컨설팅으로 먹고사는 회계법인 파트너의 솔직한 고백 (f. 이승환 삼일회계법인 부대표 / 이창훈 삼일회계법인 파트너) #박정호교수 #여의도멘션 #AI전환 #외부컨설팅

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

컨설팅으로 먹고사는 회계법인 파트너의 고백은, AI 전환의 성과를 내려면 외부 컨설팅을 활용하되 현업이 직접 실행할 내부 역량을 키워야 한다는 것이다.

📌 핵심 요점

1. AI 설치와 사업 성과는 다르다. 영상은 PwC 글로벌 네트워크 조사에서 AI를 매출 등 업무 성과로 연결한 기업이 12%였다고 소개한다. 개념검증을 넘어 실제 성과를 내려면 현업의 암묵지와 데이터를 연결해야 한다.
2. 컨설팅의 역할은 출발점과 내부 역량을 만드는 데 있다. 인력과 자금이 부족한 중소·중견기업은 대기업의 전략을 그대로 따르기 어렵다. 외부 전문가는 우선순위 설정과 어려운 과제를 돕고, 내부에서 가능한 전환은 기업이 직접 이끄는 접근이 제시된다.
3. 자동화 범위는 실패의 피해와 책임 기준으로 정해야 한다. 정확도가 99%여도 나머지 1%가 사업에 큰 피해를 준다면 사람의 검토가 필요하다. 고용 불안을 줄이고 자동화로 확보한 시간을 어떻게 쓸지도 함께 설계해야 한다.
4. 현업 주도와 회사 공통 체계가 함께 필요하다. 삼일회계법인의 AX 프론티어는 운영 부서의 업무 전문가가 전환을 이끌고 중앙 조직이 기술을 지원한다. 개인별 AI 활용을 공통 업무 흐름에 연결하고 부서마다 다른 데이터 정의도 맞춰야 한다.
5. 장기 전환을 작은 실행 단위로 나누고 교육을 병행해야 한다. 영상은 1~2년 프로젝트와 연간 경영 평가의 간극을 줄이기 위해 90일 단위 실행을 제안한다. 코딩 에이전트가 실행 범위를 넓힐 수 있지만, 산출물 품질과 조직 전체의 활용 역량을 높이는 재숙련도 필요하다.

🧩 배경과 문제 정의

• 기업의 AI 도입 관심은 높지만, 기술을 설치하는 것만으로 매출과 업무 성과가 따라오지는 않는다. 현업 지식, 데이터, 의사 결정 체계와 조직 운영을 함께 바꿔야 한다.
• 중소·중견기업은 투자 여력과 IT 인력, 현업 인력이 부족해 대기업의 전환 전략을 그대로 적용하기 어렵다. 외부 전문성을 활용하면서 내부 역량을 키우는 접근이 필요하다.
• 경영진의 자동화 기대와 근로자의 고용 불안이 충돌한다. 개인의 생산성 향상을 조직 전체의 성과로 연결하려면 업무 재설계, 교육, 책임 기준이 필요하다.

🕒 시간순 섹션별 상세정리

1. 회계 업무의 자동화에서 AI 전환으로 확장된 역할

• 기업의 숫자에는 영업·구매·재무·인사 활동이 모인다. 이 숫자를 기반으로 경영 의사 결정을 지원하려면 디지털 기술과 AI를 이해할 필요가 있다 [01:45]
• 기존 디지털 전환은 자동화 환경을 정비하는 데 큰 투자가 필요해 자금 여력이 부족한 기업에 한계가 있었다. AI는 이러한 진입 장벽을 낮췄고, 기업의 전환을 지원하는 조직이 만들어지는 배경이 됐다 [02:26]

2. CEO에게 AI는 도구이자 사업이며 조직 운영 방식이다

• AI는 데이터를 취합하고 추론해 전략적 의사 결정을 지원하는 CEO의 도구가 될 수 있다 [04:35]
• 자체 언어모델을 제공하지 않는 기업도 서비스에 AI를 결합해 사업 경쟁력을 높일 수 있다. 넷플릭스와 유튜브의 추천 알고리즘은 이용자가 서비스에 머물도록 돕는 사례다 [04:55]

