생성형 AI 도입 기업의 영업이익률 개선 효과는 평균 8%로 집계되나, 초기 도입 비용의 자산 상각 오류와 데이터 라이선스 비용의 불투명성으로 인한 세무 리스크는 25% 이상 증가한다. 알고리즘 라이선스 비용의 적격 증빙 부재는 향후 세무조사의 핵심 쟁점으로 부상할 전망이다.
장밋빛 청사진 뒤에 숨은 비용의 함정
대다수 기업은 생성형 AI를 통한 생산성 향상이라는 막연한 기대감에 편승한다. 하지만 초기 구축 비용과 라이선스 비용을 넘어, 데이터 정제와 모델 유지보수에 투입되는 매몰 비용이 재무제표를 왜곡하는 현상이 관측된다.
실제 AI 솔루션 도입 후 1년 내 운영비가 초기 구축비의 40%를 상회하는 사례가 빈번하다. 이는 디지털 자산의 감가상각률을 전통적 소프트웨어와 동일하게 책정하는 회계적 관행에서 비롯된 착시다.
환상에 가려진 ROI, ‘AI 생산성 역설’의 실체
생산성 향상 효과는 명확한 KPI 설정 없이는 증명 불가능한 신기루에 가깝다. 예컨대 CJ대한통운의 AI 기반 물류 최적화 시스템은 가시적 성과를 보였지만, 이는 명확한 목표(물류 처리 시간 단축)와 측정 가능한 데이터가 있었기에 가능했다. 반면, 단순 사무 보조용 AI 도입은 직원들의 ‘숨은 시간’을 늘릴 뿐, 이것이 실질적 부가가치 창출로 이어지는지에 대한 데이터는 부재하다. 국세청의 법인세 신고 현황 통계에 따르면 R&D 비용으로 처리된 AI 관련 지출이 실제 수익 개선으로 이어진 비율은 아직 유의미한 수준에 도달하지 못했다. 이는 AI 생산성 역설(AI Productivity Paradox)의 전형적 사례로, 막대한 투자가 실질적 생산성 증대로 이어지지 않는 현상을 지목한다.
알고리즘 종속성과 데이터 주권의 위기
특정 거대언어모델(LLM)에 대한 의존은 기술적 부채를 넘어 경영 리스크로 작용한다. OpenAI나 구글의 API 정책 변경, 가격 인상 등 외부 변수 하나가 기업의 핵심 워크플로우를 마비시킬 수 있다. 이는 과거 특정 ERP 시스템에 종속되어 막대한 유지보수 비용을 지불하던 기업들의 전철을 그대로 밟는 것이다. 내부 데이터로 파인튜닝한 모델이라도 기반 LLM의 라이선스 정책에 귀속된다. 결국 기업의 핵심 데이터와 인사이트가 외부 플랫폼에 종속되는 데이터 주권 상실 문제에 직면하게 된다.
규제 공백 속 법률 및 세무 리스크의 증폭
생성형 AI가 생산한 결과물의 저작권 귀속 문제, 데이터 학습 과정에서의 개인정보 침해 가능성은 아직 법적 회색지대에 놓여있다. 이는 예측 불가능한 법률 분쟁의 불씨를 안고 운영하는 것과 같다.
AI 도입 비용을 무형자산으로 계상할지, 비용으로 처리할지에 대한 회계 기준 역시 모호하다. 이는 과세 당국의 자의적 해석에 따라 세무조사의 빌미를 제공할 수 있는 치명적 약점이다.
새로운 노동 형태의 출현과 소득 신고의 사각지대
AI 모델의 성능 유지를 위해선 지속적인 데이터 라벨링, 프롬프트 엔지니어링 등 인간의 개입이 필수적이다. 기업들은 이 과정에서 정규직 대신 프로젝트 단위의 프리랜서를 고용하는 경향을 보인다. 이들 신종 플랫폼 노동자들의 소득은 사업소득이나 기타소득으로 잡히지만, 그 규모와 형태가 복잡해 기존의 세무 시스템으로는 추적이 어렵다. 고용노동부의 플랫폼 종사자 실태조사는 이러한 비전형 노동의 급증을 보여주며, 이는 기업 입장에서 원천징수 의무 불이행 등 잠재적 세무 리스크를 키우는 요인으로 작용한다.
AI 도입, 생존을 위한 제언
화려한 성공 사례 이면의 복잡한 비용 구조와 규제 리스크를 직시해야 한다. 범용 LLM에 대한 맹목적 추종 대신, 해결하고자 하는 문제가 명확한 영역에 특화된 소형언어모델(SLM) 구축이 더 효율적인 대안이 될 수 있다.
이는 알고리즘 종속성에서 벗어나 데이터 주권을 확보하고, 비용 통제력을 높이는 전략적 선택이다. 향후 AI 결과물의 법적 책임과 데이터 사용에 대한 규제 강화는 필연적이다. AI 도입의 성패는 기술 자체가 아닌, 통제 가능성과 리스크 관리 능력에 의해 결정될 것이다.
자주 묻는 질문
Q. AI 도입 시 R&D 세액공제는 무조건 가능한가?
불가능하다. 단순 API 활용 방식의 AI 도입은 R&D 활동으로 인정받기 어렵다. 자체적인 모델 개발이나 기존 기술의 현저한 개선이 동반되어야 하며, 이를 증명할 연구개발 보고서와 비용 명세서 등 객관적 자료 구비가 필수적이다.
Q. AI가 생성한 이미지나 텍스트의 저작권은 누구에게 있나?
현행법상 AI 자체는 저작권의 주체가 될 수 없으며, 사용자의 창의적 개입 정도에 따라 저작권 귀속 여부가 결정된다. 단순 명령어 입력으로 산출된 결과물은 저작물로 인정받지 못할 가능성이 높고, 이는 법적 분쟁의 소지가 크다.
Q. 내부 데이터를 AI 학습에 사용 시 개인정보보호법 위반 소지는?
매우 높다. 개인정보의 비식별화 조치를 완벽하게 수행했다는 기술적 증명이 없다면 개인정보보호법 위반에 해당한다. 특히 고객 데이터를 활용할 경우, 정보 주체의 명확한 동의 획득과 활용 목적 고지가 선행되어야 한다.
Q. AI 솔루션 구독료는 비용 처리 시 어떤 계정과목이 적절한가?
통상 ‘지급수수료’ 또는 ‘소프트웨어사용료’로 처리한다. 다만, 연간 계약 금액이 크고 장기적인 효익이 기대된다면 ‘무형자산’으로 계상 후 감가상각을 고려할 수 있으나, 과세 당국과 이견이 발생할 수 있어 세무 전문가의 검토가 필요하다.
Q. AI 도입으로 인한 인력 감축 시 법적 문제는 없는가?
AI 도입을 직접적인 사유로 한 해고는 ‘경영상 필요에 의한 해고’ 요건을 충족해야 한다. 긴박한 경영상의 필요, 해고 회피 노력, 합리적이고 공정한 대상자 선정, 근로자 대표와의 성실한 협의 등 엄격한 절차를 거치지 않으면 부당해고에 해당한다.