์ฌ์ ๋ฆฌ๋
AI๊ฐ ํ๊ณ๋ฒ์ธ์ ์ธ๊ธ ์์ฆ ํ๋ ์ด๋ถ์ ๋ค์ ์ฐ๋ ๋ฐฉ๋ฒ
세금 시즌이 끝났습니다. 전국의 CPA 팀들에게 이것은 사이클이 다시 시작되기 전에 짧지만 깊이 번득은 휴식의 의미입니다.
1월과 4월 15일 사이에, 제출 볼륨은 200–300% 이상으로 급증할 수 있습니다. 대부분의 회사들은 인력을 추가하지 않고도 이러한 급증을 흡수하지만, 99%의 회계사는 60에서 70시간을 일주일에 일해야 했습니다. 이것은 모두 고정된 마감일 내에서 이루어졌습니다.
이번 년도에는 새로운 공제, 기존 공제의 강화, 새로운 고용주 보고 의무를 도입한 대규모 연방 세법 변경으로 인해 세금 시즌이 훨씬 더 복잡했습니다. 따라서 4월 15일이 되면 대부분의 CPA 회사와 회계 팀은 더 이상 할 수 있는 것이 없었습니다.
이러한 압력은 스스로 사라지지 않습니다. 10년 이상 Big 4에서 일하면서 매년 같은 병목 현상이 반복되는 것을 보았습니다. 자동화는 실제로 변화를 가져오는 레버입니다. AI 에이전트가 루틴 절차를 끝까지 처리하고, 데이터 처리 작업을 수행하는 동안 인간은 관리자와 의사 결정자로서 루프에 남아 있습니다.
다음 분위기 시즌이 시작되기까지 6개월의 시간이 있습니다. 이 시간을 준비에 쓸 가치가 있습니다. 자동화가 가장 큰 차이를 만들어내는 곳을 살펴보고, 이 시간을 사용하여 2027년 세금 시즌을 근본적으로 다른 경험으로 만드는 방법을 살펴보겠습니다.
위험
2024년, 140개 이상의 공공 회사는 재무 상태를 재개합니다. ADM이 내부 회계 조사 발표했을 때, 이는 주식 가격이 24% 하락으로 이어졌습니다. 이는 1929년 이후 회사 최악의 일이었으며, 단일 날에 88억 달러 이상의 주주 가치가 사라졌습니다.
同じ 해에, SEC(증권 거래위원회)는 재무 보고 오류와 관련된 45건 이상의 집행 조치를 취했습니다. 회사의 규모가 클수록 실수의 가격표가 더 커졌습니다.
이것이 가장 중요한 맥락입니다. 정상적인 조건에서 일하는 경험豊富한 인간 검토자는 96-98%의 정확도로 작동합니다. 이것은 안심할 수 있는 수준으로 들릴 수 있지만, 이러한 품질을 유지하기 위해 필요한 스트레스를 고려해 보십시오. 그리고 이것이 자동화가 생명선을 구할 수 있는 곳입니다.
LLM은 분석에 신뢰할 수 없는 도구로 알려져 있지만, 재무 문서 처리를 위한 목적 지향적 AI는 일관되게 95-99%의 정확도로 작동합니다. 결정적 코드와 이중 경로 검증을 통해 시스템은 근거 없는 결론을 피할 수 있습니다. 또 다른 중요한 특징은 AI가 3월에疲勞하지 않는다는 것입니다.
비용
경제를 더 잘 이해하기 위해, 비용을 계산해 보겠습니다. 2025년 CPA의 시간당 비용은 200에서 500달러까지이며, 이는 선임, 전문화, 위치에 따라 다릅니다.
여러 개체를 운영하는 중간 규모의 회사에겐, 급여를 여러 주에서 처리하고, AP/AR 볼륨이 있으며, 일반 원장을 조정해야 합니다. 이는 몇 개의 청구 가능한 시간이 아니라, 선임 직원의 시간을 수주 동안 사용하는 것을 의미합니다. 대부분의 시간은 실제 분석을 시작하기 전에 데이터 준비와 문서 정리 작업에 소요됩니다.
회계사가 60-70시간을 일주일에 200-400달러의 시간당 비용으로 일할 때, 수학은 빠르게 합계됩니다. 또한 대부분의 회사들은 정점 시즌 동안 고정된 인력을 운영하기 때문에, 이 시간을 단순히 구매할 수 없습니다.
자동화가 프로세스에 참여하면, 수동 데이터 입력, 조정, 작업지 준비가 목적 지향적 AI로 대체됩니다. 이것은 경험豊富한 CPA가 필요하지 않다는 것을 의미하지 않습니다. 이러한 작업은 처음부터 너무 많은 비싼 인간 시간을 필요로 하지 않아야 합니다.
전략, 위험, 고객 결정에 대한 선임 판단은 이러한 시간당 비용의 가치가 있습니다. 스프레드시트를 재格式화하고 수동으로 항목을 일치시키는 것은 아닙니다.
