Michael Rangel, Novo 설립자 – 인터뷰 시리즈

Michael Rangel, Novo 설립자는 2016년에 회사를 설립하고 9년 이상 CEO를 역임했으며, Novo를 초기 단계 개념에서 소기업을 위한 금융 플랫폼으로 전환하는 데 기여했습니다. 재임 기간 동안 Rangel은 제품 개발, 자금 조달, 채용, 운영, 파트너십 및 시장 진출 전략 전반에 걸쳐 일했으며, 회사가 $170 million 이상의 자금을 조달하도록 도왔습니다. 그는 2025년 4월에 CEO 자리에서 물러났지만 Novo의 설립자이자 이사회 구성원으로 남아 기업가와 독립 비즈니스를 지원하는 장기 사명을 계속 지원하고 있습니다. Novo를 설립하기 전, Rangel은 Fairholme Capital Management에서 무역 관리 및 운영 업무를 5년 이상 수행했으며, 그 이전에는 Smith Barney에서 운영 역할을 맡았습니다.

Novo는 독립 비즈니스, 기업가, 프리랜서 및 소기업 소유자를 위해 특별히 설계된 핀테크 플랫폼으로, 비즈니스 체크와 결제, 청구, 비용 관리, 현금 흐름 계획, 대출 및 비즈니스 신용 도구를 결합합니다. 이 플랫폼은 QuickBooks, Stripe, Shopify, Square, Xero 등 40개 이상의 비즈니스 도구와 통합되어 은행 업무를 회계, 결제 및 운영 워크플로와 연결하도록 돕습니다. Novo는 또한 OpenAI, Anthropic, Google의 모델을 활용한 AI를 도입해 온보딩 및 비용 분류와 같은 프로세스를 간소화합니다. 회사에 따르면 이 플랫폼은 250,000개 이상의 독립 비즈니스가 신뢰하고 있습니다. Novo 자체는 은행이 아닌 핀테크이며, 은행 서비스와 Federal Deposit Insurance Corporation (FDIC)-insured deposits는 파트너 Middlesex Federal Savings를 통해 제공됩니다.

당신은 2016년에 Novo를 설립하고 거의 10년 동안 소기업의 재무 요구에 맞춰 구축했습니다. 그때 해결하고자 했던 문제들을 되돌아볼 때, AI가 현재는 어떤 방식으로 해결할 수 있다고 보시며, 이는 회사를 시작했을 때는 불가능했던 방식인가요?

AI는 비즈니스를 운영하고 고객에게 가치를 제공하는 방식에 깊은 영향을 미칠 수 있습니다. 우리가 Novo를 시작했을 때 해결하고자 했던 문제 중 하나는 연 매출 $1,000인 기업, $100,000인 기업, $1백만인 기업이 은행에 대해 놀라울 정도로 비슷한 운영 부담을 초래한다는 것이었습니다. 매출 규모와 관계없이 온보딩, 규정 준수, 사기 방지, 보안, 거래 모니터링 및 고객 서비스를 지원해야 합니다. 이는 개별 고객이 은행에 크게 가치가 없더라도 큰 운영 팀을 구축해야 함을 의미했습니다.

10년 전, 우리는 소프트웨어가 그 방정식을 바꿀 수 있다고 믿었습니다. AI는 이제 그 아이디어를 훨씬 더 확장하고 있습니다. 컴플라이언스 전문가가 AI를 사용해 정보를 요약하고 문서를 처리하며 보고서나 답변을 초안 작성하면, 한 사람이 이전보다 10배 이상 많은 양을 처리할 수 있습니다. 고객 서비스 팀은 AI가 일상적인 질문을 처리하도록 함으로써 직원들이 실제 판단이 필요한 문제에 시간을 할애할 수 있습니다. 사기 모델은 잠재적인 문제를 조기에 식별하고, 문제가 발생했을 때 손실 회복을 더 빠르게 도와줍니다. AI는 Novo가 설계된 목적, 즉 규모에 관계없이 기업에 맞는 은행 경험을 제공하는 방식을 훨씬 더 잘 구현하게 해주었습니다.

