(조세금융신문=고승주 기자) 노원균 미국 뉴저지 주립 럿거스 대학 교수(사진)가 5일 챗GPT와 실무‧교육‧연구 등 회계 분야 간 접목에 대해 각각 유용한 시사점과 동시에 주의해야 할 한계점, 그리고 이를 극복할 프롬프트 엔지니어링에 대해 소개했다.

 

노 교수는 이날 오후 2시 개최한 한국감사인연합회 제15회 감사인 정책세미나 발제자로 참가해 ‘대격변시대 인공지능이 회계분야에 미치는 구체적 영향’에 대해 발표했다.

 

생성형 인공지능은 인공지능이 빅데이터를 통해 훈련된 데이터를 기반으로 인간과 원활히 소통이 가능한 인공지능이다. 영화나 드라마에서 사용자가 말만 하면 그 말에 대답하고, 척척 결과물을 내놓는 게 생성형 인공지능의 한 예이다.

 

현재는 사람이 자연어로 요구사항을 말하면, 이에 맞춰 이미지, 텍스트, 영상, 소리를 내놓는 척척박사 같은 것으로 활용되는데, 평상 말로 하든, 전문용어로 주문하든 자연어로 소통할 수 있기에 컴퓨터 언어를 모르더라도 요구에 따른 결과물을 만들 수 있다.

 

그렇지만 많은 걸 외워서 배운 지능이다 보니 다단계 추론이 어렵고, 물어보면 답을 해줘야 한다는 의무로 인해 멋대로 가상의 것을 지어내 답하는 환각현상 등이 나타나곤 한다.

 

게다가 타인의 저작권이나 인터넷에 오른 개인 사생활 정보를 그저 공개돼 있다는 이유 하나만으로 아무 동의 없이 무차별적으로 사용해 법적‧윤리적 문제가 발생하고 있다.

 

마지막 업데이트 후 발생한 사건에 대해선 최신 정보를 제공할 수 없고, 훈련 데이터에 결함이나 편향이 있다면, 응답에서도 오류가 발생할 수 있다고 전했다.

 

일관된 텍스트를 생성하더라도 그간 드러난 것을 두고 문장을 생성하기에 혁신이나 틀을 벗어난 사고는 하기 어려우며, 맥락을 이해하는 데에도 어려움이 있어 미묘하거나 복잡한 주제를 깊이 이해하지 못하는 경우가 발생한다.

 

같은 맥락에서 사용자 입력에 대한 의존이나 뉘앙스에 대한 이해, 틈새 주제에 대한 지식 부재 등도 한계점으로 지적된다.

 

사람이 생성형 인공지능과 대화를 한다고 하지만, 가치관, 배경 등 살아온 경험차로 인해 사람과 사람도 원활한 대화가 어려운 데 인공지능이 능란하게 대화하기 어렵고, 그러다 보니 사용자 역시 책임 있는 사용을 위해 꾸준히 교육받을 필요가 있다.

 

그럼에도 인공지능의 유용성은 명백하기에 각국은 대대적인 투자를 하면서도 인공지능 발전만큼 공정성과 책임성, 투명성 보장을 위해 노력하고 있다.

 

노 교수는 이런 상황에서 공인회계사는 재무지식, 위험이해, 윤리적 감각을 갖추고 있어 꾸준히 대두되는 인공지능 거버넌스의 평가자이자 중요 이해관계자로 주목받고 있다고 전했다.

 

회계와 챗GPT와의 접목의 경우 회계실무에서는 효율성과 정확성을 높이고, 회계사들에 대해 보다 전략적 업무에 도움을 줄 것이라고 설명했다.

 

자연어 처리 능력을 활용해 텍스트 기반의 회계데이터에서 주요 정보를 추출하거나 구조화된 데이터로 통계 및 재무 분석을 하는 자동화 데이터 분석, 회계 규정 밀 기준에 대한 질의응답, 자동화된 보고서 작성, 문서 및 계약서 검토, 내부 커뮤니케이션 및 상담에 있어 유용하다고 밝혔다.

 

회계 교육에 있어서는 질의응답이 가능한 인공지능 교사로 활용할 수 있다고 전했다.

 

연습 문제를 만들고, 학생 답변에 대한 피드백을 제공하고, 학생들의 학습 수준에 맞춰 맞춤형 교육이 가능하다고 전했다.

 

회계 관련 논문 요약 및 다른 언어 번역, 실습 사례 시뮬레이션 등도 제공할 수 있다고 말했다.

 

다만, 회계에서 생성형 인공지능을 활용한다고 해도 앞서 나열했던 한계점은 동일하며, 그러하기에 프롬프트 엔지니어링, 인공지능에게 명확하게 명령 및 지시하도록 문장이나 질문을 설계할 필요가 있다고 전했다.

 

질문자의 의도를 구체적으로 제시하는 것이 중요한데, 예를 들어 이야기를 지어달라는 것보다 행복한 결말을 가진 로맨틱 코미디를 만들어 달라는 식으로 조정하는 것이 필요하다고 밝혔다.

 

노 교수는 꾸준한 반복 실험을 통해 모델을 정교하게 깎기 위해 6가지 전략을 제시했다.

 

▲명확한 지시사항 작성하기 ▲참고 텍스트 제공하기 ▲복잡한 작업을 더 간단한 하위 작업으로 나누기 ▲모델에게 생각할 시간 주기 ▲외부 도구 사용하기 ▲변경사항을 체계적으로 테스트 하기 등이다.

 

 

[조세금융신문(tfmedia.co.kr), 무단전재 및 재배포 금지]