BEPS와 인공지능(Artificial Intelligence)활용의 필요성

1. BEPS 보고서 제출현황

2018년 1월말 기준으로 국내에서 활동하고 있는 다국적기업 611개사가 국세청에 BEPS보고서를 제출했는데 조세회피 의심 기업이 상당히 많은 것으로 보도되었고, 그 결과 앞으로 과세당국의 엄격한 관리가 이루어질 것으로 예상이 된다. 문제점을 인지한 기업들은 빠른 시일 내에 올바른 진단을 해 해결방안을 모색하는 것이 바람직할 것이다.

2. 과거와 현재의 중요 차이점

BEPS 프로젝트 시행 이전에 한국 내에서 사업활동을 하는 외국의 다국적기업들은 관행적으로 국내에 소재하고 있는 기업들을 비교대상기업으로 선정해 이전가격보고서를 작성해 왔기 때문에 비교대상기업의 범위가 한국 기업들로 제한되었다.

미국에 소재한 모회사가 한국, 일본, 중국, 베트남에 동일한 형태의 자회사를 두고 사업을 영위하고 있다고 가정할 때, 진출한 국가의 기업을 비교대상기업으로 선정해야 한다는 원칙을 적용하게 되면 국가별로 정상가격의 범위가 달라지게 되고, 이전가격 방법을 국가별로 다르게 설정하면 국제거래에 일관성이 결여되는 문제점이 발생하게 된다.

OECD가 BEPS프로젝트를 도입한 것은 국제거래의 투명성과 합리성을 확보하기 위한 것이다. 따라서 다국적기업들은 해당 국제거래와 관련이 있는 모든 과세당국으로부터 국제거래의 적정성을 인정받을 수 있는 거래구조를 갖추어야 한다. 그렇게 하려면 과거의 관행과는 다른 정상가격 산정방법을 통해 국제거래의 일관성과 적정성을 유지해야만 한다. 이제 다국적기업들은 진출국가의 데이터베이스가 아닌 글로벌 데이터베이스(Global Data Base)를 사용해 거래의 적정성을 측정하고, 동일유형의 국제거래에 대해서는 동일한 이전가격을 적용하는 방향으로 이전가격정책을 수정해야 하는 상황이 되었다.

3. 비교대상기업선정과 자산조정(Capital Adjustment)의 문제점

이전가격보고서를 작성하기 위해서는 해당 기업에 대한 기능분석을 하고, 기능분석 결과에 근거해 비교대상기업을 선정한 후 사분위값(inter-quartile range)을 도출한다. 필자의 BEPS교육경험에 비추어 기능분석부분은 비교대상기업선정과 관련된 부분만 이해하면 되므로 사람들이 쉽게 이해하고 작성하나, “비교대상기업선정"과 특히 "자산차이조정”은 좀 어려워한다.

자산차이조정을 하는 이유는, 해당기업(tested party)과 비교대상기업의 업종이 유사하다고 하더라도 자산차이조정 없이 비교대상기업의 사분위값을 그대로 적용 하게 되면 비교가능성이 떨어지기 때문에, 외상매출금, 외상매입금, 재고자산 등의 자산차이를 조정을 함으로써 비교가능성을 높이기 위한 것이다.

과거에는 해당기업과 동일한 산업분류코드에 속한 기업들을 검색해 선정한 후 선정된 기업에 관례적으로 6~7개의 제외기준을 적용해 비교대상기업을 선정하였다. 이렇게 하면 통상적으로 10개 내외의 비교대상기업이 선정되는 경우가 많았다.

비교대상기업이 선정이 되면, 해당기업(tested party)과 이들 비교대상기업과의 비교가능성을 높이기 위해 자산조정을 하게 된다. 자산조정은 excel sheet에 비교대상기업의 재무제표 내용을 수작업으로 입력해 하게 되는데, 비교대상기업의 숫자가 많아지게 되면 조정작업이 점점 복잡해져 작업자가 실수를 하더라도 검증이 용이하지 않다. 즉, 조정결과의 정확성이 담보되기 어렵다. 20개회사에 대한 조정작업 시간은 10개회사에 대한 조정작업시간의 2배가 되어야 하지만, 숫자가 많아지면 점점 복잡해지기 때문에 20개회사에 대한 조정작업시간은 2배 이상으로 늘어나게 된다. 즉, 10개회사의 조정작업시간에 15시간을 투입했다면 20개회사의 조정작업시간은 30시간 이상으로 늘어나게 된다.

4. 인공지능의 장점

BEPS 보고서를 작성하기 위해 글로벌 데이터베이스를 “Asia” 등과 같이 큰 지역별로 나누어 검색작업을 하게 되면, 관례적인 6~7개 제외기준을 적용해도 통상적으로 100개 안팎의 비교대상기업이 선정되게 된다. 즉, 과거에 비해 비교대상기업의 숫자가 10배 정도 늘어나게 된다. 따라서 이들 기업에 대해 수작업으로 조정작업을 할 경우 산술적으로 작업시간이 10배 증가하게 되는 어려움이 있다. 또 다른 문제는 excel sheet에서 100개의 비교대상기업의 조정작업을 한다는 것이 매우 어렵다는 것이다. 이런 문제 때문에 제외기준을 작업자의 판단으로 조정해 비교대상기업의 숫자를 감소시키게 되면 사분위값의 신뢰성이 떨어지게 된다.

반면, 인공지능은 정해진 순서(flow chart)에 따라 작업할 수 있게 되어 있어 비교가능회사검색, 자산조정을 포함하는 모든 작업이 컴퓨터에 의해서 자동으로 이루어진다. 따라서 아무리 많은 비교대상기업이 선정이 되었다고 하더라도 짧은 시간 내에 동일한 결과물을 얻을 수 있다. 즉, 비교대상기업이 10개이던 100개이던 동일한 시간 내에 사분위값과 자산조정결과를 얻을 수 있고 다른 사람이 이를 쉽게 확인할 수 있어, “투명성”과 “신뢰성”이 확보된다는 것이 큰 장점이다.

