🧾 Generative Artificial Intelligence for Compliance Risk Analysis: Applications in Tax and Customs Administration(준수 위험 분석을 위한 생성형 AI: 세무 및 관세 행정에서의 적용)_2025_IMF_Joshua Aslett, Thomas Cantens, François Chastel, Emmanuel Crown, and Stuart Hamilton

[Original Paper(논문 원본)]

https://www.imf.org/-/media/files/publications/tnm/2025/english/tnmea2025013.pdf

[Paper Summary(논문 요약)]

1. Key Concepts(주요 개념)

■ Generative Artificial Intelligence(GenAI)(생성형 인공지능)

GenAI is a branch of artificial intelligence that creates human-like content by learning patterns from large datasets.(생성형 인공지능(GenAI)은 대규모 데이터셋으로부터 패턴을 학습하여 인간과 유사한 콘텐츠를 생성하는 인공지능의 한 분야임)

It can generate text, code, images, data analysis, and predictions through natural language interactions.(GenAI는 자연어 상호작용을 통해 텍스트, 코드, 이미지, 데이터 분석 결과 및 예측 등을 생성할 수 있음)

■ Compliance Risk Analysis(준수 위험 분석)

Compliance risk analysis refers to the identification, assessment, prioritization, and treatment of risks associated with taxpayer and trader non-compliance in tax and customs administration.(준수 위험 분석은 세무 및 관세 행정에서 납세자와 무역업자의 비준수(non-compliance)와 관련된 위험을 식별하고, 평가하며, 우선순위를 설정하고, 대응하는 과정을 의미함)

■ Natural Language Research(자연어 기반 연구), Analysis, and Analytics(분석 및 분석기법)

The paper identifies three transformational capabilities of GenAI for compliance functions(이 논문은 준수 기능(compliance functions)과 관련하여 생성형 인공지능이 제공하는 세 가지 혁신적 역량을 제시함):

• Natural language research(자연어 기반 연구)
• Natural language analysis(자연어 기반 분석)
• Natural language analytics(자연어 기반 분석기법)

These capabilities allow analysts to interact with data and systems using ordinary language rather than specialized programming skills.(이러한 역량은 분석가가 전문적인 프로그래밍 기술 대신 일상적인 언어를 사용하여 데이터와 시스템과 상호작용할 수 있도록 해줌)

■ Four Generalized AI Roles(생성형 인공지능의 네 가지 일반화된 역할)

The study categorizes GenAI use cases into four levels(이 연구는 생성형 인공지능(GenAI)의 활용 사례를 네 가지 수준으로 구분함):

1. Assistant AI(보조자 AI) – supports routine tasks such as summarization and document review.(요약, 문서 검토와 같은 일상적인 업무를 지원함)
2. Consultant AI(자문가 AI) – provides expert insights and recommendations.(전문적인 통찰과 권고안을 제공함)
3. Collaborator AI(협력자 AI) – works jointly with analysts in research and reporting.(연구 및 보고 과정에서 분석가와 공동으로 작업함)
4. Autonomous Agent AI(자율 에이전트 AI) – independently performs tasks within predefined limits.(사전에 정의된 범위 내에서 독립적으로 업무를 수행함)

■ Retrieval-Augmented Generation (RAG)(검색 증강 생성)

RAG enhances foundation models by connecting GenAI with internal knowledge repositories, thereby improving accuracy, contextual understanding, and domain-specific relevance.(RAG는 생성형 인공지능을 내부 지식 저장소와 연결함으로써 기반 모델(Foundation Model)의 성능을 향상시키는 기술임, 이를 통해 정확성, 문맥 이해 능력, 그리고 특정 분야에 대한 적합성을 높일 수 있음)

■ Agentic AI(에이전트형 인공지능)

Agentic AI refers to AI agents that can interact with humans, databases, and other agents to complete complex tasks autonomously through natural language communication.(에이전트형 인공지능은 인간, 데이터베이스 및 다른 AI 에이전트와 상호작용하면서 자연어 기반의 의사소통을 통해 복잡한 과업을 자율적으로 수행할 수 있는 AI 에이전트를 의미함)

2. Research Objective(연구 목적)

■ The primary objective of the paper is(이 논문의 주요 목적은 다음과 같음):

To explain how generative AI can support compliance risk analysis in tax and customs administration and to demonstrate practical, high-value use cases for the technology.(생성형 인공지능(GenAI)이 세무 및 관세 행정 분야에서 준수 위험 분석을 어떻게 지원할 수 있는지를 설명하고, 해당 기술의 실용적이고 높은 가치의 활용 사례를 제시하는 것임)