3. AI 성과를 좌우하는 것은 현업 지식과 참여다

• PwC 글로벌 네트워크 조사에서 AI 도입을 실제 매출 등 업무 성과로 연결한 기업은 12%라는 수치가 드러난다. AI 투자 열풍 자체가 개별 기업의 성과를 보장하지는 않는다는 문제의식이다 [07:13]
• IT 부서만으로도 개념검증은 성공할 수 있지만, 실제 성과를 내려면 데이터 문제를 풀고 영업·운영 담당자의 암묵지를 데이터로 전환해야 한다. AI 전환은 업무를 아는 현업 전문가가 참여하는 도메인 기반 프로젝트다 [07:35]

4. 중소·중견기업은 제약에 맞춰 시작하되 조직의 기동성을 살려야 한다

• 중소·중견기업은 IT 기반과 운영 인력이 부족하고, 현업 인력도 빠듯해 AI 프로젝트에 별도로 투입하기 어렵다. 대기업과 같은 투자·추진 전략을 답습하면 실패할 수 있다는 진단이다 [08:34]
• 외부 전문가는 도입 출발점과 우선순위를 정하고 자체 역량을 키우는 방법을 찾는 데 활용필요가 있다. 전환 전체를 외부에 의존하는 방식은 권장되지 않는다 [09:27]

5. 컨설팅의 초점은 역량 내재화와 투자 우선순위다

• 외부 컨설팅 비용이 부담스러운 기업에는 직무 교육과 AI 리터러시 향상을 함께 지원한다. 자체 해결이 어려운 영역은 전문가가 돕고, 내부에서 수행할 수 있는 전환은 기업이 직접 이끌도록 하는 방식이다 [11:14]
• 업종 간 유사성이 큰 재무 업무는 공용 에이전트를 활용할 수 있다. 자동차 엔진 개발이나 가수 육성처럼 고유한 도메인이 중요한 업무는 투자수익률을 분석해 도입 시점을 정하는 로드맵이 필요하다 [12:26]

6. 고용 불안 속에서 사람의 역할은 처리에서 판단·승인으로 바뀐다

• 현장에서는 AI 전환을 일자리 위협으로 받아들이는 저항이 발생한다. 방문한 기업의 노조가 정문에 모여 있어 컨설팅 일행이 후문으로 들어갔다는 경험은 이러한 불안을 보여준다 [13:23]
• 현재 도입 수준에서는 AI가 사람을 완전히 대체하기보다 업무를 처리하고 사람이 결과를 판단·승인하는 경우가 대부분이라는 진단이다. 반면 CEO는 사람의 개입으로 지연되지 않는 완전 자동화를 원해 갈등이 생긴다 [14:23]

7. 자동화의 범위는 정확도뿐 아니라 위험과 거버넌스로 정해야 한다

• 완전 자동화 여부는 개별 직원이 결정할 문제가 아니다. 위험이 낮은 업무는 AI 결과를 따를 수 있지만, 정확도가 99%여도 나머지 1%의 실패가 사업에 큰 위험을 주면 모든 결과를 사람이 검토하도록 정해야 한다 [16:08]
• AI를 도입하고도 이런 기준을 정하지 못한 기업이 많다. 앞서 성과를 낸 12% 기업의 공통점으로 AI 결과를 언제 신뢰할지 정한 거버넌스가 제시되며, CEO는 자동화 이후 남는 시간의 활용도 설계해야 한다 [16:47]

8. AI 의존으로 생기는 품질 저하에는 교육과 재숙련이 필요하다

• AI로 개인 생산성이 높아지는 한편, 스스로 깊이 고민하지 않고 답을 골라 사용하는 학생들의 사고가 얕아진다는 관찰도 제기된다. 개인별 효과가 다른 만큼 조직 도입이 반드시 성과 향상으로 이어진다고 단정하기 어렵다 [18:33]
• AI에 전적으로 의존하면 기준 이하의 산출물인 ‘AI 슬롭’이 기업에 부담을 줄 수 있다. 이를 줄이려면 직원의 AI 리터러시를 높여야 한다 [19:35]

