🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

OpenAI CFO가 말하는 Future of Finance는 금융 인력이 사라지는 미래라기보다, AI로 반복 업무를 줄이고 감사·세무·IR·투자자 커뮤니케이션을 더 정밀하고 빠르게 재설계하는 방향에 가깝다.

📌 핵심 요점

1. AI 시대의 금융 커리어에서 중요한 것은 직함 자체가 아니라 실제 업무를 이해하고, 변화하는 도구를 직접 써보며, 자신이 잘하고 즐겁게 할 수 있는 일을 찾아가는 과정이다.
2. OpenAI 재무 조직은 약 2년 전부터 ChatGPT와 커스텀 GPT를 활용해 IR 자료 대응, 투자자 질문 처리, 다국어 미팅 지원, 내부 프로세스 개선을 실험해 왔다.
3. 감사와 세무 업무에서는 사람이 일부 샘플만 검토하던 희소성 기반 방식에서, AI 에이전트가 전체 송장이나 전 세계 세금 양식을 더 넓게 확인하는 풍요 기반 통제 방식으로 전환될 가능성이 제시됐다.
4. AI가 모든 일자리를 없애거나 아무 영향도 주지 않는다는 양극단보다, 반복적이고 단조로운 업무는 자동화되고 일부 직무는 크게 바뀌며 새로운 역할이 생길 수 있다는 관점이 강조됐다.
5. 금융과 투자 영역에서도 최종적으로 중요한 것은 데이터와 자동화만이 아니라 사람 간 신뢰, 정직한 커뮤니케이션, 장기적 관계, 기관과 리더십에 대한 확신이다.

🧩 배경과 문제 정의

• 금융 업무는 AI로 인해 일하는 방식, 자동화 가능한 과제, 요구되는 역량이 함께 바뀌는 전환점에 놓여 있다.
• UC 학생들은 금융 커리어를 준비하는 세대로서, AI가 일자리와 역량, 학습 방식에 미치는 영향을 직접 마주하고 있다.
• CFO 커리어는 하나의 직선 경로라기보다 다양한 경험과 전환이 누적되는 과정에 가깝고, 기술·컨설팅·금융·운영 경험은 역할 선택과 역량 형성에 영향을 준다.
• AI 시대의 커리어 준비에서는 직함 자체보다 실제 업무에 대한 이해, 지속적인 학습 능력, 변화에 적응하는 태도, 기술을 직접 사용해보는 경험이 더 중요해진다.

🕒 시간순 섹션별 상세정리

1. 금융과 AI 전환의 문제의식

• 대화는 AI가 금융 업무를 어떻게 바꾸고, 어떤 과제를 해결하며, 앞으로 어떤 역량을 더 중요하게 만들지에 초점을 맞춘다 [00:26]
• UC 학생들은 금융 커리어를 고민하는 핵심 청중이며, AI와 직업 변화는 이들의 진로 선택과 준비 방식에 직접적인 영향을 준다 [00:40]

2. 공학에서 금융으로 이어진 커리어의 출발

• 북아일랜드에서 자라며 형성된 강한 호기심은 물건을 분해하고 구조를 이해하려는 태도로 이어졌고, 초기 진로 관심은 공학으로 향했다 [02:00]
• 대학 등록금을 마련하기 위해 Arthur Andersen에서 1년간 일하며 회계와 금융 실무를 접했고, 이후 회사 후원으로 방학마다 세무·컨설팅·파산 부문을 경험했다 [02:28]

3. 직함보다 실제 업무를 배우는 전환

• 스탠퍼드 경영대학원 이후 서부에 남아 Goldman에서 은행업과 주식 리서치를 배웠고, 외부에서 회사를 분석하는 일보다 회사 내부에서 운영을 맡는 일에 더 끌리게 됐다 [04:01]
• CFO가 되고 싶다는 생각은 실제 역할 이해보다 직함과 외부 시선의 영향이 컸고, 헤드헌터의 조언은 훌륭한 CFO 밑에서 먼저 실무 도구를 배우라는 방향으로 이어졌다 [04:24]

