“자동화 아닌 의사결정을 지원하는 AI로 재무 고민 해결”

“재무 업무에서 다양하게 겪고 있는 반복되는 고민들이 있습니다. 예를 들면, 매출이나 비용 예측 정확도가 떨어진다거나 재무 보고서를 작성하는 데 시간이 너무 과다하게 소요된다든지, 또는 전사 데이터를 종합적인 관점에서 분석하는 데 한계에 부딪히기도 합니다. 이러한 문제들을 해결하는 데 AI를 활용하지만 우리가 생각하는 자동화만으로 이런 문제를 해결하기는 쉽지 않습니다.”

15일 그랜드 인터컨티넨탈 서울 파르나스에서 열린 ‘SAP 나우 AI 투어 코리아’ 행사에서 육지현 SAP코리아 파트너는 이같이 말하며, “SAP는 다양한 솔루션에 내장된 형태의 AI 시나리오를 통해 다양한 업무를 개선할 수 있도록 지원하고 있다”고 강조했다.

‘AI로 다시 설계하는 재무의 미래 : 결산부터 보고까지’를 주제로 발표한 육지현 파트너는 “이제는 AI에게 인사이트를 제공받고, 의사결정을 지원하는 똑똑한 파트너로서의 역할을 점점 더 기대한다”며 비즈니스 전반에 걸친 AI 에이전트 기능 사례를 소개했다.

이날 육 파트너는 재무 부서 고객들이 겪고 있는 페인포인트 사례와 SAP를 활용한 해결책을 공유했다.

사례1 – 규정 미리 학습한 AI가 검토 및 제안

첫 번째 사례에 따르면 재무팀은 결산 시기에 반복되는 작업과 업무 양으로 야근을 하는 경우가 잦다. 재무 팀장급에서는 업무 구조를 개선해야 한다는 생각이 있어도, 익숙한 방식을 선호하는 경우가 많다. 바빠서 업무 구조를 바꾸지 못하는 건지, 방식을 바꾸지 않아서 바쁜 건지 생각해야 할 때다.

결산 과정을 살펴보면, 수작업으로 진행해 오류가 생기거나 각 부서별 데이터가 단절돼 업무가 지연되는 경우가 있었다. 마감 후에 결산 정보를 취합하고, 수기로 데이터를 정리해 결산 데이터를 확인하기 때문이다. 실제 시스템에 반영하고 정산하기까지 많은 시간이 소요된다.

육 파트너는 내장된 “AI 시나리오를 통해 결산 조정에 필요한 항목들을 카테고리로 세분화해 정산 방식이나 회계 처리에 사용되는 계정, 콜센터 등을 포함해 보여준다”며 “SAP 시스템에 정보를 업로드하면 AI가 작업을 할 수 있다”고 설명했다.

예를 들어, AI는 회계 처리 기준에 따라 판매 수수료를 비용으로 처리할지 혹은 자산화할지 제안을 할 수 있다. 사업부별로 기준이 다르면, 기준을 나누어 주기도 한다. 사내 규정을 위반하지 않는지, 계산은 정확하게 되었는지 검증하기 위한 승인 절차를 적용할 수 있다. AI로 생성한 전표를 확인하고 확정하기 전에 시스템에서 확인할 수 있다. 이를 통해 더 빠르게 결산 목표에 도달할 수 있다.

이 모든 과정은 회사 결산 규정을 미리 시스템 업로드하고 AI가 이를 바탕으로 분석 및 제안을 하기 때문에 가능하다.

사례2 – AI 에이전트로 대화하듯 출장비 정산

두 번째는 출장 다녀온 후 경비를 정산하고 청구하는 과정에서 어려움을 겪는 사례를 소개했다.

출장을 다녀오면 재무팀은 숙박비, 교통비, 식비 등 경비 영수증과 내부 규정에 따른 금액을 초과하는 지 여부 등을 확인해야 한다. 금액이 클 경우 사전에 승인을 받았는지, 실물 영수증이 없어 사진으로 제출할 경우 금액과 날짜가 보이는 지 등 다양한 경우가 존재한다. 출장을 다녀오면 제출자와 검토자 모두 비효율적인 과정이 반복된다.

