이곳은 개발을 위한 베타 사이트 입니다.기여내역은 언제든 초기화될 수 있으며, 예기치 못한 오류가 발생할 수 있습니다.문서의 임의 삭제는 제재 대상으로, 문서를 삭제하려면 삭제 토론을 진행해야 합니다. 문서 보기문서 삭제토론 대한민국 공인회계사 (문단 편집) ==== 대체의 방식 ==== 회계 분야에서 전문가 시스템이 처음으로 연구되기 시작한 것은 [[http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.542.6246&rep=rep1&type=pdf|1977년]]이다. 하지만 그 시기에는 인공신경망이 없었기에 모든 규칙을 다 입력해놓고 Y/N을 수없이 거쳐서 결론에 도달하는 것이었다. 단순히 지식을 쌓아놓고 검색하는 데 그쳤다. 기억용량이 아무리 많아도 스스로 판단을 할 줄 모르므로 '전문가' 시스템은 [[전문가]]를 대체할 수 없었다. [* 이 시기에는 당연히 회계사를 대체할 수 없었다. 영어사전을 컴퓨터에 입력한다고 번역을 할 수도 없었고, 역사책을 컴퓨터에 입력한다고 사학과 교수를 대체할 수도 없었다.] 인공지능이 다시 주목받기 시작한 것은 2000년대 중반 인공신경망의 치명적인 문제가 해결되면서부터이다. 인공지능의 도입은 그 쌓인 지식을 컴퓨터가 검토하면서 자기 스스로 규칙을 찾아내고 데이터베이스에 없는 새로운 문제에 그 규칙을 적용할 수 있게 바뀌었다. 애초에 인공지능이라는 존재 자체가 메뉴얼의 절차를 그대로 따라하는 것이 아닌 전문지식에 기반한 융통성이 필요한 판단을 하기 위해 만들어진 개념이다. 현재 발달속도가 가장 빠른 뉴럴네트워크에 기반한 머신러닝으로 작동하는 인공지능의 경우, 애당초 주어지는 방대한 양의 자료를 습득하는 "훈련"과정을 거치고 나면 "올바른" 답을 산출할 수 있는 알고리즘을 스스로 도출하는 것이 그 원리이지, 인간처럼 추상적 사고와 가치판단이라는 중간과정을 모두 거치면서 결과물을 내놓는 방식이 아니다. 회계감사에 [[http://aaapubs.org/doi/pdf/10.2308/jeta-10511?code=aaan-site|적용되는 인공신경망 관련 기술]](2016)의 예로는 [[자연 언어 처리]], 음성 처리, 문장 분석, 이미지 인식 등을 들 수 있다. * 이미지 인식, [[이미지 검색]]: 2000년대 중반까지, 검색엔진은 사진 제목이나 해당 웹페이지에 '고양이'라고 쓰여 있어야 고양이라는 결과물을 출력했다. 구글이나 페이스북의 검색엔진이 고양이 사진만 보고도 고양이라고 인식하게 된 것은 2000년대 후반의 일이다. 이제는 검색 대상 웹페이지에 친절하게 '고양이'라고 쓰여 있거나 검색엔진에게 '다리가 4개 달리고 털이 나고 뾰족한 귀가 있고...' 하는 설명을 해 주지 않아도 사진만 보고 고양이를 인식한다. 7천만개의 고양이 사진을 보고 자기가 알아서 고양이 특징을 찾아내기 때문이다. 의료진단 분야의 전문가 시스템이 처음으로 연구되기 시작한 것은 1976년이다. 그리고 IBM 왓슨이 미국에서 실제로 의사와 비등한 성과를 내기 시작한 것은 2015년 즈음이고, 한국에 도입된 것은 2017년 초다. 이제 인공지능은 사진을 보면 [[영상의학과]] 의사가 의대에서 11년간 수련받은 것만큼 질병을 잘 파악한다. 회계감사에서 이는 자동화된 [[드론]]을 통해 [[재고조사 아르바이트|재고조사]]를 수행하는 방식으로 나타난다. 또는 주차장이나 매장 앞의 CCTV 데이터를 분석하여 유동인구와 매출을 비교하면 매출을 조작하지 않는지 확인할 수 있다. * [[자연 언어 처리]], 문장 분석: 2016년 말부터는 [[구글 번역]] 역시 인공지능을 도입하여 꽤 외국어를 잘 하게 되었다. 구글 번역 부서에는 언어 관련자가 한 명도 없다. 2017년 현재, 사람에게 특정 외국어[* 2017년 중순 현재 영어의 경우 토익 600~700 수준]를 구글 인공신경망 번역만큼 하게 만들려면 full-time으로 2년 가까이 훈련시켜야 한다. 이렇게 된 것은 그리 오랜 일이 아니다. 2016년 초까지만 해도 구글 번역은 인공지능 이전의 알고리즘을 쓰고 있었으며, 내용의 이해 자체가 어려운 조잡한 결과물을 내놓는 경우가 허다했다. 이는 기업 활동을 분석하는 데 활용 가능하다. 예를 들어 [[투자은행]] 중 [[골드만삭스]]의 경우 2016년 중순 인공지능 프로그램 '켄쇼'를 도입하였는데, 2000년 트레이딩 부서에 600명의 트레이더가 있었지만 2017년에는 2명 남기고 모두 잘라버렸으며 200명의 프로그래머를 해당 부서에 고용하였다. 이걸 가지고 '그래도 아직 2명 남아있으니 트레이더는 인공지능이 대체할 수 없는 직종'이라고 말하기는 힘들다.[* 투자은행의 S&T 부서는 주식, 채권, 원자재 등을 거래하는 부서이다. 수십억대 주식 거래라는 건 재무제표, 애널리스트들 보고서, 뉴스 등을 보면서 진행된다. 요즘 인공지능은 기업의 주가에 영향을 미치는 신문기사 등을 보면서 '트레이더가 취해야 할 주식투자 전략'에 대한 보고서를 몇 분 내에 써 준다. 2010년대 초반까지만 해도 사람이 보고서 하나를 쓰는 데 40시간 정도가 걸렸는데, 이들의 연봉이 평균 3.5억원에 달했다. 그리고 당시 이들은 절대 자신들의 업무가 기계에 대체될 수 있다고 생각하지 않았다.] 회계감사의 대상은 기업이므로, 회계감사에도 활용 가능하다. 예를 들어, 컨퍼런스 콜 대본, 회사 내부의 보고서들, 뉴스 등을 기계가 읽고 감사 결과와 비교할 수 있다. 인간과의 차이점은 인간은 인원이 제한되어 있으므로 직감 위주로 문제가 생기기 쉬운 부분만 골라서 읽는 반면, 기계는 문자 그대로 다 읽는 게 가능하다는 것. 이런 수단들을 통해 통상적인 [[분식회계]] 수법들[* 원가를 축소하여 같은 매출으로도 이익이 많이 난 것처럼 위장한다든지, 허위 매출을 만들고 나서 그 매출을 근거로 돈을 빌린다든지]에 대해 적은 노동으로 많이 잡아내게 된다.저장 버튼을 클릭하면 당신이 기여한 내용을 CC-BY-NC-SA 2.0 KR으로 배포하고,기여한 문서에 대한 하이퍼링크나 URL을 이용하여 저작자 표시를 하는 것으로 충분하다는 데 동의하는 것입니다.이 동의는 철회할 수 없습니다.캡챠저장미리보기