세무조사 선정 기준, AI 자동 선별 시스템의 알고리즘 변화

– ‘선정의 시대’에서 ‘탐지의 시대’로, 더 이상 무작위는 없다 –

국세청 세무조사 시스템은 더 이상 ‘무작위’가 아니다

국세청의 세무조사 시스템은 과거처럼 사람이 직접 대상자를 뽑는 방식이 아니다. 지금은 AI(인공지능)와 빅데이터를 기반으로 한 자동화된 데이터 분석 시스템이 납세자별 세무 리스크를 판단하고, 조사 우선순위를 매긴다. 국세청은 이를 ‘세무 리스크 기반 자동 선별 시스템’이라 부르며, 매해 그 알고리즘을 고도화하고 있다.

실제로 국세청은 카드사, 은행, PG사, 홈택스, 배달앱, 플랫폼 기업 등으로부터 수집한 데이터를 연계하여 납세자의 매출 흐름, 비용 처리, 자금 이동, 업종별 평균과의 괴리 등을 정밀하게 분석하고 있다. 이 시스템은 각종 신고자료 간 불일치, 반복적인 경비 처리 패턴, 수익률 급변 동향 등을 종합적으로 파악해 비정상적인 신고 유형을 먼저 포착한다.

과거에는 단순히 세액 기준이나 신고 누락 중심의 정기조사가 많았지만, 지금은 ‘데이터 이상징후 탐지 기반’ 조사가 대세다. 국세청은 이를 ‘지능형 탈루 위험 탐지 시스템’이라 칭하며, 실제 탈루 가능성이 높은 업체를 선별하는 데 초점을 맞추고 있다. 즉, 아무리 소득이 작아도, 거래구조가 이상하면 조사 대상이 될 수 있는 시대다.

AI 세무조사 자동 선별 시스템의 작동 방식

AI 기반의 세무조사 선별 시스템은 수많은 정형 및 비정형 데이터를 결합해 작동한다. 이 시스템은 사람의 직관 대신 **수천 가지의 탐지 룰(rule)**을 기반으로 각 납세자의 리스크 점수를 산정하며, 이를 통해 자동으로 조사 우선순위 리스트를 생성한다.

기본적으로는 다음 다섯 가지 흐름으로 작동한다:

첫째, 신고자료 간 데이터 불일치 탐지이다. 예를 들어 부가가치세 신고 금액과 카드매출, 세금계산서 발행 내역 간에 차이가 있을 경우, 시스템은 이를 이상 패턴으로 인식한다.

둘째, 업종별 평균과의 이익률 또는 매출 구조 괴리 분석이다. 동일 업종 사업자 중 유독 이익률이 낮거나, 매입 비중이 과도한 업체는 자동으로 리스크 점수가 높아진다.

셋째, 신고의 패턴 반복 탐지이다. 매년 동일한 형식의 경비 처리, 일정 구간만 손실 처리 등 반복적이고 비정상적인 신고 유형은 AI가 직접 학습한 사례 기반으로 탐지한다.

넷째, 외부 기관 연계 정보 분석이다. 배달앱, 오픈마켓, 플랫폼 수수료 정산 내역 등은 홈택스와 연동되어 있고, 여기에 포함된 매출 정보가 실제 신고 자료와 일치하지 않으면 자동으로 비정상 거래로 판단된다.

다섯째, 거래 관계망 분석이다. 동일 주소지에서 다수의 사업자가 운영 중이거나, 동일 IP 또는 사업장 내 상호간 수상한 세금계산서 거래가 이루어지면, 연결 관계를 추적하여 조작 가능성 여부를 분석한다.

이러한 시스템은 기존의 ‘사람의 눈’으로는 확인하기 어려운 정황들을 실시간으로 포착할 수 있다는 점에서, 기존 세무조사 체계보다 훨씬 정밀하다.

최근 3년간 알고리즘 변화의 핵심 방향성과 사례

AI 기반 세무조사 선별 시스템은 최근 들어 다음 세 가지 방향으로 더욱 정교하게 고도화되고 있다.

첫째, 패턴 중심의 탐지 → 행위 중심의 구조 분석으로 전환되었다. 예전에는 단순히 신고액 대비 이익률이 낮거나, 매입이 많은 경우 조사 대상으로 올랐다면, 이제는 해당 납세자의 거래 행위 자체가 탈루 가능성이 있는지 구조적으로 판단한다.

