재무팀에서 'AI가 숫자를 계산하게 하자'는 출발점은 위험합니다
재무는 정확성이 핵심입니다. McKinsey 역시 생성형 AI의 finance 활용에서 hallucination과 데이터 정확성을 주요 우려로 지적합니다. 숫자의 원장을 AI가 임의로 만드는 구조보다, 확정된 데이터를 찾고 설명하고 정리하는 일부터 시작하는 편이 낫습니다.
2024년 McKinsey CFO pulse에서는 AI를 이미 사용하는 finance function 응답자의 71%가 직원 생산성 향상을, 54%가 의사결정을 위한 데이터 활용 개선을 보고했습니다.
첫 자동화 후보 1 — 자료 수집
월마감 때 각 부서에 같은 자료를 요청하고, 도착 여부를 확인하고, 파일명을 바꾸고, 폴더에 넣는 일입니다. 판단은 거의 없지만 매달 반복됩니다.
요청 발송 → 미제출자 리마인드 → 첨부 저장 → 제출 현황 업데이트까지 연결하면 사람은 누락과 예외만 보면 됩니다.
후보 2 — variance 설명의 첫 초안
실적과 예산 데이터를 시스템에서 확정한 뒤 큰 차이가 난 계정만 추리고, 관련 코멘트와 과거 설명을 모아 초안을 만들 수 있습니다. AI가 숫자를 결정하는 것이 아니라 이미 확정된 숫자에 대한 조사 범위를 좁히는 방식입니다.
후보 3 — 계약·증빙 검색
'이 비용의 계약서 어디 있지?', '지난번 단가는 얼마였지?' 같은 검색은 재무·구매팀 시간을 조용히 소모합니다. 접근권한을 지키면서 문서와 메일의 검색·요약 레이어를 만드는 것이 실용적입니다.
처음부터 맡기지 말아야 할 영역
- 최종 분개와 지급 승인
- 세무·회계 판단의 최종 결론
- 근거 없이 숫자를 생성하는 forecast
- 통제 없이 외부로 나가는 재무정보
여기에는 검증 가능한 데이터 소스, 승인권자, audit trail이 먼저 필요합니다.
CFO가 볼 ROI는 시간만이 아닙니다
월마감 일수, 자료 요청 횟수, 재작업 건수, 오류율, 담당자별 업무 편차, 핵심 분석에 쓰는 시간을 같이 보세요. 10시간을 줄였지만 검증에 9시간이 추가되면 자동화가 아닙니다.
재무 AI의 좋은 시작은 '숫자를 AI에게 맡기는 것'이 아니라 '사람이 숫자에 도달하기까지 하는 반복 작업을 없애는 것'입니다.
근거: McKinsey, Generative AI in finance (2024); McKinsey CFO pulse, CFOs counting on gen AI (2024).