소기업은 역사적으로 대기업이 이용할 수 있는 재무 팀, 분석가 및 정교한 소프트웨어에 접근하기 어려웠습니다. AI가 현실적으로 그 자원 격차를 얼마나 메울 수 있으며, 인간 전문 지식이 여전히 필수적인 영역은 어디일까요?

AI는 놀라울 정도로 빠르게 발전하고 있지만, 그 속도는 상황에 따라 크게 다릅니다. 샌프란시스코나 뉴욕에서 기술 분야에 종사한다면, 단순히 회사를 운영하려는 소기업 소유자와는 AI에 대한 경험이 크게 다를 것입니다.

소기업이 직면한 많은 문제들이 이미 AI의 범위 안에 있습니다. 더 큰 도전은 기술이 사람들의 학습 속도보다 빠르게 진화한다는 점입니다. 그래서 저는 Anthropic과 같은 기업이 비전문가에게 시작점을 제공하도록 설계된 제품을 통해 무엇을 하고 있는지에 관심이 있습니다.

인간의 전문 지식이 사라지는 것은 아니지만, AI는 그 전문성을 더 쉽게 접근할 수 있게 함으로써 격차를 메울 수 있습니다. 저는 April Tax와 같은 제품이 한때 많은 시간과 전문 지식이 필요했던 작업을 소기업 소유자에게 훨씬 쉽게 만들어 주는 것을 보았습니다. 아직 AI가 비즈니스를 완전 자동화할 단계는 아니지만, 세무 신고 준비에 주말을 잃어본 적이 있다면 그 시간을 되찾는 것이 중요합니다.

오늘날 AI가 소기업 소유자에게 가장 실질적인 가치를 제공하고 있는 영역은 어디라고 보시나요? 특히 현금 흐름 예측, 비용 관리, 예산 편성 및 일상적인 재무 의사결정과 관련해서요.

우리가 Novo에서 구축한 AI의 가장 유용한 활용 사례 중 하나는 겉보기에 꽤 단순해 보이는 거래 라벨링입니다. 과거에는 이러한 모델을 잘 작동시키려면 방대한 학습 데이터가 필요했으며, 그럼에도 약 80% 정도의 정확도만 얻을 수 있었습니다. 누군가의 재무 정보를 다룰 때는 모든 것을 다시 확인해야 하기 때문에 이는 충분히 좋지 않습니다.

우리 자체 데이터를 적게 사용하고, 모델 증류 기법 및 시스템이 확신이 없을 때 최첨단 모델을 활용함으로써 최근 정확도를 97% 이상, 99%에 가깝게 끌어올렸습니다. 모든 거래가 무엇을 의미하는지 정확히 파악하면, 해당 데이터를 기반으로 훨씬 더 유용한 금융 도구를 구축할 수 있습니다. 이는 비용 대시보드, 기본 FP&A를 구동하고, 급여 및 공급업체 결제와 같은 항목에 자금을 구분하여 기업이 실수로 다른 곳에 쓰는 일을 방지하는 데도 도움이 됩니다.

흥미로운 점은 LLM이 분류와 클러스터링에서 놀라울 정도로 뛰어나다는 것입니다. 이는 기업의 거래 데이터를 활용해 복잡했던 엔지니어링 작업 없이도 맞춤형 재무 뷰를 구축할 수 있음을 의미합니다. 우리 고객층에게 오늘날 AI의 역량은 우리가 해결하려는 문제의 복잡성을 능가하고 있습니다. 이는 매우 흥미로운 상황입니다.

AI의 약속 중 하나는 재무 소프트웨어가 단순히 비즈니스 소유자에게 과거를 보여주는 수준에서, 다음에 해야 할 일을 적극적으로 알려주는 수준으로 전환하는 것입니다. 실제로 진정으로 지능적인 재무 플랫폼은 어떻게 보일까요?

가장 좋은 은행 경험은 여전히 여러분의 비즈니스를 모두 아는 은행 담당자와 대화하는 것입니다. 그들은 여러분의 과거, 목표, 그리고 앞으로 필요할 것들을 이해합니다. 소프트웨어는 언제나 그 관계를 돕는 역할을 해왔지만, 이를 대체하지는 못했습니다.

