회계학에서 머신러닝 및 인공지능 활용에 관한 문헌 연구

초록

본 연구는 2015년부터 2025년까지 10년간 머신러닝과 인공지능을 활용한 해외와 국내 회계학 연구의 현황을 체계적으로 분석하고 비교하여 국내 연구의 현재 위치를 진단하고 향후 발전 방향을 제시하는 것을 목적으로 한다. 이를 위해 해외 주요 회계학 학술지와 국내 KCI 등재지의 논문을 선정하여, 논문에서 머신러닝(ML)과 인공지능(AI)을 활용한 유형을 주된 분류체계로 하고 연구분야와 활용 데이터를 보조적인 분류체계로 하는 문헌 검토를 수행하였다. 주된 분류 체계인 ML/AI 활용 유형은 예측, 측정, 설명, 처방 연구의 4개 영역으로 분류하였는데, 해외 연구는 2022년 이후 증가세를 보였으며 예측(37.7%), 측정(34.4%), 설명(13.1%), 그리고 처방(13.1%)을 목적으로 하는 연구들이 균형있게 발전하고 있다. 연구 주제별로는 감사(27.9%), 자본시장연구(24.6%), 재무보고(24.6%) 분야에서 고르게 발전하고 있으며, 데이터 유형별로는 정형 재무데이터(47.5%), 텍스트 데이터(21.3%), 대안데이터(18.0%)가 다양하게 활용되고 있다. 반면 국내 연구는 해외보다 3-4년의 시차를 두고 시작되었으며 규모와 질적 측면에서 상당한 격차를 보이고 있다. 국내 연구는 예측 중심 연구에 치중되어 있고(61.5%) 정형 재무데이터에 의존하고 있어(76.9%) 연구 영역의 다양성이 제한적이다. 더욱 중요한 것은 해외 연구가 새로운 측정 지표 개발과 창의적 연구 설계를 통해 회계학 이론의 외연을 확장하고 있는 반면, 국내 연구는 주로 기존 방법론의 성능 검증에 머물러 있다는 한계점을 지닌다. 본 연구는 ML/AI과 관련된 회계학 연구들을 활용 유형, 연구 주제, 데이터 유형이라는 다면적인 분류체계를 통해 ML/AI 기술이 회계학 연구에 미친 다층적 영향을 분석하였다. 또한, 해외와 국내 연구의 체계적 비교를 통해 국내 연구의 현재 위치와 발전 과제를 구체적으로 도출하였다. 마지막으로 본 연구는 예측 연구에서의 이론 기반 연구 설계, 측정 연구에서의 국내 고유 개념 정량화, 설명 연구에서의 대안데이터 활용을 통한 새로운 현상 발견, 처방 연구에서의 체계적 교육 방법론 개발이 필요하다는 점을 제시한다.