What building an AI-native finance function taught me
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 요약
AI 네이티브 재무의 핵심은 제로데이 마감과 연속 예측을 기반으로 사업 변화를 실시간에 가깝게 파악하고, 통제와 재무 책임을 유지하면서 더 빠르고 나은 의사결정을 지원하는 데 있다.
📌 핵심 요약
- OpenAI 재무팀은 빠르게 성장하는 회사를 소규모 인력으로 지원하면서, 수작업 중심의 마감과 예측을 재설계하기 위해 제로데이 마감과 자동화된 연속 예측을 장기 목표로 설정했다.
- 제로데이 마감은 지출 계획, 총계정원장 실적, 구매 주문, 미지급 비용, 거래 세부 정보를 지속적으로 조정해 실시간에 가까운 추적 가능한 재무 상태를 제공하려는 운영 모델이다.
- 연속 예측은 통계 모델뿐 아니라 영업 대화, 계정별 근거, 운영 데이터와 재무 판단을 결합하며, 변화의 원인과 여러 시나리오가 분기·연간 전망에 미치는 영향을 한 화면에서 검토하도록 설계되고 있다.
- 재무팀은 해커톤과 맞춤형 GPT, ChatGPT Work와 Codex를 활용해 정적 스프레드시트와 발표 자료를 실시간 대시보드 및 의사결정 도구로 전환하고 있으며, 비개발자 재무 담당자도 직접 도구를 만들고 있다.
- AI 활용의 성과는 좌석 수나 토큰 사용량이 아니라 유의미한 업무의 완료 여부, 검토와 재작업을 포함한 총비용, 결과의 사용 가능성, 처리 속도와 의사결정 품질로 측정해야 한다.
🧩 주요 포인트
- 분산된 재무 자료를 지속적으로 조정하고 예외만 부각하는 구조는 기간 종료 후 사업을 다시 복원하는 작업을 줄이고, 재무 인력이 판단과 승인에 집중하게 한다.
- 업무를 가장 잘 아는 재무 전문가가 직접 대시보드와 분석 도구를 만들 수 있게 되면서, 재무 전문성의 범위가 보고서 작성에서 의사결정 인프라 설계까지 확장된다.
- AI가 초안 작성과 분석을 빠르게 수행하더라도 출처 연결, 권한 제한, 승인 기준과 최종 책임을 명확히 해야 속도가 실제 운영 신뢰로 이어진다.
🧠 상세 정리
1. 실시간 재무로의 전환과 두 가지 목표
글은 재무의 기회를 장부를 더 빨리 마감하거나 예측을 자주 갱신하는 데 한정하지 않고, 사업이 변하는 순간을 파악해 리더가 더 일찍 행동하도록 돕는 데서 찾는다. 저자가 2년 전 OpenAI에 합류했을 당시에는 매우 빠르게 성장하는 회사를 지원하는 소규모 재무팀만 있었고, 팀은 기능 자체를 처음부터 구축하면서 AI를 업무와 의사결정의 기본 요소로 삼아야 했다. 그러나 실제 출발점은 자료 검색, 변동 설명, 의사결정 입력값 취합처럼 반복적이고 수작업인 마감·예측 업무였으며, 고도화된 AI 도구를 보유하고도 이를 중심으로 재무를 재설계하는 과정은 초기 단계였다. 이에 팀은 실시간에 가깝고 조정 완료된 추적 가능한 재무 상태를 제공하는 제로데이 마감과, 사업 변화 및 가능한 미래를 계속 반영하는 자동화된 연속 예측을 목표로 세웠다. 두 목표는 아직 완성되지 않았지만, 이미 팀을 정적 스프레드시트와 수동 증빙 검색, 발표 자료 중심의 업무에서 전체 사업 맥락과 데이터를 활용하는 실시간 도구 중심의 방식으로 이동시키고 있다.
2. 폭넓은 접근과 실제 문제 중심의 실험
첫 번째 교훈은 구성원 모두에게 안전하고 유용한 AI 접근 권한을 제공하되, 실제 업무 문제를 해결해야 할 이유와 구조화된 실험 기회를 함께 마련해야 한다는 것이다. OpenAI 재무팀은 영업 엔지니어가 참여하는 해커톤을 열고, 구성원들이 반복적으로 수행하면서 바꾸고 싶었던 업무를 직접 가져오도록 했다. 이 과정에서 투자자 관계 팀이 실사 질문에 답할 때 사용하는 승인된 자료를 근거로 삼는 맞춤형 GPT인 IR-GPT가 만들어졌고, 조달과 세무 영역을 위한 맞춤형 GPT도 구축하기 시작했다. 참가자들은 하루 동안 문제를 찾고, 해결책을 만들고, 동료와 시험한 뒤 개선할 수 있었으며, 현업 담당자는 유스케이스를 제시하고 기술 전문가는 구현 속도를 높였다. 저자가 제시하는 운영 원칙은 현장에 가까운 사람들이 더 나은 업무 방식을 발견하도록 하는 상향식 실험과, 사업에 가장 중요한 변화에 리더십의 관심과 자원을 집중하는 하향식 전략을 결합하는 것이다.