저에게 진정으로 지능적인 재무 플랫폼은 비즈니스를 관리하기 위해 필요한 인원의 수를 줄인 느낌입니다. 질문을 하면 답을 받고, 올바른 정보를 확인하며, 스스로 어디를 찾아야 할지 고민하지 않아도 유용한 가이드를 받을 수 있어야 합니다. 중요한 부분은 그 답변을 신뢰한다는 것입니다.

Novo에서는 가끔 우리가 인도와 경쟁하고 있다고 말합니다. 은행 고문을 찾는 것은 여전히 훌륭한 경험입니다. 탐색할 앱도 없고, 여러분을 아는 사람이 비즈니스를 기반으로 안내해 줍니다. AI가 제공하는 것은 이전에는 불가능했던 규모로 이러한 경험을 서비스가 부족한 기업 그룹에게 제공할 수 있는 기회입니다. 우리 고객에게 그 기회가 이제야 손에 닿게 되었습니다.

AI가 궁극적으로 소규모 기업을 위한 가상의 최고재무책임자(CFO) 역할을 수행하며 재무를 지속적으로 모니터링하고, 위험을 식별하며, 조치를 권고할 수 있을까요? 기업가가 이러한 시스템을 신뢰하기 위해서는 어떤 역량이 성숙해야 할까요?

네, 그리고 우리는 이미 이를 구축하고 있기 때문에 자신 있게 말합니다. 올해 초에 우리는 그 비전을 향해 나아가기 위해 AI 에이전트 인프라를 출시했습니다.

어려운 부분은 모델이 질문에 답하도록 하는 것이 아니라, 사람들의 재무 생활을 신뢰할 수 있는 무언가를 구축하는 것입니다. 우리는 이를 직접 경험했습니다. 첫 베타 코호트는 괜찮았지만, 경험이 결국 누군가의 신뢰를 깨뜨리지 않을 정도로 충분하지 않았습니다. 그래서 우리는 시스템 학습 방식, 전문 에이전트 간 협업 방식, 그리고 에이전트가 이용 가능한 정보와 도구 활용 방식을 지속적으로 개선해 왔습니다.

우리가 만든 것은 본질적으로 은행 전용 에이전트 시스템이며, 거래, 사기, 카드, ACH 등 각각을 담당하는 에이전트가 자체 도구와 지식을 보유하고 있습니다. 이를 구현하는 데 많은 노력이 필요했지만, 이제 결과는 확실히 훌륭합니다. AI가 주목받는다고 해서 서두르고 싶지는 않습니다. 이는 고객에게 불공정하기 때문입니다. 그러나 우리가 지원하는 규모의 기업에게는 그 순간이 이미 왔으며, 이는 매우 흥미진진합니다.

자본 접근성은 여전히 소기업에게 가장 큰 과제 중 하나입니다. AI가 인수심사와 대출을 어떻게 변화시킬 수 있을까요? 그리고 대체 데이터가 전통적인 신용 모델이 간과하는 기업을 금융기관이 평가하도록 할 수 있을까요?

이 부분은 대화가 혼란스러워지는 영역이라고 생각합니다. 실제로는 AI 자체가 아니라, 공정성과 이러한 모델이 실제로 무엇을 할 수 있는지에 대한 이해에 관한 문제입니다.

최신 언어 모델을 신용 결정 모델로 절대 사용해서는 안 됩니다. LLM은 비결정적이어서 동일한 입력이 다른 출력을 낼 수 있습니다. 신용 결정을 위해 사용되는 전통적인 머신러닝 모델은 결정적이어서 동일한 입력이 동일한 결과를 제공합니다. 이 차이는 누가 신용을 받을지 결정할 때 매우 중요합니다. 결정에 영향을 미치는 요인을 파악하고, 편향을 테스트하며, 문제가 발생했을 때 이를 수정할 수 있어야 합니다.