9. 개인별 AI 활용을 회사의 공통 업무 체계로 연결해야 한다

• ERP 도입 때 모든 직원이 시스템 안에서 일하도록 업무 방식이 바뀌었듯, AI도 회사 차원의 공통 업무 체계에 들어갈 필요가 있다 [20:52]
• 개인이 각자 모델을 사용하는 상태가 회사 시스템과 연결되지 않으면 업무가 분절되고 지연과 병목이 생긴다. 일부 기업은 공통 AI 환경 안에서 업무를 수행하도록 체계를 구축하고 있다 [21:08]

10. 현업과 단절된 중앙 AI 조직은 전환을 늦춘다

• IT 전문가와 기술 엔지니어 중심의 중앙 전환 조직이 현업 전문가와 연결되지 않은 채 AI를 도입하다 실패한 사례가 있다. 규모가 큰 기업에서는 부서 간 이해관계도 운영을 어렵게 만든다 [21:46]
• 업무 지식을 제삼자에게 말로 전달하는 과정에서 비효율과 정보 손실이 발생한다. 전환 속도가 느려지면 피로가 쌓이고 AI 도입이 우선순위에서 밀려 실패로 이어질 수 있다 [22:34]

11. 현업이 이끌고 중앙 조직이 지원하는 AX 프론티어

• 삼일회계법인 내부에서는 실제 운영 부서에 AX 프론티어 조직을 두고, 업무 전문가가 전환을 이끌며 중앙 조직은 기술을 지원하는 방식을 운영한다 [23:10]
• 현업이 직접 주도하는 경우 전환 속도가 빨라지고, 담당자가 결과물에 책임감을 갖고 실제 운영에 적용하려는 노력이 나타났다는 경험이다 [23:35]

12. 데이터 정의와 업무분장, 내부 개발 역량을 함께 정비해야 한다

• 같은 매출도 회계 부서는 발생주의 매출, 영업 부서는 수주, 자금 부서는 현금 관점으로 이해할 수 있다. 데이터 레이크 구축 시 정의를 맞추지 않으면 자료가 서로 달라 혼란이 생기므로 ‘단일한 진실의 원천’을 마련해야 한다 [23:51]
• AI 프로젝트에는 업무분장과 가치사슬에 맞춘 조직 재설계, 거버넌스의 지원이 필요하다. 내부 리터러시가 낮으면 프로젝트마다 외주를 불러야 하므로 현업 전문가의 활용 역량을 높이는 것이 중요하다 [24:20]

13. 장기 전환과 단기 경영 평가의 간극을 90일 단위로 줄인다

• 업황 악화와 기존 업무 부담, 오랜 관성 때문에 AI 전환을 벅차게 느끼는 CEO가 있다. 사업 규모를 줄이려는 경영자에게는 새로운 전환 요구가 더 큰 부담이 될 수 있다 [25:10]
• AI 프로젝트는 개념검증부터 실제 가동까지 보통 1~2년이 걸리지만, 전문경영인은 1년 단위 매출과 손익으로 평가받는다. 긴 프로젝트를 90일 단위로 나눠 먼저 실행하자는 접근은 이 시간 차이를 줄이기 위한 것이다 [26:11]

14. 코딩 에이전트의 발전은 90일 안에 가능한 실행 범위를 넓힌다

• 과거에는 90일이 IT 프로젝트의 설계만 하다 끝날 기간이었지만, 코딩 에이전트의 발전으로 프로젝트 시작부터 실제 가동 직전 단계까지 완성할 수 있는 시간이라는 평가다 [26:53]
• 과제가 90일 안에 끝나지 않을 경우 무엇이 문제인지 확인하는 점검 기준으로도 이 기간을 제안한다 [27:23]

