AI가 재무금융을 변화시키는 방법

1. 재무 예측 및 계획 수립

AI는 예측 분석(predictive analytics)을 통해 재무 예측 및 계획 프로세스를 혁신하고 있습니다. 예측 분석은 기업에서 추세, 상관관계, 인과관계를 파악하기 위해 사용하는 데이터 분석의 한 유형입니다. 데이터, 통계 알고리즘, 머신러닝을 사용하여 과거 데이터 및 현재 추세를 분석하고, 분석 결과에 기반하여 미래의 성과를 예측하는 기법입니다.

재무팀은 예측 분석을 사용하여 자사의 과거 데이터 및 보다 광범위한 업계 단위의 데이터를 바탕으로 미래 현금 흐름을 예측할 수 있습니다. 기존의 재무 예측 기법은 상황 변화에 따른 수동 조정이 필요하지만, AI 기반 예측은 신규 데이터에 기반한 자동 재조정을 지원하므로 재무 예측 및 계획의 관련성, 정확성을 지속적으로 유지할 수 있습니다. 생성형 AI를 활용하여 예측 모델이 생성한 예측 내용을 설명하고, 예측에 활용된 주요 요소를 강조해 주는 맥락 기반 해설을 자동으로 생성할 수도 있습니다.

2. 규제 준수

전 세계 규제 기관의 보고 요건이 갈수록 복잡해짐에 따라 최근 몇 년 사이 기업들의 규제 보고 비용 및 자원 관련 부담이 급증했습니다. 기업은 관련 요구 사항을 충족하기 위해 상당한 시간 및 자원을 투입해야 합니다. AI를 활용하면 관련 워크로드 중 일부인 규제 준수 모니터링, 감사 정보 관리, 법정 보고서 작성 등을 자동화할 수 있습니다.

규제 준수에 특히 유용한 기술은 자연어 처리(NLP)입니다. NLP는 컴퓨터에게 인간의 언어를 이해하고 생성하기 위한 기능을 더해 주는 AI의 한 분야입니다. NLP는 대량의 텍스트 데이터에 대한 구문 분석을 신속히 수행하여 원시 텍스트 또는 음성을 의미 있는 인사이트로 변환할 수 있습니다. 긴 문서, 계약서, 정책 및 기타 텍스트 소스를 분석하여 중요한 정보, 관련 변경 사항, 규제 준수 관련 잠재적 위험 요인 등을 추출할 수 있습니다. 또한 NLP는 사전 설정된 기준에 따라 문서를 자동으로 분류할 수 있으므로 보다 효율적인 문서 관리에도 기여합니다.

3. 현금 흐름 최적화

효과적인 현금 흐름 관리는 CFO 및 산하 재무팀의 우선순위 목록에서 항상 높은 순위를 차지하는 과제입니다. 그리고 AI가 현금 흐름 최적화를 위한 유용한 도구라는 사실이 점차 입증되고 있습니다. 현금 흐름 관리에는 대량의 데이터가 필요하므로 대부분의 재무 전문가들이 기존의 도구를 사용하여 현금 및 유동성에 대한 통합 뷰를 구축하는 데에는 하루 이상의 시간이 필요합니다. 그럼에도 예측 결과에 오류가 포함될 가능성도 존재하며, 금방 쓸모없게 될 수도 있습니다.

예측 분석 및 머신러닝을 사용하면 기업이 과거와 현재의 모든 관련 소스로부터 데이터를 취합하고, 미래 현금 흐름을 지속적으로 예측하는 과정을 자동화할 수 있습니다. 따라서 보다 신속 정확한 현금 흐름 예측이 가능해지고, 기업은 건전한 유동성 수준을 유지하기 위한 선제적인 조치를 취할 수 있게 됩니다. 예를 들어, 잉여 현금이 발생할 것이 예측된다면 공급업체와의 조기 결제 할인을 활용하거나, 자사의 비즈니스에 재투자할 수 있는 분야를 미리 파악할 수 있습니다. 현금이 부족할 것으로 예측된다면 현재의 대출 포지션을 재평가하거나 자회사 간 외환 이체를 수행할 수 있습니다. 또한 재무팀은 AI를 활용하여 시장 상황, 결제 내역 등의 다양한 요인을 바탕으로 공급업체를 선정하고, 적절한 조기 결제 인센티브를 적용함으로써 운전자본을 최적화할 수도 있습니다.

