AI, 재무 부서의 일하는 방식을 혁신하다

요약

• 재무 부서는 지금 전환점을 맞이하고 있습니다. 기존의 비용 절감 방식은 효력을 다했고, 인력은 반복 업무에 발이 묶여 있습니다. 반면, 당장 실행에 옮길 수 있는 통찰력에 대한 요구는 점점 증가하고 있습니다.
• AI 에이전트를 통해 재무 부서의 일하는 방식을 근본적으로 바꾸는 것에서 그 해답을 찾을 수 있습니다. 이를 통해 부서의 주요 업무가 반복 처리 업무에서 전략적 분석을 수행하는 업무로 전환할 수 있기 때문입니다.
• 일례로 구매-결제 프로세스에 AI를 도입하면, 관련 업무 시간을 최대 80%까지 획기적으로 줄이고 감사 기록(audit trail)을 강화할 수 있으며, 확보된 인력은 핵심 공급업체 관리 전략에 투입할 수 있습니다. 

서론

재무 부서는 지금 전환점을 맞이하고 있습니다. 재무 리더들은 지난 수년간 추구해 온 전통적인 효율화가 한계점에 도달했음을 체감하고 있습니다. 비용 절감 효과는 더 이상 뚜렷하게 나타나지 않고, 인력은 이미 포화 상태로 운영되고 있습니다. 하지만 시장, 리더십, 규제 기관에서는 행동으로 이어질 수 있는 통찰력을 그 어느 때보다 강하게 요구하고 있습니다.

이에 CFO들은 AI를 강력한 무기로 활용하여, 기업 전반의 데이터 분석 역량과 통찰력을 강화하며 운영과 재무 성과를 동시에 높이고 있습니다.

PwC는 AI 에이전트를 단순한 기술 도구가 아닌, 업무의 미래를 실현하는 핵심 동력으로 바라보는 새로운 재무 업무 체계를 제시합니다. 이 접근법은 전략, 인력, 기술을 유기적으로 결합하여, 재무 부서가 단순 반복 처리 업무에서 벗어나 전략적 성과 창출에 집중하도록 지원합니다. AI 에이전트가 재무 업무의 시작부터 끝까지 전 과정을 지원함으로써, 임직원들은 더 현명하고 신속한 의사결정을 내리는 데 역량을 집중할 수 있습니다.

이러한 변화는 더 이상 이론이 아닌 현실입니다. 신기술에 발 빠른 재무 부서는 이미 AI 에이전트를 일상 업무에 도입하며 담당자의 역할을 재설계하고, 일하는 방식 자체를 재정의하고 있습니다. PwC의 ‘AI Agent Survey’에 따르면, 경영진의 79%가 이미 자사에 AI 에이전트를 도입했다고 응답했지만, 아직 회계 및 재무 분야에서 이를 활용하는 비율은 34%에 불과합니다. 
 

지난 10여 년간 대부분의 재무 부문은 매출액 대비 재무 비용을 낮추는 것을 핵심 목표로 삼아왔습니다.

• 최신 기술 도입에 따른 거래 비용 절감  
• 이를 기반으로 한 글로벌 공유 서비스 모델 구축
• 궁극적으로는 현업 담당자가 직접 데이터를 분석해 통찰력을 얻도록 지원

PwC의 '2024 Finance Effectiveness Benchmarking Report'에 따르면, 업계를 선도하는 재무 부문들은 이미 이러한 목표를 달성했습니다. 이들은 매출 대비 비용을 약 25% 절감하는 동시에, 자동화할 수 있는 업무 비중을 줄이고 더 많은 시간을 전략적인 통찰력을 얻는 데 사용하고 있습니다.

재무 부문은 분명 더 효율화 되었지만, 더 적은 자원으로 더 많은 성과를 내라는 시장의 압박은 오히려 더욱 거세지고 있습니다. 클라우드 기반 ERP, 통합 데이터 플랫폼, RPA(업무 자동화)와 같은 자동화 기술 및 현업 사용자 분석 툴 등 지금까지의 방식은 이제 한계에 부딪혔습니다. 디지털 전환을 이뤘고 효율성도 높였지만, 시장, 규제 기관, 투자자의 끊임없이 증가하는 요구를 감당하기엔 역부족입니다.

