ISA 330.18이 요구하는 실질적 절차에서 AI 도구는 특정 영역에서 실제로 유용합니다. 과대광고가 아닌 실무에서 입증된 영역들입니다.
이 글에서 배울 내용
- AI 도구가 실제로 개선하는 감사 영역과 여전히 한계가 있는 영역을 구별할 수 있습니다
- 감사 과정에서 AI 사용 시 ISA 220.14가 요구하는 적절한 검토와 승인 절차를 적용할 수 있습니다
- 과대광고와 실제 효용 사이를 구분하여 파일에서 방어 가능한 AI 사용 결정을 내릴 수 있습니다
- ISA 230.8이 요구하는 AI 도구 사용에 대한 적절한 문서화 방법을 알게 됩니다
이 글에서 배울 내용
- AI 도구가 실제로 개선하는 감사 영역과 여전히 한계가 있는 영역을 구별할 수 있습니다
- 감사 과정에서 AI 사용 시 ISA 220.14가 요구하는 적절한 검토와 승인 절차를 적용할 수 있습니다
- 과대광고와 실제 효용 사이를 구분하여 파일에서 방어 가능한 AI 사용 결정을 내릴 수 있습니다
- ISA 230.8이 요구하는 AI 도구 사용에 대한 적절한 문서화 방법을 알게 됩니다
목차
AI가 실제로 잘하는 것
ISA 330.18이 요구하는 실질적 절차에서 AI 도구는 특정 영역에서 실제로 유용합니다. 과대광고가 아닌 실무에서 입증된 영역들입니다.
데이터 분석과 이상 징후 탐지
AI는 대용량 거래 데이터에서 패턴을 식별합니다. ISA 520.5의 분석적 절차를 수행할 때 전체 모집단을 스캔하여 예상치 못한 변동이나 관계를 식별할 수 있습니다. 수작업으로는 몇 시간 또는 며칠이 걸릴 작업을 분 단위로 완료합니다.
실제 사례: 매출채권 연령분석에서 AI 도구는 특정 고객이나 기간에서 일관되지 않은 패턴을 식별할 수 있습니다. 90일 이상 연체 채권이 특정 영업사원의 거래에서만 높은 비율을 차지한다면, 이는 ISA 240.32에 따른 부정 위험 지표일 수 있습니다.
문서 읽기와 정보 추출
계약서, 의사록, 정책 문서에서 감사 관련 정보를 추출하는 작업에서 AI는 일관된 성과를 보입니다. ISA 315.13이 요구하는 기업과 기업환경의 이해 과정에서 대용량 문서를 빠르게 검토하고 주요 위험 요소나 통제 활동을 식별할 수 있습니다.
단, 추출된 정보의 정확성은 여전히 인간이 검증해야 합니다. AI가 "대여금 계약"을 식별했다고 해서 ISA 550.15의 특수관계자 거래 요구사항을 자동으로 충족하는 것은 아닙니다.
표본 추출과 계산
ISA 530의 통계적 표본 추출에서 AI는 표본 크기 계산, 무작위 선택, 기본적인 외삽을 정확하게 수행합니다. 수작업 계산에서 발생하는 산술 오류를 제거하고 일관된 결과를 제공합니다.
과대광고 vs 현실
감사 AI의 과대광고는 대부분 "AI가 위험을 평가한다" 또는 "AI가 중요성을 판단한다"는 주장에서 나타납니다. 이는 ISA 200.15가 명시하는 전문가적 판단의 본질을 오해한 것입니다.
전문가적 판단은 여전히 인간의 영역
ISA 200.15는 전문가적 판단을 "감사 표준과 회계 표준을 적용하는 과정에서 필요한 통찰력 있는 추론"으로 정의합니다. AI는 정보를 분석하고 패턴을 식별할 수 있지만, 다음 요소들을 통합하여 판단하지는 못합니다:
예를 들어, AI 도구가 매출 증가율을 분석하여 "위험 높음"으로 플래그를 표시할 수 있습니다. 그러나 이것이 새로운 제품 출시로 인한 정상적 증가인지, 아니면 ISA 240.A30에 명시된 부정 위험 지표인지는 감사인의 전문가적 판단이 필요합니다.