보안
금융 운영은最高의 보안 표준을 요구하며, AI 통합도 예외는 아닙니다. 대부분의 회사들이 이미 알고 있는 기준은 SOC 2 Type II입니다. 즉, 벤더의 보안 컨트롤에 대한 독립적인 감사를 시간의 단一点이 아닌 시간이 지남에 따라 수행하는 것입니다. 그 외에도 ISO 27001과 NIST AI 위험 관리 프레임워크가 있으며, 후者는 AI 시스템에 특有的 위험을 해결합니다. 클라이언트 데이터를 주 또는 국제적으로 처리하는 회사에서는 GDPR 및 CCPA 준수를 무조건적으로遵守해야 합니다.
아키텍처는 인증만큼 중요하며, 여기서 가장 중요한 질문은 실제로 금융 데이터가 어디로 가는지입니다. 프라이빗 클라우드 배포는 클라이언트 금융 데이터가 절대적으로 회사 경계를 벗어나지 않으며, 기본 모델을 재훈련하는 데 사용되지 않는다는 것을 보장합니다. 이 분야의 유명한 벤더는 완전히 분리된 공용 AI 시스템에서 작동하는 사전 훈련된, 목적 지향적 모델을 제공합니다.
품질
세금 시즌을 잔인하게 만드는 워크플로우, 즉 조정, 데이터 입력, 다중 개체 일치 등은 품질 수익 참여를 정의하는 동일한 워크플로우입니다.
시도 잔액, 현금 증명, 대차대조표, 손익계산서(P&L), 은행 잔고, 일반 원장, 급여, AP/AR 노화 – 모든 문서 작업은 대부분 수동으로 처리되었습니다. 대부분의 참여는 실제 분석을 시작하기 전에 문서 입력과 여러 출처에서 파일을 가져오는 데 첫 몇 일자를 잃어버립니다. 그리고 이것이 자동화가 끝에서 끝까지 작업을 처리할 수 있는 곳입니다.
시도 잔액(Trail Balance)과 일반 원장 조정은 기술적인 복잡성이 최고조에 달하는 곳입니다. 항목을 기간별로 일치시키고, 비정상성을 식별하고, 시도 잔액이 깨끗하게 연결되는지 확인하는 작업은 단일 분류 오류로 인해 전체 P&L 그림이 아래쪽으로歪曲되는 작업입니다. AI는 거래 일치를 자동화하고 실시간으로 불일치를 플래그합니다. 따라서 조직은 HighRadius에 따르면, AI를 구현하여 마감일을 30%까지 줄일 수 있습니다.
은행 잔고 조정과 현금 증명도 동일한 논리를 따릅니다. 계정과 개체 간에 지속적인 자동 일치, 즉시 플래그되는 미일치 항목입니다.
손익계산서와 대차대조표 분석은 더 나아갑니다. 여기서 AI는 데이터를 조직화하는 것만이 아니라, 변이 패턴을 식별하고, 비정상적인 수익 인식을 플래그하고, 기간 간의 불일치를 표면화합니다.
급여 검증과 AP/AR 노화는 워크플로우를 완성합니다. 자동화된 급여 검토는 유령 직원, 중복 레코드 및 다중 관할 구간을 포착합니다. AI 기반 노화 분석은 보고서를 수동으로 작성하지 않고도 수집 위험과 지불 불일치를 플래그합니다.
이러한 개선 사항을 모두 고려하면, 일반적으로 참여의 첫 주를 소모하는 것을 압축하여, 선임 직원이 실제로 그들의 판단이 필요한 작업을 1일부터 시작할 수 있습니다.
결론
매년 4월, 준비하지 않은 회사들은 동일한 교훈을吸収합니다. 시즌은 스스로 쉽게되지 않습니다. 마침내 자동화는 1990년대부터 남아 있던 프로세스를 충분히 업그레이드할 기회를 얻었습니다.
2025년 Intuit QuickBooks 설문조사는 700명의 회계 전문가를 대상으로 자동화를 사용하는 회사들이 거의 모든 경우에 개선된 결과를 보고했다는 것을 발견했습니다. 98%의 회사가 더 나은 정확도를, 97%의 회사가 더 높은 효율성을, 95%의 회사가 더 높은 고객 서비스 품질을 보고했습니다.
자동화된 워크플로우를 사용하는 회사와 수동 워크플로우를 사용하는 회사 사이의 경쟁 격차는 이미 열렸으며, 매 시즌마다 더 커질 것입니다.
AI는 판단과 관계가 훌륭한 회계 작업을 정의하지만, 아직도 수동 워크플로우를 사용하는 회사에서는 이러한 것을 제공하기가 훨씬 더 어려워질 것입니다. 소프트웨어가 더 잘할 수 있는 작업에 최고의 인력을 사용하고 있기 때문입니다.