육 파트너는 SAP 시스템으로 출장 요청부터 정산까지 AI로 도움을 받을 수 있다고 설명했다.

예를 들면, 출장자는 예약이 필요한 항목인 항공편, 호텔 등 입력을 하면 AI가 사내 규정 등을 참고해 비용을 최적화해 알려준다. 따라서 사전에 계획된 비용을 요청하기 전에 미리 확인할 수 있다. 출장을 다녀온 후에는 AI 에이전트인 쥴(Joule)에 대화하듯 경비 사용 내역 정리를 요청할 수 있다. 출장자는 미리 요약된 정보를 통해 출장 기간 내 사용한 총 비용이나 누락된 비용 등을 확인할 수 있다. 시스템에서 자동으로 비용 규정을 확인한 후에 수정하라는 제안을 하고, 증빙 업로드 가이드를 주기도 한다. 절차가 모두 끝나면 쥴이 사내 규정을 모두 고려해 비용 제출을 완료해 준다.

육 파트너는 “AI 시나리오를 활용해보면 대화형으로 빠르고 정확하게 비용 청구를 할 수 있고, 비용 규정을 준수해야 하는 그런 리스크도 최소화할 수 있는 개선점이 이뤄지게 된다”고 강조했다.

사례3 – 한눈에 읽는 데이터로 인사이트 도출

마지막 사례에서는 각 부서별 데이터 형식이 달라 취합이 어려워 결산 보고서 작성이 늦어지는 페인포인트를 소개했다.

한 기업 내에서 매출은 영업 파트, 유동성은 자금 파트 등 데이터가 분산되어 관리되고, 데이터 간 형식이 맞지 않아 수작업으로 데이터를 연결하고 수정하는 과정의 비효율성을 짚었다. 최고재무책임자(CFO) 같은 임원이 바로 데이터를 확인하고 기업의 흐름을 보고 싶어도 예측 데이터 산출에 시간이 오래 걸리게 된다는 이야기다.

시장 예측은 빠르게 보고서가 나와야 중요한 의사결정을 신속하게 할 수 있다. 데이터가 흩어져 있으면 유의미한 데이터를 만드는 데에 시간이 오래 걸린다. 육 파트너는 “SAP는 이런 문제를 해결하기 위해 세 가지 기반을 제공한다”고 덧붙였다.

그가 말하는 기반은 ▲비즈니스 코어 데이터를 담고 있는 클라우드 어플리케이션 ▲다양한 소프트웨어 데이터를 연결하는 비즈니스 데이터 클라우드 ▲높은 퀄리티의 데이터를 기반으로 다양한 예측 정보를 제공하는 AI 시나리오 등이다. 이 세 가지 기반으로 전사적인 관점의 분석을 할 수 있다.

예를 들어, 현금 유동성은 다양한 정보가 필요하다. 채권, 채무, 재고, 자산 등 각각의 지표들이 각기 흩어져 있으면 재무 흐름을 한눈에 파악하기 어렵다. 또, 이러한 정보를 취합해 의사결정을 할 때 잘못된 방향으로 갈 위험도 존재한다. 육 파트너는 “이런 데이터들을 한눈에 확인하고 분석하기 위해 인텔리전트 애플리케이션을 제공하는 것”이라고 설명했다.

사용자는 대시보드를 통해 순 운전자본 분석, 채권 및 채무 재고 데이터 취합을 통한 현금 회수 주기 확인 등이 가능하다. 세부 대시보드에서 현금 DSO(매출채권 회전일수)의 적시 지급 비율 등 정보를 파악할 수 있다. 재고 대시보드의 경우 재고 수준이 일정하지만 재고 회전률이 낮아지고 있다는 등 과잉 재고 여부를 확인할 수 있다.

이러한 표준 데이터를 기반으로 예측 대시보드 구축도 할 수 있다. 머신러닝 모델을 기반으로 연령별 또는 고객 단위 연체 예상 채권 금액을 차트 형태로 보여주거나 연체 위험도가 높은 항목들을 분석할 수 있다.