You Need a New CFO

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

AI가 데이터 수집과 재무 업무를 자동화하면서, CFO는 더 작고 역량이 높은 팀으로 지속적 예측과 통제를 운영하고 회사의 운영 시스템을 설계하는 구축자·설계자로 바뀌고 있다는 주장이다.

📌 핵심 요약

• 2020년 재무 조직의 주요 병목은 여러 시스템에 흩어진 데이터를 수집·대조하는 일이었으나, AI는 데이터 추출·통합·해석을 쉽게 만들고 있다. 이에 CFO에게 중요한 역량도 회계·자금 조달·FP&A를 넘어 데이터, 워크플로, 에이전트, 스킬, 통제를 설계하는 능력으로 이동하고 있다.
• AI 네이티브 재무 소프트웨어는 업무 관리를 지원하는 수준에서 업무 자체를 수행하는 방향으로 발전하고 있다. Rillet은 ERP 도입과 결산을 단축하고, Concourse는 실시간 예측을 지원하며, Lio·Stuut·Sphere·Petual·CFO.ai는 조달, 매출채권, 간접세, 감사, 재무 모델링 등의 업무를 자동화한다.
• 재무 엔지니어는 재무 전문성과 도구 구축 능력을 결합한다. Anthropic 재무팀은 70개 이상의 AI 스킬을 운영하며, 그중 하나는 월간 재무 검토를 90~95% 완성된 상태로 약 30분 안에 만든다. 가장 작은 규모를 지향하는 일부 팀은 전체 인원의 약 5%였던 재무 인력 비중을 2%로 낮추는 것을 목표로 하며, AI 활용 능력과 숙련된 전문가의 판단을 중시한다.
• 토큰·분·API 호출에 따른 사용량 기반 매출과 에이전트의 손익 영향을 다루기 위해 FP&A는 연간 예산과 월간 주기에서 지속적 예측과 운영 의사결정으로 이동하고 있다. 다만 수치의 출처, 계산 과정, 에이전트의 관여, 증빙과 승인 규칙을 추적할 수 있어야 하며, 최종 규칙과 승인은 재무 조직이 책임진다.
• 실시간 사용량·인프라 비용·고객 매출을 함께 분석하면 재무 조직이 컴퓨트 배분, 가격 책정, 제품 출시, 지출 약정에 더 깊이 관여할 수 있다. 사람과 소프트웨어의 업무 배분, 자체 구축과 구매, 사용량 또는 완료된 업무에 따른 비용과 ROI 판단도 CFO의 주요 의사결정 범위가 되고 있다.

🧩 주요 포인트

1. 데이터 병목 완화와 AI 네이티브 소프트웨어의 업무 수행 → CFO의 핵심 역할이 정보 취합에서 회사의 운영 시스템 설계로 확장된다.
2. 재무 엔지니어의 등장과 일부 팀의 재무 인력 비중 2% 목표 → 인원 확대보다 재무 전문성, AI 활용 능력, 시스템 연결·자동화 구축 역량의 중요성이 커진다.
3. 지속적 예측과 추적 가능한 증빙·승인 통제 → 더 빠른 운영 판단을 뒷받침하며, 가격 책정·컴퓨트 배분·자체 구축과 구매의 ROI까지 재무의 관여 범위를 넓힌다.

🧠 상세 정리

1. CFO에게 필요한 희소 역량의 변화

Seema Amble, Ivan Makarov, David Borecky가 2026년 10월 8일 발표한 이 글은 2020년에는 CFO에게 새로운 도구가 필요했지만, 이제는 도구가 CFO의 역할 자체를 바꾸고 있다고 주장한다. 훌륭한 CFO가 숫자와 이사회 자료를 제공하는 데 그치지 않고 데이터를 바탕으로 사업 방향에 대한 판단을 제시한다는 기준은 유지되지만, 시대마다 요구되는 희소 역량은 달라졌다. 장부 정리·통제·보고가 중심일 때는 Big 4 회계법인 출신이, 자금 조달과 거래 성사가 중요할 때는 투자은행 출신이 선호됐으며, 계획·지표·사업 협력이 중요해지면서 FP&A 역량이 부상했다. 오늘날의 희소 역량은 데이터, 워크플로, 에이전트, 스킬, 통제를 연결해 맥락을 정보와 의사결정으로 바꾸는 회사의 운영 시스템을 설계하는 능력이라는 설명이다. OpenAI CFO Sarah Friar가 재무를 실시간 기능으로 설명하고 즉시 결산과 지속적으로 갱신되는 예측을 지향하는 모습은 이러한 변화의 사례로 제시된다.