4. 경비 관리

경비 관리는 모든 관계자들에게 까다로움을 안겨줍니다. 직원들이 경비 정책 규정을 준수하기 위해 영수증을 직접 수집하고, 양식을 작성하고, 경비 보고서를 제출하는 과정은 번거롭고 인적 오류가 발생하기 쉽습니다. 또한 재무팀이 직원들이 제출한 모든 지출 내역의 규정 준수 여부를 수작업으로 직접 확인한다는 것도 불가능한 일입니다. AI는 경비 관리를 가속화하고 복잡성을 완화시켜주는 할 수 있는 강력한 도구입니다. 예를 들어, 손글씨, 인쇄물 또는 텍스트의 이미지를 스캔하여 관련 정보를 추출하고 디지털화할 수 있는 AI의 한 종류인 광학 문자 인식(OCR)을 영수증 처리 및 경비 입력 작업에 사용할 수 있습니다. OCR은 업로드된 영수증 및 송장 이미지를 스캔하여 판매자 이름, 날짜, 총액과 같은 경비 보고서 필드를 자동으로 채워 줍니다.

경비 관리 분야에서의 AI의 역할은 여기서 끝나지 않습니다. 기업은 AI를 사용하여 경비 승인 워크플로를 자동화하고, 사전 설정된 규칙에 따라 재무팀의 검토가 필요한 경비만 따로 표시하여 '예외사항만 직접 관리하는(manage-by-exception)' 문화를 도입할 수 있습니다. 또한, 경비 내역을 자동으로 분류하고, 각 경비 항목에 필요한 서류를 작성 및 제출하고, 회사의 규정 준수 정책에 대한 지침을 제공하며 직원들의 경비 처리 작업을 지원하는 AI 기반 경비 도우미도 갈수록 보편화되고 있습니다.

5. 작업 자동화

가장 일반적이면서도 가장 유용한 AI 활용법 중 하나는 작업 자동화입니다. AI는 많은 시간이 소요되던 여러 수동 재무 프로세스의 자동화에 도움을 줄 수 있습니다. 해당하는 작업 목록은 다음과 같습니다.

• 데이터 입력: 명세서, 송장, 영수증 및 기타 재무 문서에서 관련 정보를 추출하여 기업의 시스템에 입력합니다.
• 송장 캡처 및 처리: 종이 송장을 스캔, 분석, 디지털화합니다.
• 매칭 및 검증: 송장을 구매 주문서 및 배송 영수증과 대조하여 해당하는 서류들을 서로 매칭하는 작업을 자동화할 수 있습니다.
• 지불 실행: 현금 흐름 최적화를 위한 지불 일정 관리, 선호하는 지불 방법 선택, 자동 또는 최소한의 인력 개입을 통한 지불 실행 등의 기능을 제공함으로써 대금 지불 프로세스 간소화에 기여합니다.
• 조정: 지불 거래 및 은행 거래 명세서를 대조하여 금액 및 수취인이 일치하는지 확인하는 조정 프로세스를 자동으로 수행합니다.
• 계정 코드 조합 기본값 설정: PO가 없는 미지급금 인보이스 라인에서 계정 코드 조합의 세그먼트 값을 예측하고, 자동으로 기본값으로 설정합니다.
• 재무 마감 프로세스: 지능형 프로세스 자동화(IPA)를 활용하여 재무 결산을 위한 복잡한 통합 관리 절차를 자동화하고, 여러 시스템의 작업 상태를 일괄적으로 모니터링할 수 있습니다. IPA 시스템은 지속적인 자동화를 위한 새로운 규칙을 추천하고, 하위 작업이 완료되는 즉시 결산 프로세스를 자동으로 시작하고, 결산 캘린더를 자동으로 업데이트합니다.

대량의 반복적이고 일상적인 수작업에 고급 자동화 기술을 적용하면 시간 및 비용 절감, 오류 감소, 직원 만족도 향상(재무 담당자가 보다 전략적이고 부가가치가 높은 업무에 집중할 수 있으므로) 등의 다양한 이점을 얻을 수 있습니다.

6. 재무 보고 및 분석

AI는 재무 보고 및 분석 프로세스의 여러 측면을 자동화하고 개선하는 데 도움을 줍니다. 초기 단계에서는 다양한 데이터 소스로부터 관련 재무 정보를 추출하는 작업을 지원합니다. 다음으로 AI는 수집한 정보로부터 오류, 불일치, 누락된 값 등을 식별하고, 재무 담당자에게 주의가 필요한 부분을 안내함으로써 재무 데이터의 정리 및 처리에 기여합니다.

마지막으로 AI는 데이터를 사용하여 손익계산서, 대차대조표, 현금흐름표와 같은 재무제표를 생성하고, 재무제표 내용에 기반한 핵심 성과 지표(KPI), 추세, 관찰 내역 등이 포함된 보고서 형식으로 변환할 수 있습니다. AI는 규제 보고에도 도움이 될 수 있습니다. 생성형 AI는 재무팀에서 제공한 데이터를 분석하여 보고 양식을 자동으로 채워 주므로 직원들은 양식을 검토 및 승인하기만 하면 됩니다.

