AI 도구의 78%는 래퍼입니다. 나머지 22%가 구축한 것은 다음과 같습니다.

매입 채무 자동화 시장은 새로운 참여자들로 넘쳐나고 있습니다. 언제든지 Product Hunt를 열어보면 “AI로 청구서 처리를 자동화한다”고 주장하는 수십 가지 도구를 찾을 수 있습니다. 이러한 도구의 대부분은 공통된 아키텍처를 공유합니다: LLM API를 감싼 사용자 인터페이스, 약간의 프롬프트 엔지니어링, 그리고 그 외에는 별다른 것이 없죠. 

특정 사용 사례에서는 그 접근 방식이 잘 작동하지만, 기업 AP는 더 정교한 데이터 기술을 요구합니다. 

Gartner의 지능형 문서 처리에 대한 Market Guide는 IDP 시장이 “벤더 제품이 밀집되어 있다”고 지적하며, 그 이유는 “상품화된 자연어 기술이 진입 장벽을 낮췄기 때문”이라고 합니다. Forrester의 2025년 연구는 생성형 AI가 “벤더들의 차별화 능력에 도전하는 평준화 요소가 되고 있다”는 사실을 발견했습니다. 

이러한 옵션의 확산은 실제로 구매자에게 좋은 소식입니다. 경쟁을 촉진하고 가격을 개선하기 때문이죠. 문제는 어떤 도구가 어떤 작업에 적합한지 아는 것입니다. 

특히 매입 채무의 경우, 그 중요성은 다른 AI 사용 사례와 다릅니다. 마케팅 카피를 생성하거나 회의록을 요약하는 것이 아닙니다. ERP 시스템, 공급업체 지급, 감사 추적에 직접 연결되는 재무 데이터를 처리하는 것입니다. 결과물이 종종 송금인 경우 오류 허용 범위는 매우 좁습니다. 

오늘날 AP의 실제 격차 

Gartner에 따르면, AP 자동화는 3년 연속 CFO들의 최우선 디지털화 과제였습니다. 그러나 PwC는 CFO들의 88%가 기술 투자에서 가치를 창출하는 데 어려움을 겪고 있다는 사실을 발견했습니다. 

왜 이런 괴리가 발생할까요? 

Deloitte의 2023 글로벌 공유 서비스 Survey는 프로세스 복잡성, 기술 통합 과제, 그리고 분리된 이니셔티브를 지적합니다. 한편, AP 팀의 52%는 여전히 주당 10시간 이상을 청구서 처리에 소비하며, 60%는 청구서 데이터를 회계 소프트웨어에 수동으로 입력하고 있습니다. 

여기에는 상당한 기회가 있습니다. 적절한 자동화를 통해 팀은 매년 수천 시간을 되찾을 수 있지만, “적절한” 자동화는 전적으로 운영 규모와 그 복잡성에 달려 있습니다. 

얇은 래퍼가 작동하는 경우 

얇은 래퍼는 LLM API와 최종 사용자 사이의 최소한의 코드 계층입니다. 그 가치 제안은 인터페이스, 미리 작성된 프롬프트, 그리고 기본 모델에 대한 접근입니다. 

이러한 LLM 래퍼가 꽤 잘 작동하는 시나리오와 사용 사례가 있습니다. 그러나 약간의 복잡성을 만나자마자 어려움을 겪습니다. 

얇은 래퍼가 잘 작동하는 경우: 

• 처리량이 적은 경우(월 100건 미만의 청구서) 

• 공급업체가 일관되고 단순하며 표준 형식을 사용하는 경우 

• 심층적인 ERP 통합이 필요하지 않은 경우 

• 모든 출력물을 수동으로 검토하는 것이 가능한 경우 

얇은 래퍼가 어려움을 겪는 경우: 

• 높은 정밀도로 숫자를 추출해야 하는 경우 (LLM은 정제된 프롬프트를 사용해도 수치 데이터를 빈번히 오해합니다) 

• 처리량이 일관된 처리량과 예측 가능한 비용을 요구하는 경우 

• 실시간 감사 추적, 신뢰도 점수, 예외 처리가 필요한 경우 

• ERP 시스템과의 통합이 양방향이며 실시간이어야 하는 경우 

이 구분은 “좋음” 대 “나쁨”이 아니라, 도구를 작업에 맞추는 것에 관한 것입니다. 월 50건의 청구서를 처리하는 스타트업과 50,000건을 처리하는 제조업체의 요구 사항은 근본적으로 다릅니다. 

기업 AP가 실제로 요구하는 것

기업 AP는 청구서 스캐닝 이상을 필요로 합니다. 이는 여러 시스템, 검증 규칙, 승인 계층 구조, 그리고 규정 준수 요구 사항에 걸친 복잡한 워크플로입니다. 청구서 처리량이 증가하고 규정 준수 요구 사항이 강화되면, AP 자동화는 언어 모델이 기본적으로 제공하는 것 이상의 네 가지 역량을 필요로 합니다.

다중 형식 문서 처리

LLM은 PDF와 PNG, JPG 같은 일반적인 이미지 형식을 처리할 수 있지만, 기업 AP는 그보다 훨씬 더 많은 것을 다룹니다. 청구서는 EDI 전송(X12, EDIFACT), XML 파일(e-인보이스), PRN 프린트 스트림, 그리고 레거시 스캐너의 TIFF 이미지로 도착합니다. LLM이 기본적으로 읽을 수 있는 것만 지원하는 시스템은 문서 흐름의 상당 부분을 놓치게 됩니다.

문서 길이와 각 페이지의 문자 수는 또 다른 요소입니다. LLM은 컨텍스트 윈도우에 제약을 받으며, 이는 수백 개의 라인 항목이 있는 대형 청구서나 다중 페이지 계약서가 모델이 단일 패스로 처리할 수 있는 범위를 초과할 수 있음을 의미합니다. 기업 AP 자동화는 단축이나 세부 사항 손실 없이 모든 크기의 문서를 처리할 수 있는 파싱 로직이 필요합니다.

심층 ERP 통합

ERP는 회계와 재고 관리는 잘 처리하지만, 청구서 처리와 같은 비정형 AP 작업을 위해 설계되지는 않았습니다. 일반적인 해결 방법은 데이터를 ERP로 되돌리는 느리고 오류가 발생하기 쉬운 수동 프로세스를 포함합니다.

의미 있는 AP 자동화는 SAP, NetSuite, QuickBooks와 같은 시스템과의 양방향 동기화가 필요하며, 단순한 CSV 내보내기나 무의미하게 실행되는 웹훅 이상의 것이 필요합니다. 플랫폼 간 데이터 무결성을 유지하고 실시간으로 변경 사항을 반영하는 통합이 필요합니다.

ERP만 중요한 시스템은 아닙니다. 기업은 또한 레거시 시스템, 데이터베이스, SFTP 및 AS2와 같은 파일 전송 프로토콜, 그리고 수십 년 동안 운영되어 온 맞춤형 애플리케이션에 의존합니다. 진정한 AP 자동화는 최신 클라우드 기반 도구뿐만 아니라 이 모든 것과 연결되어야 합니다.

여러 ERP, 레거시 시스템 또는 하이브리드