Basis scales accounting by turning OpenAI model progress into trusted agents

🖼️ 인포그래픽

Basis scales accounting by turning OpenAI model progress into trusted agents 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

베이시스는 업무별로 적합한 오픈AI 모델을 배치하고 판단 근거를 검토 가능하게 공개함으로써, 회계 자동화를 신뢰할 수 있는 업무 위임 체계로 확장하고 있다.

📌 핵심 요약

베이시스는 조정, 분개, 재무 요약과 같은 반복적인 회계 업무를 수행하는 인공지능 에이전트를 제공하며, 도입 기업은 평균 최대 30%의 시간을 절감하고 있다.
감독 에이전트가 업무의 복잡도, 지연 요구, 입력 유형에 따라 전문 하위 에이전트에 단계를 배분하며, 현재 감독 역할과 복잡한 추론에는 주로 GPT-5가 활용된다.
속도가 중요한 확인 질문과 즉각적인 피드백에는 GPT-4.1을 사용하고, 비정상 거래 해석이나 모호한 분류, 월말 마감 같은 다단계 업무에는 GPT-5를 배치한다.
에이전트는 판단에 사용한 자료와 가정, 분류 이유, 신뢰도를 회계사에게 제시해 결과를 검토하고 통제할 수 있게 하며, 함수 호출을 통해 제안을 넘어 실제 절차까지 수행한다.
베이시스는 실제 회계 업무를 기준으로 모델의 정확성, 설명 가능성, 도구 호출 성능을 평가하며, 자체 병렬 도구 호출 시험에서 GPT-5가 100% 성공률을 기록했다고 밝혔다.

🧩 주요 포인트

베이시스는 조정, 분개, 재무 요약과 같은 반복적인 회계 업무를 수행하는 인공지능 에이전트를 제공하며, 도입 기업은 평균 최대 30%의 시간을 절감하고 있다.
감독 에이전트가 업무의 복잡도, 지연 요구, 입력 유형에 따라 전문 하위 에이전트에 단계를 배분하며, 현재 감독 역할과 복잡한 추론에는 주로 GPT-5가 활용된다.
속도가 중요한 확인 질문과 즉각적인 피드백에는 GPT-4.1을 사용하고, 비정상 거래 해석이나 모호한 분류, 월말 마감 같은 다단계 업무에는 GPT-5를 배치한다.
에이전트는 판단에 사용한 자료와 가정, 분류 이유, 신뢰도를 회계사에게 제시해 결과를 검토하고 통제할 수 있게 하며, 함수 호출을 통해 제안을 넘어 실제 절차까지 수행한다.
베이시스는 실제 회계 업무를 기준으로 모델의 정확성, 설명 가능성, 도구 호출 성능을 평가하며, 자체 병렬 도구 호출 시험에서 GPT-5가 100% 성공률을 기록했다고 밝혔다.

🧠 상세 정리

1. 반복 업무를 신뢰 가능한 에이전트에 위임

2023년에 설립된 베이시스는 대형 회계법인이 사용하는 인공지능 에이전트를 개발하며, 특정 시점의 문제만 해결하기보다 기반 모델의 발전과 함께 성능이 향상되는 시스템을 지향한다. 에이전트는 조정, 분개, 재무 요약처럼 구조화되어 있지만 반복적인 업무를 자동화한다. 동시에 회계사가 각 결정의 과정과 근거를 확인하고 업무 흐름을 통제할 수 있도록 설계됐다. 도입 법인들은 평균 최대 30%의 시간을 절감했고, 확보된 역량을 고객 자문이나 신규 업무 수임처럼 더 높은 가치를 만드는 활동에 활용하고 있다.

2. 업무 특성에 맞춘 다중 모델 배치

베이시스는 회계를 하나의 단일 작업이 아니라 서로 다른 맥락과 복잡도를 가진 여러 업무 흐름의 집합으로 다룬다. 전체 과정은 처음에 o3로 구축됐다가 GPT-5로 전환된 감독 에이전트가 조정하며, 작업 종류와 난도, 응답 속도, 입력 형식에 따라 전문 하위 에이전트에 단계를 배분한다. 베이시스의 평가에서 GPT-5는 추론력과 일관성, 설명 가능성이 가장 뛰어난 모델로 나타나 높은 맥락을 요구하는 업무를 적은 감독으로 이끄는 데 사용된다. 이러한 구조는 모델 성능이 발전할 때마다 에이전트가 처리할 수 있는 업무 범위와 정확도를 함께 높일 수 있게 한다.

