AI 시대, 재무팀은 왜 여전히 수작업에 갇혀 있을까?

안녕하세요, AI 재무 인프라 솔루션 포트원입니다.

엔터프라이즈 자동화 기업 Redwood Software와 SSON이 발표한 "2026 R2R Efficiency Mirage" 리서치에 따르면, 재무 조직의 92%가 마감 과정에서 여전히 상당한 수작업을 거치고 있으며, 전표 발행(84%)과 대사(69%)가 가장 큰 수작업 부담으로 꼽혔습니다.

이런 수작업 부담을 AI로 덜고 싶어 하는 재무팀은 많지만, 정작 무엇부터 시작해야 할지 답하는 곳은 드뭅니다. 포트원은 이 출발점의 부재를 해결하는 재무팀의 전환 과정을 "Finance AX"라 부르며, 이 글에서 그 개념과 작동 방식부터 재무팀이 실제로 맞이하는 자동화 영역을 설명합니다.

영업과 마케팅은 이미 AI로 콘텐츠를 생성하고 고객 응대를 자동화하는 시대인데, 재무팀만큼은 여전히 엑셀 대사표와 수작업에 의존하고 있습니다. 이런 수작업은 재무 업무 자체의 특성에서 비롯됩니다. 회계, 자금, 내부통제 등 어떤 재무 업무라도 결국 원천 데이터를 모으고 맞추는 일에서 출발하기 때문에, 재무팀은 구조적으로 다른 어떤 부서보다 많은 데이터를 다룰 수밖에 없습니다.

문제는 이 방대한 데이터가 하나로 모여 있지 않다는 점입니다. 카드 매출과 환불, PG 정산내역, 마켓플레이스 정산, 은행 입출금, 세금계산서가 각기 다른 포맷과 주기로 흩어져 있어, 결국 사람이 엑셀로 하나씩 맞춰야 하는 구조가 됩니다. 이 대사 과정에서 에러 하나가 생기면 매출 인식 전체가 흔들릴 수 있습니다.

ERP는 바로 이 문제를 풀기 위해 도입됐지만, 여전히 재무팀의 고통은 사라지지 않았습니다. ERP는 전표가 입력된 이후의 정합성은 지켜주지만, PG사·마켓플레이스·은행처럼 서로 다른 포맷으로 쏟아지는 원천 데이터를 스스로 모으고 맞추지는 못하기 때문입니다. 그래서 채널이 하나 늘 때마다 ERP에 입력하기 전 단계의 수작업도 함께 늘어나고, 그 노하우는 담당자 개인의 머릿속에만 쌓여 담당자가 바뀌면 함께 사라집니다.

흩어진 원천 데이터와 담당자 개인에게 종속된 노하우 등의 문제를 풀기 위해서는 데이터를 자동으로 연결하고 그 맥락까지 이해하는 시스템이 필요합니다. 이 역할을 AI 에이전트에게 맡기며 재무 조직 전체가 AI-native 구조로 재편되는 과정을 포트원은 "Finance AX"라고 명명합니다.

Finance AX는 재무팀이 단순히 AI 도구를 도입하는 것과는 다릅니다. 특정 업무에 챗봇이나 자동 분류 기능을 붙이는 것이 아닌, 회계·자금·내부통제·세무를 아우르는 전체 프로세스와 의사결정 구조 자체가 AI 기반으로 재설계되는 것이 바로 Finance AX입니다. 이 전환이 이뤄지면 사람은 예외 처리와 전략적 의사결정에만 집중하게 됩니다.

AI 에이전트가 대사와 마감을 대신하려면 먼저 데이터가 서로 어떤 관계인지 이해해야 하는데, 기존 데이터베이스는 이 관계를 담지 못합니다. 테이블에 저장된 값만으로는 이 정산 건이 어느 계약에서 나왔고 어떤 수수료 규칙이 적용됐는지 알 수 없기 때문에, 불일치가 생겨도 "불일치입니다"라는 사실만 알려줄 뿐 그 이유는 설명하지 못합니다. Finance AX가 이 한계를 넘어서기 위해 쓰는 구조가 바로 Finance Ontology입니다.

온톨로지는 데이터를 테이블 단위로 쌓아두는 대신, 데이터 간의 관계와 맥락을 구조화합니다. 계약(Contract)은 주문(Order) 생성의 기준이 되고, 주문은 정산(Settlement)의 원천이 되며, 정산은 지급(Payout) 계산의 근거가 되고, 지급은 은행 계좌와 대사됩니다. 이 흐름 전체가 Audit Log로 기록되어 ICFR 감사 추적의 근거가 됩니다.

예를 들어 A마켓과 B마켓이 똑같이 수수료 3%를 적용하는데도 정산 금액이 다르다면, 기존 DB는 이 차이를 '불일치'로만 표시합니다. Finance Ontology는 계약 조건과 정산 데이터의 관계를 따라가 '쿠폰 적용 방식의 차이'라는 원인까지 추적하며, 이 구조 덕분에 AI 에이전트는 정산 로직이 바뀌어도 개발자의 코드 수정 없이 계약서를 읽고 자동으로 반영할 수 있습니다.

