재무 부문은 현금 순환 주기보다 조직도를 자동화하고 있다

재무 업계에서는 직원들이 AI를 도입할지, CFO들이 AI에 투자할지, 기술이 실험 단계를 넘어설 만큼 충분히 성숙했는지를 두고 오랫동안 논의해 왔습니다. 하지만 CFO 조직에서 AI 도입이 꾸준히 이뤄지고 있는 지금, 이런 질문이 더는 유효한지조차 잘 모르겠습니다.

Auditoria가 최근 발표한 2026년 연구에서 재무 조직의 66.5%는 AI 투자를 늘리고 있다고 답했으며, 재무팀은 평균적으로 2.43개 기능에서 AI를 사용하고 있었습니다. 이는 1년 전보다 36% 증가한 수치입니다. 그러나 AI 이니셔티브가 의미 있고 측정 가능한 성과를 냈다고 답한 곳은 21%에 불과했습니다.

이런 현상이 나타나는 이유에 대한 몇 가지 설명으로는 기업이 잘못된 도구를 선택했거나, 너무 서둘렀거나, 충분한 인원이 도구를 사용하도록 하지 못했다는 점을 들 수 있습니다. 하지만 저는 이런 설명에 별로 동의하지 않습니다. 재무 부문의 조직 방식에 따라 AI를 도입해 온 결과, 이제는 매입채무, 매출채권, 자금 관리, 심지어 FP&A까지 더 똑똑해졌기 때문입니다.

현금은 그런 식으로 움직이지 않습니다. 현금은 이 모든 경계를 넘나듭니다. 재무의 각 부분을 더 지능적으로 만드는 데만 집중하고, 그 부분들이 함께 관리하는 재무 순환 주기는 그대로 둔다면 한계가 있다는 사실을 이제 깨닫기 시작한 것 같습니다.

각 부문은 더 똑똑해졌습니다

현대 재무 부문에서 다소 이해하기 어려운 문제 중 하나는 각 기능이 현금과 관련해 자신이 맡은 부분을 파악할 수 있도록 매우 정교한 방식을 구축해 왔다는 점입니다. 매입채무(AP)는 나가는 돈을 관리하고, 매출채권(AR)은 들어오는 돈에 집중하며, 자금 부서는 유동성을 관리하고, FP&A는 수치가 어떻게 움직일지 예측하려 합니다. 각 팀이 맡은 일을 잘해도, 여러 기능 사이에서 현금이 움직일 때 어떤 일이 벌어지는지 명확히 책임지는 사람이 없어 CFO가 난처해질 수 있습니다.

매입채무 회전일수(DPO)와 매출채권 회전일수(DSO)를 생각해 보겠습니다. 매입채무 팀이 매입채무 회전일수를 5일 개선하면 이를 성과로 보고하는 것이 충분히 타당합니다. 하지만 같은 분기에 채권 회수가 늦어져 DSO가 7일 악화될 수도 있습니다. 두 팀 모두 요청받은 일을 정확히 수행했을 수 있고, 각각의 결과에 대해 충분히 타당한 설명을 내놓을 수도 있습니다. 그래도 기업은 분기 말에 운전자본을 현금으로 전환하는 데 이전보다 2일 더 걸리는 상황을 맞습니다.

재무 부문은 각 기능의 책임 소재를 명확히 하는 데 능숙하지만, 재무 성과는 그 기능들 사이의 영역에서 만들어지는 경우가 많습니다.

우리는 송장을 자동 처리하고, 계정을 대사하고, 현금을 예측하고, 채권 회수를 관리하고, 보고서를 작성하는 시스템을 구축해 왔습니다. 이제 같은 영역에 AI를 도입하고 있어, 재무의 각 부분을 더 효율적으로 만들면서도 재무 부문 자체의 분절성은 그대로 두게 될 위험이 있습니다.

업무가 빨라져도 전체 과정이 짧아지는 것은 아닙니다

우리 연구 결과 가운데 한 가지가 이 문제를 유난히 잘 보여 주어 자꾸 떠오릅니다. 현재 43.8%는 요청에 24시간 이내에 응답한다고 답했는데, 이는 지난 4년간 기록한 최고치입니다. 동시에 팀의 44.5%는 공급업체, 고객, 사내 이해관계자에게 매주 11시간 이상 후속 연락을 하는 데 시간을 쓰고 있습니다. 1년 전의 29.7%보다 늘어난 수치입니다. 또 다른 13.4%는 이 일에 주당 30시간 넘게 씁니다.

더 빠른 응답이 업무 완료에 가까워졌다는 뜻이라고 가정할 때만 이 수치들이 모순처럼 보입니다. 예를 들어 공급업체가 이메일에 답했지만 정보가 여전히 불완전하거나, 고객이 채권 회수 요청에 응답하면서 송장에 이의를 제기할 수 있습니다. 재무팀은 불일치를 발견한 뒤 이를 설명할 수 있는 다른 부서의 담당자를 찾아야 합니다.