■ More specifically, the authors aim to(보다 구체적으로 저자들은 다음을 목표로 함):

• Discuss future developments and implications for public revenue administrations.(생성형 인공지능(GenAI)의 기본 개념과 작동 원리를 소개함)
• Introduce the fundamentals of GenAI and how it works.(생성형 인공지능이 준수 위험 관리 활동을 어떻게 향상시킬 수 있는지 보여줌)
• Demonstrate how GenAI can enhance compliance risk management activities.(세무 및 관세 행정 분야에서의 생성형 인공지능 활용 사례를 제시함)
• Present practical examples of GenAI applications in tax and customs administration.(배포 모델과 향후 운영 가능성을 탐색함)
• Explore deployment models and future operational possibilities.(생성형 인공지능의 책임 있는 도입을 위한 지침을 제공함)
• Provide guidelines for the responsible adoption of GenAI.(공공 수입 행정기관(Public Revenue Administrations)에 미칠 향후 발전 방향과 시사점을 논의함)

3. Research Methodology(연구 방법)

The study adopts a technical guidance and demonstration-based approach rather than an empirical experimental design.(이 연구는 실증적 실험 설계(empirical experimental design)를 채택하기보다는 개념 설명과 시연(demonstration)에 기반한 접근 방식을 사용함)

■ Conceptual Framework Development(개념적 프레임워크 개발)

The authors first explain to establish a conceptual framework for understanding GenAI.(저자들은 생성형 인공지능에 대한 이해를 위한 개념적 프레임워크를 구축하기 위해 먼저 다음 내용을 설명함):

• GenAI architecture(생성형 인공지능의 아키텍처)
• Foundation models(기반 모델)
• Large Language Models (LLMs)(대규모 언어 모델)
• Machine learning concepts(머신러닝 개념)
• Agent-based systems(에이전트 기반 시스템)
• Retrieval-Augmented Generation (RAG) systems(검색 증강 생성 시스템)

■ Development of Generalized Use Cases(일반화된 활용 사례 개발)

The paper creates a framework consisting of the four GenAI roles(이 논문은 생성형 인공지능의 네 가지 역할로 구성된 프레임워크를 제시함):

• Assistant(보조자)
• Consultant(자문가)
• Collaborator(협력자)
• Autonomous Agent(자율 에이전트)

These serve as generalized categories for evaluating AI applications in compliance risk analysis.(이러한 역할들은 준수 위험 분석에서 인공지능 활용 사례를 평가하기 위한 일반화된 분류 체계로 활용됨)

■ Demonstration-Based Case Studies(시연 기반 사례 연구)

The paper presents several proof-of-concept demonstrations.(이 논문은 개념 증명(Proof-of-Concept)을 위한 여러 시연 사례를 제시함)

1. Natural Language Research(자연어 기반 연구)

GenAI is used to analyze tax compliance risks arising from a hypothetical 25% currency devaluation and commodity price decline.(생성형 인공지능은 가상의 25% 통화 가치 하락(currency devaluation)과 원자재 가격 하락(commodity price decline)으로 인해 발생할 수 있는 세무 준수 위험을 분석하는 데 활용됨)

2. Natural Language Analysis(자연어 기반 분석)

GenAI reviews a multinational mining company’s annual report to identify(생성형 인공지능은 다국적 광산 기업의 연차보고서를 검토하여 다음과 같은 요소를 식별함):

• Profit shifting risks(이익 이전 위험)
• Transfer pricing risks(이전가격 위험)
• Debt allocation strategies(부채 배분 전략)
• Royalty arrangements(로열티 지급 구조)
• Tax avoidance indicators(조세 회피 징후)

and generates a tax risk bow-tie analysis.(또한 이러한 분석 결과를 바탕으로 세무 위험 보타이(Bow-Tie) 분석을 생성함)

3. Natural Language Analytics(자연어 기반 분석기법)

GenAI conducts predictive analytics on audit data by(생성형 인공지능은 감사(audit) 데이터를 활용하여 다음과 같은 예측 분석을 수행함):

• Cleaning data(데이터 정제)
• Generating Python code(Python 코드 생성)
• Building a Random Forest classifier(랜덤 포레스트 분류기 구축)
• Calculating ROC curves(ROC 곡선(ROC Curves) 계산)
• Ranking audit cases based on compliance risk(준수 위험도에 따른 감사 대상 사례 순위화(Ranking Audit Cases Based on Compliance Risk))

and interpreting the results.(또한 분석 결과를 해석하고 설명함)

4. Agentic Integration Demonstrations(에이전트형 통합 시연)

The paper demonstrates AI agents interacting with(이 논문은 인공지능 에이전트가 다음과 같은 대상과 상호작용하는 사례를 시연함):

