안녕하세요! 글로벌 비즈니스와 SCM(공급망관리)의 최신 트렌드를 가장 빠르고 정확하게 분석해드립니다.
“AI에게 품명만 입력하면 HS코드가 몇 초 만에 나온다”는 이야기, 이제 낯설지 않습니다. 그런데 정확도가 98%라는 숫자만 보고 안심해도 괜찮을까요? 오늘은 관세 품목분류에 도입되고 있는 AI 기술의 실제 수준과, 현장에서 놓치기 쉬운 리스크를 함께 살펴보겠습니다.
이슈케이스: 98% 정확도, 나머지 2%가 문제입니다
국내에서는 이미 실무 적용 사례가 나오고 있습니다. 한 관세법인이 AI 데이터 플랫폼 기업과 공동으로 개발한 AI 품목분류 추천시스템은 거대언어모델(LLM)과 검색증강생성(RAG) 기술을 활용해 WCO(세계관세기구) 품목분류 결정사례와 관세청 데이터를 학습했습니다. 표준품명·거래품명·용도·재질 등을 입력하면 HS 6단위와 10단위의 세부 품목번호를 분류 근거와 함께 제시하며, 정확도는 98%, 처리 시간은 기존 대비 90% 단축된 것으로 알려져 있습니다. 이미지 검색과 다국어 지원까지 갖춘 만큼, 향후 관세사 업무의 상당 부분을 보완할 것으로 기대됩니다.
다만 여기서 눈여겨볼 점은 이 시스템이 관세사회 회원과 관세청을 대상으로 제공될 예정이라는 사실입니다. 즉, AI가 후보 코드를 제시하더라도 최종 판단은 여전히 전문가의 검증을 거치는 구조로 설계되어 있다는 뜻입니다. “AI가 다 해준다”가 아니라 “AI가 사람의 업무 속도를 높여준다”는 방향에 가깝다는 점을 이해할 필요가 있습니다.
AI 분류의 본질적인 한계, 왜 위험할까요
해외 컴플라이언스 분석에서는 AI 기반 품목분류의 근본적인 한계를 지적합니다. AI 알고리즘은 본질적으로 특정 코드가 맞을 “확률“을 계산하는 방식으로 작동하는데, 세관은 확률이 아닌 절대적인 정확성을 요구합니다. 이 둘 사이의 근본적인 불일치가 리스크의 출발점입니다. 예를 들어 ”10mm 스테인리스 튜브”라는 동일한 품명이라도 실제로는 산업용 배관, 항공우주 부품, 가구 부품 등 전혀 다른 용도로 쓰일 수 있고, 각각 적용되는 관세율도 다릅니다. 공급업체가 제공하는 비정형 데이터(약어, 불완전한 설명 등)만으로는 AI가 이런 맥락 차이를 정확히 구분하기 어렵습니다.
또한 언어모델은 관세 법령 자체를 이해하는 것이 아니라 언어의 패턴을 해석하는 방식으로 작동하기 때문에, 구속력 있는 세율 규정이나 소재 구성 요건까지 정확히 적용하는 데는 한계가 있습니다. 오분류가 발생하면 잠재적인 관세 채무가 누적되어 소급 납부나 수익성 악화로 이어질 수 있고, 세관의 표적 감사나 화물 실사로 이어져 통관이 지연되는 등 공급망 차질로 번질 수 있습니다. AI 통관 자동화와 관련된 더 많은 사례는 Global SCM risk Management(tradematrixops.com)의 해상운임·물류시장 카테고리에서도 함께 확인하실 수 있습니다.
결국 필요한 건 ‘사람 검증 체계’입니다
이런 한계를 고려할 때, 전문가들이 공통적으로 제안하는 해법은 ‘휴먼인더루프(human-in-the-loop)’ 모델입니다. AI가 가능성 높은 후보 코드를 빠르게 선별하고, 최종 확정은 반드시 관세 분야 전문가가 법령과 실제 물품 특성을 대조해 검증하는 방식입니다. 이는 앞서 소개한 국내 시스템이 관세사회·관세청을 대상으로 서비스를 제공하는 방향과도 맥락이 닿아 있습니다.
기업 입장에서는 AI 도구 도입 자체를 두려워하기보다, 어떤 업무 단계에서 AI를 활용하고 어느 지점에서 사람의 검증을 반드시 거치게 할 것인지 프로세스를 명확히 설계하는 것이 중요합니다. 오분류로 인한 데이터 오염은 창고관리시스템, 포워딩 시스템 등 여러 플랫폼으로 전파되어 바로잡는 데 상당한 인력과 시간이 소요될 수 있다는 점도 기억해야 합니다.
오늘의 핵심 액션플랜
- AI 결과는 후보안으로 활용: AI가 제시한 HS코드를 최종 신고 전 반드시 관세사 등 전문가가 재검증하는 프로세스를 마련합니다.
- 비정형 데이터 표준화: 거래품명·용도·재질 등 입력 데이터를 최대한 구체적이고 일관되게 정리해 AI의 오분류 가능성을 낮춥니다.
- 오분류 이력 관리: 과거 분류 오류 사례를 별도로 기록해 유사 품목 재발생 시 빠르게 대조·검토할 수 있는 체계를 갖춥니다.
참고 자료:
– 관세법인 에이원, ‘AI 품목분류 추천시스템’ 최초 개발 – 한국세정신문
– Automating HS Coding with AI: The Hidden Compliance Risks – Datamondial
※ 본 글은 정보 제공 목적으로 작성되었으며 법률·세무·통관 자문을 대체하지 않습니다. 실제 품목분류는 관세사와 상담 후 진행하시기 바랍니다.
#HS코드 #AI품목분류 #관세자동화 #디지털물류혁신 #통관리스크 #관세컴플라이언스
무역과 공급망 관리 실무를 다루는 트레이드매트릭스입니다. 현장에서 실제로 부딪히는 문제를 법령과 공개 데이터로 확인해 정리합니다.
문의: leeswonder@gmail.com