2. 분산된 데이터에서 실행 가능한 정보로

2020년의 CFO는 약 30년 된 ERP를 중심으로 여러 개별 솔루션과 Excel의 내보내기 데이터를 연결하는 데이터 분석가이자 설계자에 가까웠다. 재무 데이터는 오래됐거나 여러 곳에 분산돼 있었고, 이를 다루는 도구도 취약하고 기능이 제한적이어서 정보 취합 자체가 병목이었다. 재무팀은 데이터를 추출하고 스프레드시트를 대조하며, 이메일이나 Slack의 개인 메시지·채널에 묻힌 차이의 원인을 찾는 데 대부분의 에너지를 썼다. 글은 AI가 서로 다른 시스템과 형식에 흩어진 데이터를 더 빠르게 추출·수집·해석할 수 있게 하면서 이 제약을 줄이고 있다고 설명한다. 그 결과 재무팀은 정보를 확보하는 데 쓰던 시간을 줄이고 그 정보를 바탕으로 행동하는 데 더 많은 시간을 투입할 수 있으며, 업무 수행 방식뿐 아니라 담당자와 조직 구조도 달라지게 된다.

3. 재무 업무를 직접 수행하는 소프트웨어

글은 AI가 데이터 문제를 완화하면서 ERP부터 세금과 조달까지 재무 소프트웨어의 각 영역에 AI 네이티브 경쟁자가 등장했고, 도입은 분기 단위에서 며칠 단위로, 통찰 제공은 월말에서 실시간으로 이동한다고 설명한다. Rillet의 ERP는 도입 기간을 수개월에서 며칠 또는 몇 주로 줄이고 데이터를 자동 수집하며 월간 결산을 일간 결산으로 전환하고, Concourse는 실시간 영업 파이프라인 데이터를 가져오는 에이전트로 계획·예측·시나리오 작성을 지원한다. Lio의 다중 에이전트는 공급업체 실사, 계약 협상, 내부 승인과 이행 모니터링을 담당하고, Stuut는 연락·후속 조치·수금·분쟁 해결을 아우르는 매출채권 관리와 입금 대사 처리를 자동화한다. Sphere는 복잡한 간접세 준수를 전 과정에서 자동화하며, Petual은 SOX 테스트와 기업 내부 감사 워크플로를 자동화한다. CFO.ai는 실시간 재무 모델을 구축·유지하고 질문이 나오기 전에 답하는 개인 CFO로 소개된다. 저자들은 과거 전담 팀이나 외부 서비스 제공자가 필요했던 이 업무들을 소프트웨어가 직접 수행한다는 점을 이전 세대와의 핵심 차이로 본다.

4. 재무 엔지니어와 내부 도구 구축의 확산

선도적인 재무팀은 AI 소프트웨어를 사용하는 데서 더 나아가 자체 자동화와 대시보드, 내부 도구를 만들고 있으며, 글은 코드 작성 경험이나 엔지니어링 지원이 없고 AI에 회의적이던 사람들도 지난 9~12개월 동안 적극적인 활용자로 바뀌었다고 전한다. Anthropic 재무팀은 70개 이상의 재무 전용 AI 스킬을 실제 운영 코드처럼 유지하며, 한 스킬은 수시간의 작업을 약 30분으로 줄여 월간 재무 검토를 90~95% 완성된 상태로 생성한다. OpenAI의 Friar 팀은 투자자 관계와 조달용 맞춤형 GPT 및 정적인 이사회 자료를 대체하는 실시간 대시보드를 구축하고 있다. 포트폴리오의 한 성장 단계 CFO는 팀에 에이전트 제작을 요청한 뒤 2주 만에 50개를 얻었지만 모두 유용하지는 않았으며, 다른 CFO는 재무·회계 담당자가 엔지니어와 함께 도구를 만드는 제품 관리자처럼 변하고 있다고 설명했다. 재무 엔지니어는 흔히 재무 담당자로서, 종종 엔지니어링 배경을 갖고 Codex나 Claude Code에 능숙해져 시스템 연결과 업무 병목 해소를 이끈다. 고객 매출에 모델 추론 비용·클라우드 사용량·지원 비용을 결합해 마진 악화나 계약의 수익성 상실을 표시하는 도구가 그 예이며, 반복 작업은 워크플로로 만들고 반복 작성하는 워크플로는 에이전트로 만든다는 원칙이 제시된다.