3. 속도와 복잡도에 따른 모델 선택

모든 하위 업무에 동일한 모델을 적용하지 않고, 베이시스의 내부 벤치마크가 각 모델의 주요 능력과 특성을 평가해 적합한 역할을 정한다. 검토 도중의 확인 질문이나 빠른 피드백처럼 응답 속도가 중요한 상호작용에는 GPT-4.1을 활용한다. 반면 이례적인 거래 패턴을 해석하거나 모호한 계정 분류를 해결하고, 월말 마감과 같은 다단계 절차를 관리할 때는 깊은 추론이 가능한 GPT-5를 사용한다. 이처럼 속도와 추론 깊이를 업무별로 구분함으로써 하나의 모델에 모든 요구를 맡기지 않고 각 단계에 맞는 처리 방식을 구성한다.

4. 검토 가능한 판단 근거와 회계사의 통제

회계 자동화는 결과를 사람이 검토할 수 있을 때 실질적인 가치가 있다는 전제 아래, 베이시스 에이전트들은 중앙 계층을 통해 맥락을 공유하고 판단의 가정과 자료 출처, 논리를 드러낸다. 분개를 작성할 때 감독 에이전트는 증빙 자료를 검토하고 필요한 데이터를 가져오며, 공유된 맥락과 모범 사례를 참고해 하위 에이전트의 작업을 조정한다. 회계사는 완성된 분개뿐 아니라 어떤 데이터가 사용됐는지, 왜 해당 계정에 연결됐는지, 추천에 대한 시스템의 신뢰도가 어느 정도인지 함께 확인한다. 베이시스는 처음에는 o3-Pro로 이러한 추론을 확장했으며, 이후 구조화된 절차를 처리하고 결과 도출 과정을 설명하는 능력을 이유로 GPT-5로 전환했다.

5. 제안형 자동화에서 실제 업무 위임으로

판단 근거를 설명하는 능력은 결과 검토에만 쓰이지 않고, 감독 에이전트가 맥락을 반영해 업무를 정확히 배분하는 데에도 사용된다. 시스템이 성숙하면서 베이시스는 단순한 개별 작업 자동화를 넘어 전체 업무 흐름을 에이전트에 위임하는 단계로 확장했다. 특히 함수 호출을 통해 에이전트가 조정이나 분개의 방안을 제시하는 데 그치지 않고, 여러 단계로 이루어진 절차를 실제로 완료할 수 있게 됐다. 이 과정은 회계사가 자료를 확인하고 판단한 뒤 후속 조치를 수행하는 업무 방식과 유사하게 구성되며, 모델의 추론 향상에 따라 더 복잡하고 오래 실행되는 절차와 더 높은 자율성이 가능해진다고 회사는 설명한다.

6. 실제 회계 업무 기반의 벤치마크와 확장

베이시스는 새 모델이 출시될 때마다 실제 회계 업무를 대상으로 상세한 벤치마크를 실행하고, 정답의 정확성뿐 아니라 판단 이유를 얼마나 명확하게 설명하는지도 평가한다. 이 결과는 업무별로 사용할 모델을 결정하고, 에이전트가 새로운 업무를 안전하게 맡을 시점을 판단하는 기준이 된다. 코드 인터프리터와 웹 검색을 활성화한 상태에서 여러 도구를 병렬로 사용하는 자체 시험에서 GPT-5는 100% 성공률을 기록했으며, 다른 추론 평가에서도 가장 높은 성과를 보였다고 베이시스는 밝혔다. 현재 베이시스를 사용하는 미국 대형 회계법인들은 신뢰가 쌓일수록 에이전트의 책임 범위를 넓히고 있으며, 절감한 시간을 고객 서비스와 새로운 업무 영역, 자문 관계 강화에 투입하고 있다.

🧾 핵심 주장 / 시사점

베이시스의 확장 방식은 하나의 모델에 모든 회계 업무를 맡기는 것이 아니라, 감독 에이전트와 전문 하위 에이전트를 구성하고 내부 평가 결과에 따라 모델을 선택하는 구조에 기반한다.
회계 자동화의 핵심 기준은 결과 생성 자체뿐 아니라 사용 자료, 분류 이유, 가정과 신뢰도를 회계사가 확인하고 통제할 수 있는 검토 가능성이다.
새 모델의 가치는 개별 응답의 정확도만으로 판단되지 않으며, 병렬 도구 호출과 다단계 업무 수행, 설명 가능성을 실제 회계 절차에서 검증한 뒤 에이전트의 책임 범위를 확대하는 데 반영된다.