예를 들어, 특정 사업자가 동일 시기에 여러 법인을 설립해 법인 간 거래를 주고받는 경우, AI는 이를 ‘명의 분산을 통한 소득 쪼개기’ 가능성으로 판단한다.

둘째, 타업종 간 연계 분석 기능 강화다. 국세청은 음식점, 교육업, 쇼핑몰, 병원 등 업종 특성을 기준으로 세무 패턴을 정의하고, 비슷한 업종군 내에서만 비교하지 않고 다른 업종 간 연계 흐름까지 추적한다. 예컨대 병원업자에게 공급된 의약품이 의료기기상 거래 내역과 연계되지 않을 경우, 허위 거래 가능성을 탐지한다.

셋째, 비정형 정보 기반 조기 경보 시스템 도입이다. 이는 카드 결제 시점, 거래 장소, 시간, 거래액, 고객의 성향 등을 종합 분석해 기계적 이상 신호를 포착한다. 예를 들어 자정 이후 고액 결제 반복, 특정 공휴일만 집중된 거래, 동일한 고객과 반복 거래가 존재하면, 시스템은 이를 수상한 거래로 간주하고 우선 점검 대상으로 설정한다.

이러한 시스템 변화는 결국, 단순 신고 방식이 아닌 **"신고자의 행동 흐름 자체를 정량화하고 점수화하는 방향"**으로 진화하고 있다는 것을 의미한다.

실무자가 반드시 사전 점검해야 할 핵심 항목

세무조사 위험을 낮추기 위해 실무자가 점검해야 할 항목은 다음과 같다.

카드 및 현금영수증 매출 정합성
POS 및 배달앱에서 발생하는 매출, 카드사 매출 내역, 홈택스 신고 금액이 서로 정확히 일치하는지 확인한다.
매입 세금계산서의 반복 거래 여부
매달 동일한 공급자로부터 과도한 매입이 반복된다면, 가공 거래로 오인될 수 있으므로 거래처 다변화 또는 상세한 계약서를 준비해야 한다.
대표자 계좌 자금 흐름 확인
대표자 또는 임직원 계좌에 반복적으로 현금이 입금되거나, 법인의 자금과 혼재될 경우 세무조사 대상이 될 수 있다. 개인/법인 자금 분리 원칙은 절대적이다.
이익률, 비용률 이탈 여부
동종 업종 평균과 너무 다른 매출총이익률이나 광고비 비율, 외주비 비율은 사전 점검 필요 항목이다. 정당한 사유가 있다면 회계 메모 및 증빙을 반드시 남겨야 한다.
원천세, 부가세 신고 누락 방지
프리랜서 비용, 강사료, 용역비 등을 처리하면서 원천세 누락이 발생하지 않도록 하고, 부가세 매출 누락이 없도록 부가세 신고 시점에 누락 체크리스트를 활용하는 것이 필요하다.

이러한 사전 점검은 클라우드 회계 시스템 또는 홈택스 자동 연동 서비스 등을 활용해 자동화하여 루틴으로 관리하는 것이 바람직하다.

앞으로의 대응 전략: 정기 점검을 넘는 사전 리스크 차단 체계

세무조사는 과거처럼 ‘걸리는 사람만 걸리는 시스템’이 아니다. AI 기반의 탐지 시스템이 일상적인 거래 흐름, 신고 패턴, 업종별 특이점까지 실시간으로 감시하고 있는 상황에서, 지금 필요한 건 ‘걸린 후 대응’이 아니라 ‘걸리기 전에 막는’ 사전 대응 전략이다. 세무조사로부터 회사를 보호하는 유일한 방법은, 스스로 리스크를 감지하고, 방어할 수 있는 구조를 평상시에 갖춰놓는 것이다.

그 시작점은 바로 회계·세무 관련 내부 체계의 문서화와 자동화다. 대부분의 스타트업과 중소기업은 회계팀이 없는 경우가 많고, 대표자 또는 외부 세무사에게 전적으로 의존하는 구조다. 그러나 AI 선별 시스템은 사업장의 신고 정합성과 회계 일관성을 보고 판단하기 때문에, 내부에서 준비되지 않으면 세무사의 노력만으로는 대응에 한계가 있다.