5. 더 작은 팀과 숙련된 전문가의 영향력

대부분의 재무팀은 여전히 회계 통제, FP&A, 운영, CFO의 계층으로 구성돼 있으며, 이는 월간 주기와 업무마다 한 사람을 배정하는 방식에 맞춰진 구조다. 각 계층이 데이터를 이동하고 대조해야 했던 시기에는 합리적이었지만, AI가 그 일을 맡으면서 재무 인력을 전체 직원의 약 5%로 보는 기존 기준도 달라지고 있다. 저자들이 관찰한 가장 작은 규모를 지향하는 팀들은 2%를 목표로 하며, 인원수보다 구성원의 역량 밀도를 우선한다. 새로운 재무 인재에게는 API 호출로 시스템을 연결하고 SQL을 작성하며 자동화 시제품을 만드는 능력이 요구되고, 채용 과정에서도 모델 설명보다 프롬프트의 연속 과정을 설명하는 능력이 중요해진다는 것이다. 다만 젊거나 주니어인 인력이 가장 적극적인 활용자일 것이라는 예상과 달리, Anthropic에서는 세무 책임자가 재무팀 내 최대 사용자이며, 숙련된 전문가는 좋은 결과의 기준과 무엇을 만들어야 하는지 판단할 맥락을 갖고 있어 AI의 효과를 더 크게 끌어낼 수 있다고 설명한다.

6. 연간 예산에서 지속적 예측으로

토큰, 분, API 호출처럼 사용량에 따라 발생하는 매출은 원래 예측하기 복잡했으며, 에이전트까지 손익에 영향을 미치는 주체가 되면서 월간 주기의 표준 절차와 도구는 충분히 빠르지 않게 됐다는 것이 글의 진단이다. 이에 많은 재무 리더는 통계 모델, 고객 계정별 근거, 재무적 판단을 결합해 현재 상황을 계속 보여주는 지속적 예측을 도입하는 방향으로 움직이고 있다. 이는 연간 예산 수립 중심의 FP&A를 지속적인 운영 의사결정으로 전환하는 변화이며, 복잡한 시나리오도 회의 중 실시간으로 검토할 수 있게 한다. OpenAI의 Friar가 제시하는 즉시 결산과 계속 갱신되는 예측이라는 방향도 기존 월간 결산 리듬에서 벗어나는 같은 흐름에 놓여 있다. 원문은 이를 모든 조직이 이미 달성한 상태로 단정하지 않고, 재무가 구축해 가는 방향과 여러 리더가 채택하고 있는 접근으로 설명한다.

7. 자동화를 뒷받침하는 추적성과 승인 통제

소프트웨어가 더 많은 재무 업무를 수행할수록, 각 숫자에서 원천 자료까지 이어지는 감사 가능하고 신뢰할 수 있는 연결 관계가 중요해진다. 재무 조직은 수치가 어디에서 왔는지, 어떤 방식으로 계산됐는지, 어느 단계에서 어떤 에이전트가 관여했는지를 알아야 한다. 예를 들어 에이전트가 분개를 작성한다면 뒷받침하는 작업 문서와 증빙을 보관하고, 실제로 장부에 반영하기 전에 승인 규칙을 따라야 한다. AI는 기록 대조, 차이와 예외의 탐지 및 설명에 활용할 수 있지만, 규칙 설정과 최종 승인 책임은 재무 조직에 남는다. 글은 이러한 통제를 속도를 가능하게 하는 조건으로 보며, 신뢰할 수 있는 절차가 갖춰지면 사람이 모든 단계를 수작업으로 재구성하고 확인하는 부담을 줄여 전략적 업무에 집중할 수 있다고 주장한다.