4. AI 시대 커리어 원칙과 직함의 함정

• Goldman을 떠날 때 CFO라는 직함은 그럴듯해 보였지만, 직함이나 타인의 평가에 매이면 실제 업무와 맞지 않는 선택을 할 위험이 커진다 [05:37]
• 사람들은 각자의 삶에 집중하고 있기 때문에, 외부 시선을 기준으로 진로를 고르는 일은 실질적인 의미가 크지 않다 [06:02]

5. 호기심과 적응력이 AI 활용 능력으로 바뀌는 순간

• 자녀들과 AI, 커리어, 미래를 자주 이야기하면서 핵심 가치로 호기심, 적응력, 친절함을 꼽으며, 특히 호기심은 두려움을 줄이고 새 도구를 직접 실험하게 만든다 [07:00]
• OpenAI에서는 거의 매일 새로운 기능이 나오기 때문에 모르는 도구에 대한 불안이 반복되지만, 직접 설치하고 써보는 과정에서 기술 감각이 쌓인다 [07:46]

6. 적응력과 전기화 경험이 AI 시대의 비유가 되는 지점

• 자녀 세대의 커리어를 부모 세대의 기준으로 예측하기는 어렵고, 과거의 직업 경험만으로 AI 이후의 직업 구조를 충분히 설명하기도 어렵다 [09:31]
• 전깃줄이 세워지고 집에 처음 불이 들어오던 변화는 AI 인프라와 기술 확산을 떠올리게 하는 사례이며, 새로운 기반 기술은 생활과 일의 전제를 바꾼다 [09:43]

7. AI 시대 커리어 조언의 한계와 적응력의 중요성

• 부모 세대는 성실하고 공동체적인 삶을 살았지만, 익숙한 직업 밖의 커리어 경로를 충분히 알지 못했기 때문에 자녀에게 줄 수 있는 조언에는 한계가 있었다 [10:00]
• AI 시대에도 같은 한계가 반복될 수 있으며, 아이들의 커리어를 조언할 때 기존 직업 기준만으로 미래를 판단하기는 어렵다 [10:23]

8. 두려움을 에너지로 전환하는 방식

• AI를 받아들이는 과정에서 생기는 두려움은 없애야 할 감정만이 아니라, 몸이 반응하고 있다는 신호이자 행동 에너지로 전환될 수 있다 [12:12]
• 응급의학에서 아드레날린이 위기 상황의 신체를 다시 움직이게 하듯, 두려움이 만드는 아드레날린도 긍정적 행동으로 바꿀 수 있는 자극이 된다 [12:38]

9. 금융 조직의 AI 도입은 작은 실험에서 시작된다

• OpenAI 재무 조직은 “미래의 회사”를 재무 부문에서 먼저 구현하겠다는 목표 아래, 약 2년 전부터 ChatGPT와 커스텀 GPT를 작은 활용과 큰 활용 모두에 적용하기 시작했다 [14:27]
• 분기별 해커톤은 바쁜 업무 때문에 새 도구를 익히지 못하는 팀원들에게 의도적으로 속도를 늦출 시간을 제공하고, 이후 더 빠르게 일할 수 있는 기반을 만들었다 [15:05]

10. 다국어 투자자 미팅과 AI 네이티브 재무 프로세스

• 한국 투자자 미팅에서는 한국어로 된 두 페이지 분량의 질문지를 휴대폰으로 촬영했고, 커스텀 GPT가 번역과 답변 생성을 함께 처리했다 [16:53]
• 영어와 한국어를 양방향으로 오가며 투자자와 대화할 수 있는 단계에 가까워졌고, 통역 절차가 남아 있더라도 실시간 다국어 커뮤니케이션의 장벽은 낮아졌다 [17:13]

11. 감사와 세무에서 희소성 기반 업무가 풍요 기반 통제로 바뀐다

• 전통적인 감사에서는 사람과 시간이 부족하기 때문에 전체 송장을 모두 확인하지 못하고, 일부 샘플만 골라 검토하는 방식이 쓰인다 [18:22]
• 예를 들어 특정 기간에 송장 1,000개가 있으면 10개만 샘플링하고, 그 10개가 예상과 맞으면 나머지 990개도 맞을 것이라고 추정하는 구조가 된다 [18:43]