이를 해결하기 위해 실무자가 반드시 갖춰야 할 최소 요건은 다음과 같다.

첫째, 월별 회계 정산 보고서에 ‘AI 리스크 항목’을 포함하는 것이다. 단순한 매출·비용 정리에서 그치는 것이 아니라, 신고 항목별 정합성 비교, 세무리스크 점수화, 이상 거래 분석 등을 포함해야 한다. 예를 들어 부가세 신고서 내 매출 합계와 세금계산서 발행 내역, 카드매출 집계표 간 금액이 일치하는지 확인하고, 오차가 있다면 원인을 추적하는 것이 필요하다.

둘째, 정기적인 ‘사내 자가진단 점검표’를 도입하는 것도 유효하다. 자가진단표는 실무자가 주기적으로 확인할 수 있도록 구성된 체크리스트이며, 항목 예시는 다음과 같다.

세금계산서 발행 누락 건수 및 원인 분석
카드사 매출 정산내역과 부가세 신고 매출 비교
외부 프리랜서 비용에 대한 원천세 신고 유무
대표자 계좌와 사업자 계좌 간 자금 이동 유무
동종 업종 평균 대비 이익률 편차 여부

이 체크리스트는 단순 확인용이 아니라, 각 항목별로 실제 증빙 자료나 회계 기록과의 연결성을 점검하기 위한 실무 도구로 사용되어야 한다. 특히 홈택스, 카드사, PG사 등 외부 연계 데이터와 내부 장부 데이터를 교차 검증하는 형태로 활용되면 더욱 효과적이다.

셋째, 정기 세무사 미팅을 통한 시뮬레이션 기반 점검을 도입하는 것도 권장된다. 세무사는 단순 신고가 아니라, 국세청 시스템이 어떤 항목에서 이상 신호를 감지할지를 알고 있기 때문에, 분기별 혹은 반기별로 ‘AI 기준에 따른 점검 회의’를 진행하는 것이 중요하다. 이를 통해 사전에 의심받을 수 있는 항목을 미리 수정하거나, 정당한 사유와 함께 보완자료를 정리할 수 있다.

넷째, 회계팀 또는 외주 회계 대리인과의 협업 체계 강화도 필요하다. 클라우드 회계 시스템을 통해 모든 세금계산서, 비용 청구서, 카드매출 내역이 자동으로 연동되도록 설정하고, 불일치 건 발생 시 자동 경고 알림을 받도록 시스템화하는 것이 중요하다. 이는 사람이 실수하기 쉬운 반복적인 오류를 예방하고, 상시적으로 리스크를 탐지할 수 있는 체계를 구축하는 효과적인 방법이다.

다섯째, 조직 전체에 ‘세무 리스크 인식 문화’를 확산시키는 것도 장기적으로 매우 효과적이다. 실제로 많은 기업에서 세무조사의 위험은 오직 회계담당자나 세무사만의 일로 간주되지만, 영업, 마케팅, 인사, 운영 등 각 부서에서 발생한 모든 거래는 결국 회계에 영향을 주기 때문에, 각 부서 책임자가 최소한의 세무지식을 갖추는 것은 매우 중요하다.

이러한 체계를 운영하면 단순히 세무조사를 피하는 수준을 넘어, 재무 데이터의 신뢰도 확보, 투자자와 정부 과제 제출 시 회계 자료 제출 용이성 확보, 내부 의사결정 정확성 강화까지 동시에 실현할 수 있다.

결국 ‘AI 탐지 시대’에 걸맞은 기업의 생존 전략은, 오류를 줄이는 것이 아니라 오류가 발생할 수 없는 구조를 설계하는 데 있다. 세무조사는 더 이상 회피의 대상이 아니라, 투명성과 관리 체계의 결과물이 드러나는 필연적 과정이라는 인식 전환이 지금 절실하다.

이제 세무조사는 ‘걸리면 대응하는 시대’가 아니다. 신고 자료, 외부 데이터, 자금 흐름까지 모두 통합 분석하는 AI 자동 선별 시스템은 납세자의 신고 이력을 일종의 '패턴'으로 해석한다. 그러므로 지금 실무자가 해야 할 일은 신고서의 숫자보다, 데이터의 정합성, 회계 구조의 일관성, 거래 흐름의 투명성을 점검하는 것이다. 선제적 대응만이 조사 리스크를 줄이는 최선의 길이다.