더욱이 작업자가 비교대상기업 선정작업을 한 내용이 작업일 현재 그대로 컴퓨터에 저장이 되어 있기 때문에, 제3자가 컴퓨터에 접속하면 작업자가 작업한 내용을 순서대로 동일하게 확인할 수 있다. 만일 작업자가 제외기준과 이전가격방법을 잘못 적용했다면 이를 수정한 후 그 결과를 다른 excel sheet 작업 없이 즉시 확인할 수 있다.

예를 들어, 작업자가 2018년 6월 30일 기준으로 비교대상기업선정작업을 하면 그 작업내용은 해당일 기준으로 계속 컴퓨터에 저장이 되어 있게 된다. 3년 후 (2021년 6월 30일) 과세관청이 조사를 나가 작업내용을 조사하면 2018년 6월 30일 현재 비교대상기업 재무제표를 기준으로 그 작업의 적정성 여부를 확인할 수 있다.

내용의 투명성과 정확성이 담보되기 때문에 세무조사시 납세자도 과세관청도 그 내용의 정확성을 놓고 논쟁을 벌일 이유가 없게 된다. 다만, 제외기준 적용의 적정성, 이전가격 적용방법 등의 법률적인 문제는 쟁점이 될 수 있을 것이다.

5. 자회사가 많은 다국적 기업

대형 다국적기업들은 5개 대륙에 걸쳐 100개가 넘는 자회사를 보유하는 경우가 있어, 과거와 같이 수작업 excel sheet 방식으로 이전가격분석을 하게 되면 “효율성”과 “정확성”이 크게 떨어지게 된다.

필자의 국제조세 경험에 비추어 BEPS 시스템 하에서 글로벌 데이터베이스는 지역별로 비교대상기업을 선정하는 것이 합리적인 것으로 판단이 되기 때문에, 이렇게 할 경우 비교대상기업의 숫자가 증가할 수밖에 없고, 비교대상기업선정과 조정작업에 많은 시간을 투입해야만 한다. 기업이 이러한 작업에 많은 시간을 투입해야 한다는 것은 많은 비용을 지불해야 한다는 것을 의미한다. 문제는 과거와 같은 방식으로 수작업(手作業)을 하게 되면 앞에서 설명한 바와 같이 정확성과 투명성이 담보되지 않는다는 것이다.

인공지능을 활용하게 되면 전세계 자회사를 지역별, 업종별로 구분해 손쉽게 작업을 할 수 있다. 이전가격의 원리를 정확하게 이해하고 인공지능작업에 익숙해 지면, 담당자가 한 사람이라도 100개 이상 자회사의 비교대상기업작업을 손쉽게 관리할 수 있다. 이자와 로열티 거래도 인공지능 tool을 이용해 손쉽게 분석 및 관리할 수 있다.

예를 들어, 한국의 다국적기업 갑(甲)이 5개 대륙에 각각 20개의 자회사(총 100개)를 보유하고 있고, 이들 자회사의 업종이 “제조”, “도매”, “임가공”, “판매보조서비스”로 분류된다고 가정하자.

이 경우 각 대륙별 업종별로 비교대상기업 선정작업을 하게 되면 아무리 자회사 숫자가 많아도 자회사 재무자료(조정에 필요한 통상 6 계정)만 간단하게 입력하면 자동으로 결과물이 나오게 된다. 인공지능은 업종에 관계없이 작업과정이 동일해 한두번 해보면 금방 숙달이 되기 때문에 자회사가 많다고 하더라도 어려움 없이 정확한 결과를 짧은 시간 내에 산출할 수 있다.

비교대상기업의 정상가격(이익율)을 짧은 시간 내에 정확하게 산출하지 못하게 되면 국제적인 과세기준에 부합하는 이전가격정책을 수립하는 것이 사실상 불가능하게 되고, 결과 BEPS보고서가 부실해져 관련 과세당국과 끊임 없는 과세분쟁에 휘말리게 된다.

6. BEPS 교육시스템의 개선

필자는 2016년 6월부터 excel sheet를 이용해 BEPS교육을 실시해 왔으나, 2017년 10월부터는 인공지능을 접목시켜 교육을 실시하고 있다. 인공지능을 활용함으로써 교육의 효과가 크게 증가된 것은 말할 필요가 없다.

필자는 교육을 받은 기업이 스스로 BEPS 보고서를 작성하도록 교육을 실시해 왔다. 하지만 매년 지불하는 인공지능의 사용료 부담으로 교육을 꺼려하는 기업들이 많이 있음을 인지하게 되었다. 따라서 금년 2018 하반기부터는 인공지능 사용료에 부담을 느끼는 기업들을 위해 "비교대상기업 선정과 조정 작업부분"은 최저 실비(實費)로 용역을 직접 제공하는 교육방식을 채택하기로 하였다. 이렇게 하면 기업이 큰 비용부담 없이 정확하고 투명한 BEPS 보고서를 작성할 수 있게 될 것이다.

정확하고 투명한 인공지능을 사용해 국제거래를 관리하게 되면, 납세자와 과세관청 모두에게 엄청난 비용절감(조세분쟁비용 포함)효과를 가져와 국가경쟁력이 크게 향상될 수 있다.

현재 진행 중인 국가간 통상분쟁 외에, 국제사회는 BEPS 문제로 총성 없는 전쟁에 직면하고 있다. 우리기업과 과세당국이 인공지능을 적극 활용해 국제조세 분야에서 선도적인 역할을 할 수 있기를 기대해 본다.