생성형 AI를 사용하면 각각의 재무제표 및 데이터에 대한 설명을 자동으로 생성하여 숫자에 맥락을 더해 주는 내러티브 보고서를 작성할 수 있습니다. 각주 및 경영진 토론 및 분석(MD&A)을 포함한 10-Q 및 10-K 보고서의 초안 작성에도 생성형 AI를 사용할 수 있습니다.

1. 효율성 및 생산성 향상

AI를 활용하여 재무 부서의 효율성과 생산성을 높일 수 있는 방법은 이미 여럿 존재하며, AI는 그 외에도 재무 분야를 위한 많은 이점을 제공합니다. AI를 활용한 데이터 수집, 통합, 입력 등 수많은 재무 프로세스의 자동화는 이미 검증된 활용 방식입니다. 자동화는 재무팀의 역할을 과거 성과 보고로부터 기업에 도움이 되는 분석과 예측을 제공하는, 보다 미래지향적인 조직으로 전환하는 데 도움을 줍니다.

그러나 이는 재무 부서의 AI를 활용한 효율성 및 생산성 향상의 시작에 불과합니다. 예를 들어, 재무팀은 정보를 더 쉽게 검색하고, 관계자 간 지식 격차를 완화하고, 각종 업무를 처리하기 위한 목적으로도 생성형 AI를 활용하고 있습니다. 관련 사용 사례로는 작문 지원, 요약, 분석, 챗봇 등이 있습니다. Boston Consulting Group과 MIT Sloan이 함께 수행한 2023년 연구 결과에 따르면, 생성형 AI를 사용한 고숙련 직원의 업무 성과는 사용하지 않은 직원 대비 최대 40% 향상되었습니다. PwC의 2024년 보고서에 따르면, CEO 중 60%가 생성형 AI를 활용한 효율성 향상을 기대하고 있다고 답했습니다. NVIDIA가 글로벌 금융 서비스 전문가 400명을 대상으로 수행한 2024년 설문조사에 따르면, 응답자들이 가장 많이 선택(43%)한 AI의 이점은 "운영 효율성 창출"이었습니다.

2. 고객 경험 및 고객 유지율 향상

AI는 기업이 고객과의 다양한 접점을 통해 개인화되고, 능동적이고, 통합된 상호작용을 제공함으로써 고객 경험 및 유지율을 향상시킬 수 있도록 지원합니다. 개인화는 그 좋은 예입니다. Forrester의 2024년 보고서에 따르면, 설문조사에 참여한 경영진 중 42%는 고객 경험의 초개인화가 AI의 가장 중요한 사용 사례라고 답했습니다.

AI는 고객 데이터, 선호도, 행동을 분석하여 적합한 제품 추천, 콘텐츠 제안, 오퍼 등을 제공함으로써 기업의 향상된 개인화 구현을 지원합니다. 나아가 기업은 AI 기반 고객 세분화를 통해 마케팅 캠페인 및 프로모션을 위한 고객 타기팅을 개선할 수 있습니다. 또한 기업은 AI를 활용하여 고객의 개인적 선호사항, 시장 변화, 경쟁사 활동에 대한 실시간 인사이트 등을 바탕으로 고객별 가격 및 할인을 최적화함으로써 가격 책정 과정까지도 개인화할 수 있습니다.

고객의 미래 행동, 생애 가치, 심지어 이탈 가능성까지도 예측할 수 있는 예측 분석용 AI는 고객 유지를 위한 필수 요소가 되어가고 있으며, 기업은 AI 기반 예측을 활용하여 문제가 발생하기 전에 선제적으로 방지하는 작업에 노력을 집중하고 있습니다.

마지막으로, AI 기반 챗봇과 디지털 어시스턴트는 고객의 질문에 답변하고 24시간 내내 신속한 서비스를 제공함으로써 기업과 고객 간의 관계를 강화시켜 줍니다.

3. 오류 감소

재무용 AI는 특히 사람이 실수를 저지르기 쉬운 영역에서의 인적 오류를 줄이는 데 도움을 줍니다. 사람은 대량의 반복 작업을 수행할 때 종종 실수를 저지르지만, 컴퓨터는 그렇지 않습니다. AI 기반 고급 알고리즘, 데이터 분석, 자동화 등의 기능들은 데이터 입력, 재무 보고, 부기, 송장 처리 등의 영역에서 흔히 발생하는 오류의 식별 및 수정 작업에 기여합니다.

4. 비용 절감

AI의 비용 절감 능력은 이미 상당 부분 입증되었습니다. NVIDIA의 설문조사 결과에 따르면, 응답자 중 80% 이상이 AI 기능을 지원하는 애플리케이션을 사용함으로써 매출이 증가하고 연간 비용이 감소했다고 답했습니다. 또한 Bank of America는 2023년 10월 발간한 보고서를 통해 AI를 도입한 S&P 500 기업은 향후 5년 동안 약 650억 달러의 비용을 절감할 수 있을 것이라고 예측했습니다.

