AI를 도입했지만 여전히 정기 보고서 시즌마다 야근이 반복되나요?
빅4 회계법인에서도 같은 일이 벌어지고 있어요. 조선비즈가 전·현직 회계법인 종사자 229명을 설문한 결과, AI 도입 후 업무 부담이 '증가했다'는 응답이 23.6%로 '감소했다'(18.8%)를 앞섰거든요. 다른 설문에서는 응답자의 88.7%가 감사 시즌에 주 80시간 이상 근무한다고 답했고요. 회계법인 중 가장 먼저, 가장 적극적으로 AI를 도입했는데도 말이에요. 왜 그럴까요?
이 글에서는 그 이유와 XBRL 자동화가 갖춰야 할 3가지 조건, 필요한 솔루션까지 정리했습니다.
AI가 도입돼도 회계 업무가 안 줄어드는 이유
회계 업무에는 같은 입력에 항상 같은 답을 주는 일관성과 왜 그 답이 나왔는지 추적할 수 있는 기준이 필요합니다. 특히 외부에 제출되는 정기보고서, 감사보고서는 더 엄격하게 처리해야 하죠. 조금만 어긋나도 정정공시·감사 지적·법적 책임까지 이어질 수 있으니까요.
그런데 생성형 AI는 본질적으로 확률 기반입니다. 같은 입력에도 다른 답을 내놓을 수 있고, 그 답이 어떤 근거와 규칙으로 만들어졌는지 명확히 설명하기 어렵습니다. 일반 문서 작업에서는 어느 정도 감수할 수 있는 특성이지만, 정기보고서와 감사보고서처럼 숫자와 근거가 맞아야 하는 업무에서 활용하긴 쉽지 않습니다.
따라서 정기 보고서를 작성할 땐 이런 풍경이 벌어지곤 합니다.
생성형 AI가 작성한 주석을 그대로 쓰지 못하고 한 줄씩 다시 검토합니다.
생성형 AI에게 DSD 파일과 IXD 파일 대사를 요청할 수는 있지만, 불일치 위치를 한눈에 확인하기 어려워 결국 사람이 일일이 찾아 수정합니다.
생성형 AI가 XBRL 태깅을 제안해도, 택사노미에 없는 요소를 만들어내거나 잘못 매핑할 수 있어 다시 확인해야 합니다.
결국 생성형 AI가 100% 정확한 결과를 보장해 주지 못하다 보니 일이 줄어들지 않고 오히려 검토해야 할 항목이 늘어나는 겁니다. 회계 업무를 줄이려면 ‘그럴듯하게 생성하는 AI’가 아닌 숫자와 태깅을 일관되게 대사하고 검증하는 자동화가 필요한 거죠.
잘못된 AI 도입으로 회사가 떠안는 리스크
AI를 맞지 않는 업무에 도입하면 효율이 나지 않는 데서 끝나지 않습니다. 오히려 회사가 떠안아야 할 리스크가 커질 수 있죠.
검토 부담 증가: AI 결과물을 그대로 쓸 수 없어 한 줄씩 다시 확인해야 해 오히려 검토 시간이 늘어납니다.
정정공시 위험: 잘못된 숫자나 XBRL 태깅이 그대로 반영되면 데이터 품질 문제와 정정공시 리스크로 이어질 수 있습니다.
자본시장법 리스크: 공시 전 재무자료를 생성형 AI에 입력하면 미공개중요정보 노출 우려가 생깁니다.
책임 추적 불가: “왜 이렇게 처리됐나요?”라는 질문을 받았을 때 “AI가 했습니다”라고 답할 수 없기 때문에 근거를 역추적해야 합니다.
사내 설득 어려움: AI를 도입했는데도 일이 줄지 않거나 검토 항목이 늘면, 투자 대비 효과를 설명하기 어려워집니다.
결국 중요한 건 더 성능 좋은 AI를 쓰는 게 아닌, 회계 업무에 맞는 솔루션을 고르는 것입니다.
XBRL 자동화가 갖춰야 할 3가지 조건
도구를 검토할 때는 "AI냐 아니냐"가 아니라 다음 세 가지 조건을 갖췄는지 봐야 해요.
① 검증 — 같은 입력에 같은 답이 나오나요?