12. 세금 양식 자동화와 재무팀 역할 전환

• OpenAI 사용자의 상당수가 미국 밖에 있고, 아프리카가 가장 빠르게 성장하는 대륙으로 떠오르면서 글로벌 세금 양식과 현지 규정 대응의 복잡성이 커지고 있다 [20:01]
• 기존 방식에서는 사람이 IRS나 영국 Inland Revenue 같은 기관 사이트를 직접 확인하며 매년 조금씩 바뀌는 세금 양식을 찾아야 했고, 작은 박스 하나의 변화도 처리 리스크로 이어질 수 있었다 [20:12]

13. 작은 재무팀과 확장된 분석 기능

• 글로벌 기업 규모와 10억 명 이상의 활성 사용자를 다루는 재무팀이 약 200명 수준이라는 점에서, AI는 작은 팀이 감당할 수 있는 운영 범위를 크게 넓힌다 [21:48]
• 재무 조직은 전통적인 CFO 기능을 넘어 경제 리서치팀과 가격 책정팀처럼 일반적으로 CFO 산하에 놓이지 않는 영역까지 포함하며 역할을 확장하고 있다 [22:17]

14. 투자 유치에서 변하지 않는 인간적 신뢰

• AI 도구가 펀드레이징 과정을 보조하더라도, 최종 투자 판단은 여전히 사람과 사람 사이의 신뢰와 진정성에 크게 의존한다 [23:36]
• UC 측과 같은 공간에 함께 있었던 경험이 관계 형성의 전환점이 되었고, 투자 판단에는 숫자뿐 아니라 가치관과 상호 이해가 함께 작용했다 [23:50]

15. 대학의 AI 도입과 평가 방식 전환

• 대학은 AI를 먼저 배포해 학생과 교직원이 실험할 수 있게 하고, 지나치게 빠른 통제보다 다양한 사용 사례가 자연스럽게 드러나도록 할 필요가 있다 [26:46]
• OpenAI는 여러 대학과 협력하고 있으며, Oxford의 Bodleian Library 사례처럼 오래된 원고를 이해하고 활용하는 방식에서도 AI의 활용 가능성이 나타나고 있다 [27:01]

16. AI 네이티브 학습과 직업 역량의 확장

• 수업에서 AI는 사고를 대체하는 도구가 아니라, 막힌 문제를 이어서 풀 수 있게 돕는 학습 파트너로 자리 잡을 수 있다 [28:05]
• 화학을 공부하는 학생은 조교를 기다리지 않고 ChatGPT로 문제 풀이 흐름을 이어갈 수 있지만, 최종 시험에서는 스스로 숙련도를 증명해야 하므로 도구 활용과 실제 이해가 함께 요구된다 [28:17]

17. 투자 판단을 바꾼 대면 신뢰와 UC 협력 가능성

• 투자 검토 당시 OpenAI는 1,220억 달러 규모의 자금 조달 국면에 있었고, ChatGPT를 활용한 사전 검토만으로는 투자 확신을 얻기에 충분하지 않았다 [30:00]
• 직접 만난 뒤 OpenAI CFO의 에너지와 확신, UC의 문화와 기관적 의미를 이해하려는 태도가 투자 의지를 키웠고, OpenAI와 UC가 학생들의 미래를 위해 함께 할 수 있는 일이 크다는 인식으로 이어졌다 [30:18]

18. OpenAI Forum 후속 일정과 기업·스포츠 분야 AI 활용 확장

• 대화는 UC와 OpenAI Forum 커뮤니티가 함께한 시간을 정리하며 마무리되고, 앞으로의 포럼 행사로 논의가 이어질 흐름을 남긴다 [31:25]
• 목요일에는 OpenAI의 수석 이코노미스트와 Bain & Company 파트너들이 기업 AI 도입을 주제로 논의할 예정이며, AI가 조직 내부와 비즈니스 운영에 어떻게 적용될지에 대한 질문이 다음 의제로 계속된다 [31:38]