위험 평가의 한계
ISA 315.25가 요구하는 중요한 왜곡표시 위험 식별과 평가에서 AI의 역할은 제한적입니다. AI는 과거 데이터의 패턴을 분석할 수 있지만 다음을 수행할 수 없습니다:
표본 추출의 실제 한계
AI가 ISA 530.5의 표본 추출을 "완전히 자동화"한다는 주장은 과장입니다. AI는 다음을 수행할 수 있습니다:
그러나 ISA 530.8이 요구하는 다음 사항들은 여전히 전문가적 판단을 필요로 합니다:
- 기업 특유의 업계 맥락과 영업 환경
- 경영진의 행동과 태도에서 나타나는 미묘한 신호
- 과거 감사 경험과 유사한 상황에서의 결과
- 규제 환경의 변화가 특정 기업에 미치는 영향
- 경영진과의 질문 응답에서 일관성 없는 답변 식별
- 내부통제의 설계상 결함과 운영상 결함 구별
- 기업의 전략적 변화가 재무보고에 미치는 영향 평가
- 모집단 정의와 표본 추출 단위 식별 지원
- 수용 가능한 왜곡표시 위험과 예상 왜곡표시를 기반으로 표본 크기 계산
- 무작위 또는 체계적 표본 선택
- 표본 추출이 적절한 절차인지 결정
- 표본 추출 방법(속성 표본, 변수 표본) 선택
- 층화 기준과 층의 수 결정
- 예상 왜곡표시와 허용 가능한 왜곡표시의 적절성 평가
실무 사례: 한국자동차부품 주식회사
매출 1,250억 원, 직원 850명의 중견 제조업체. 유럽 OEM에 브레이크 시스템과 현가장치 부품을 공급.
AI 도구 사용 전후 비교
기존 방법 (AI 없음):
문서화 노트: 표본 선택 근거와 분석 과정을 별도 워킹페이퍼에 기록
AI 도구 적용 후:
문서화 노트: AI 도구 설정값, 결과 해석, 추가 검증 절차를 ISA 230.8 요구사항에 따라 기록
전문가적 판단이 여전히 필요했던 부분
AI가 매출채권에서 특정 고객의 회수 기간이 평균보다 30일 길다고 플래그했습니다. 그러나 이것이 회수 위험인지 판단하기 위해서는 다음 분석이 필요했습니다:
이는 신용 위험이 아니라 대량 주문에 대한 특별 지급 조건이었습니다. AI는 패턴을 식별했지만 위험 여부의 최종 판단은 감사인이 내렸습니다.
- 매출채권 연령분석: Excel 피벗테이블 사용, 3시간 소요
- 매출 세부 분석: 표본 100건 수작업 선택, 계산기로 확인
- 재고자산 이동 분석: 월별 증감을 수작업으로 추적
- 관련 당사자 거래 식별: 계정별 장부 검토, 하루 소요
- 매출채권 연령분석: AI 도구가 15분 만에 완료, 이상 패턴 자동 플래그
- 매출 세부 분석: AI가 위험 기반 표본 200건 추출, 통계적 결론 자동 계산
- 재고자산 이동 분석: 전체 기간 거래 패턴 분석, 계절성과 예외 항목 구분
- 관련 당사자 거래 식별: 업체명과 임직원명 매칭으로 30분 만에 완료
- 해당 고객의 신용등급과 업계 지위 조사
- 계약 조건상 연장된 지급 조건 여부 확인
- 과거 3년간 해당 고객의 지급 이력 검토
- 경영진과의 질문을 통한 거래 배경 파악
실무 체크리스트
AI 도구 사용 결정 시
- ISA 330.6 준수 확인: AI 도구가 수행하는 절차가 평가된 위험에 적절히 대응하는지 검토
- 전문가적 판단 영역 구분: AI 결과를 받아들이기 전에 ISA 200.15가 요구하는 추가 판단이 필요한지 확인
- ISA 220.15 검토 절차: AI 도구 결과에 대한 적절한 검토와 승인 절차 수립
- ISA 230.8 문서화: AI 도구 사용, 설정값, 결과 해석을 감사조서에 기록
- 품질관리 관점: 파일 차원에서 AI 사용이 ISA 220.14의 업무 품질에 미치는 영향 평가
- 가장 중요한 점: AI는 분석 도구일뿐 전문가적 판단을 대체하지 않는다는 점을 항상 기억
흔한 실수들
- AI 결과 맹신: 국제 감사 품질 검토에서 AI 도구 결과를 추가 검증 없이 받아들인 사례들이 지적되고 있습니다
- 문서화 부족: AI 도구 사용 과정과 결과 해석을 적절히 문서화하지 않아 ISA 230 요구사항을 충족하지 못하는 경우
- 전문가적 판단 회피: AI가 분석했다는 이유로 추가적인 전문가적 판단 절차를 생략하는 실수
- AI 도구 선택 기준 부재: ISA 315.A77이 요구하는 IT 환경 이해 없이 AI 도구를 도입하면 감사 위험이 오히려 증가할 수 있습니다. 도입 전 도구의 알고리즘 투명성, 데이터 보안, 감사조서 연동 가능성을 평가해야 합니다.
관련 자료
---
- 감사 위험 평가 도구: AI 지원 위험 식별과 전문가적 판단을 결합한 체크리스트
- 표본 추출 용어집: ISA 530 표본 추출에서 AI 활용 시 유의사항 정리
- ISA 200 감사위험모형 가이드 - 전문가적 판단과 감사위험 평가의 경계선