기업 재무·회계 분야 전문가 시스템 모델

초록

본 논문은 기업의 재무·회계 업무에 적용 가능한 전문가 시스템 모델을 연구·분석하고 구현한다. 다국적 기업, 공공기관, 중소기업 등 다양한 조직 규모에 맞는 정보 시스템 활용 방안을 제시하며, 기존 회계 도구와 관리 소프트웨어를 연계해 경제적 프로세스와 자산을 효율적으로 통제·관리한다. 시스템 설계, 지식 획득, 규칙 기반 추론 엔진, ERP 연동 구조 등을 상세히 논의하고, 실제 적용 사례를 통해 의사결정 최적화와 업무 효율성 향상 효과를 검증한다.

상세 요약

논문은 먼저 재무·회계 분야에서 전문가 시스템 도입이 요구되는 배경을 제시한다. 전통적인 회계 처리 방식은 규칙이 복잡하고 예외 상황이 빈번해 인간 회계 담당자의 판단에 크게 의존한다는 한계가 있다. 이러한 문제를 해결하기 위해 규칙 기반(Rule‑Based)과 사례 기반(Case‑Based) 혼합형 하이브리드 구조를 채택한 전문가 시스템 모델을 설계하였다. 지식 획득 단계에서는 회계 기준(K‑IFRS, GAAP)과 기업 내부 정책을 인터뷰와 문서 분석을 통해 정형화하고, 이를 온톨로지 기반 메타모델에 매핑한다. 규칙 베이스는 IF‑THEN 형태의 생산 규칙과 추론 체인을 구성하며, 불확실성 처리를 위해 퍼지 로직과 베이즈 네트워크를 보조적으로 활용한다.

추론 엔진은 전방향 체인(Forward Chaining)과 후방향 체인(Backward Chaining)을 동적으로 전환할 수 있도록 설계돼, 실시간 거래 입력 시 자동 검증·분류를 수행하고, 사용자가 특정 회계 문제를 제시하면 목표 지향 탐색을 통해 최적 해법을 제시한다. 시스템은 기존 ERP·ERP‑Financial(예: SAP FI, Oracle EBS)와 API 기반 연동을 구현하여, 회계 전표 생성, 비용 배분, 자산 감가상각 등을 자동화한다. 데이터 흐름은 입력 → 전처리(정규화·검증) → 추론 → 결과 출력(보고서·알림) 순으로 일관성을 유지한다.

성능 평가에서는 시뮬레이션과 실제 기업 파일럿 적용 결과를 비교한다. 전표 오류 검출률이 기존 수작업 대비 92%에서 98%로 상승했으며, 회계 담당자의 평균 처리 시간이 30% 단축되었다. 또한, 자산 관리 모듈에서 감가상각 정책 변경 시 시뮬레이션을 통한 영향 분석이 가능해 의사결정 속도가 크게 향상되었다. 한편, 지식 베이스 유지보수 비용이 초기 구축 단계에서 높게 나타났으며, 규정 변경 시 규칙 업데이트가 필요하다는 한계점도 제시한다.

마지막으로 향후 연구 방향으로는 머신러닝 기반 이상 탐지 모듈을 추가해 규칙 기반 시스템의 한계를 보완하고, 블록체인 기술을 활용한 회계 데이터 무결성 검증 메커니즘을 도입하는 방안을 제안한다.