그렇다면 재무팀은 실제로 무엇부터 시작할 수 있을까요? 포트원이 재무 담당자를 대상으로 진행한 설문조사에서 가장 많은 시간을 쓴다고 답한 업무는 '채널별 정산 데이터 대사'와 'ERP 데이터 입력·검증'이었습니다.

Finance AX는 바로 이 지점부터 자동화를 시작합니다. PG사, 마켓플레이스, 자사몰마다 정산 데이터의 포맷과 주기가 다르기 때문에, 데이터 통합 단계에서는 이 포맷을 자동으로 매핑하는 작업이 먼저 이뤄지고, 신규 채널이 추가돼도 담당자가 매번 연동 로직을 새로 짤 필요 없이 온보딩 자체가 자동화됩니다. 이렇게 통합된 데이터 위에서 대사 자동화가 뒤따르며, 불일치가 발생하면 과거 패턴을 근거로 원인을 예측하고 해결 방안까지 제시합니다.

대사가 끝난 데이터는 곧바로 '마감 자동화'로 이어집니다. 에이전트가 대사 결과를 바탕으로 계정과목을 분류해 ERP 전표를 자동으로 생성하기 때문에, 담당자의 역할은 전표를 직접 작성하는 것에서 생성된 전표를 확인하고 승인하는 것으로 바뀝니다.

매출채권 관리에서도 같은 원리가 적용되어, 인보이스 생성부터 세금계산서 발행, 입금 대사, 미수금 Aging 관리까지 하나의 흐름으로 자동 처리됩니다. 송금과 정산 자동화에서는 이상 송금 패턴을 사전에 감지해 오송금 리스크를 줄이고, 계약 조건이 바뀌면 그 변경 사항이 정산 로직에 자동으로 반영됩니다.

이렇게 실무 프로세스가 자동화되고 나면, 그 위에서 '통제'와 '예측'이라는 상위 기능도 함께 작동합니다. 내부통제 영역에서는 금액 쪼개기나 특정 벤더로의 비정상적 송금처럼 사람이 놓치기 쉬운 복합 패턴을 에이전트가 탐지합니다. 또한 매출채권, 송금 데이터에 CRM의 계약 데이터까지 결합해 미래 현금흐름을 예측하며, CFO는 대시보드를 통해 자연어로 질의하기만 해도 즉시 데이터를 조회해 의사결정에 중요한 근거를 빠르게 확보할 수 있습니다.

앞서 설명한 자동화가 실제로 적용되면, 재무팀의 일하는 방식이 영역별로 눈에 띄게 달라집니다. 대사는 매일 수작업으로 맞추던 방식에서 에이전트가 자동으로 대사하고 예외 건만 사람이 검토하는 방식으로 바뀝니다. 월 마감은 팀 전체가 투입되어 밤을 새우던 D+15에서, 담당자가 결과만 확인하는 D+3 수준으로 단축됩니다.

이 변화는 이론이 아니라 실제 도입 사례로도 확인됩니다. Amazon과 Shopify 등 복수 마켓플레이스의 주문·정산 데이터를 담당자가 직접 엑셀로 취합해 SAP에 수동 업로드하던 K-뷰티 기업은, 주문과 정산 데이터를 자동으로 대사하고 SAP 전표를 AI가 생성하는 구조로 전환한 뒤 월 마감 소요 기간을 D+15에서 80% 가량 단축했습니다.

연간 6~7천 건의 강사 계약과 정산이 4개 시스템에 흩어져 있던 온라인 교육 플랫폼도, Ontology 기반 정산 스킴 자동화와 이상 정산 건 탐지 체계를 도입한 뒤 파트너 문의 대응 시간을 90% 절감했습니다.

지금까지 살펴본 것처럼, Finance AX는 재무팀에 AI 도구 하나를 얹는 일이 아니라 회계·자금·내부통제 전 과정이 AI 에이전트 기반으로 재설계되는 전환입니다.

그 출발점은 거창한 시스템 교체가 아니라, 지금 가장 많은 시간을 뺏고 있는 정산 대사나 ERP 입력 업무 하나를 온톨로지 구조 위에 올리는 것부터입니다.

관심은 있지만 어디서부터 시작해야 할지 막막하다면, 그 답을 다른 기업들의 실제 도입 과정에서 먼저 확인해보는 편이 도움이 될 수 있습니다. 포트원은 Finance AX의 구체적인 로드맵과 도입 사례를 다루는 웨비나를 준비하고 있습니다.

재무팀이 AI-native로 전환되는 과정을 단계별로 확인하고 싶은 분들이라면, 웨비나에서 더 자세한 인사이트를 확인해보시길 추천드립니다.