15. AI 전환은 모든 조직 리더와 중소·중견기업의 과제다

• 팀장과 부문 리더도 조직의 AI 도입 출발점과 접근 방식을 고민한다. 조직 운영 관점에서 AI를 이해할 필요는 CEO에게만 국한되지 않는다 [28:40]
• 책을 집필하는 동안에도 기술이 발전해 실무 전문가들 역시 계속 공부해야 했다. 기업의 AI 전환 지원에도 지속적인 학습이 필요하다는 인식이다 [29:19]

16. 상대방에게 전하는 재차 감사

• 상대방에게 다시 한번 감사의 뜻을 전해진다 [30:01]

17. 추가 홍보 약속과 마지막 인사

• 앞으로 더 많이 홍보하겠다고 약속하고 감사 인사를 덧붙인다 [30:05]
• 상대방도 감사 인사로 화답하며 대화를 마무리한다 [30:07]

🧾 결론

• 외부 컨설팅의 가치는 기업이 우선순위를 정하고 스스로 전환을 이어갈 수 있게 만드는 데 있다.
• AI 전환은 현업 지식, 데이터 정의, 승인 절차, 업무분장과 교육을 함께 바꾸는 조직 운영 과제다.
• 중소·중견기업은 자원 제약이 있지만, 부서 간 연결과 빠른 실행이 쉬운 조직 특성을 기회로 활용할 수 있다.

📈 투자·시사 포인트

• 기업의 AI 투자를 평가할 때는 도입 규모와 함께 실제 업무 적용, 매출 등 성과 연결, 내부 실행 역량을 살펴볼 필요가 있다.
• 공통성이 높은 재무 업무와 고유한 도메인 지식이 필요한 업무는 투자 접근이 다르다. 후자는 투자수익률과 도입 시점을 검토하는 로드맵이 중요하다.
• 인건비 절감만 강조하면 직원이 암묵지 공유를 꺼릴 수 있다. 교육과 역할 재설계는 AI 투자 성과를 좌우할 조직적 조건이다.
• 코딩 에이전트로 개발 기간이 줄어들더라도 실제 가동과 사업 성과는 별도 확인이 필요하다. 90일은 실행과 장애 요인을 점검하는 단위로 해석할 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 성과를 낸 기업이 12%라는 조사 수치는 원문, 조사 시점, 표본과 성과의 정의가 제공되지 않았다. 모든 기업의 AI 성공 확률로 일반화하기 어렵다.
• 90일 안에 실제 가동 직전까지 진행할 수 있다는 평가는 과제 범위와 데이터·인력 조건이 명시되지 않았다. 모든 프로젝트의 완료 기한으로 적용할 근거는 부족하다.
• AX 프론티어의 속도와 책임감 향상은 출연자가 전한 경험이다. 비교 지표나 정량 성과가 없어 다른 조직에서도 같은 효과가 날지는 확인이 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

• 현업 담당자와 함께 AI 적용 후보 업무를 정리하고, 공통 업무와 고유한 전문지식이 필요한 업무를 구분한다.
• 외부 전문가에게 맡길 과제와 내부에서 수행할 과제를 나누고, 교육과 역량 이전 목표를 정한다.
• 업무별 오류 피해를 평가해 자동 처리, 사람의 검토, 최종 승인 기준과 책임자를 정한다.
• 부서마다 다르게 쓰는 매출 등 주요 데이터의 정의를 맞추고 공통 업무 흐름에 연결한다.

❓ 열린 질문

• 우리 조직에서 현업이 직접 이끌 수 있는 첫 AI 과제는 무엇이며, 참여할 시간과 권한을 어떻게 확보할 것인가?
• AI 오류가 발생했을 때 감당할 수 있는 피해 수준은 어디까지이며, 누가 검토와 승인 책임을 맡을 것인가?
• 개인이 절약한 시간을 조직의 성과로 연결하려면 공통 업무 체계와 역할을 어떻게 바꿔야 하는가?