미국 국세청(IRS), 고액 체납자 적발 위해 팔란티어의 AI 분석 도구 'SNAP' 도입

섹션별 상세

기존 IRS의 사례 선정 시스템은 수십 년간 구축된 100개 이상의 비즈니스 시스템과 700여 개의 방법론으로 인해 극도로 파편화되어 있었다. 이러한 구조적 한계는 업무 중복과 비용 증가를 초래하고 잠재적인 세금 격차를 파악하는 데 비효율성을 유발했다. 팔란티어와의 계약은 이러한 파편화된 환경을 통합하고 사례 선정의 최적화를 목표로 한다.

근거

IRS는 팔란티어에 180만 달러를 지불하고 SNAP 툴을 고도화했다. — 기사 서두의 계약 금액 언급

팔란티어가 개발한 'SNAP' 플랫폼은 IRS의 기존 데이터베이스 상단에서 작동하며 증빙 서류에 포함된 비정형 데이터를 분석하도록 설계되었다. 이 툴은 텍스트 기반의 문서에서 계약 및 벤더 정보를 추출하여 조사관이 놓칠 수 있는 위험 신호(Red Flags)를 시각화한다. 이를 통해 수동 작업에 의존하던 데이터 분석 과정을 자동화하고 정밀도를 높인다.

근거

팔란티어는 2014년부터 IRS로부터 총 2억 달러 이상의 계약을 수주했다. — 정부 계약 기록 인용 문단
SNAP은 비정형 데이터에서 계약, 차량, 벤더 정보를 추출하도록 설계되었다. — SNAP의 기능 설명 섹션

IRS는 SNAP을 활용하여 재난 지역 청구, 주거용 클린 에너지 세액 공제, 증여세 신고서(Form 709) 등 세 가지 특정 사례 선정 방법을 구축하도록 요청했다. 특히 증여세의 경우 자산 가치 평가 방식이나 기부자와 수혜자 간의 관계 등 복잡한 비정형 정보를 분석하여 적정성 여부를 판단한다. 이는 세법의 복잡한 영역에서 데이터 기반의 검증 체계를 강화하려는 조치이다.

IRS는 과거부터 'DIF(Discriminant Information Function)' 점수를 통해 감사 대상을 선정해 왔으나, 계산 방식이 불투명한 '블랙박스'라는 비판을 받아왔다. 최근에는 코인베이스(Coinbase)와 협력하여 암호화폐 거래를 분석하거나 소셜 미디어 데이터를 마이닝하는 등 현대적인 데이터 분석 기법 도입을 시도하고 있다. SNAP은 이러한 현대화 노력의 연장선상에 있으며 더 정교한 데이터 통합을 지향한다.

IRS의 기술 현대화는 정치적 외풍과 예산 삭감, 잦은 수장 교체로 인해 1960년대 이후 완전한 성공을 거두지 못한 채 난항을 겪어왔다. 트럼프 행정부 하에서의 인력 감축과 자원 부족은 장기적인 IT 프로젝트의 연속성을 저해하는 주요 요인으로 작용하고 있다. 팔란티어와의 협력은 외부 전문 기술을 빌려 내부의 기술적 부채를 해결하려는 전략적 선택으로 풀이된다.

용어 해설

비정형 데이터(Unstructured Data): — 일정한 규격이나 형태가 정해지지 않은 데이터로, 세무 행정에서는 영수증, 계약서, 평가 보고서 등 텍스트 중심의 증빙 서류가 해당한다. 이를 분석하기 위해서는 자연어 처리(NLP)와 같은 고도화된 AI 기술이 필수적이다.
DIF 점수(DIF Score): — Discriminant Information Function의 약자로, IRS가 납세자의 신고 내용을 과거 감사 사례와 비교하여 감사 필요성을 수치화한 지표이다. 점수가 높을수록 감사 대상이 될 확률이 높으며, 계산 방식이 공개되지 않은 블랙박스 구조로 운영된다.
사례 선정(Case Selection): — 수많은 납세자 데이터 중 세금 포탈이나 오류 가능성이 높은 대상을 조사 후보로 특정하는 프로세스이다. 효율적인 세무 조사를 위해 데이터 분석 모델을 활용하여 가장 '가치가 높은' 사례를 선별하는 것이 핵심이다.
증여세 신고서(Gift Tax Returns): — 일정 가치 이상의 자산을 타인에게 무상으로 이전할 때 제출하는 서류(Form 709)이다. 자산 가치 평가의 적절성과 기부자-수혜자 관계 등 복잡한 비정형 정보를 포함하고 있어 정밀한 데이터 분석이 요구되는 영역이다.

기술

Palantir SNAP
NLP
Data Mining

활용 사례

세무 감사 대상 선정
비정형 문서 데이터 추출
고액 체납 및 사기 적발