자가 학습 모델관점으로 바라보는 금융업무에서의 잡무 제거
숙련된 전문산업지식에서 AI 감독관으로

(AI타임스=윤광제 기자) 전문 산업지식인들은 AI가 자신들의 전문성에 어떻게 적용될지 이해하는데 어려움을 겪고 있다.

비야른 베리, PhD, DBA, MBA, PwC의 미국 세금 그룹의 세금 기술 및 개발 실무 책임자가 바라보는 AI와 기계학습으로 변화될 조세 계획과 계산 업무에서의 잡무 자동화에 대해 알아보는 시간을 가졌다.

25년 이상의 IT 및 경영 컨설팅 경험을 보유한 베리(Bjarne Berg)는 AI, 기계학습, 재무 분석 및 기업정보수집 도구들을 사용해 혁신적인 기술 솔루션을 시장에 선보이는 업무를 담당하고 있다. 그는 업계 컨퍼런스에서 자주 연설하며 재무 분석과 기업정보수집에 관한 주제를 정기적으로 발표하는데, 최근에 Q&A를 통해 자신의 뜻을 밝혔다.

 

Q : PwC의 역할과 AI가 어떻게 관련돼 있나?
A : 나는 PwC의 총장으로 세무기술개발로서의 파트너 격이다. 우리가 하는 일은 기본적으로 혁신적이고 새로운 기술을 시장에 선보이는 것으로 몇 백 명으로 이루어진 팀이다. 우리는 기본적으로 AI와 신흥 기술을 세금 분류, 계산, 시각화 및 해석에서 발생하는 많은 반복적인 것들과 결합한다.

 

Q : AI는 세금 계획, 보고 및 기타 기능을 어떻게 변화시키고 있나?
A : 실제로 여러가지 측면에서 바뀌고 있습니다. 우리는 광학식 문자인식(OCR)을 사용해 세금 양식을 읽는데, 수백 수만 개의 양식을 데이터 시스템으로 처리한다. 또한 AI를 사용해 비정상 탐지, 데이터 매핑과 분류를 하고 있다.

 

Q : 세금 기능을 위한 AI 기술 도입은 어느 단계라 생각하나?
A : 그것은 당신이 누구와 이야기 하느냐에 달려있다. 산업 전반에서 AI는 아직 세금 측면으로 많이 쓰이지 않고 있다. 몇몇 웹사이트가 있고 세금 코드와 규정을 찾기 위해 AI를 사용하는 일부 세무사도 있다. 하지만 우리 회사처럼 AI를 이용해 지적재산을 쌓고 꽤 많이 투자하는 기업들도 있다.

고객 입장에서는 일부 아주 큰 업체를 제외하고는 아직 많이 보편화 되지 않은 것처럼 보일 것이다. 많은 관심이 있고 많은 사람들이 집중하고 시도할 것이지만, 실제로 세무기능으로 사용될 때까지는 12-36개월 정도 걸릴 것이라고 예상한다.

 

Q : 세금 기능 자동화를 위한 어떤 AI 기술을 사용하고 있나?
A : 상당한 양의 OCR의 문자 형식을 인식하고 분류해 지도화한다. 복잡한 세금환급을 더 빨리 끝낼 수 있도록 도표의 거래를 가지고 표준분류로 지도화하는 도구가 있다. 세금환급에서 AI는 비정상을 검출하고 오류를 찾는 과정으로 쓰인다. 금액 뿐만 아니라 시퀀스, 시간, 승인자, 거래 타입 등을 검출하며 그 이상으로 발전하고 있다.

연구개발 같은 비용을 분류하는 작업도 있다. 진정한 조세 공제 목적의 연구개발이 어떤 것인지 찾아낸다. 이 영역들 안에서도 자연 언어 처리 기능이 있는 기존 OCR과 같이 틈새를 발견할 수도 있다.

 

Q : 새로운 기술을 개발하고, 사용 가능한 오픈 소스를 기반으로 새로운 소프트웨어를 작성하나?
A : 그것은 프로젝트에 달려 있다. 대부분의 조직과 마찬가지로, 표준 산업 소프트웨어와 "R"과 Python과 같은 오픈 라이브러리의 이용 및 표준 개발 프레임워크의 구축 등이 혼재돼 있다.

