Anthropic Just Dropped Claude for Finance (8 Skills)
Quick Summary
Anthropic의 Claude 금융 플러그인 8개 스킬은 대사·차이 분석·월말 마감을 검증된 절차로 자동화하면서도 승인과 최종 장부 판단은 사람에게 남기는 기업 금융 업무 체계다.
영상 보기
클릭 전까지는 가벼운 미리보기만 먼저 불러옵니다.
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 결론
Anthropic의 Claude 금융 플러그인 8개 스킬은 대사·차이 분석·월말 마감을 검증된 절차로 자동화하면서도 승인과 최종 장부 판단은 사람에게 남기는 기업 금융 업무 체계다.
📌 핵심 요점
- 금융 플러그인은 감사 지원, 마감 관리, 재무제표, 분개, 분개 준비, 차이 분석, SOX 테스트, 대사 등 8개 스킬을 묶는다. 일반 기업에는 대사·차이 분석·마감 관리·재무제표가 직접적이고, 나머지는 회계사나 상장사의 전문 업무에 가깝다.
- 데스크톱 앱의 Co-work는 사용자가 허용한 폴더에서 장부 파일을 읽고 결과물을 작성한다. 커넥터는 OAuth를 통해 외부 서비스에 접속하고, 기본 목록에 없는 도구는 사용자 정의 MCP로 연결할 수 있어 파일 접근과 외부 서비스 접근을 구분한다.
- 스킬의 본질은 일회성 프롬프트가 아니라 이름·사용 조건·상세 지침으로 구성된 표준운영절차다. YAML 구조를 포함한 마크다운 지침을 회사별 대사 방식과 보고서 형식에 맞게 편집하면 이후에도 같은 순서로 반복 실행할 수 있다.
- 가상 기업 Ridgeline 사례에서는 GL 상세 272건과 현장 작업 274건을 비교해 차이를 6개 조정 항목으로 좁혔다. 보고된 약 3만 9천 달러의 매출 미달 가운데 장부 문제를 조정하자 운영상 미달액은 약 2만 9,800달러, 4.6%로 줄어 장부 오류가 지점 성과와 예산 해석을 왜곡할 수 있음을 보여줬다.
- 자동화의 마지막 병목은 인간의 판단이었다. 대사와 차이 분석은 7월 1일 끝났지만 귀속 월, 출처 불명 분개, 할인, 담당 지점 등에 관한 승인을 기다리며 6월 장부가 8월 11일까지 42일째 열려 있었다. AI는 전수 점검과 우선순위 선별을 맡고 담당자나 컨트롤러는 승인과 최종 반영을 맡아야 한다.
🧩 배경과 문제 정의
- 회계 시스템과 현장 서비스 시스템이 같은 달의 실적을 서로 다르게 기록하면 지점별 성과가 왜곡되고, 차이를 찾는 데 숙련 인력의 시간이 반복해서 소모된다.
- Claude 금융 플러그인은 대사, 차이 분석, 월말 마감처럼 기업이 매달 수행하는 업무를 여덟 가지 스킬과 표준 절차로 자동화한다.
- 핵심은 프롬프트를 매번 새로 만드는 것이 아니라 검증된 업무 절차를 동일한 순서로 실행해 누락과 결과 편차를 줄이는 데 있다.
- AI는 파일 전체에서 불일치와 원인을 찾지만, 분개 승인·기간 귀속·최종 장부 반영처럼 판단이 필요한 단계는 사람이 맡는다.
