세계적인 회계법인 EY는 최근 인공지능(AI)을 감사 프로세스에 도입하여 부정행위를 탐지하고 있습니다. 초기 결과는 고무적이며, AI는 평가 대상 기업 10곳 중 2곳에서 의심스러운 활동을 적발했습니다. EY는 감사 분야에서 AI의 잠재력을dent하고 있지만, 업계에서는 AI의 부정행위 탐지 신뢰성에 대해서는 의견이 분분합니다.
감사 분야의 AI: 사기 탐지
회계 및 감사 분야의 주요 기업인 언스트앤영(EY)은 감사 프로세스 개선을 위해 인공지능(AI) 분야에 진출했습니다. EY는 AI의 힘을 활용하여 감사 절차의 정확성과 효율성을 향상시키는 것을 목표로 하고 있습니다.
EY는 2018년부터 AI 기반 감사에 뛰어들어 부정행위 적발 방식을 혁신하고자 했습니다. 초기 단계에서 EY는 AI를 활용해 10개 기업을 평가했습니다. 놀랍게도 AI 시스템은 이 중 두 기업에서 의심스러운 활동을dent, 이후 고객사에서 이를 부정행위로 확인했습니다.
EY의 영국 및 아일랜드 감사 부문 총괄 파트너인 캐스 배로우는 AI 시스템의 효과에 대해 낙관적인 전망을 밝혔습니다. AI 소프트웨어에 대한 구체적인 정보와 적발된 부정행위의 유형은 공개되지 않았지만, 배로우의 발언은 EY가 AI를 감사 프로세스에 통합하는 데 상당한 잠재력이 있다고 보고 있음을 시사합니다.
Helix GLAD의 탄생
EY가 감사에 AI를 성공적으로 도입하는 데 핵심적인 역할을 한 인물 중 한 명은 도쿄 사무소의 Ernst & Young ShinNihon LLC에서 보증 파트너로 재직 중인 이치하라 나오토입니다. 프로그래밍 경력과 감사 모델 및 시스템 개발에 대한 열정을 바탕으로, 이치하라는 회계 데이터 분석에 머신러닝을 적용하는 방안을 모색하게 되었습니다.
이치하라 교수는 기존 학술 논문과 알고리즘에 대한 광범위한 연구를 통해 머신러닝을 활용해 이상 징후를 탐지하는 더욱 효과적인 방법을 발견하는 획기적인 통찰을 얻었습니다. 이러한 비전을 바탕으로 이치하라 교수는 방대한 금융 데이터베이스에서 이상 징후를 감지할 수 있는 인공지능 솔루션 개발에 착수했습니다.
그의 혁신적인 기술은 회계 감사 분야에서 최초의 사례가 되었으며, 궁극적으로 이 획기적인 솔루션에 대한 특허로 이어졌습니다. EY Helix GL Anomaly Detector(Helix GLAD)라는 이름의 이 기술은 AI 기반 회계 감사에 있어 중요한 이정표가 되었습니다.
인공지능에 대한 신뢰 얻기
인공지능(AI)은 방대한 데이터 세트를 신속하게 분석할 수 있는 잠재력을 가지고 있지만, 회계 업계에서는 다양한 형태의 잠재적 부정행위를 탐지하는 데 있어 AI의 신뢰성에 대한 의견이 분분합니다. 이러한 회의론에 대응하기 위해 EY의 감사팀은 사전에 정의된 부정 회계 항목이 포함된 데이터 세트를 사용하여 Helix GLAD에 대한 엄격한 테스트를 수행했습니다.
알고리즘이 이러한 부정 항목을 일관되고 정확하게 적발함에 따라 감사 담당자들은 Helix GLAD가 감사 정확도를 향상시킬 수 있는 잠재력에 확신을 갖기 시작했습니다. 그러나 여전히 중요한 요소가 부족했습니다. 감사 담당자들은 AI 시스템이 특정 이상 징후를 감지한 이유에 대한 통찰력을 얻지 못했습니다. 이러한 지식은 플래그가 지정된 항목의 유효성과 영향력을 평가하는 데 필수적이었습니다.
격차 해소: 투명성을 위한 데이터 분석
감사 과정에서 투명성과 이해의 필요성을 인식한 EY 팀은 데이터 분석을 활용한 솔루션을 개발했습니다. 이 솔루션은 플래그가 지정된 항목들을 시각적으로 보여주는 지도를 생성하여 감사 담당자들이 AI 알고리즘이 문제를 발견한 이유를 파악할 수 있도록 돕는 것을 목표로 했습니다.