• Databases(데이터베이스)
• SQL systems(SQL 시스템)
• Data analysis tools(데이터 분석 도구)
• Other AI agents(다른 인공지능 에이전트)

to perform compliance analysis tasks autonomously.(이를 통해 준수 분석(Compliance Analysis) 업무를 자율적으로 수행하는 과정을 보여줌)

4. Key Findings(주요 연구 결과)

■ GenAI Significantly Enhances Analyst Productivity(생성형 인공지능은 분석가의 생산성을 크게 향상시킴)

GenAI can dramatically reduce the effort required for(생성형 인공지능은 자연어 상호작용을 통해 다음과 같은 업무에 필요한 노력을 획기적으로 줄일 수 있음):

• Research(연구)
• Risk reviews(위험 검토)
• Report generation(보고서 작성)
• Coding(코딩)
• Data analysis(데이터 분석)

through natural language interactions.

■ Natural Language Interfaces Lower Technical Barriers(자연어 인터페이스는 기술적 장벽을 낮춤)

Risk analysts no longer require extensive expertise in:(위험 분석가는 더 이상 다음 분야에 대한 광범위한 전문 지식이 없어도 고급 분석 업무를 수행할 수 있음)

• Programming(프로그래밍)
• SQL
• Machine learning(머신러닝)

to perform sophisticated analytical tasks.

■ GenAI Can Support Most Stages of Compliance Risk Management(생성형 인공지능은 준수 위험 관리의 대부분 단계에서 활용될 수 있음)

The technology can contribute throughout the OECD compliance risk management process:(이 기술은 자연어를 활용하여 OECD 준수 위험 관리(OECD Compliance Risk Management) 프로세스 전반에 걸쳐 기여할 수 있음)

• Risk identification(위험 식별)
• Risk assessment(위험 평가)
• Behavior analysis(행태 분석)
• Treatment strategy design(대응 전략 설계)
• Monitoring and evaluation(모니터링 및 평가)

using natural language.(즉, 위험 분석가는 자연어를 사용하여 준수 위험 관리의 다양한 단계에서 생성형 인공지능의 지원을 받을 수 있음)

■ GenAI Improves Risk Detection Capabilities(생성형 인공지능은 위험 탐지 역량을 향상시킴)

Through document analysis and data analytics, GenAI can identify(생성형 인공지능은 문서 분석과 데이터 분석을 통해 다음과 같은 요소를 기존 방식보다 더욱 신속하게 식별할 수 있음):

• Transfer pricing issues(이전가격 관련 문제)
• Profit shifting behavior(이익 이전 행위)
• Debt structuring strategies(부채 구조화 전략)
• Royalty abuse(로열티 남용)
• Compliance anomalies(준수 이상 징후)

more rapidly than traditional approaches.

■ Agentic AI Represents a Major Future Development(에이전트형 인공지능은 미래의 주요 발전 방향을 제시함)

AI agents can increasingly(인공지능 에이전트는 인간의 개입을 최소화한 상태에서 점차 다음과 같은 작업을 수행할 수 있게 될 것임):

• Query databases(데이터베이스 질의)
• Generate SQL(SQL 생성)
• Conduct analyses(분석 수행)
• Create models(모델 구축)
• Communicate with other agents(다른 에이전트와의 의사소통)

with minimal human involvement.

■ On-Premises Solutions Are Likely to Become Important(온프레미스 솔루션의 중요성 증가)

Because tax and customs administrations manage sensitive information, on-premises and open-source GenAI solutions are likely to become preferred deployment options.(세무 및 관세 행정기관은 민감한 정보를 관리하기 때문에, 온프레미스(On-Premises) 방식과 오픈소스 기반의 생성형 인공지능(GenAI) 솔루션이 선호되는 배포 옵션이 될 가능성이 높음)

■ Risks Remain Significant(위험은 여전히 중요한 과제로 남아 있음)

The study highlights ongoing concerns regarding(이 연구는 다음과 같은 문제들에 대한 지속적인 우려를 강조함):

• Hallucinations(환각)
• Bias(편향)
• Privacy(개인정보 보호)
• Security(보안)
• Accountability(책임성)
• Transparency(투명성)

which require careful governance.(이러한 문제들은 신중한 거버넌스와 관리 체계를 필요로 함)

5. Conclusions and Implications(결론 및 시사점)

■ Conclusions(결론)

The authors conclude that GenAI has the potential to transform compliance risk analysis in tax and customs administration. It can support virtually all forms of compliance research, analysis, and analytics while substantially improving productivity and expanding access to advanced analytical capabilities.

