본문 바로가기

재무 분야 AI 5가지 활용 사례...가트너, '비즈니스 가치와 실행 가능성'의 조합

반응형

재무 계획 및 분석 분야의 리더라면 지금 당장 책상 위에 올려놓고 깊고 넓게 들여다보아야 할 이슈가 있다. 혹시라도 아직까지 팔짱만 낀 채 한발 물러서 그저 트렌드로 바라만 보고 있다면, 이제는 팔짱을 풀고 앞으로 성큼 다가가 발을 들여야 할 때다. 바로 기업 재무 분야에서 본격적으로 그리고 제대로 인공 지능 솔루션을 핵심 비즈니스에 적용하는 것이다. 

가트너가 미래 지향적인 자율 재무 조직이 활용할 수 있는 기업 재무 프로세스 유형 23가지에 대한 사용 사례를 조사했다. 그리고 비즈니스 가치와 구현 가능성에 따라 순위를 매기고, 그중에서 상위 다섯 가지의 사용 사례를 발표했다. 이번에 선정한 다섯 가지 활용 사례는 비즈니스 가치와 실행 가능성이라는 최상의 조합을 제공한다고 가트너는 강조한다.

가트너가 기업 재무 분야에서 비즈니스 가치와 실행 가능성을 기준으로 상위 5가지의 AI 활용 사례를 선정했다. (자료:Gartner)

수요 및 수익 예측(Demand / Revenue Forecasting), 이상 및 오류 감지(Anomaly and Error Detection), 의사 결정 지원(Decision Support), POC 수요 예측(POC Revenue Forecasting), 현금 회수(Cash Collections)가 바로 가트너가 선정한 다섯 가지 사용 사례다. 예측, 탐지, 지원, 회수 분야에서 재무 조직의 성숙도와 요구 사항을 고려해, 인공 지능을 적용하고 활용함으로써 차별화를 할 수 있다고 조언한다.

비즈니스 단위, 제품 라인, SKU(Stock Keeping Unit), 고객 유형 및 지역을 포함한 다양한 차원에서 수요 및 관련 수익을 예측하려면 내부 및 외부 데이터 소스를 활용해야 한다. 또한 오류가 있거나 회계 원칙 또는 정책 위반 가능성이 있는 거래를 감지하려면, 데이터 입력 과정을 실시간으로 분석해 오류가 워크플로에 섞이지 않도록 해야 한다. 이 과정에 인공 지능이나 머신 러닝을 적용하면 그 효율과 정확성을 높일 수 있다.

의사 결정 과정에서도 데이터를 기반으로 결과를 예측하도록 머신 러닝 기반의 예측 알고리즘을 사용함으로써, 정확하고 빠른 의사 결정이 요구되는 사안에 대해 실수를 줄이고 유효성을 높일 수 있다. POC예측의 경우도 POC 회계나 시간, 비용, 단위, 무게와 같은 메트릭을 머신 러닝 모델을 통해 예측하고, 이를 기반으로 POC 수익 등 추가적인 항목에 대한 예측 작업을 수행할 수 있다.

현금 회수에 머신 러닝을 적용하면 지불 기한이 지나기 전에 고객으로부터 대금이 지불될 시기를 예측하는데 활용할 수 있다. 이를 통해 사전 예방적인 현금 회수 과정을 진행하고, 이러한 기계 학습 모델을 통한 예측을 기반으로 수금 담당 직원은 미수금 위험에 처한 계정에 대해 집중적인 수금 업무를 진행할 수 있다. 현금 수금에 대한 예측은 전반적인 기계 학습 기반의 현금 흐름 예측에도 사용된다. 

가트너의 재무 부문의 마크 D. 맥도널드(Mark D. McDonald) 수석 이사는 "레거시 프로세스는 수동 집약적이고 신뢰할 수 없기 때문에, 예측은 재무 부서에서 널리 사용되는 사용 사례다. AI는 자동화와 정확도 향상에 탁월한 능력을 보여준다. 사전 구성된 많은 소프트웨어 패키지는 미수금 및 미지급금과 같은 일반적인 재무 프로세스를 다루지만, 예측과 같은 비즈니스 요구를 해결하는 사용 사례를 구축하려면 몇 가지 내부 기술이 필요하다"고 밝혔다.

 

 Syndicated to WWW.CIOKOREA.COM

반응형