3. 의사결정을 기준으로 전체 업무 흐름 재설계
재무팀은 예측 검토 하나를 위해서도 최신 데이터를 찾고, 여러 스프레드시트를 조정하고, 차이를 설명하고, 차트와 문서를 만든 다음 이를 다시 발표 자료로 옮기는 데 많은 시간을 사용한다. 이 구조에서는 분석이 결국 의사결정자에게 도달하더라도, 그 전에 팀의 역량 상당 부분이 입력값을 조립하는 작업에 소모된다. AI가 바꾸는 것은 개별 작업의 속도만이 아니라 원천 데이터에서 최종 결정에 이르는 전체 업무 단위이며, 따라서 단편적인 자동화보다 전체 경로의 재설계가 필요하다. 글은 먼저 중요한 의사결정을 정한 뒤 역방향으로 필요한 데이터, 도구, 승인과 인계 절차를 연결하고, 그중 AI가 분석하거나 조정하거나 완료할 수 있는 부분을 구분하라고 제안한다. 이 방식은 산출물 하나를 더 빨리 만드는 데 그치지 않고, 근거 수집부터 검토와 승인까지 포함하는 전체 의사결정 주기의 속도와 품질을 개선하는 것을 목표로 한다.
4. 제로데이 마감의 구조와 재무 책임
기존 월별 마감에서는 실적이 한 시스템에, 구매 주문이 다른 시스템에, 미지급 비용이 스프레드시트에 있고, 차이에 대한 설명은 메시지 대화 속에 묻혀 있는 경우가 많다. 제로데이 마감이 지향하는 모델은 승인된 지출 계획, 총계정원장 실적, 구매 주문, 미지급 비용과 거래 세부 정보를 지속적으로 조정되는 하나의 화면에 연결하는 것이다. 각 차이는 실제 기초 활동까지 추적할 수 있고, AI는 초기 설명을 작성하는 동시에 사람이 살펴봐야 할 예외를 표시할 수 있다. 다만 숫자의 검증, 맥락에 따른 판단과 최종 승인은 재무팀이 담당하며, AI가 재무 책임을 대신하는 구조로 설명되지 않는다. 이 모델에서도 마감 자체가 사라지는 것은 아니지만, 기간이 끝난 뒤 흩어진 자료를 모아 사업 상황을 뒤늦게 재구성하느라 벌이는 혼란은 점차 줄어들 수 있다.
5. 연속 예측과 동적 자본 배분
지속적으로 조정된 재무 기반은 자동화된 연속 예측으로 확장되며, OpenAI 재무팀은 통계 모델, 영업 대화, 계정별 증거, 운영 데이터와 재무 판단을 한 업무 흐름에 결합하고 있다. 목표는 통계적 예측과 그 근거, 여러 시나리오를 하나의 실시간 화면에 배치해 리더가 무엇이 바뀌었고 왜 바뀌었으며 어떤 결정이 결과를 다시 바꿀 수 있는지 확인하도록 하는 것이다. 예를 들어 기준 예측에 반영되지 않은 신규 고객 약정이 있다면 시스템이 관련 근거를 제시하고, 이를 반영했을 때 분기 또는 연간 수치가 어떻게 달라지는지 보여줄 수 있다. 재무팀은 가정을 검토하고 시나리오를 비교한 다음, 승인된 예측을 실제로 수정할지를 결정한다. 같은 화면은 마케팅 지출의 수익이 발생하는 구간과 성과가 둔화되는 구간, 다음 투자 금액을 재배분했을 때의 영향을 보여줌으로써 자본 배분에도 활용될 수 있다. 완전한 자동 예측이 최종 목적지라면, 지속적인 갱신과 빠른 시나리오 분석, 명확한 재무 소유권은 그 목적지에 도달하기 위한 운영 방식이다.
6. 도구를 직접 만드는 재무 전문가
글에서 더 큰 변화는 재무 전문가가 자신의 업무에 필요한 도구를 직접 구축할 수 있게 된 점이다. 인용된 OpenAI 연구에 따르면 재무 전문가의 전문적 AI 사용 중 40%는 전통적인 재무 범위를 벗어난 업무와 관련되고, 22%는 엔지니어링 관련 작업에 해당한다. 저자의 팀 구성원들은 ChatGPT Work와 Codex를 이용해 맞춤형 AI 대시보드와 도구를 만들고 있으며, 업무 결과물도 정적인 Excel 모델과 PowerPoint 자료에서 사업의 전체 맥락과 데이터를 활용하는 실시간 대시보드로 이동하고 있다. 광고 사업을 지원하던 한 구성원은 코딩 경험이 없었지만, 월간 광고 예측을 주간·일간 계획으로 전환하고 평일과 공휴일을 반영하며 여러 예측을 비교하는 도구를 Codex로 구축했다. 이 도구는 모든 수치를 승인된 모델에 연결해 마케팅 리더가 변화 지점, 투자 대상과 추가 지출의 예상 수익을 빠르게 확인하도록 했다. 이는 재무 전문성이 약화된다는 의미가 아니라, 문제를 이해하는 사람이 해결책을 설계하고 시험하며 업무 변화에 맞춰 개선함으로써 자신의 전문성을 더 넓게 적용한다는 의미다.