AI는 위험을 이해하기 위한 더 나은 모델을 구축하는 데 확실히 도움이 되며, 우리는 Novo에서 이를 매우 잘 수행하고 있습니다. 그러나 AI만으로는 소기업의 자본 접근성이라는 더 큰 문제를 해결할 수 없다고 생각합니다. 그 문제의 상당 부분은 바젤 프레임워크가 만든 규제 환경에서 비롯되며, 이는 은행의 소기업 대출 경제성을 변화시켜 위험을 감수하려는 의지를 감소시켰습니다.

우리는 항상 소기업이 경제의 중추라고 말하지만, 우리는 그들을 중심으로 금융 시스템을 구축했으며, 그들의 생존 능력에 영향을 미치는 많은 결정이 그들이 발언할 수 없는 방에서 이루어집니다. 이는 우리가 더 나은 AI 모델을 가지고 있는지 여부보다 훨씬 큰 문제입니다.

AI는 사기 탐지와 금융 보안에서도 점점 더 중요해지고 있습니다. 금융 플랫폼이 과도한 오탐을 만들거나 소기업의 정상적인 거래를 어렵게 만들지 않으면서 의심스러운 활동을 식별하기 위해 AI를 어떻게 활용할 수 있을까요?

AI는 특히 이상해 보이는 것을 포착하는 데 유용합니다. 언어 모델은 분류와 군집화에 놀라울 정도로 뛰어나며, 이를 활용하면 비교적 낮은 비용으로 비정상적인 행동을 식별할 수 있습니다.

중요한 구분은 최종 결정을 비결정론적 모델에 맡기지 않는다는 점입니다. 저는 이를 플래그를 올리는 용도로 사용하고, 그 후 결정은 결정론적 모델이 내리게 합니다. 이것이 Novo에서 사기에 접근하는 방식입니다.

우리는 또한 Sardine과 같은 회사와 협력하여 훨씬 더 넓은 금융 기관 집합에서 패턴을 우리 모델에 도입합니다. 그들은 이전에 사기와 연관된 자격 증명이나 자동화된 활동처럼 보이는 행동을 식별하는 데 도움을 줍니다. 우리는 기술과 전문성을 결합한 강력한 사기 방어 체계를 구축했습니다. 보안은 언제나 군비 경쟁이지만, AI는 우리가 앞서 나갈 수 있는 더 나은 도구를 제공하고 있습니다.

Financial AI 시스템은 기업의 매출, 비용, 고객 및 재무 건전성에 관한 매우 민감한 정보에 접근할 수 있습니다. 기업가가 데이터 프라이버시, 보안 및 재무 데이터를 AI 모델 학습에 사용하는 것에 대해 어떤 보호 조치를 기대해야 할까요?

이와 관련해 몇 가지 단계가 있습니다. 먼저 사용 중인 모델의 정책과 약관을 살펴보아야 합니다. 주요 대형 모델 제공업체는 기업용 및 API 서비스를 제공하며, 이 경우 고객 데이터가 모델 학습에 사용되지 않지만, API를 통해 모델을 사용하는 것과 소비자용 애플리케이션에서 대화 기록이 저장되는 경우 사이에는 중요한 차이가 있습니다.

또한 AI 시스템에 얼마나 많은 정보를 제공할지에 대한 질문도 있습니다. Novo에서는 고객이 선택할 수 있도록 에이전트를 설계했습니다. 은행 지식만을 사용해 질문에 답하도록 할 수도 있고, 앱 내에서 정보가 위치한 곳을 알려주도록 할 수도 있으며, 더 많은 재무 데이터를 제공하면 더 나은 답변을 얻을 수 있다는 점에 편안함을 느낄 수도 있습니다.

우리는 고객 데이터와 모델 사이에 시스템을 두어 EIN 및 사회보장번호와 같은 민감한 정보를 자동으로 제거하고, 시스템이 노출해서는 안 되는 정보를 노출하지 않도록 지속적으로 테스트합니다. 이것이 좋은 AI를 구축하기 어려운 이유입니다. 모델을 똑똑하게 만드는 것만으로는 충분하지 않습니다. 주변에 보호 장치를 구축하고 지속적으로 테스트해야 합니다.