 

Q : 세금 기능의 자동화에 따른 인간과 AI의 노동 분담에 대한 입장은?
A : 금융산업에서 반복적인 많은 일들이 사라질 것을 보게 될 것이다. 이전에 스프레드시트에서 수행됐고 기계적이거나 노동 집약적인 작업은 아마도 자동화될 것이다.

그러나 조직이 점점 더 커지고 더 많은 비즈니스 모델에 참여하고 더 큰 국제적 입지를 갖게 되면서, 당사자가 규정을 준수하고 있는지를 확인하기 위를 판단하기 위해 여러 법이 적용될 수 있다. 그래서 많은 조직들의 경우, 산업계의 인원수가 변하지 않을지라도, 많은 일상적인 일은 자동화 될 것이다.

 

Q : 어떤 일이 남을 것인가?
A : 일의 성질은 변할지 몰라도 일은 많이 있을 것이다. 예를 들어, 미국에만 7만 5천 페이지가 넘는 세금 규정과 법이 있기 때문에 다국적 조직에 얼마나 많은 법이 적용될지 상상할 수 있다. 몇몇 대기업들이 수십 개 국가에서 영업을 하고 있다. 그들은 수백 개의 연방법과 지역의 법, 그리고 많은 변화하고 있는 법에 적용 받고 있다.

조직은 법이 무엇인지, 어떻게 해석해야 하는지를 알아야 할 뿐만 아니라, 국제거래시 기업간의 부가가치세 또는 판매세, 판매세에 대해 어떻게 협력할지를 알아야 한다. 세계무대에서 상당한 복잡성이 존재한다. 한편, 미국내에서 2014-2017년에 국세청의 수가 800여 개 이상 증가해 1만 개 이상이 됐다.
그래서 재계의 추세에 따라 기업이 커져감에 따라 복잡성은 증가 될 것이다. 숙련된 사람들은 이 복잡성에 대해 연구할 필요가 있다. 한편, 대부분의 일상적 업무는 자동화될 것이고 더 복잡한 세금 문제를 해결할 시간을 확보할 수 있을 것이다.

 

Q : AI를 과세에 사용하기 위한 다른 유형의 근로자가 필요한가? 당신이 찾는 기술은?
A : 기업으로서 PwC는 사람과 프로세스 및 기술에 상당한 투자를 하고 있다. 이것은 디지털 기술의 일부이다. 직원은 이제 선진화된 AI, 자동화 및 데이터 시각화 도구를 사용할 수 있다. 디지털 자산 공유를 위한 새로운 플랫폼도 있다. 또한 일부 대학과 협력해 AI 연구 프로젝트를 후원하고 있다. 여기에는 캠퍼스에 연구 센터가 있는 Carnegie Mellon University와 같은 대학이 포함된다. 일반적으로 더 이상 회계 지식만으로는 충분하지 않다. 많은 사람들이 AI와 자동화 툴을 어떻게 구현하는지를 배워야 할 것이다. 모든 것을 구축하기 위해서가 아니라 도구의 이점을 이해하고 자동화 기회를 모색하기 위해서이다.

 

Q : AI는 정부가 세금에 관한 규칙을 어떻게 바꿀지 예상할 만큼 똑똑할까?
A : 무슨 일이 일어날지 아는 것은 단순한 수학적 알고리즘이 아니라 많은 정치적 지식이 필요하다. 그래서 PwC는 잠재적인 정책 변화에 대한 고급 분석을 제공하기 위해 우리의 수요 정책 플랫폼에 대한 전문가 팀을 두고 있다. 시나리오 기반 분석이 있으며, 고객들은 규칙 변경에 어떤 영향에 대해 질문한다. 그에 따른 재무 모델링도 많이 있다.

 

Q : 고객이 관세가 비즈니스에 미치는 영향에 대해 질문하나?
A : 다국적 조직과 기업들은 그들의 공급망의 인바운드 아웃바운드 선적에 대해 확실히 관심을 가지고 있다. PwC의 대규모 네트워크가 중요한 통찰력을 제공 할 수 있는 영역이다. 이 영역에는 많은 복잡성이 있으며 영향을 받는 대상에 대한 세부 사항은 자주 변경된다.