이러한 시각적 표현 덕분에 감사자는 표시된 항목을 종합적으로 평가할 수 있었고, 알고리즘의 탐지 방법에 대한 신뢰를 높일 수 있었습니다. 이러한 변화는 감사 프로세스의 정확성과 효율성을 향상시키고 재무 부정행위가 발견되지 않고 넘어갈 위험을 줄이는 데 있어 중요한 진전을 의미했습니다.
감사 부정행위 탐지에 있어 AI의 이점과 과제
EY와 같은 대형 회계법인은 감사 부정행위 탐지 프로세스에 AI를 통합함으로써 다양한 이점을 얻을 수 있습니다. AI 알고리즘은 인간 감사자가 소요하는 시간보다 훨씬 짧은 시간 안에 방대한 양의 데이터를 분석할 수 있는 능력을 갖추고 있습니다. 이러한 효율성 덕분에 감사자는 데이터를 일일이 검토하는 대신 결과 해석에 집중할 수 있습니다. 또한 AI 모델은 인간의 편견이나 피로에 영향을 받지 않고, 미리defi된 규칙과 기준을 일관되게 적용하여 이상 징후를dent합니다.
이러한 객관적이고 신뢰할 수 있는 접근 방식은 인적 오류나 부주의로 인해 의심스러운 거래를 간과할 위험을 줄여 사기 탐지의 효율성을 높입니다.
하지만 감사 부정 탐지에 AI를 도입하는 데에는 여러 가지 어려움이 따릅니다. 기존 감사 시스템 및 워크플로에 AI 기술을 통합하는 것은 상당한 난제입니다. 회계법인은 AI 알고리즘이 자사의 인프라 및 프로세스와 원활하게 연동되도록 해야 하며, 이를 위해서는 감사 담당자와 AI 전문가 간의 세심한 계획, 교육 및 협업이 필수적입니다.
또 다른 과제는 AI 알고리즘의 지속적인 모니터링 및 업데이트와 관련이 있습니다. 사기범들이 수법을 발전시키고 진화함에 따라 AI 알고리즘 또한 새로운 패턴과 이상 징후를 탐지할 수 있도록 적응력을 유지해야 합니다. 감사자와 개발자 간의 협력은 알고리즘을 개선하고 업데이트하여 새롭게 등장하는 위협에 앞서 나가는 데 매우 중요합니다.
감사 및 규제 고려 사항에서 인공지능의 미래
감사 부정행위 탐지에 인공지능(AI)을 도입하면 감사 품질과 효율성을 향상시킬 수 있는 잠재력이 있습니다. 하지만 규제 기관은 회계 담당자들이 감사 과정에서 AI에 어느 정도까지 의존할 수 있는지를 결정하는 데 중추적인 역할을 할 것입니다.
영국 재무보고위원회(Financial Reporting Council)의 보증 기술 책임자인 제이슨 브래들리는 인공지능(AI)이 적절하게 사용될 경우 감사 품질과 효율성을 향상시킬 수 있는 기회를 제공한다고 인정합니다. 규제 당국의 결정은 회계사들이 AI 시스템을 비판적으로 평가하고 분석할 수 있는 능력에 달려 있을 가능성이 높습니다.
또한 데이터 소유권 문제는 어려움을 야기합니다. 기업들은 상세한 재무 데이터를 독점 정보로 간주할 수 있으며, 이로 인해 다른 기업의 감사를 위해 AI 시스템을 학습시키는 데 이러한 비공개 데이터를 사용하는 것이 복잡해질 수 있습니다.
EY가 감사 부정행위 탐지에 AI를 성공적으로 도입한 사례는 감사 분야에서 AI가 가져올 수 있는 잠재적 이점을 잘 보여줍니다. 물론 해결해야 할 과제들이 남아 있지만, AI 기반 솔루션이 가져다주는 투명성과 효율성은 향후 감사인이 부정행위를 탐지하고 대응하는 방식을 혁신적으로 변화시킬 수 있습니다. 업계, 규제 기관, 그리고 감사인은 감사 실무에서 AI가 지속적으로 발전함에 따라 이러한 기회와 과제를 함께 헤쳐나가야 합니다.
