본문으로 건너뛰기
피드

국세청 AI가 종합소득세 신고에서 보는 이상 신호들

ai-ml 약 4분
vote
0
댓글
북마크

국세청의 종합소득세 신고도움 서비스에 뜨는 개별분석자료가 점점 더 정교해지고 있다는 내용이다. 업종 평균, 전년 대비 변화, 유사 사업자 패턴을 AI가 비교하면서 가족 인건비, 증빙 부족, 접대비·차량비 과다 같은 신호를 잡아낸다.

  • 1

    국세청 AI는 업종·규모별 평균, 전년 대비 급변, 유사 사업자군 패턴을 기준으로 이상 징후를 탐지함

  • 2

    개별분석자료가 떴다고 바로 세무조사 대상은 아니지만 반복 노출되면 리스크 신호로 봐야 함

  • 3

    가족 인건비, 적격 증빙 수취율, 접대비·차량유지비, 소득률, 매출 급변이 주요 체크 포인트임

  • 국세청의 종합소득세 신고도움 서비스에 뜨는 ‘개별분석자료’가 예전보다 훨씬 날카로워졌다는 이야기임

    • 국세청 AI 시스템이 신고 데이터를 실시간으로 걸러보면서 이상 징후를 자동 포착한다고 함
    • 단순 안내문처럼 보여도, 실제로는 이미 신고 내용이 국세청 전산 필터에 걸렸다는 신호로 봐야 한다는 게 핵심임
  • 국세청 AI가 보는 기준은 크게 3가지임

    • 첫째, 같은 업종·비슷한 규모 사업자 평균과 비교해서 유독 튀는 숫자가 있는지 봄
    • 둘째, 전년 대비 변화가 급격한지 봄. 매출은 비슷한데 소득이 확 줄거나 특정 비용이 갑자기 늘면 바로 눈에 띄는 식임
    • 셋째, 유사 사업자군과 비교했을 때 비정상적인 패턴이 있는지 분석함

⚠️주의

> 개별분석자료가 떴다고 곧장 세무조사로 이어지는 건 아님. 다만 같은 유형의 메시지가 반복되면 국세청 필터링에 계속 노출되고 있다는 뜻이라 그냥 넘기면 꽤 찝찝한 상황임.

  • 첫 번째로 많이 걸리는 건 가족 인건비 과다임

    • 배우자나 자녀에게 지급한 급여가 동종 업계 평균보다 너무 높으면, 실제 근무 여부나 보수 수준이 의심받을 수 있음
    • 대응하려면 근무일지, 4대 보험 가입 내역, 업무 분장표, 출퇴근 기록, 업무 결과물 같은 증빙을 쌓아둬야 함
  • 적격 증빙 수취율이 낮은 것도 기본 중의 기본 체크 포인트임

    • 현금영수증이나 세금계산서 없이 비용 처리한 비율이 높으면, 비용 자체가 인정되지 않을 수 있음
    • 사업용 신용카드 등록, 전자세금계산서 수취, 현금 거래 시 현금영수증 확보 같은 루틴이 중요해짐
  • 접대비와 차량유지비가 업종 평균보다 높으면 개인적 사용을 의심받기 쉬움

    • 업무추진비는 접대 대상, 목적, 장소를 남긴 미팅 기록이나 출장 보고서가 필요함
    • 업무용 차량은 업무용 승용차 보험, 운행일지, 업무용·개인용 사용 비율 구분이 핵심 증빙임
  • 동종 업계 대비 소득률이 낮은 경우도 AI가 바로 보는 패턴임

    • 같은 업종, 비슷한 지역 사업자보다 소득률이 현저히 낮으면 매출 누락이나 경비 과다 계상 의심으로 이어질 수 있음
    • 소득률이 낮아진 이유가 있다면 객관적 자료로 설명할 수 있어야 함
  • 전년 대비 매출이 20~30% 이상 급변한 경우도 주의 대상임