XBRL 자동화는 새로운 답을 만들어내는 일이 아닙니다. 재무제표 본문과 주석의 숫자가 일치하는지, DSD 파일과 IXD 파일 속 숫자가 맞는지, 태깅이 분류체계에 맞게 이루어졌는지 확인하는 일에 가깝습니다.
즉, 핵심은 이미 있는 자료를 정확하게 검증하는 것입니다. 같은 입력에는 같은 결과가 나와야 하고, 어떤 기준으로 불일치가 발생했는지도 확인할 수 있어야 합니다.
② 보안 — 우리 회사 재무자료가 외부로 나가지 않나요?
공시 자동화를 검토할 때 가장 먼저 확인해야 할 것은 데이터 처리 경로입니다. 공시 전 재무자료는 투자자 의사결정에 영향을 줄 수 있는 민감한 정보입니다. 외부 생성형 AI에 그대로 입력하면 정보 유출과 법적 리스크가 발생할 수 있습니다.
조선비즈 기사에서도 일부 회계법인이 챗GPT, 제미나이, 클로드 등 외부 AI 사용을 제한하거나 차단한다고 전했습니다. 감사 자료와 재무 정보가 외부로 유출될 수 있다는 우려 때문입니다.
따라서 XBRL 자동화 도구는 데이터를 어디에서 처리하는지, 외부 전송이 있는지, 접근 권한을 어떻게 관리하는지 명확히 확인할 수 있어야 합니다.
③ 책임 — "왜 이렇게 됐어요?"에 답할 수 있나요?
자동화 결과는 근거를 설명할 수 있어야 합니다.어떤 기준으로 매핑됐는지, 어떤 값이 어디에서 달라졌는지 보여줄 수 있어야 사람이 그 결과를 검토하고 받아들일 수 있습니다. 그래야 자동화가 검토 부담을 줄여줍니다.
문제는 생성형 AI만으로는 이 세 가지를 동시에 충족하기 어렵다는 점입니다. 공시 업무에는 회계 데이터의 흐름과 XBRL 실무에 맞춰 설계된 자동화 방식이 필요합니다. 인벡터가 해결하려는 문제도 여기에 있습니다. 인벡터는 XBRL 태깅과 DSD-IXD 대사를 자동화하고 공시 실무자가 결과를 확인한 뒤 책임질 수 있도록 돕습니다.
공시 실무에 맞춘 XBRL 자동화 솔루션, 인벡터
인벡터는 정기보고서 작성 과정에서 가장 손이 많이 가는 작업을 자동화하는 XBRL 솔루션입니다. DSD 작성, XBRL 변환, DSD와 XBRL 간 숫자 대사를 하나의 흐름으로 연결해, 사람이 손으로 맞춰보던 반복 작업을 줄여줍니다.
1. AI 추천 태깅
항목마다 AI가 주석 구조를 분석해 적합한 택사노미를 제안합니다.
2. DSD ↔ IXD 대사
DSD 파일과 XBRL 제출 파일인 IXD 파일의 숫자를 자동으로 대조합니다. 두 파일의 숫자가 일치하는지 사람 눈으로 일일이 비교하지 않아도 돼요.
인벡터와 함께라면 회계팀은 회계 판단에, 공시팀은 누락 없는 제출에 더 집중할 수 있습니다. 정기보고서 공시에서 반복되는 검증, 태깅, 대사 작업은 인벡터가 자동화하기 때문입니다.
소프트웨어를 도입해도 바로 쓰기 어려울까 걱정되시나요? 인벡터는 도입 전 교육을 제공하고, XBRL 컨설팅부터 최종본 IXD 파일 제작까지 함께 지원합니다. 단순히 XBRL을 한 번 대행하는 게 아닌, 회사 내부에 공시 역량이 차곡차곡 쌓이도록 돕습니다. 사내 공시 역량이 왜 중요한지 궁금하다면 이 글을 함께 읽어보세요.
XBRL 공시를 앞두고 불안한 마음이 크다면 인벡터에 문의 주세요. DSD 파일을 바탕으로 XBRL 기준을 수립하고 데이터를 설계해, 담당자가 작업할 수 있는 기반을 만들어 드립니다.