(저자들은 생성형 인공지능이 세무 및 관세 행정 분야의 준수 위험 분석을 혁신적으로 변화시킬 잠재력을 가지고 있다고 결론지음, 생성형 인공지능은 사실상 모든 형태의 준수 관련 연구, 분석 및 데이터 분석을 지원할 수 있으며, 생산성을 크게 향상시키고 고급 분석 역량에 대한 접근성을 확대할 수 있음.)

The future role of AI may evolve beyond simple assistance toward collaboration and, in some cases, autonomous operation through AI agents. However, responsibility for decisions must remain with human officials.

(인공지능의 미래 역할은 단순한 지원 기능을 넘어 협업 형태로 발전할 수 있으며, 일부 경우에는 AI 에이전트를 통한 자율적 운영으로까지 확장될 수 있다. 그러나 최종적인 의사결정에 대한 책임은 반드시 인간 공무원에게 있어야 함.)

■ Theoretical Implications(이론적 시사점)

The study suggests that GenAI represents a new paradigm in compliance risk management because it(이 연구는 생성형 인공지능(GenAI)이 준수 위험 관리 분야에서 새로운 패러다임을 제시한다고 주장함. 그 이유는 다음과 같음):

• Integrates natural language with analytics.(자연어와 데이터 분석을 통합함)
• Expands the role of AI from prediction to reasoning and content generation.(인공지능의 역할을 단순한 예측에서 추론(reasoning) 및 콘텐츠 생성(content generation)으로 확장함)
• Introduces agent-based analytical systems.(에이전트 기반 분석 시스템(agent-based analytical systems)을 도입함)
• Changes the relationship between analysts and technology.(분석가와 기술 간의 관계를 변화시킴)

■ Practical Implications(실무적 시사점)

Tax and customs administrations should(세무 및 관세 행정기관은 다음과 같은 사항을 추진할 필요가 있음):

• Develop GenAI governance frameworks.(생성형 인공지능(GenAI) 거버넌스 체계를 구축함)
• Train staff in AI literacy and prompt engineering.(직원들을 대상으로 AI 활용 역량(AI Literacy)과 프롬프트 엔지니어링(Prompt Engineering) 교육을 실시함)
• Build secure compliance-information repositories.(안전한 준수 정보 저장소(Compliance Information Repositories)를 구축함)
• Integrate GenAI gradually through carefully selected use cases.(신중하게 선정된 활용 사례를 중심으로 생성형 인공지능을 점진적으로 도입함)
• Maintain strong human oversight of AI-supported decisions.(AI가 지원하는 의사결정 과정에 대해 강력한 인간의 감독 체계를 유지함)

Potential applications include(잠재적인 활용 분야는 다음과 같음):

• Risk profiling(위험 프로파일링)
• Audit selection(감사 대상 선정)
• Fraud detection(사기 탐지)
• Transfer pricing review(이전가격 검토)
• Customs risk assessment(관세 위험 평가)
• Business intelligence(비즈니스 인텔리전스)
• Case management support(사례 관리 지원)

■ Future Research Directions(향후 연구 방향)

The report identifies several emerging areas(이 보고서는 다음과 같은 새로운 연구 분야를 제시함):

• Agent-based compliance systems(에이전트 기반 준수 관리 시스템)
• Customized GenAI solutions for revenue administrations(세무 및 관세 행정기관을 위한 맞춤형 생성형 인공지능 솔루션)
• RAG-enhanced compliance intelligence systems(RAG(검색 증강 생성)가 적용된 준수 정보 분석 시스템)
• Secure on-premises GenAI deployments(보안이 강화된 온프레미스 생성형 인공지능 구축)
• AI-integrated business intelligence platforms(인공지능이 통합된 비즈니스 인텔리전스 플랫폼)
• Large-scale repositories of compliance information(대규모 준수 정보 저장소)
• Responsible AI governance models for public administration(공공행정을 위한 책임 있는 인공지능 거버넌스 모델)

■ Overall Takeaway(종합적 시사점)

The central message of the paper is that GenAI can fundamentally transform compliance risk analysis by enabling natural-language-driven research, analysis, and analytics, but its adoption must be accompanied by strong governance, human accountability, and responsible use principles.

(이 논문의 핵심 메시지는 생성형 인공지능(GenAI)이 자연어 기반의 연구, 분석 및 데이터 분석을 가능하게 함으로써 준수 위험 분석을 근본적으로 변화시킬 수 있다는 점임.

그러나 생성형 인공지능의 도입은 강력한 거버넌스 체계, 인간의 책임성(Human Accountability), 그리고 책임 있는 활용 원칙(Responsible Use Principles)을 수반해야 함.)