최근 한 개발자가 인도의 복잡한 소득세 신고(ITR) 과정을 인공지능(AI)으로 자동화하는 'itr-wala'라는 도구를 선보여 주목받고 있습니다. 이 도구는 챗봇 형태의 AI인 클로드 코드(Claude Code)를 활용하여 사용자의 세금 서류를 읽고 필요한 정보를 추출하며, 사용자와 대화하며 누락된 공제를 찾아내는 등 신고 과정을 안내합니다. 하지만 핵심적인 세금 계산은 LLM에 의존하지 않고, 별도로 개발된 정교한 파이썬(Python) 코드가 담당하도록 설계되어 AI의 한계를 극복하려는 시도가 돋보입니다.
'itr-wala'는 AI의 역할을 서류 분석, 사용자 인터뷰, 그리고 세금 제도 설명에 한정합니다. 예를 들어, 사용자의 Form 16이나 AIS 같은 세금 관련 문서를 읽고, 공제 항목을 놓치지 않도록 질문하며, 구제도와 신제도 중 더 유리한 방안을 비교해줍니다. 반면, 실제 세금액 계산, 각종 공제 및 할증 적용, 이자 계산 등은 47개의 골든 테스트(golden test)와 104개의 입력 유효성 검사, 그리고 수십만 건의 무작위 데이터를 검증하는 퍼저(fuzzer)를 거친 파이썬 코드가 수행합니다. 이는 LLM이 복잡한 숫자 계산이나 법률 적용에서 오류를 범할 수 있다는 점을 인지하고, 각 기술의 강점을 활용한 분업 체계를 구축한 결과입니다.
이러한 접근 방식은 AI를 활용한 서비스 개발에 중요한 시사점을 제공합니다. 특히 금융, 법률, 세무 등 정확성이 절대적으로 요구되는 분야에서 LLM을 맹목적으로 신뢰하기보다는, LLM의 강점인 자연어 처리와 인터랙션 능력을 활용하되, 핵심적인 계산이나 검증은 신뢰할 수 있는 기존의 프로그래밍 로직에 맡기는 하이브리드(hybrid) 모델이 더욱 효과적일 수 있음을 보여줍니다. 이는 AI 기술이 발전함에 따라 인간의 업무를 보조하고 효율을 높이는 동시에, 잠재적인 오류를 최소화하는 현실적인 방안으로 평가됩니다.