AI 감사: 현실과 과대광고 구별하기

이 글에서 배울 내용

- AI 도구가 실제로 개선하는 감사 영역과 한계가 있는 영역의 구별 - 감사 과정에서 AI 사용 시 ISA 220.14가 요구하는 검토와 승인 절차 적용법 - 과대광고와 실제 효용을 구분하여 조서에서 방어 가능한 AI 사용 결정을 내리는 방법 - ISA 230.8이 요구하는 AI 도구 사용 문서화 방법

AI가 실제로 잘하는 것

ISA 330.18이 요구하는 실질적 절차에서 AI 도구는 특정 영역에서 실제로 유용하다. 과대광고가 아닌 실무에서 입증된 영역이다.

데이터 분석과 이상 징후 탐지

AI는 대용량 거래 데이터에서 패턴을 식별한다. ISA 520.5의 분석적 절차를 수행할 때 전체 모집단을 스캔하여 예상치 못한 변동이나 관계를 잡아낼 수 있다. 수작업으로는 며칠이 걸릴 작업을 분 단위로 완료한다.

매출채권 연령분석에서 AI 도구는 특정 고객이나 기간에서 일관되지 않은 패턴을 식별할 수 있다. 90일 이상 연체 채권이 특정 영업사원의 거래에서만 높은 비율을 차지한다면, ISA 240.32에 따른 부정 위험 지표일 수 있다.

문서 읽기와 정보 추출

계약서, 의사록, 정책 문서에서 감사 관련 정보를 추출하는 작업에서 AI는 일관된 성과를 보인다. ISA 315.13이 요구하는 기업과 기업환경의 이해 과정에서 대용량 문서를 빠르게 검토하고 위험 요소나 통제 활동을 식별할 수 있다.

단, 추출된 정보의 정확성은 여전히 인간이 검증해야 한다. AI가 "대여금 계약"을 식별했다고 해서 ISA 550.15의 특수관계자 거래 요구사항을 자동으로 충족하는 것은 아니다.

표본 추출과 계산

ISA 530의 통계적 표본 추출에서 AI는 표본 크기 계산, 무작위 선택, 기본적인 외삽을 정확하게 수행한다. 수작업 계산에서 발생하는 산술 오류를 제거하고 일관된 결과를 낸다.

과대광고 vs 현실

감사 AI의 과대광고는 대부분 "AI가 위험을 평가한다" 또는 "AI가 중요성을 판단한다"는 주장에서 나타난다. ISA 200.15가 명시하는 전문가적 판단의 본질을 오해한 것이다.

전문가적 판단은 여전히 인간의 영역

ISA 200.15는 전문가적 판단을 "감사 표준과 회계 표준을 적용하는 과정에서 필요한 통찰력 있는 추론"으로 정의한다. AI는 정보를 분석하고 패턴을 식별할 수 있지만, 다음 요소들을 통합하여 판단하지는 못한다:

- 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

AI 도구가 매출 증가율을 분석하여 "위험 높음"으로 플래그를 표시할 수 있다. 그러나 이것이 신제품 출시로 인한 정상적 증가인지, ISA 240.A30에 명시된 부정 위험 지표인지는 감사인의 전문가적 판단이 필요하다.

위험 평가의 한계

ISA 315.25가 요구하는 중요한 왜곡표시 위험 식별과 평가에서 AI의 역할은 제한적이다. AI는 과거 데이터의 패턴을 분석할 수 있지만 다음을 수행하지는 못한다:

- 경영진과의 질문 응답에서 일관성 없는 답변 식별 - 내부통제의 설계상 결함과 운영상 결함 구별 - 기업의 전략적 변화가 재무보고에 미치는 영향 평가

표본 추출의 실제 한계

AI가 ISA 530.5의 표본 추출을 "완전히 자동화"한다는 주장은 과장이다. AI는 모집단 정의와 표본 추출 단위 식별을 지원하고, 수용 가능한 왜곡표시 위험과 예상 왜곡표시를 기반으로 표본 크기를 계산하며, 무작위 또는 체계적 표본 선택을 수행할 수 있다.

그러나 ISA 530.8이 요구하는 다음 사항은 여전히 전문가적 판단이 필요하다:

- 표본 추출이 해당 절차에 맞는 방법인지 결정 - 표본 추출 방법(속성 표본, 변수 표본) 선택 - 층화 기준과 층의 수 결정 - 예상 왜곡표시와 허용 가능한 왜곡표시의 수준 평가

실무 사례: 한국자동차부품 주식회사

매출 1,250억 원, 직원 850명의 중견 제조업체다. 유럽 OEM에 브레이크 시스템과 현가장치 부품을 공급한다.

AI 도구 사용 전후 비교

기존 방법(AI 없음)의 경우, 매출채권 연령분석은 Excel 피벗테이블을 사용하여 3시간이 소요됐다. 매출 세부 분석은 표본 100건을 수작업 선택하여 계산기로 확인했고, 재고자산 이동 분석은 월별 증감을 수작업으로 추적했다. 관련 당사자 거래 식별은 계정별 장부 검토에 하루가 걸렸다. 표본 선택 근거와 분석 과정은 별도 조서에 기록했다.

AI 도구 적용 후에는 매출채권 연령분석을 15분 만에 완료하고 이상 패턴을 자동 플래그했다. 매출 세부 분석에서는 AI가 위험 기반 표본 200건을 추출하고 통계적 결론을 자동 계산했으며, 재고자산 이동 분석에서는 전체 기간 거래 패턴을 분석하여 계절성과 예외 항목을 구분했다. 관련 당사자 거래 식별은 업체명과 임직원명 매칭으로 30분 만에 완료됐다. AI 도구 설정값, 결과 해석, 추가 검증 절차를 ISA 230.8 요구사항에 따라 조서에 기록했다.

전문가적 판단이 여전히 필요했던 부분

AI가 매출채권에서 특정 고객의 회수 기간이 평균보다 30일 길다고 플래그했다. 그러나 이것이 회수 위험인지 판단하기 위해서는 추가 분석이 필요했다:

- 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

결론적으로 신용 위험이 아니라 대량 주문에 대한 특별 지급 조건이었다. 솔직히, 이런 유형의 오탐은 AI를 처음 도입한 해에 반복적으로 발생하며, 감사팀이 결과를 맹신하지 않는 습관을 들여야 하는 이유이기도 하다. AI는 패턴을 식별했지만 위험 여부의 최종 판단은 감사인이 내렸다.

실무 체크리스트

AI 도구 사용 결정 시

1. ISA 330.6 준수 확인: AI 도구가 수행하는 절차가 평가된 위험에 대응하는지 검토한다 2. 전문가적 판단 영역 구분: AI 결과를 받아들이기 전에 ISA 200.15가 요구하는 추가 판단이 필요한지 확인한다 3. ISA 220.15 검토 절차: AI 도구 결과에 대한 검토와 승인 절차를 수립한다 4. ISA 230.8 문서화: AI 도구 사용, 설정값, 결과 해석을 조서에 기록한다 5. 품질관리 관점: 업무 전체 차원에서 AI 사용이 ISA 220.14의 업무 품질에 미치는 영향을 평가한다

흔한 실수들

- AI 결과 맹신: 금감원의 감리에서도 AI 도구 결과를 추가 검증 없이 받아들인 사례가 지적되고 있다 - 문서화 부족: AI 도구 사용 과정과 결과 해석을 조서에 충분히 기록하지 않아 ISA 230 요구사항을 충족하지 못하는 경우가 있다 - 전문가적 판단 회피: AI가 분석했다는 이유로 추가적인 판단 절차를 생략하는 실수가 발생한다