    • 업종 특성상 매출 변동성이 크지 않은데 특정 연도에만 튀면 더 민감하게 볼 수 있음
    • 주요 거래처 변경, 업종 전환 준비, 휴업 기간 같은 이유가 있다면 관련 증빙을 미리 챙겨둬야 함
  • 결론은 꽤 현실적임. AI가 세무조사를 대신한다기보다, 세무조사 후보군을 더 정교하게 좁히는 필터 역할을 하고 있다는 것임

    • 개별분석자료를 ‘친절한 안내’로만 보면 놓치는 게 많음
    • 반복적으로 뜨는 항목은 사업 운영 투명성과 증빙 관리 상태를 다시 보는 트리거로 삼는 게 맞음

이건 단순히 세무 팁이라기보다 공공기관의 AI 기반 리스크 필터링이 이미 일상 업무에 들어왔다는 신호다. 개발자 입장에서도 ‘AI가 판단한다’는 말 뒤에 실제로는 평균 대비 이상치, 시계열 변화, 유사 집단 비교 같은 꽤 익숙한 패턴 탐지가 깔려 있다는 점이 포인트다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

대학생들은 이미 챗지피티와 제미나이를 쪼개 쓰는 ‘AI 네이티브’가 됐다

이화여대 학생 설문과 인터뷰를 보면 생성형 AI는 과제 보조 도구를 넘어 학습, 글쓰기, 자료조사, 감정 상담까지 들어온 일상 인프라가 됐다. 학생들은 챗지피티, 제미나이, 클로드, 퍼플렉시티를 용도별로 나눠 쓰면서도 환각과 오류 때문에 교차검증이 필요하다고 보고 있다. 대학의 윤리 지침은 존재하지만 학생 체감은 낮고, 이제는 금지보다 활용 교육과 평가 방식 재설계가 핵심 이슈로 떠올랐다.

ai-ml

AI 에이전트 시대, 진짜 해자는 코딩 실력이 아니라 도메인 지식이다

이 글은 에이전트형 AI가 소프트웨어 개발의 병목을 “만들 수 있나”에서 “맞는지 판단할 수 있나”로 옮겼다고 주장한다. 일반ist 엔지니어의 코드 생산 능력보다, 특정 도메인의 정답을 알아보고 검증할 수 있는 사람이 더 큰 가치를 갖게 된다는 얘기다.

ai-ml

OpenRouter, 시리즈 B에서 1억1300만 달러 조달…멀티 모델 AI 인프라 판 커진다

OpenRouter가 알파벳 성장펀드 CapitalG 주도로 1억1300만 달러 규모 시리즈 B 투자를 받았다. 최근 6개월간 주간 처리량이 5조 토큰에서 25조 토큰으로 5배 늘었고, 올해 1천조 토큰 이상을 처리하는 속도로 성장 중이라고 밝혔다.

ai-ml

테슬라 FSD, 중국서 첫 집단 사기 소송 심리 시작

중국 베이징 법원이 테슬라의 풀 셀프 드라이빙 판매 약속을 둘러싼 소비자 사기 소송 첫 심리를 열었다. 원고 10명은 2019~2021년에 약 5만6천 위안을 내고 FSD를 샀지만, 실제 중국 출시 기능은 구형 하드웨어 차량을 배제했고 완전 자율주행도 제공하지 못했다고 주장한다. 중국 소비자보호법상 사기로 인정되면 환불뿐 아니라 3배 배상까지 이어질 수 있어 파장이 크다.

ai-ml

안도르 제작자, 1,500쪽 대본 공개 접은 이유는 “AI 학습 데이터 되기 싫어서”

스타워즈 드라마 안도르의 쇼러너 토니 길로이가 준비해둔 1,500쪽짜리 대본·콘셉트 아트 공개 계획을 접었다. 이유는 단순하다. 공개하는 순간 AI 모델 학습 데이터로 빨려 들어갈 수 있다는 우려 때문이다. 헐리우드 창작자와 스튜디오, AI 기업 사이의 저작권·학습 데이터 갈등이 다시 선명하게 드러난 사례다.