 

Q : AI 자동화 주제로 데이터 시각화 측면에서 대시 보드 모니터의 향방은?
A : 전반적인 조세 산업에서 전문직 종사자들이 비즈니스 이해당사자들과 의사소통하는 방법에 문제가 있다. 기술적으로 정통한 몇몇 CPA와 세무 변호사들이 있다. 그리고 다양한 흥미로운 모델들을 가진 데이터 과학자들이 있다. 또한 의사소통이 어려운 중요한 지표들이 많이 있다. 시간에 따른 추세, 조직 및 단위 세금 관할구역에 따라 서로 연관되는 수백 가지 요인들을 생각해보라.

3개월마다 스프레드시트 및 PDF 스냅샷을 만드는 대신 대시보드를 사용해 위치 변경 과정을 모니터링하고 데이터에 동적으로 액세스할 수 있다. 사업가들은 그 숫자가 어디에서 왔는지 알고 싶어하는데, 특히 그것이 합리적으로 보이지 않는 경우 더욱 그렇다. 따라서 대시보드를 사용하면 거래가 발생할 때 스냅샷을 기준으로 하지 않고 지속적으로 모니터링 할 수 있다. 이렇게 하면 비즈니스의 예외성을 줄일 수 있다.

 

Q : 예측에서 무슨 일이 일어나고 있는가?
A : 조직에서 사용하는 많은 예측 모델은 트렌드 예측 또는 요인(벡터)을 이용하지 않는다. 그러나 업계에서는 더 발전된 고급 예측이 전개되고 있는 것을 보기 시작했다. 기업들은 선형 회귀, 표준 요율, 단순한 규칙들이 앞으로 가야할 길이 아니라는 것을 깨닫고 있다. 향후 몇 년 동안 AI(인공지능)와 ML(기계학습)으로 진보된 예측 방법을 사용하면 덜 발전된 회사의 예측 정확성과 현금 관리가 크게 개선될 수 있다.

 

Q : AI가 도움이 될 수 있을까?
A : 물론이다. 이러한 고정된 통계 예측 방법 중 상당수는 꽤 오랫동안 이용 가능했다. 하지만, 이 모델들은 유지하기가 어려웠고 종종 시간이 지남에 따라 악화됐다. 기계 학습과 AI를 통해 시스템은 지속적으로 업데이트되고 모델은 개발된다. 그것은 자금조달 기능에서 AI와 ML에 대한 더 많은 이해와 결합돼, 일부 기관에서 세금 예측이 어떻게 이루어지는지를 상당히 개선할 수 있다.

 

Q : 시나리오 분석에서 무슨 일이 일어날 것인가?
A : 여러분은 “블랙스완” 라는 용어에 익숙할 것이다. “블랙스완” 용어는 일어나기 힘든 희귀한 사건들을 가리킨다. 1916년, 1939년, 1973년, 1987년, 2008년의 시장 충돌은 “블랙스완” 이라고 불렸다. 사람들은 그것들을 예측하지 못했지만, 그들은 일정한 규칙성을 가지고 일어난다. 그리고 “블랙스완” 사건에 관해서 사람들은 큰 편견을 가지고 있다. 왜냐하면 사람들이 “블랙스완”을 그들의 계산에 고려하지 않기 때문이다.

시나리오 분석을 통해 우리는 더 많은 역사를 분석할 수 있다. 우리는 다양한 시나리오를 모델링 할 수 있고 예상 결과에 대해 훨씬 더 잘 알 수 있다. 경제가 3% 성장할 것이라고 생각하는 대신 내 매출은 3% 증가하고 판매세는 3% 증가할 것이라고 생각한다. 당신은 소비자 물가 지수, 노동 참여율, 실업률, 임금 인상, 주식 시장, 소비자 심리, 신뢰 지수 대신 다른 많은 변수를 볼 수 있다.

AI 시스템이 여러 개의 고급 모델을 신속하게 생성 할 수 있기 때문에 더 많은 변수를 추가 할 수 있으며 이제 계산 능력도 향상됐다. 이러한 여러 시나리오에서 기록 정확도가 가장 높은 시나리오를 선택하거나 여러 모델을 사용할 수 있다.