재무 분야의 다음 혁신은 또 다른 시스템 도입이 아닌, 일하는 방식의 완전한 재설계입니다. AI 에이전트가 산업 전반의 업무 방식을 바꾸고 있으며, 재무 부문은 바로 현재 그 변화의 중심에 있습니다. 인간의 전문성과 AI의 실행력을 결합할 때, 재무 부문은 역량의 한계를 극복하고 더 빠른 속도로 통찰력을 제공하며, 높아지는 시장의 요구에 한발 앞서 대응할 수 있습니다. 강력한 디지털 기반이 이미 마련된 지금, 기회는 명확합니다. 이 기회를 신속하게 포착하는 리더십이 필요한 때입니다.

AI 에이전트는 마치 한 명의 직원처럼 작동합니다. 지능적이고 자율적으로 움직이며, 때로는 팀을 이뤄 협력합니다. 각 에이전트에게 회계 담당자, FP&A 분석가, 컴플라이언스 전문가 등 구체적인 역할을 부여하고, 그 역할에 필요한 기술과 데이터 접근 권한을 주면 됩니다.

"송장과 PO를 대조하라" 또는 "현금 흐름을 예측하라" 같은 지시를 내리면, 여러 에이전트가 협력하여 과제를 완수합니다. 이들은 과거의 작업과 결과를 모두 기억하며, 사람의 피드백과 예외 처리를 통해 스스로 학습합니다. 마치 사람이 경험을 쌓듯, AI 에이전트도 업무를 거듭할수록 더욱 정교해지고 새로운 해결책을 찾아냅니다.

PwC의 workforce AI task analyzer를 통해 재무 부문의 40개 이상 핵심 프로세스를 분석한 결과, 재무 업무는 인간 주도, AI 보조, AI 완전 자동화와 같은 세 가지 유형으로 명확히 구분되었습니다.

핵심은 이것입니다. AI 에이전트는 적절한 거버넌스 하에서 Shared Service Center의 거의 모든 단순 반복 업무를 사람의 개입 없이 처리할 수 있습니다. 전문가 조직(Center of excellence)에서는 고급 분석 업무를 강력하게 보조합니다. 본사 재무팀이나 현업과 밀접한 사업부 재무팀의 경우, AI 에이전트가 이들의 전략적 의사결정 지원이나 현업 지원 기능을 더욱 강화 시켜 줍니다. 어떤 작업이든 AI는 정형화된 반복 업무에서 인력을 해방시켜, 더 높은 부가가치를 창출하는 전략적 업무에 집중할 수 있는 시간을 벌어줍니다.

AI가 주도하는 업무 방식은 이렇습니다. PO 처리 및 매칭 작업에서 AI 에이전트는 거의 모든 작업을 빠르고 정확하며 대규모로 수행합니다. AI 에이전트는 추가적인 비용 없이 처리 시간을 최대 80%까지 획기적으로 단축시키면서, 동시에 감사 기록은 더 강화하고 규제 리스크는 낮춥니다.

재무 담당자가 검토 대상 송장을 선택하면 첫번째 AI 에이전트는 즉시 핵심 정보를 추출하고, 두번째 AI 에이전트는 관련 계약서를 찾아냅니다. 세번째 AI 에이전트는 계약 조건과 송장 내용을 비교해 불일치 내역을 표시합니다. 네번째 AI 에이전트는 추가 확인이 필요한 사항에 대한 이메일 초안을 작성합니다. 사람은 이 모든 과정이 끝난 뒤, AI가 작성한 이메일 초안을 최종 검토하고 발송하거나, 필요한 경우 발생한 이슈에 대한 검토를 추가적으로 수행하고 상위 담당자에게 보고합니다. 

AI가 이런 반복 업무를 처리하는 동안, 사람들은 고부가가치 업무에 집중합니다. 사람들은 다른 AI 에이전트와 협력하여 특정 공급업체의 성과를 다각도로 검토하고, 반복적으로 발생하는 과다 청구나 규정 위반 사례의 근본 원인을 분석합니다. 이를 토대로 계약 재협상을 준비하거나, 계약 시스템 자체의 프로세스를 개선하는 데 기여합니다. 그 결과는 단순한 효율성 향상을 넘어, 실질적인 비용 절감과 공급업체 관리 수준 향상으로 이어집니다.

