수입신고 오류의 74%는 품목분류, 즉 HS코드에서 나옵니다. 관세청이 직접 발표한 수치입니다.
지난해에는 364개 기업이 285억 원을 자진 정정했습니다.
새 품목이 들어올 때마다 유니패스를 뒤지고, 관세사에게 메일을 보내고, 세율이 다른 후보 코드 두 개를 놓고 반나절을 고민하는 바로 그 업무가 만들어낸 숫자입니다.
HS코드 분류 자동화를 검색하셨다면, 이 불안을 이미 알고 계실 겁니다.
저희 팀리부뜨는 AI를 활용해 이런 무역 사무의 반복 업무를 자동화하고 있습니다.
관세청이 공개한 실제 사례가 있습니다.
한 기업이 강화유리(관세율 5.6%)를 식기세척기패널(1%)로 잘못 신고해 왔습니다.
사전 안내를 받고 6,000만 원을 수정신고했지만, 방치했다면 5년치가 한꺼번에 묶여 3억 5,000만 원을 추징당할 뮸했습니다.
플라스틱 포장용기를 종이 재질(0%)로 오분류한 수입 1~2년차 기업도 있습니다. 실제 세율은 6.5%였고, 바로잡았기에 400만 원으로 끝났지만 5년 누적이면 2,400만 원짜리 추징이었습니다.
HS코드 오류는 그해에 걸리는 벌금이 아니라, 수년 뒤 한꺼번에 돌아오는 시한폭탄입니다.
구조적인 이유도 있습니다.
HS코드는 전 세계 공통 6단위에 우리나라가 4단위를 더해 10단위(HSK)로 운영되고, 1만 개가 넘는 코드 중 하나를 골라야 합니다.
같은 제품도 재질로 보느냐 기능으로 보느냐에 따라 코드가 달라집니다.
문제는 담당자의 꼼꼼함이 아니라, 해석의 여지가 있는 방대한 체계를 사람이 매번 수작업으로 대조해야 하는 구조입니다.
한 Q&A 플랫폼에서 한 관세사는 현장의 대응법을 이렇게 설명합니다.
"보통 기업에서 품목분류 오류를 방지하기 위하여 사전심사 및 보수적인 신고를 활용하고 있습니다. 심사 전에는 관세율이 더 높은 세번으로 신고하여 만약에 낮은 관세율 물품으로 분류되는 경우에는 관세를 환급받는 방법입니다." (아하 무역 토픽, 최진솔 관세사)
확신이 없으니 일부러 세금을 더 내고 나중에 돌려받는 것, 이게 현장의 방어책입니다.
공식 답변을 받는 품목분류 사전심사는 법정 처리기간이 30일이고, 분석 기간은 별도라 실제로는 더 걸립니다.
그 사이에도 신규 품목은 계속 들어옵니다.
이 업무는 숙련도 문턴도 높습니다.
해외 관세 전문가 설문에서는 응답자의 92%가 HS 분류 실무 역량에 최소 100시간의 훈련이 필요하다고 답했습니다(WCO News, 2020 설문).
그런데 많은 회사에서 이 일은 무역 담당자 한 명의 부수 업무로 돌아가고 있습니다.
정직하게 짚고 가겠습니다.
2024년 미국 세관 판결 103건으로 AI 분류 도구들을 테스트한 연구에서, 10단위 기준 정확도는 도구에 따라 89.2%에서 44.1%까지 두 배 이상 벌어졌습니다(arXiv, 2024).
"AI니까 정확하다"는 성립하지 않는 말입니다.
세계관세기구(WCO)도 같은 입장입니다. 도구는 분류를 보조할 뿐 분류를 수행하지 않고, 최종 신고 책임은 여전히 화주에게 있습니다.
AI가 틀려도 추징과 가산세는 회사가 물어야 합니다.
그래서 답은 완전 무인 자동화가 아니라, AI가 후보와 근거를 만들고 사람이 확정하는 구조입니다.
팀리부뜨는 AI를 활용해 무역 사무 자동화를 혁신하고 있습니다.
특히 HS코드 분류 업무에는 이렇게 활용 가능합니다.
[팀리부뜨의 HS코드 분류 지원 프로세스]
AI가 품목의 스펙 문서, 성분표, 카탈로그를 읽고 특성을 파악한 뒤, 회사가 그동안 신고해 온 분류 이력과 결정사례를 대조해 후보 세번을 근거와 함께 제시합니다.
담당자와 관세사는 AI가 정리한 근거를 보고 확정만 하면 됩니다.
관세사를 대체하는 게 아니라, 관세사에게 넘기기 전 단계의 자료 취합과 대조 노동을 AI가 대신하는 것입니다.
기존 ERP나 신고 프로세스를 바꿀 필요도 없습니다.
신규 품목 등록
신규 수입 품목의 카탈로그와 성분표가 들어오면 AI가 문서를 읽고 후보 HS코드를 관세청 결정사례 근거와 함께 정리합니다.
품목 하나당 2~3시간씩 걸리던 조사가 10분 안팎의 검토로 바뀝니다.
기존 품목 일괄 점검
수백 개 품목의 분류 이력을 AI가 한 번에 검토해, 비슷한 품목인데 코드가 서로 다르게 신고된 건을 찾아냅니다.
지난해 285억 원 규모의 자진 정정이 보여주듯, 이미 쌓여 있는 이력 안에 추징 리스크가 숨어 있습니다.
보수적 신고 대신 근거 있는 신고
세율이 높은 쪽으로 일단 신고하고 환급을 노리는 대신, 후보 코드별 기본세율과 FTA 협정세율, 그리고 근거 결정사례를 AI가 비교해 정리합니다.
불필요하게 더 내는 세금을 줄이고, 사전심사가 필요한 건만 골라 준비 서류까지 미리 취합합니다.
수입신고 전 검증
신고 직전 품목 정보와 신고 예정 코드를 AI가 한 번 더 대조해, 과거 이력과 다른 코드가 들어간 건을 잡아냅니다.
5년 소급 추징으로 증폭될 수 있는 실수를 신고 전에 걸러냅니다.
수입신고 오류의 74%가 품목분류에서 나오고, 그 오류는 5년 뒤 한꺼번에 돌아옵니다.
AI가 후보와 근거를 만들고 사람이 확정하는 구조라면, 분류의 속도와 방어력을 동시에 가져갈 수 있습니다.
지금 품목 하나 분류하는 데 반나절씩 쓰고 있다면,
어디까지 자동화가 가능한지 팀리부뜨의 무역사무 자동화 전문가와 함께 정리해보세요.
취급 품목 리스트와 분류 이력을 공유하면 맞춤형 자동화 방안을 제시해드립니다.
상담문의 시 "HS코드 분류 자동화 글을 보고 문의했다"고 남겨주시면 보다 원활한 상담이 가능합니다.
참고 자료: 한국관세신문, 품목분류 오류 74% (관세청 발표, 2025) / 관세무역개발원, 285억 자진 정정 및 강화유리 사례 (2026) / 한국세정신문, 포장용기 오분류 사례 (2025) / arXiv, AI HTS 분류 정확도 벤치마크 (2024) / WCO News 97호 (2022)
%202.png){kind=logo}