개별 업무를 얼마나 빨리 처리하는지 측정하는 데는 지나치게 많은 시간을 쏟고, 문제를 발견한 시점부터 재무 성과를 바꾸는 방식으로 해결할 때까지 얼마나 걸리는지를 측정하는 데는 너무 적은 시간을 들여 왔다고 생각합니다.

AI 에이전트로 위험 부담이 커집니다

기존 자동화는 매우 분절된 프로세스의 속도를 높이는 데 큰 도움이 됐습니다. 하지만 AI는 판도를 완전히 바꿨습니다. AI 에이전트는 자동화된 프로세스 안에서 의사결정을 내리기 시작할 수 있습니다. 따라서 이런 시스템에 어떤 목표를 부여하는지가 중요해졌습니다. 소프트웨어가 단순히 한 필드에서 다른 필드로 정보를 옮기기만 하던 때보다 훨씬 더 중요합니다.

AI가 재무 전반에서 작동하기 시작하면 문제가 더 분명해집니다. 매입채무 부서는 지급 시점을 최적화하고, 매출채권 부서는 채권 회수를 앞당기며, 자금 부서는 유동성을 보호하려 할 수 있습니다. 각자 합리적인 목표를 추구하는 셈입니다. 이런 시스템들이 서로 다른 성공 기준에 따라 의사결정을 내리고, 기업이 이루려는 재무 성과를 함께 바라보지 못할 때 위험이 생깁니다.

이것이 바로 다음 단계에서 재무 분야 AI가 마주할 문제가 도입 여부가 아닌 이유입니다. 핵심은 시스템이 무엇을 최적화해야 하는지, 그리고 국지적으로는 합리적인 의사결정이 더 큰 재무 성과와 충돌할 때 어떤 일이 벌어지는지를 정하는 것입니다. 권한, 승인 기준, 감사 추적, 에스컬레이션 규칙도 중요하지만, 이는 AI 시스템이 무엇을 할 수 있는지에 답할 뿐입니다. CFO는 재무 및 거버넌스 규칙 전반에서 시스템이 무엇을 달성하려는지도 정해야 합니다.

통합이 운영상의 과제로 떠오르고 있습니다

기존 시스템과의 통합 부족이 이제 AI 도입을 가로막는 가장 큰 장애 요인으로 꼽히고 있으며, 당사의 조사에서는 이를 36.7%로 집계했다. 이전에는 가장 큰 장애 요인이었던 기술 도입에 대한 저항은 7위로 내려갔다. ACCA와 CA ANZ가 2026년에 별도로 진행한 조사에서는 재무 전문가의 40%가 여러 데이터 소스를 통합하기 어렵다는 점을 비즈니스 인사이트 개선의 장애 요인으로 꼽았다.

재무 리더들은 더 이상 AI가 재무 부문에 필요한 기술이라는 점을 사람들에게 설득하는 데 대부분의 에너지를 쏟지 않는다. 이제는 여러 AI 기능이 동일한 거래, 정책, 승인, 예외 사항 및 재무 성과를 대상으로 작동해야 할 때 어떤 일이 벌어지는지 알아가고 있다.

유용한 AI 기능은 개별 부서 안에서 작동할 수 있다. 하지만 유용한 재무 운영 모델은 그럴 수 없다.

따라서 몇 개의 활용 사례를 도입했는지 집계하는 대신, 문제를 파악한 뒤 그 재무적 영향을 해결하기까지 몇 차례의 인계가 남아 있는지 확인해야 한다. 매입채무(AP)나 매출채권(AR) 업무에서 절약한 시간만 살펴볼 것이 아니라, 현금이 기업 내에서 더 예측 가능하게 흐르고 있는지 물어야 한다. 또한 각 재무 부문에 저마다 AI 성공의 기준을 부여하는 대신, 그 기준들이 충돌할 때 누가 성과에 책임을 지는지 물어야 한다.

수년간 재무 기술은 조직 구조를 중심으로 구축되어 왔으므로, AI도 같은 방식으로 도입되는 것은 놀라운 일이 아니다. CFO는 각 부문의 성과를 책임지지만, 궁극적으로 기업은 매입채무(AP), 매출채권(AR), 자금 관리(Treasury), 재무기획·분석(FP&A) 부문이 각자의 효율성 목표를 달성했는지를 기준으로 재무 부문을 평가하지 않는다. 기업이 중요하게 여기는 것은 이들 부문이 함께 만들어 내는 재무 성과다.

AI가 어떤 의미 있는 방식으로든 재무 부문을 바꾸려면, 그 성과를 변화의 기준 단위로 삼아야 한다. 그렇지 않으면 각 부문을 자동화하고 부문별 지표를 개선하더라도, 결국 해결하려 했던 바로 그 경계들을 따라 재무 성과가 분절된 상태로 남게 된다.