구는 어떤 기술이 사용되고 있는지, 그리고 인간의 감독이 얼마나 개입되는지에 대해 더 구체적이어야 합니다.

앞으로를 내다보며, 연구자는 이 분야의 새로운 방향을 제안합니다. 다음 단계의 연구는 일반적인 토론과 개념적 논쟁을 넘어 더욱 엄격하고 실제적인 테스트로 나아가야 합니다. 이는 왜 회계사들이 이러한 도구들을 채택하는지, 그리고 이들이 전문적인 판단을 어떻게 변화시키는지 설명하기 위해 확립된 이론을 사용하는 것을 의미합니다. 또한 연구 범위를 다양한 국가, 중소기업, 그리고 지속가능성 보고 및 세무 준수와 같이 연구가 부족한 분야로 확장하는 것을 의미합니다. 결정적으로, 연구자는 이러한 시스템의 거버넌스를 조사하는 연구를 더 많이 요구합니다. 즉, 컴퓨터가 실수를 했을 때 누가 책임을 지는지, 그리고 이러한 도구들에 의해 내려진 결정이 어떻게 신뢰할 수 있고 공정할 수 있는지를 연구해야 합니다.

검토는 이 분야가 빠르게 성장하고 있지만, 아직 초기 단계에 있다고 결론짓습니다. 현재의 문헌은 광범위한 토론과 리뷰가 주를 이루고 있으며, 실제 회계 환경으로부터의 깊이 있는 실증적 증거는 부족한 상태입니다. 부정 탐지와 감사에 연구가 집중되어 있다는 점은 전문직이 자동화의 이점이 가장 명확한 영역으로 자연스럽게 기울었음을 시사합니다. 회계의 미래를 진정으로 이해하기 위해서, 연구자들은 이제 시야를 넓혀야 합니다. 그들은 이 도구들이 다양한 환경에서의 회계사의 일상 업무에 어떻게 영향을 미치는지, 전문가의 사고방식을 어떻게 변화시키는지, 그리고 시스템을 정직하게 유지하기 위해 어떤 규칙이 필요한지를 조사해야 합니다. 앞으로 나아갈 길은 인공지능이 무엇을 할 수 있는지 묻는 것에서 벗어나, 그것이 정확히 무엇을 하고 있는지, 그리고 내부로부터 전문직을 어떻게 재편하고 있는지를 측정하는 것으로부터 시작됩니다.