예를 들어, TV 기상 학자들은 다양한 모델을 기반으로 여러 예측 된 허리케인 경로를 제시하는 것이 일반적이다. 이로써 불확실성을 인정하고 잠재적으로 영향을 받는 사람들과 더욱 효과적으로 결론을 도출할 수 있다.

 

Q : 적응 학습에서 무슨 일이 일어나고 있는가?
A : 많은 사람들이 "적응적 학습"을 광고 문구로 사용한다. 왜냐하면 어떤 사람들은 '기계 학습'이라는 말을 좋아하지 않기 때문이다. 적응 학습에서, 시스템은 통계적 모델이 되기보다 이전 사건들에서 계속적으로 학습한다.

모델이 계속 바뀌고 학습함에 따라, AI를 설명하는 것에 문제가 야기됐다. 세금의 분류, 즉 계산을 결정할 때, 우리는 그것을 방어할 수 있어야 하고 그것이 회계감사에서 어떻게 계산되었는지를 이해할 수 있어야 한다. 그래서 세금 분야는 설명이 가능한 AI가 필요하다. 블랙박스 시스템을 가동시키는 것만으로는 충분하지 않다.

 

Q : 가능한 일인가?
A : 우리는 이러한 안전장치를 적응 학습 시스템에 구축해야 한다. 설명 가능한 AI는 옵션사항이 아니라 반드시 갖춰야 할 것이다.

 

Q : 세금 계획에서 ‘AI의 미래’에 대한 전망은?
A : 광학 문자 인식은 자연어 처리에서 계속 많이 사용될 것이다. 단순히 형식이 다른 형태가 너무 많기 때문이다. 예를 들어, 당신의 W2 임금 양식은 고용주들에 의해 수백 가지의 다른 방법으로 포맷될 수 있다. 따라서, 우리는 위치 기반 광학문자인식에 의존할 수 없으며, 양식을 읽을 때 AI를 문맥과 데이터 인식에 활용해야 한다.

세금과 비용, 주세와 지방세, 국세, 양도 가격, 회사간 거래 등을 분류를 AI에 많이 의존할 것이다. 이런 일들은 매우 노동 집약적이다. 초기에 이러한 AI 시스템은 인간의 감독하에 ‘감독된 학습’을 받을 수 있다. 그러나 장기적으로는 기계들이 아마도 인간보다 적은 오류로 이 일을 할 수 있을 것이다.

 

Q : 추가로 설명하고 싶은 것은?
A : AI와 기계학습, 적응 학습, 컴퓨터 과학, 수학, 통계학에서 이 모든 흥미로운 것들을 대학에서 매우 강조한다. 그러나 많은 경영대학들은 기본개념을 넘어서 가르치는 것에 그다지 열정적이지 않다. 일부 상위권 대학들은 AI와 기계학습으로 핀테크를 통해 일어나고 있는 변화를 이해하는데 회계학과를 참여시키지 않고 있다. 그것은 향후 5년간에 걸쳐 변화될 것이다.

 

Q : 핀테크 AI를 공부하고 싶은 대학생이나 경력초기의 젊은이를 위해 어떤 조언을 한다면?
A : 내가 대학에 있는 젊은이에게 말하고 싶은 것은 당신이 어떤 영역의 전문지식을 쌓든, 그것이 회계든, 금융이든, 의학이든, 당신은 당신의 분야가 향후 15년, 20년, 혹은 30년 안에 어떻게 변화할 것인지 이해할 필요가 있다는 것이다. 당신이 가지고 있는 모든 영역의 전문지식으로 분류하고 해석하게 될 것이며 이를 위해 AI 시스템이 당신을 보조하게 될 것이다.

그래서 혁명의 일원이 되고 싶다면 먼저 전문 산업지식을 얻어야 하지만 AI 지식으로 기술을 강화해야 한다. 우리는 이것을 4차 산업혁명(4IR)이라고 부른다. 왜냐하면 AI는 여러분의 컴퓨터가 어떻게 작동하는지 뿐만 아니라 여러분이 어떤 훈련을 받고 있는지에 상관없이 여러분이 할 모든 일에 영향을 줄 것이기 때문이다. 아직 미래가 오지 않았다고 해서 미래를 이해하는 것을 건너뛰지 마라. 그것은 지금 일어나고 있다.