기업 횡령이나 배임 사건을 반복적으로 다루다 보면 매번 비슷한 장면을 마주하게 됩니다. 사고가 터진 뒤에야 자료를 모으고, 자금이 어떻게 빠져나갔는지 추적하고, 그제야 법률 대응이 시작되는 흐름입니다. 그리고 늘 같은 질문이 남습니다. "왜 더 빨리 알지 못했을까."
법률 자문만으로는 충분하지 않았습니다
고태관 대표변호사가 AI 기반 횡령탐지 프로그램 개발에 나선 것은 바로 그 문제의식에서 출발했습니다. 사건이 생긴 뒤의 해석보다, 사건이 생기기 전의 감지가 더 중요하다는 판단이었습니다. 기업 감사 현장에서 실제로 작동할 수 있는 구조를 만들기 위해 법률을 넘어 기술 개발까지 확장한 이유가 여기에 있습니다.
3만여 건의 사례가 탐지 기준이 됩니다
갖추가 단순한 IT 서비스와 다른 점은 설계의 출발점입니다. 3만여 건의 횡령·배임 판례와 사례를 분석해 탐지 기준을 만들고, 반복되는 수법과 은폐 패턴을 알고리즘으로 구조화했습니다. 많이 본 사람이 더 빨리 알아차릴 수 있듯이, 실제 사례를 기반으로 설계된 탐지 기준은 이론으로 만든 것과 현장에서 전혀 다른 결과를 냅니다.
조작이 어려운 데이터를 기준으로 삼습니다
횡령은 대부분 서류 위조나 전산 조작으로 은폐되기 때문에 내부에서 입력된 데이터만으로는 한계가 있습니다. 갖추는 금융회사 이체 내역, 세금계산서 같은 외부 원자료를 중심으로 탐지 구조를 설계했습니다. 데이터의 출처가 탐지의 신뢰도를 결정하기 때문입니다.
대표가 나중에 보고받는 사람이 아니라 지금 보는 사람이 됩니다
많은 중소·중견기업은 내부 감사팀을 충분히 운영하기 어렵고, 외부 감사를 자주 받기에도 비용 부담이 큽니다. 갖추는 기술을 통해 감사의 눈을 상시화할 수 있는 현실적인 대안입니다. 횡령 피해 규모는 결국 얼마나 빨리 알았느냐에 달려 있기 때문입니다.