현재 핀테크 분야에서 AI에 대한 열기가 엄청납니다. 어떤 적용 사례가 소기업에 진정으로 변혁을 가져올 것이라고 생각하시며, 업계가 AI가 제공할 수 있는 것에 대해 과대평가하고 있는 부분은 어디라고 보십니까?

모든 산업에서 AI에 대한 열정은 있어야 합니다. 우리는 이 영화를 전에 보았습니다. 인터넷은 소프트웨어 배포 방식을 바꾸었고, 브라우저는 접근 방식을, 클라우드 컴퓨팅은 배포 방식을, 모바일은 사용 가능한 장소를 바꾸었습니다. AI는 이제 소프트웨어를 경험하는 방식을 바꾸고 있습니다.

제가 가장 흥미롭게 생각하는 점은 우리가 소프트웨어 자체의 언어를 바꾸고 있다는 것입니다. 사람들은 이제 JavaScript나 Python을 배우는 대신 자연어로 원하는 것을 설명함으로써 소프트웨어를 구축할 수 있게 되었습니다. 수십 년 동안 이러한 기술 지식은 소프트웨어 개발을 문턱 뒤에 두는 요인 중 하나였습니다. 그 문턱이 무너지기 시작했으며, 이것이 Lovable과 Replit 같은 기업이 빠르게 성장한 이유 중 하나입니다.

동시에 우리는 아직 초기 단계에 있다고 생각합니다. 많은 과대광고는 실리콘밸리의 사람들이 다른 사람들보다 훨씬 빠른 속도로 AI를 경험하고 있기 때문에 나옵니다. 실제 가치를 얻는 기업들은 AI를 마법처럼 여기지 않습니다. 그들은 AI가 실제로 할 수 있는 일을 파악하고, 그것이 효과적인 문제에 적용하고 있습니다.

우리는 아직 이 단계의 시작에 있습니다. AI 도입을 인터넷과 모바일의 초기 도입 곡선과 비교하면, 이는 매우 초기 단계입니다. 따라서 오늘날 기술이 일부 과대광고에 미치지 못한다는 이유만으로 AI를 일축하는 것은 초기 인터넷을 보고 그것이 일시적인 유행이라고 판단하는 것과 같습니다.

앞으로 AI가 소기업 은행 업무 자체를 어떻게 재구성할 것이라고 보십니까? 궁극적으로 오늘날의 계좌, 대시보드, 금융 도구 모델에서 기업 소유자를 대신해 회사의 재무 운영 대부분을 능동적으로 관리하는 자율 금융 플랫폼으로 이동할 수 있을까요?

이것이 Novo가 구축하고 있는 비전입니다. 근본적으로 우리는 휴대폰에 훌륭한 은행 고문이 있는 경험을 재현하고자 합니다. 질문을 하면 답을 얻고, 필요할 때 차트나 보고서를 생성하며, 적절한 시기에 신용에 대해 듣고, 사업이 성장함에 따라 보험을 발견하고, 심지어 보조금이나 세금 변화 등 여러분에게 도움이 될 수 있는 정보를 배울 수 있어야 합니다.

혁신은 단순히 AI가 일을 대신해 주는 것이 아닙니다. AI가 그 일을 충분히 잘 수행해 사용자가 실제로 신뢰하게 만드는 것이 핵심입니다. 이는 생각보다 훨씬 어렵고, 저는 신뢰가 제품 자체의 기능이 되고 있다고 봅니다.

AI는 사람이 담을 수 있는 것보다 훨씬 더 많은 정보를 컨텍스트에 보유할 수 있지만, 실제로 비즈니스를 앞당기는 인간 관계를 대체할 수는 없습니다. 사람들은 위험을 감수하고 관계를 구축하며 경제를 움직이는 기회를 창출합니다. 그래서 Novo에서 우리의 성공 측정 기준은 여러분이 우리 앱에서 더 많은 시간을 보내게 하는 것이 아니라, 오히려 최소한의 시간만 사용하고 그 몇 분 안에 이전보다 더 많은 성과를 이루는 것입니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶은 독자분들은 Novo를 방문해 주세요.