🧾 결론

• 이 대화의 핵심은 “AI가 금융을 대체한다”가 아니라 “AI가 금융 업무의 기본 단위를 다시 설계한다”는 데 있다.
• OpenAI CFO의 커리어 사례는 공학, 회계, 컨설팅, 투자은행, 운영 경험이 쌓이며 CFO 역할로 이어진 경로를 보여주며, 학생들에게는 직함보다 실제 업무 학습이 중요하다는 메시지를 준다.
• 재무팀의 AI 활용은 단순한 생산성 도구 사용을 넘어 quote-to-cash, order-to-payment, equity, tax, treasury 같은 핵심 프로세스를 AI 네이티브 방식으로 다시 보는 단계로 확장되고 있다.
• 감사·세무 사례에서는 AI가 반복 입력과 표본 검토를 줄이고, 사람은 정확성 검토, 사업적 판단, 규제 대응, 최적화 같은 더 전문적인 영역에 집중할 수 있다는 방향이 제시된다.
• 다만 transcript 기준으로는 OpenAI 내부 사례와 발표자의 관점이 중심이므로, 실제 산업 전반의 비용 절감 규모, 규제 수용 속도, 직무 대체율은 별도 검증이 필요한 영역이다.

📈 투자·시사 포인트

• 금융 조직의 AI 도입은 거대한 시스템 교체보다 작은 해커톤, 커스텀 GPT, 특정 업무 자동화처럼 낮은 위험의 실험에서 시작해 핵심 프로세스로 확장되는 방식이 현실적이다.
• 투자자 관점에서는 AI 기업의 기술력뿐 아니라 CFO와 경영진이 얼마나 신뢰 가능하게 소통하는지, 모르는 것은 모른다고 말하는지, 장기 파트너십을 만들 수 있는지가 여전히 중요하다.
• 감사·세무·IR·다국어 커뮤니케이션처럼 반복성과 문서 의존도가 높은 금융 업무는 AI 적용 효과가 빨리 나타날 수 있는 영역으로 보인다.
• 대학과 학생에게는 AI 사용을 단순히 금지하거나 부정행위로만 볼 것이 아니라, 도구를 활용하면서도 실제 이해와 판단력을 증명하는 평가 방식으로 전환필요가 있다.
• 검증이 필요한 포인트로는 ChatGPT 등장 이후 소프트웨어 엔지니어 수가 약 6% 늘었다는 수치, OpenAI의 사용자 지역 비중, 아프리카 성장 속도, 1,220억 달러 규모 자금 조달 맥락 등이 있으며, 투자 판단에는 원자료 확인이 필요하다.

⚠️ 불확실하거나 확인이 필요한 부분

• “ChatGPT 등장 이후 소프트웨어 엔지니어 수가 약 6% 늘었다”는 수치는 영상 내 발언으로 정리되어 있지만, 어떤 기간·지역·직무 분류·출처를 기준으로 한 통계인지는 별도 확인이 필요하다.
• OpenAI의 재무팀 규모가 “약 200명”이고 “10억 명 이상의 활성 사용자”를 다룬다는 설명은 영상 맥락상 제시된 내용이지만, 최신 공식 수치와 정확한 기준은 확인이 필요하다.
• “ChatGPT 주간 활성 사용자 중 미국 비중은 10%, 미국 외 지역은 90%”라는 수치는 발언에 포함되어 있으나, 특정 시점 기준인지, 전체 ChatGPT 사용자 기준인지, 유료·무료 사용자를 모두 포함하는지 검증이 필요하다.
• 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

• 금융·회계·세무 업무에서 반복적이고 규칙 기반인 작업을 먼저 목록화하고, AI로 보조하거나 자동화할 수 있는 후보를 분류한다.
• 팀 단위로 분기별 또는 월별 AI 실험 시간을 마련해, 바쁜 업무 중에도 새로운 도구를 직접 써보는 시간을 확보한다.
• 커스텀 GPT나 내부 AI 도구를 만들 때, 답변 가능한 범위·금지 영역·모르는 질문에 대한 응답 원칙을 명확히 설정한다.
• 감사·세무·IR·투자자 대응처럼 정확성과 신뢰가 중요한 업무에서는 AI 결과를 그대로 쓰지 말고 검토·확인 프로세스를 함께 설계한다.

❓ 열린 질문

• AI가 감사 업무에서 표본 검사를 전체 검증으로 바꿀 수 있다면, 기존 감사 기준과 규제 프레임워크는 어떻게 달라져야 할까?
• 재무팀이 AI 네이티브 조직으로 전환할 때, 사람이 반드시 최종 책임을 져야 하는 의사결정 영역은 어디까지로 남아야 할까?
• 대학 입학 에세이나 과제에서 AI 활용을 허용한다면, 학생의 고유한 역량을 드러내는 평가는 어떤 방식으로 재설계되어야 할까?