🕒 시간순 섹션별 상세정리
1. 월간 금융 업무를 겨냥한 여덟 스킬
- Anthropic의 금융 플러그인은 실제 기업에서 매달 반복하는 업무별로 여덟 가지 스킬을 제공하며, 회계 지식 없이도 미리 작성된 절차를 실행할 수 있다. [00:52]
- 일반 기업 운영자용 네 가지와 회계사·상장기업용 네 가지로 나뉘며, 대부분은 자신의 반복 업무에 맞는 한두 개만 상시 사용한다. [01:07]
2. 플러그인 설치와 스킬 선택 기준
- 데스크톱 앱의 플러그인 디렉터리에서는 Anthropic과 협력사가 만든 금융·마케팅·영업·법무·고객지원용 플러그인을 한 번의 클릭으로 설치할 수 있다. [02:00]
- 금융 플러그인은 감사 지원, 마감 관리, 재무제표, 분개, 분개 준비, 차이 분석, SOX 테스트, 대사 스킬을 포함하며, 일반 기업에는 대사·차이 분석·마감 관리·재무제표가 직접적인 활용 대상이다. [03:13]
3. 파일을 직접 다루는 Co-work
- 일반 Chat은 컴퓨터의 파일을 건드릴 수 없지만 Co-work는 사용자가 지정한 폴더에서 파일을 읽고 새 결과물을 작성할 수 있어 파일 기반 회계 업무를 처리한다. [04:52]
- 회사 장부 폴더를 선택하고 변경 권한을 허용하면 이후 작업 범위가 그 폴더로 고정되며, 인터넷이나 회계 소프트웨어 전체가 아니라 지정된 파일만 대상으로 삼는다. [05:28]
4. 커넥터와 스킬의 역할 분담
- 커넥터는 Microsoft 365, Slack, Asana, ClickUp, Google Docs·Sheets 같은 외부 도구와 연결하며, 기본 목록에 없는 도구는 사용자 정의 MCP로 추가할 수 있다. [06:38]
- 스킬은 Claude가 따라야 할 표준운영절차와 행동을 담아 별도 로그인이 필요 없고, 커넥터는 OAuth 로그인과 접근 권한 승인을 통해 외부 서비스에 접속한다. [07:24]
5. 스킬의 내부 구조와 반복 실행
- 스킬은 이름, 언제 사용할지를 판단하는 한 줄, 실제 업무 순서를 담은 상세 지침으로 이루어져 있어 특정 업무를 수행하는 방법 자체를 파일로 저장한다. [08:48]
- 대사 유형·처리 절차·일반적인 차이 원인 같은 지침은 YAML 구조를 포함한 마크다운 파일에서 회사별 방식에 맞게 편집할 수 있고, 호출할 때마다 같은 순서로 실행된다. [09:35]
6. 가상 기업 Ridgeline과 원천 데이터
- Ridgeline은 냉난방·배관 서비스를 제공하는 연 매출 약 600만 달러, 4개 지점 규모의 가상 기업이며, 실제 고객 정보와 독점 데이터를 노출하지 않도록 전체 자료를 새로 만들었다. [12:04]
- GL 상세 파일은 6월에 회계 시스템에 기록된 약 300건의 공식 거래를 담고, 현장 서비스 파일은 작업팀이 완료·청구한 274개 작업을 한 행씩 담는다. [12:38]
7. 두 시스템의 불일치가 만드는 수작업
- 회계 시스템과 현장 서비스 시스템은 같은 달과 같은 금액을 보여야 하지만 실제로는 자주 불일치하며, 원인을 찾는 데 매달 한 사람의 오후 전체가 소모되기도 한다. [13:33]
- 10명 규모 회계법인에서도 은행 내역을 QuickBooks에 입력한 뒤 같은 숫자를 세무 소프트웨어에 다시 입력했고, 대사는 이런 저가치 중복 작업 대신 두 기록의 차이를 항목별로 찾아 원인을 밝히는 과정이다. [14:03]
8. 6월 대사의 실행 방식
- 대사 스킬은 발견한 GL·시산표·작업 보조원장을 바탕으로 대상 계정, 결과 형식, 중요성 기준, 알려진 문제, 검토 책임자를 먼저 확인한다. [14:44]
- 6월 GL과 현장 작업 원장을 비교하고 모든 조정 항목을 지점별로 나누라는 구체적인 요청에 자동 권한 승인을 더하면, 파일별 승인 버튼을 반복해서 누르지 않고 작업을 맡길 수 있다. [15:14]
9. 대사 결과와 인간 검토의 경계
- GL 상세 272건과 현장 작업 274건을 비교한 결과 GL은 모든 지점에서 시산표와 정확히 일치했고, 전체 차이는 GL과 현장 서비스 시스템 사이의 여섯 가지 조정 항목으로 좁혀졌다. [17:03]
- Cedar Peak는 전기 오류 때문에 매출이 약 9% 적게 잡혀 6월 손익계산서상 가장 약한 지점처럼 보였고, 증빙이 없는 분개 한 건과 같은 날짜의 미반영 작업 세 건은 마감 시점 또는 시스템 연동 지연 위험을 드러냈다. [17:58]
10. 차이 분석의 질문과 입력값
