[AI 에이전트와 FP&A⑤] AI 재무 거버넌스, 자동화 확대 앞서 거친 병행 검증

[KtN 최기형기자]AI가 작성한 예측은 속도가 빨라졌다는 이유만으로 곧바로 경영 판단의 기준이 되지 않았다. 포춘 글로벌 500대에 속한 한 통신기업은 AI 지원 예측과 기존 사람이 작성한 전망을 여러 예측 주기에 걸쳐 함께 운영했다. 양쪽 결과의 차이를 살피고 가정을 수정했으며, 모델 정확도가 시간에 따라 어떻게 달라지는지 확인한 뒤 적용 범위를 넓혔다.

AI 에이전트가 운영·영업·외부 정보를 지속적으로 살피면 예측 갱신 속도는 빨라진다. 이상 징후를 먼저 포착하고 의사결정이 확정되기 전에 더 많은 운영·재무 결과를 비교할 수도 있다. 자동화 범위가 넓어진 기업들도 사람의 감독을 계획 과정에서 제거하지 않았다. 자동 분석과 관리자 검토가 어떤 순서로 연결되는지를 다시 설계하는 쪽을 택했다.

통신기업의 1차 예측 과정에도 사람의 검증이 포함됐다. AI 에이전트는 데이터를 수집하고 정제해 형식을 맞춘 뒤 분석 모델을 바탕으로 첫 예측을 작성했다. FP&A 담당자는 입력 자료와 결과를 검토하는 안전장치 역할을 맡았다. 이후 다른 에이전트가 재무계획과 예상 실적 사이의 차이를 줄일 수 있는 조치를 찾아냈다. 자동화가 예측을 먼저 만들고, 재무 인력이 가정과 결과를 검토한 뒤 대응안 논의로 넘어가는 순서였다.

여러 예측 주기에 걸친 비교는 한 차례의 정확도 측정과 다르다. 특정 시점에 AI 전망이 기존 예측보다 실제 실적에 가까웠다는 결과만으로는 운영체계를 바꾸기 어렵다. 시장 조건이 달라질 때 결과가 어떻게 변하는지, 기존 방식과 차이가 발생한 이유가 무엇인지, 가정을 수정한 뒤 정확도가 안정적으로 유지되는지를 반복해서 살펴야 한다.

통신기업도 AI 결과와 사람 중심 예측의 차이를 검토하면서 가정을 다듬었다. 자동 예측이 언제나 우월하다고 전제하지 않았고, 기존 전망을 무조건 기준으로 삼지도 않았다. 두 방식이 다른 결과를 낸 원인을 비교한 뒤 자동화에 더 많이 의존할 수 있는 범위를 단계적으로 넓혔다.

예측 속도가 빨라진 뒤에는 결정 권한을 다시 나눠야 했다. 기업들은 어떤 행동을 자동 처리할 수 있는지, 어떤 사안을 책임자에게 올려야 하는지, 어느 결정에 사람의 검토를 의무적으로 남길지를 구분하기 시작했다. 자동 분석 결과가 가격과 생산, 지출, 자원 배분 결정으로 이어지는 시간이 짧아질수록 승인 주체와 책임 범위도 선명해야 한다.

자동 처리와 사람 검토의 구체적인 업무 목록은 공개되지 않았다. 통신기업이 어느 수준까지 자동 실행을 허용했는지, 가격이나 자원 배분 결정에 어떤 승인 절차를 적용했는지도 자료만으로 단정할 수 없다. 확인되는 내용은 자동화 가능한 행동, 상위 보고가 필요한 행동, 사람의 검토가 반드시 필요한 행동을 구분했다는 사실이다.

권한 구분 없이 예측 기술만 도입하면 기존의 지연이 승인 과정에서 되풀이될 수 있다. AI가 위험을 빠르게 감지해도 모든 수치 차이를 같은 방식으로 검토하고 여러 단계의 결재를 거친다면 경영진이 행동할 수 있는 시간은 늘어나지 않는다. 데이터 처리 속도와 의사결정 속도는 별개의 문제다.

관리자의 업무 방식도 함께 달라져야 한다. 한 재무책임자는 중요도가 낮은 예측 차이를 맞추는 데 과도한 노력을 기울이는 동안 더 큰 운영 변동성이 이미 사업성과에 영향을 주는 상황을 지적했다. 자동화된 예측이 도입된 뒤에도 작은 차이를 반복해서 조정하면 재무 인력은 위험의 원인과 대응 방향을 검토할 시간을 다시 잃게 된다.

정확성과 속도를 하나의 기준으로 다루기도 어렵다. 결산과 대외 보고에는 엄격한 검증이 필요하다. 운영 기간에 사용하는 예측은 가격과 재고, 생산, 지출을 바꿀 수 있는 시점에 위험의 방향과 영향 범위를 전달해야 한다. 재무통제의 책임을 유지하면서 운영 의사결정에는 더 빠르게 참여하는 이중 역할이 FP&A에 요구되고 있다.

AI가 포착한 위험이 실제 사업 결정으로 이어지는 과정에서도 사람의 판단은 남는다. 자동 분석은 계획과 예상 실적 사이의 차이, 변화를 일으킨 운영 변수, 검토 가능한 대응 방향을 제시할 수 있다. 어느 대응을 실행할지 결정하려면 고객과 시장 상황, 생산 여건, 사업 우선순위를 함께 따져야 한다. 모델이 계산한 결과와 조직이 실행할 수 있는 행동 사이에는 관리자 검토가 필요하다.

재무 거버넌스의 범위도 모델 정확도 관리에 머물지 않는다. 예측을 만드는 단계, 결과를 검토하는 단계, 대응안을 선택하는 단계마다 자동화와 사람의 역할을 구분해야 한다. 분석 속도가 빨라졌는데도 결정권이 이전 구조에 묶여 있다면 AI가 확보한 시간은 조직 안에서 다시 소진된다.

FP&A는 자동화 이후에도 재무통제와 보고 규율을 담당한다. 동시에 운영 문제가 손익에 반영되기 전에 경영진이 선택할 수 있는 대응을 찾아내는 역할도 넓어진다. 가격과 생산, 지출, 영업전략이 확정되기 전에 재무적 영향을 검토할 수 있을 때 AI 예측의 속도가 실제 경영성과로 연결된다.

AI 재무 거버넌스의 성과는 자동화한 업무의 수보다 적용 확대 과정에서 확인된다. 여러 예측 주기에서 기존 방식과 결과를 비교했는지, 차이가 발생한 가정을 수정했는지, 모델 정확도의 변화를 추적했는지, 자동 처리와 상위 보고·필수 검토의 권한을 구분했는지가 판단 기준이 된다. 예측을 더 빨리 만드는 기술과 빠른 예측을 책임 있게 사용하는 운영체계가 함께 갖춰져야 FP&A는 실적 차이가 확정되기 전에 대응할 수 있다.