2026-08 확인. 이 글은 2026년 7월 25일 조사 기록입니다. 그 뒤 도구 쪽이 결산 분개와 계정 대사, 내부통제 표본 선정까지 덮었습니다. 지금 무엇이 되고 무엇이 남았는지는 강좌 24개 중 회계사가 볼 것 세 개에 정리했습니다. 아래는 당시 기록 그대로 둡니다.
앞선 글에서 해외 재무 AI 교육 12개 과정의 커리큘럼을 정리했습니다. 배울 점이 분명히 있었습니다. 그런데 조사를 끝내고 남은 것은 공통으로 빠져 있는 세 가지였습니다.
이 글은 그 셋이 무엇이고, 왜 한국 회계사에게 특히 문제인지에 대한 것입니다.
① 제도권 회계 실무에 붙는 모듈이 없습니다
12개 과정을 전부 훑었는데 결산·세무신고·감사조서·회계기준 판단을 다루는 정규 모듈이 하나도 없습니다. 전부 FP&A·재무분석·투자·경영보고 쪽입니다.
가장 가까이 간 것이 Boucher 액셀러레이터 6주차의 “월차 결산·보고 워크플로”인데, 여기서 말하는 결산은 보고용 마감이지 전표·계정·세무조정이 붙는 결산이 아닙니다.
왜 없을까요. 짐작할 수 있는 이유는 둘입니다.
- 제도가 나라마다 다릅니다. 부가세 매입세액 불공제 요건은 한국 세법이고, 감사조서 양식은 한국 감사기준입니다. 글로벌 과정이 다루기 어려운 영역입니다
- 틀리면 안 되는 영역입니다. FP&A 예측이 5% 틀리는 것과 매입세액 공제 판단이 틀리는 것은 성격이 다릅니다. 후자는 가산세로 돌아옵니다
두 번째 이유가 이 공백을 구조적인 것으로 만듭니다. 회피된 것이지 아직 안 만들어진 것이 아닙니다.
② AI 산출물을 검증하는 방법론이 없습니다
거버넌스를 다루는 과정은 많습니다. AICPA에는 How to Develop an AI Policy가 있고, CFI 필수 과목 첫 번째가 Workflows & Governance이며, Wharton은 8주 중 한 코스를 통째로 거버넌스에 씁니다.
그런데 전부 정책 수준입니다. “무엇을 AI에 넣어도 되는가”, “누가 책임지는가”, “어떤 정책 문서를 갖춰야 하는가”.
정작 눈앞의 산출물이 맞는지 확인하는 절차는 커리큘럼에 없습니다. 재무에서 그건 이미 이름이 있는 작업입니다.
회계사는 이 여섯 가지를 이미 매일 합니다. AI 산출물에 그대로 적용하면 되는데, 그걸 학습 목표로 세운 과정이 없습니다.
가장 근접한 것이 Anthropic 4D 프레임워크의 Discernment(분별) 축과 Boucher의 “방어 가능한 포캐스트”입니다. 둘 다 방향은 맞지만 재무 절차의 언어로 내려오지는 않았습니다.
검증 없는 활용은 리스크의 자동화입니다. 틀린 값을 사람이 만들면 한 건이지만, 틀린 규칙을 자동화하면 전 건입니다.
③ 시스템 연동 실습이 없습니다
실습 데이터가 전부 스프레드시트이거나 공시자료입니다. ERP·회계시스템에서 데이터를 꺼내고 되돌려 넣는 과정을 실습으로 만든 곳은 없었습니다. Boucher 과정의 P4가 “Excel·Power BI·SAP·Xero·QuickBooks·SQL 도구 코치”인데, 이건 도구 사용법 소개이지 연동 실습이 아닙니다.
이건 실습 환경의 문제입니다. 진짜 ERP를 교육용으로 열어 줄 회사가 없고, 정합성 있는 가상 데이터를 만드는 일은 그 자체가 큰 작업입니다.
그런데 여기가 빠지면 앞의 둘도 실습이 안 됩니다. 데이터를 못 가져오면 결산도 검증도 시연에 그칩니다.
왜 한국에서 특히 문제인가
이 셋이 빠진 것은 전 세계 공통인데, 한국 회계사에게는 무게가 다릅니다.
첫째, 진입 장벽이 지식이 아니라 신뢰이기 때문입니다. 현업 회계사들이 반복해서 말하는 것은 *“결과가 매번 달라져서 업무에 못 쓴다”*입니다. 1원이 틀리면 안 되는 직업에서 이건 합리적인 판단입니다. 재현성을 만드는 방법이 곧 ②번인데, 그게 빠져 있으니 아무리 좋은 프롬프트 강의를 들어도 업무로 넘어오지 않습니다.
둘째, 데이터에 접근할 수가 없습니다. 재무 담당자는 회사 자료로 AI를 연습할 수 없습니다. 고객사 자료라면 더 그렇습니다. 그래서 정합성 있는 가상 데이터셋 자체가 희소재입니다. ③번이 빠진 이유이기도 하고, 채워야 할 이유이기도 합니다.
셋째, 제도가 한국 것입니다. ①번 칸은 애초에 밖에서 채워 줄 수 없습니다.
그래서 이렇게 설계했습니다
이 셋을 커리큘럼 구조에 직접 반영했습니다.
- 검증(V)을 6개 블록 중 하나로 독립시켰습니다. 다른 블록과 같은 크기로 뒀습니다. 이 커리큘럼이 다른 AI 교육과 갈리는 지점이 여기입니다
- 판단(J)도 별도 블록입니다. 공제/불공제, 계정분류, 충당 설정처럼 AI에게 위임할 수 없는 것을 위임할 수 없다고 명시하는 칸입니다
- 연동(C)을 앞쪽에 배치했습니다. 데이터를 가져오지 못하면 나머지가 실습이 안 되기 때문입니다
- 실습용 가상 회사와 데이터셋을 직접 만듭니다. 원장·은행계좌·PG 정산·급여·세금계산서가 서로 맞아떨어지는 세트입니다
남은 질문
이 글은 조사에서 확인한 공백을 정리한 것이고, 그 공백을 어떻게 채울지는 아직 검토 중입니다. 특히 두 가지가 열려 있습니다.
- AX 시장 지형과 도입 경제성: 조직이 왜 도입에 실패하는지에 대한 정리
- 조직 확산 방법론: 개인이 배운 것을 팀으로 옮기는 문제
교육위원회 검토에서 다룰 안건이고, 그때까지는 이 글 같은 정리가 그것을 임시로 대신합니다. 무엇이 빠져 있는지를 표시해 두는 편이 낫다고 봅니다.
출처
- 해외 재무 AI 교육과정 12개 커리큘럼 조사 · 조사일 2026-07-25 · Boucher, CFI, CA ANZ, AICPA & CIMA, Wharton, Columbia×WSP, 국내 3개
- 글로벌 AI 리터러시 과정 조사 · 조사일 2026-07-25 · Anthropic AI Fluency, Google AI Essentials, Microsoft Copilot Academy, DeepLearning.AI, Vanderbilt
- NIST AI RMF · AI 600-1 (생성형 AI 프로파일) · confabulation 통제 항목 참조
- EU AI Act Article 4 (AI 리터러시 의무) · 사내 교육 문서화 요건