8. 컴퓨트와 제품 의사결정으로 넓어지는 재무의 역할

실시간 데이터와 빠른 시나리오 분석 능력은 재무 조직을 더 많은 전략적 의사결정으로 끌어들이고 있다. 많은 AI 기업에서 컴퓨트는 가장 큰 운영비 항목 중 하나이자 중요한 자본 배분 결정이므로, 재무가 사용량 데이터·인프라 비용·고객 매출을 함께 파악하는 일이 특히 중요해진다. AI 도구는 새로운 기능이나 고객 사용량 증가가 마진에 어떤 영향을 주는지 판단하는 데 도움을 줄 수 있으며, 이는 가격 책정, 제품 출시, 지출 약정에 재무가 의견을 제시할 더 강한 근거가 된다. 이 변화는 숫자와 이사회 자료를 제공하는 기존 역할에 더해, 사업 방향을 판단하는 CFO의 역할을 실시간 정보와 연결한다. 글의 논지는 도구가 수집과 분석의 제약을 줄이면 재무가 컴퓨트나 자본을 어디에 배분할지 논의하는 과정에서 구축자이자 전략적 판단자로 더 깊이 관여할 수 있다는 것이다.

9. 사람·소프트웨어의 배분과 새로운 CFO의 과제

팀의 일을 사람과 소프트웨어 사이에 어떻게 나눌지는 조직 전반의 핵심 질문이자 재무적 의사결정으로 제시된다. 투입 시간, 토큰 사용량, 소프트웨어 활용도 등의 세분화된 데이터는 이 선택의 비용과 효과를 비교하는 근거가 되며, 자체 구축과 구매도 같은 판단 범위에 포함된다. 자체 구축은 큰 엔지니어링 프로젝트일 수도 있고 비기술팀이 바이브 코딩으로 작은 도구를 만드는 일일 수도 있으며, 구매는 사용량이나 완료된 업무에 따라 비용이 달라지는 형태일 수 있다. 저자들은 AI가 이러한 복잡한 시나리오를 더 빠르고 정확하게 모델링하도록 돕고, 더 작은 재무팀이 업무를 직접 수행하는 도구를 구축·활용하면서 주간·월간 의사결정을 지속적인 판단으로 바꿀 수 있다고 본다. 따라서 AI 네이티브 CFO는 자동화를 우선하며 현대적인 재무팀을 구축·훈련하고 필요한 자원을 배분할 줄 알아야 하고, 무엇을 만들고 구매할지와 그 ROI를 계산할 새로운 판단 틀을 갖춰야 한다. 글은 이 재설계의 이점으로 CFO가 사업 자체에 더 많은 시간을 쓸 수 있다는 점을 제시한다.

🧾 핵심 주장 / 시사점

• CFO에게 일관되게 필요한 것은 데이터를 바탕으로 사업 방향을 판단하는 능력이며, AI는 그 판단을 뒷받침하는 운영 시스템의 설계를 새로운 핵심 역량으로 부각한다.
• 재무 인력 비중 2%는 일부 팀의 목표이며 보편적으로 달성된 결과가 아니다. 작은 팀의 효과를 좌우하는 요인으로는 AI 활용 능력뿐 아니라 결과의 품질을 판단할 전문성과 맥락이 제시된다.
• 업무 자동화와 통제는 함께 강화돼야 한다. 수치의 출처와 에이전트의 관여를 추적하고 승인 책임을 명확히 할수록 재무 조직이 지속적인 전략적 판단에 집중할 여지가 커진다.

✅ 액션 아이템

• AI 네이티브 재무 소프트웨어가 데이터 수집·대조와 업무 수행을 맡을 수 있는 범위 검토.
• 재무 엔지니어 역할에 필요한 재무 전문성, AI 활용 능력, 시스템 연결·자동화 구축 역량 평가.
• 지속적 예측과 자체 구축과 구매의 ROI 판단에 필요한 데이터, 증빙 추적, 승인 규칙 점검.

❓ 열린 질문

• AI 네이티브 재무 소프트웨어가 업무를 직접 수행할 때 재무 조직이 최종 승인 책임을 유지하려면 어떤 통제가 필요한가?
• 재무 인력 비중 2%를 목표로 하는 팀은 재무 엔지니어의 구축 역량과 숙련된 전문가의 판단을 어떻게 결합할 수 있는가?
• 지속적 예측으로 파악한 사용량·인프라 비용·고객 매출은 가격 책정과 자체 구축과 구매의 ROI 판단에 어떻게 반영할 수 있는가?