- 대사가 숫자의 정확성을 확인한다면 차이 분석은 실제 결과가 계획에서 왜 벗어났는지를 찾으며, 부품비 예산 1만 달러와 실제 지출 1만 3천 달러의 차이는 3천 달러의 분석 대상이 된다. [19:00]
- 차이 분석에는 당월 실적, 전월 실적, 예산 파일이 필요하고, 각 장부 항목이 계획과 유의미하게 다른지와 그 차이를 만든 원인이 무엇인지 함께 판별한다. [19:34]
11. 매출 미달을 다시 계산한 핵심 수치
- 약 30초 만에 전월 실적, 6월 예산, 6월 실제 실적과 차이율을 비교한 표가 만들어지고, 서비스 매출·총비용·순이익·순이익률을 한 흐름에서 확인할 수 있다. [20:30]
- 6월 매출은 5월보다 16% 증가했지만 예산에는 6% 못 미쳤고 비용이 거의 계획대로 집행되면서 매출 부족분이 그대로 반영돼 이익은 예산보다 22% 낮아졌다. [20:50]
12. 지점별 해석과 반복 가능한 보고 통제
- Cedar Park 매출은 예산보다 17.1% 낮아 유일하게 10% 중요성 기준을 넘었고, 마케팅비는 전월보다 늘었지만 예산 범위였으며 임금·외주비도 예산 대비 2% 이내에 머물렀다. [21:59]
- 스킬 지침을 편집하면 회사별 보고서 구조와 필수 분석을 반복 적용할 수 있으며, 대사 조정 후에는 Sumner만 매출 계획을 초과하고 Northgate는 장부상 3% 미달이 아니라 실제 약 1만 달러 미달이라는 지점별 실상이 드러난다. [22:45]
13. 월말 마감의 목적과 상태 점검
- 월말 마감은 모든 송장과 비용을 반영하고 은행 기록까지 맞춘 뒤 해당 월의 사업 실적을 확정하는 과정이며, 일반 기업에서는 확인·독촉·의사결정 대기 때문에 며칠씩 걸린다. [24:42]
- 마감 관리 스킬은 폴더의 파일 전체를 살펴 완료된 일, 누락된 일, 사람의 결정을 기다리는 일을 구분해 현재 마감 상태와 병목을 드러낸다. [25:15]
14. 자연어로 확인한 마감 대시보드
- 슬래시 명령으로 스킬명을 직접 호출하지 않아도 업무 목적을 충분히 구체적으로 작성하면 Claude가 마감 관리 스킬을 선택해 관련 절차를 실행한다. [26:00]
- 회계 처리는 끝났지만 소유자나 컨트롤러만 내릴 수 있는 여섯 가지 결정 때문에 마감이 약 41일 동안 멈췄고, 월요일 아침에 필요한 상태·병목·주의 항목을 한 화면에서 확인할 수 있다. [26:45]
15. 42일 지연의 승인 병목과 최적화
- 결정 항목은 6월 말 작업 세 건의 귀속 월, 출처가 불분명한 6,200달러 분개, 840달러 할인 승인 여부, 작업의 담당 지점, 원인이 불명확한 두 개의 변동 항목이다. [27:30]
- 8월 11일까지 6월 장부가 42일째 열려 있었지만 대사와 차이 분석은 7월 1일에 끝났으며, 이후에는 5분 안에 답할 수 있는 네 건과 추가 확인이 필요한 두 건의 승인만 기다렸다. [27:53]
16. 파일 기반 검증과 회계 시스템 연결
- 퀵북스처럼 네이티브 커넥터를 제공하는 도구는 간단히 연결할 수 있지만, 일부 회계·ERP 플러그인은 화면에 표시되더라도 로그인이나 자체 데이터 불러오기를 지원하지 않는다. [29:00]
- 기존 도구에서 보고서 두 개를 내보내 폴더에 넣는 방식은 화려하지 않아도 정상 작동하며, 첫 실행부터 라이브 장부를 직접 건드리는 위험을 피할 수 있다. [29:28]
17. 예약 실행과 반복 업무의 시간 절감
- 월말 잔여 업무와 재무 상태를 자동 점검하도록 슬래시 명령으로 실행 시점을 지정하면, 담당자가 기억할 때마다 수동으로 돌리던 작업을 정기 프로세스로 바꿀 수 있다. [30:24]
- 자연어 요청만으로 매월 29일부터 31일 사이 오후 4시에 실행되는 예약 작업이 생성되며, 별도 코딩 없이 반복 보고 체계를 구성할 수 있다. [31:25]
18. 자동화의 한계와 투자 판단 기준
- 지점별 작업 귀속 판단과 승인, 은행 대사, 급여 발생분, 감가상각은 자동화되지 않으며, 회계 시스템 연결·승인 대기열·예약 실행·팀 작업 화면도 별도로 구축해야 한다. [32:32]
- 파트너 2명과 직원 6명인 회계법인은 시니어 1인당 주 11시간을 되찾고 첫해 자문 매출을 약 21만 달러 늘렸지만, 느린 결산이 실제 병목이 아니라면 전체 시스템 대신 월 1회 대사만 실행하는 편이 합리적이다. [33:29]
🧾 결론
- Claude 금융 스킬의 핵심 가치는 답변 생성 자체보다 검증된 회계 절차를 저장하고 반복 가능한 업무 단위로 만드는 데 있다.
