인공지능(AI) 감사 도입 방안 연구

서정화; 이창규

추천

검색

자료유형: 학술저널

저자정보: 서정화 (협성대학교 세무회계학과) 이창규 (중앙대학교)

저널정보: 한국공인회계사회 회계ㆍ세무와 감사 연구 회계ㆍ세무와 감사 연구 제67권 제2호

발행연도: 2025.6

수록면: 1 - 26 (26page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

인공지능(Artificial Intelligence, 이하 AI) 감사는 AI 시스템이 예상대로 작동하는지, 그리고 윤리적, 법적 기준에 부합하는지를 평가하는 과정으로, 시스템이 의도한 대로 정확하게 작동하는지, 편향성이나 차별적인 결과를 초래하지 않는지를 확인하는 것이다. 현재 AI 시스템에 특화된 법정 감사는 존재하지 않지만, 피감사 기업이 시스템을 이용하여 재무제표를 작성하거나 시스템 판단 결과에 따라 내부 통제를 수행할 경우에는 감사 대상이 될 수 있다. AI 기술의 빠른 발전은 새로운 위험을 야기하므로, AI 감사 제도, 기준, 방법의 지속적인 고민이 필요하다. 기존 IT 감사는 효율성, 보안성, 법규 준수 여부를 평가하지만, 기존 평가요소와 함께, AI 감사는 공정성, 편향성, 예측 불가능성 등 추가적인 요소들을 검증해야 한다. AI 감사는 대상과 종류에 따라 시기가 달라지며, AI 라이프사이클 단계를 기준으로 감사 시점을 정할 수 있다. AI 감사 실시자는 전문성, 독립성, 법적 책임 등 다양한 자격 기준을 충족해야 한다. AI 감사는 감사 기준 부재, 대상 범위 모호성, 높은 비용 등 여러 어려움에 직면하고 있으며, 이를 해결하기 위해 AI 감사 제도 설계 방향을 설정하고 합리적인 감사 방안을 마련해야 한다. 즉, AI 감사 제도 설계 시에는 감사 품질과 비용의 균형을 고려하고, AI 시스템의 복잡성과 변화 속도를 반영하여 유연하고 지속적인 감사 체계를 구축해야 한다. 합리적인 감사 방안으로는 감사 목표 명확화, 위험 기반 접근법 활용, 내부 및 외부 감사 활용, AI 감사 도구 도입 등이 있다. 감사 대상 및 범위, 감사 시점 및 주기, 감사 실시자 자격 기준 등 세부적인 내용도 중요하다. AI 감사 실시 조직은 팀 기반 감사를 통해 전문성을 강화하고, 법적 책임 범위 명확화 및 면책 요건 마련을 통해 감사 담당자를 보호해야 한다. AI 감사 인재 육성은 필수적이며, 생성형 AI 감사 대응을 위한 새로운 감사 기준과 절차 마련도 필요하다.

Artificial Intelligence (AI) auditing is the process of evaluating whether AI systems function as expected and comply with ethical and legal standards. It involves verifying that the systems operate accurately as intended and do not produce biased or discriminatory outcomes. Currently, there is no statutory audit specifically for AI systems. However, if an audited company uses AI systems to prepare financial statements or to implement internal controls based on the system’s judgments, these systems may become subject to audit. The rapid advancement of AI technology introduces new risks, necessitating continuous consideration of AI audit systems, standards, and methodologies. While traditional IT audits assess efficiency, security, and legal compliance, AI audits must also examine additional factors such as fairness, bias, and unpredictability, alongside existing evaluation elements. The timing of AI audits varies depending on the subject and type of audit, and audit timing can be determined based on the AI lifecycle stages. AI auditors must meet various qualification criteria, including expertise, independence, and legal responsibility. AI auditing faces several challenges, such as the absence of audit standards, ambiguity in the scope of audits, and high costs. To address these issues, it is necessary to establish the direction for designing AI audit systems and to develop reasonable audit plans. Specifically, when designing AI audit systems, a balance between audit quality and cost should be considered, and a flexible and continuous audit framework that reflects the complexity and rapid pace of change in AI systems should be built. Reasonable audit plans include clarifying audit objectives, utilizing a risk-based approach, leveraging internal and external audits, and introducing AI audit tools. Details such as the subject and scope of the audit, the timing and frequency of audits, and the qualification criteria for auditors are also important. Organizations conducting AI audits should enhance their expertise through team-based audits and protect audit personnel by clarifying the scope of legal responsibility and establishing disclaimers. Fostering AI audit talent is essential, and the development of new audit standards and procedures to address generative AI audits is also necessary.

#인공지능 시스템 #인공지능 감사 #인공지능 거버넌스 #인공지능 관리 #AI systems #AI audits #AI governance #AI management

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)