7. 속도를 뒷받침하는 통제와 명확한 책임
IR-GPT 사례는 AI의 속도와 통제를 함께 설계해야 한다는 점을 보여준다. 투자자 실사 질문에 답하려면 과거 자료를 검색하고 초안을 만들며 일관성을 확인하고 검토를 조정해야 했기 때문에 몇 시간, 때로는 밤새 작업이 이어졌지만, 승인된 출처에 기반한 맞춤형 GPT는 강한 첫 초안을 몇 초 안에 생성할 수 있게 했다. 이후 투자자 관계 팀은 초안을 직접 읽고 판단과 맥락을 추가하며 투자자별 답변의 일관성을 확인하므로, AI는 업무를 가속하지만 결과의 소유권은 사람에게 남는다. CFO는 IT 및 거버넌스 조직과 함께 AI가 접근할 수 있는 데이터와 수행 가능한 행동, 승인이 필요한 시점과 문제를 상향 보고할 조건을 정의해야 한다. 모든 출력은 신뢰할 수 있는 출처와 연결되고, 모든 예측에는 설명이 포함되며, 승인된 기준선의 변경에는 재무 승인이 필요하다는 것이 글의 통제 원칙이다. 사용량 한도, 예산 통제, 역할 기반 접근, 모델 라우팅 규칙과 승인 임계값을 적용하면 AI 비용을 다른 변동비처럼 관리하면서도 팀에 실험할 공간을 제공할 수 있다.
8. 지능 단위당 가치 측정과 CFO의 역할
AI의 가치를 평가할 때 좌석 구매량이나 토큰 사용량만 세는 방식은 실제 운영 성과를 충분히 보여주지 못한다. 각 업무 흐름에서는 AI가 중요한 일을 완료했는지, 직원 시간과 검토 및 재작업까지 포함한 비용이 얼마인지, 결과를 실제로 사용할 수 있었는지, 더 빠른 처리나 더 나은 결정을 지원했는지를 확인해야 한다. 재무 업무의 유용한 완료 단위에는 예측 갱신, 차이 설명, 감사 요청 처리와 이사회 질문 답변이 포함될 수 있으며, 마감에서는 주기 시간, 자동 조정된 거래 비율, 검토가 필요한 예외 수와 차이 설명 시간을 측정할 수 있다. 예측에서는 정확도, 갱신 빈도, 새 시나리오 작성 시간과 그 예측이 지원한 의사결정의 품질이 평가 항목이 된다. 단가가 가장 낮은 모델이 항상 가장 경제적인 것은 아니며, 더 좋은 모델이 적은 시도와 검토만으로 신뢰할 수 있는 답을 제공한다면 전체 비용은 오히려 낮아질 수 있다. 재무는 전략, 자본, 데이터, 위험과 성과의 중심에 있기 때문에 CFO는 회사가 작동하는 방식을 폭넓게 보고 AI 전환을 이끌 수 있는 위치에 있다는 것이 글의 마지막에 제시된 기회다.
🧾 핵심 주장 / 시사점
- AI 네이티브 재무는 기존 마감 절차를 단순히 빠르게 실행하는 것이 아니라, 데이터 수집·조정·설명·시나리오 검토·승인까지 의사결정 흐름 전체를 다시 설계하는 접근이다.
- 실시간 재무는 통제를 생략한다는 뜻이 아니라 지속적으로 조정된 데이터, 근거 추적, 예외 중심 검토와 재무의 최종 승인을 결합해 사후 재구성 작업을 줄이는 모델이다.
- AI의 경제성은 모델의 사용 단가보다 신뢰할 수 있는 결과에 도달하기까지 필요한 시도, 사람의 검토 시간과 재작업을 포함한 총비용으로 판단해야 한다.
✅ 액션 아이템
- OpenAI 재무팀 방식대로 제로데이 마감으로 지출 계획·총계정원장 실적을 지속적으로 갱신해 실시간 추적한다.
- 맞춤형 GPT, ChatGPT Work, Codex를 활용해 정적 스프레드시트와 발표 자료를 실시간 대시보드 및 의사결정 도구로 전환한다.
- 성과 평가지표는 좌석 수·토큰 사용량 대신 유의미한 업무 완료, 검토·재작업 포함 총비용, 처리 속도와 의사결정 품질 중심으로 재정의한다.
❓ 열린 질문
- 연속 예측에서 영업 대화·운영 데이터·계정별 근거를 결합해 여러 시나리오가 분기·연간 전망에 미치는 영향을 어떻게 판별할 것인가?
- 비개발자 재무 담당자가 직접 만든 대시보드와 분석 도구에서 출처 연결, 권한 제한, 최종 책임은 어떤 설계로 유지할 것인가?
- 구매 주문·미지급 비용 조정이 제로데이 마감 구조의 실시간 추적성과 통제, 재무 책임을 동시에 담보할 수 있는가?