더 복잡한 재무 업무에서도 AI는 사람을 대체하는 것이 아니라, 사람과 긴밀하게 협력합니다. AI가 일상적인 데이터 취합과 예측을 맡으면 사람은 더 중요한 의사결정에 집중할 수 있습니다.

자금 운영이 좋은 예입니다. AI 에이전트는 법인의 현금 잔액을 자동으로 취합하고, 단기 현금 유입/유출을 예측합니다. 이를 통해 잠재적인 잉여 현금이나 부족분을 사전에 파악하여 알려주고, 자금 이체나 단기 투자를 추천하며, 완료된 거래를 기록하고 예측 모델을 스스로 업데이트합니다.

재무 부서는 AI가 도출한 이 예측 자료를 바탕으로, 자본 배분 전략을 고도화하고, 현금 보유 기준을 조정하며, AI가 발견한 패턴에 기반해 투자 정책을 업데이트합니다. 또한 AI가 생성한 포지션 분석을 활용하여 그룹사 자금 풀링(Pooling), 스위핑(Sweeping), 내부 대출 전략을 최적화합니다. 확보된 시간과 양질의 데이터를 통해 영업팀이나 고객 관리팀에 더 강력한 재무적 조언을 제공할 수도 있습니다.

지금까지 살펴본 송장 처리와 자금 운영은 AI가 어떻게 고부가가치 반복 업무를 자동화하고 복잡한 분석을 돕는지 보여주는 두 가지 사례에 불과합니다. AI는 이 밖에도 대금 회수 관리, 분개 생성, 공급업체 위험 모니터링, 재무 마감 등 재무의 모든 영역을 혁신하고 있습니다.

AI 에이전트가 즉각적인 성과를 내는 비결은 확장성과 현업 친화성에 있습니다. 재무팀 현업 담당자가 직접 에이전트를 만들고 수정할 수 있기 때문입니다. 새로운 업무 프로세스를 만들 때도 기존의 코드와 설계 구조를 재사용할 수 있습니다. 이미 고도화된 IT 인프라를 갖추고 있다면 몇 주 안에도 그 효과를 체감할 수 있으며, 몇 달 안에 완전히 새로운 AI 기반 업무 환경을 가동할 수 있습니다.

1. 현재 환경을 진단하십시오. 
   많은 재무 조직처럼 다각도로 연결된 데이터 플랫폼이 이미 잘 갖춰져 있다면 30일 이내에도 가시적인 성과를 낼 수 있습니다. 그렇지 않더라도 성과를 내는 데 오랜 시간이 걸리지는 않지만, 약간의 사전 준비가 필요할 수 있습니다.
2. 모듈형으로 설계하고 재사용하십시오. 
   AI는 활용 범위가 넓기 때문에, 특정 부서에만 한정된 업무 프로세스의 개선에 그쳐서는 안 됩니다. 업무 프로세스 전반에 걸쳐 코드와 에이전트를 재사용할 수 있는 모듈형 구조를 채택해야 신속한 확장과 비용 절감이 가능합니다.
3. 통합 관리와 감독이 용이하도록 하십시오. 
   AI 에이전트 하나는 보통 하나의 단순한 작업만 잘합니다. 진정한 가치는 이 수많은 에이전트를 하나의 업무프로세스로 묶어내는 통합 관리 역량에서 나옵니다. PwC의 agent OS  처럼, 감독 기능이 내장된 사용하기 쉬운 플랫폼을 통해 이 모든 것을 손쉽게 관리할 수 있어야 합니다.
4. 구성원에게 AI와 함께 일하는 문화를 제시하십시오. 
   PwC의 ‘2025 Global AI Jobs Barometer’에 따르면, AI는 구성원의 가치를 더욱 높여줍니다. 단, AI를 효과적으로 감독하는 방법과 같은 새로운 기술을 익히고, AI 에이전트와 함께 일하는 문화를 받아들일 때 가능합니다.