- Ridgeline 사례는 대사로 숫자의 신뢰성을 먼저 확인해야 차이 분석에서 운영 부진과 장부 문제를 구분할 수 있음을 보여준다.
- 자동화는 회계 판단을 없애기보다 사람이 검토해야 할 예외를 압축하고, 승인 지연이 어디에서 발생하는지 드러내는 역할에 적합하다.
- 느린 결산이 실제 병목이 아니라면 전체 시스템을 한꺼번에 구축하기보다 월 1회 대사처럼 가치가 분명한 한두 개 스킬부터 적용하는 편이 합리적이다.
📈 투자·시사 포인트
- 기업용 AI의 경쟁력은 범용 모델 성능뿐 아니라 금융처럼 반복성이 높은 업무를 표준 절차, 파일 권한, 커넥터와 함께 패키지화하는 능력에서 형성될 가능성을 시사한다.
- 숙련 회계 인력의 역할은 단순 대조와 보고서 초안 작성에서 예외 판단, 승인, 통제, 자문으로 이동할 수 있지만 분개 승인·기간 귀속·최종 장부 반영은 여전히 사람에게 남는다.
- 반복적인 시스템 불일치와 긴 마감 기간이 있는 조직일수록 잠재 수익이 크다. 제시된 회계법인 사례에서는 시니어 1인당 주 11시간을 되찾고 첫해 자문 매출이 약 21만 달러 증가했다.
- 데스크톱 앱 전용 사용, 일부 회계·ERP 플러그인의 로그인 및 데이터 불러오기 제한, 별도 승인 대기열과 팀 작업 화면의 필요성은 실제 도입 속도와 통합 비용을 좌우할 변수다.
⚠️ 불확실하거나 확인이 필요한 부분
- Ridgeline은 고객 정보와 독점 데이터를 피하기 위해 새로 만든 가상 기업이므로, 약 30초의 분석이나 약 20분으로의 업무 단축이 실제 장부 규모와 데이터 품질에서도 재현되는지는 확인이 필요하다.
- 회계법인의 주 11시간 절감과 첫해 약 21만 달러의 자문 매출 증가는 하나의 사례로 제시됐으며, 산정 방식·비교 기준·다른 조직에서의 재현성은 설명되지 않았다.
- 일부 회계·ERP 플러그인은 화면에 표시돼도 로그인이나 자체 데이터 불러오기를 지원하지 않으므로, 실제 사용 중인 시스템의 네이티브 연결 범위를 별도로 검증해야 한다.
- 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
- 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
- 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.
✅ 액션 아이템
- 매달 반복되는 업무 중 두 보고서의 숫자를 맞추는 대사 한 건을 첫 적용 대상으로 선정한다.
- 대상 계정, 중요성 기준, 알려진 문제, 결과 형식, 검토 책임자를 스킬 실행 전에 명시한다.
- 라이브 회계 시스템을 바로 연결하지 말고, 보고서 두 개를 별도 폴더로 내보내 파일 기반으로 결과와 예외 탐지 정확도를 검증한다.
- 기간 귀속, 수정 분개, 할인, 담당 지점처럼 사람이 결정해야 하는 항목마다 승인자와 처리 기한을 정한다.
❓ 열린 질문
- 8개 스킬 가운데 현재 조직의 실제 병목을 가장 직접적으로 줄일 한두 개는 무엇이며, 효과를 판단할 기준 수치는 무엇인가?
- 회사별 YAML·마크다운 지침을 수정할 때 절차의 버전, 변경 승인, 실행 당시 사용된 지침을 어떻게 추적할 것인가?
- AI가 분석을 끝낸 뒤에도 장부가 42일간 열려 있었던 사례처럼, 인간 승인 대기열의 책임자와 처리 기한을 어떤 방식으로 운영해야 하는가?