AI를 활용한 비용 절감 방식은 다양합니다. 업무 자동화는 확실한 비용 절감 전략입니다. 기업은 자동화를 통해 인건비를 절감하고, 인력 공백을 메우고, 생산성 및 효율성을 개선하고, 직원들이 보다 전략적이고 부가가치가 높은 활동에 집중하도록 지원할 수 있습니다. 또한 많은 기업들은 AI를 활용하여 보다 나은 인사이트를 확보하고, 의사결정을 개선하는 것도 비용 절감의 핵심 요인이라고 답했습니다. AI를 도입한 기업은 자사의 재고 수준 및 공급망 최적화, 사기 감지, 비용 절감 기회 파악, 리소스 할당 등의 작업을 보다 효율적으로 수행할 수 있습니다.

5. 의사결정 능력 향상

Oracle과 New York Times 베스트셀러 작가인 Seth Stephens-Davidowitz가 함께 진행한 2023년 연구 결과에 따르면, 비즈니스 리더들은 의사결정과 관련하여 여러 심각한 딜레마에 시달리고 있었습니다.

설문조사에 참여한 비즈니스 리더들 중에서,

• 74%는 지난 3년 동안 매일 내리는 의사 결정 건수가 10배 증가했다고 답했습니다.
• 97%는 의사결정 과정에서 데이터를 참고할 수 있기를 원했습니다.
• 93%는 올바른 의사 결정 인텔리전스가 조직의 성패를 좌우할 수 있다고 생각했습니다.
• 72%는 엄청난 데이터량 자체가 의사 결정의 방해 요인이 되는 경우가 있다고 인정했습니다.
• 89%는 갈수록 많아지는 데이터 소스가 조직의 성공을 제한했다고 답했습니다.
• 94%는 올바른 데이터 및 인사이트가 재무 부서의 의사 결정 개선에 도움이 될 수 있을 것이라고 생각했습니다.

데이터의 수집, 분석, 컨텍스트화 등 AI의 탁월한 데이터 관리 능력은 비즈니스 리더들이 이야기한 다양한 의사 결정 장애물 중 상당수를 제거하는 데 도움을 줍니다.

6. 위험 관리 개선

AI는 사기 감지에 특히 유용하게 사용할 수 있는 도구입니다. 관련 학습을 수행한 머신러닝 모델은 현재 및 과거의 거래 데이터를 함께 처리하여, 거래 패턴과 행동 패턴을 매칭함으로써 자금 세탁을 비롯한 악의적인 행위를 탐지할 수 있습니다.

또한 AI 기반 이상 감지 모델이 사기로 의심되는 거래를 식별하도록 학습시킬 수도 있습니다. AI 시스템이 다양한 거래를 지속적으로 학습하면 시간이 지날수록 어떤 이상 거래가 사기 거래인지 아닌지 파악할 수 있는 알고리즘이 강화되고, 결과적으로 오탐지 확률이 갈수록 줄어듭니다.

단시간 내로 대량의 데이터를 분석할 수 있는 AI의 능력은 재무팀의 유용한 자산입니다. AI를 활용하여 공급망, 운영, 금융 시장 분석 등 다양한 분야의 잠재적 위험을 신속히 파악할 수 있고, AI 기반 예측 모델링 기법을 사용하면 발생 가능한 결과별 가능성 및 영향을 더욱 정확히 분석할 수 있습니다.

7. 확장성

AI가 지금처럼 각광받고 광범위한 기업에서 활용 가능해진 가장 큰 이유는 바로 클라우드 기반 AI 플랫폼입니다. AI 시스템, 특히 생성형 AI는 많은 컴퓨팅 파워를 필요로 합니다. 모델도 자주 업데이트됩니다. 이상의 2가지 요인으로 인해 기업이 'AI를 구매'하여 자체 데이터 센터에서 직접 실행하기란 매우 어렵습니다. 반면 오늘날의 클라우드 컴퓨팅 플랫폼들은 AI 애플리케이션의 배포와 실행을 위한 확장 가능한 인프라 및 리소스를 제공하므로, 기업은 자사에 필요한 기능에 대한 비용만을 지불하고 별도의 패치 또는 소프트웨어 업데이트 작업 없이 모든 업데이트를 바로 이용할 수 있습니다. 클라우드 기반 ERP 시스템을 이미 사용 중인 기업의 경우, 같은 클라우드에서 AI 기술을 함께 사용하는 것이 큰 인센티브가 됩니다. ERP 시스템이 동일한 클라우드 인프라 상에 존재할 경우, AI 활용을 위해 데이터를 이동하고 준비하는 과정 중 많은 부분이 생략되기 때문입니다.