재무 업무는 데이터 조정 및 보고서 취합 등 반복적인 스프레드시트 수작업을 수반하는 경우가 많습니다. 이 때문에 특정 데이터 결과값이 도출된 원인을 분석하거나 다양한 의사결정 시나리오를 탐색할 인적 자원이 부족한 실정입니다. 생성형 인공지능(GenAI)을 기반으로 한 플랫폼은 데이터를 검토하고 분석하고, 부족한 부분을 찾아내어 이를 해결할 방법을 제안할 수 있으며, 리더들에게 실시간으로 통찰력을 제공할 수 있습니다.

생성형AI를 활용하면 지금 보다 훨씬 더 심도 깊고 빠르게 데이터를 활용할 수 있습니다. 조직 내 운영 및 재무 데이터는 상호 일치하지 않거나 정형화되지 않은 경우가 많습니다. 심지어 인플레이션, 소비지출, 금리와 같은 주요 경제 지표도 지역, 출처, 해석에 따라 각각 다른 경우도 있습니다. 생성형AI는 이질적인 데이터를 신속하게 조정하고 수많은 기업 데이터를 분석하며 전략 수립에 적용할 수 있는 콘텐츠를 실시간 제공할 수 있습니다.

재무 전문가들은 재무 인사이트 엔진(Finance Insights Engine)을 활용해 업무 지원, 강화, 속도 개선의 효과를 얻을 수 있습니다. 재무 인사이트 엔진은 계획과 실제 결과 간의 차이를 식별하고 그 차이가 존재하는 이유를 설명할 수 있으며, 재무 상황을 깊이 있게 분석해 더 복잡한 재무 상황을 분석합니다.
또한 생성형AI는 지리적 변수, 운영 성과, 계절성, 특별 프로젝트 등을 고려하여 재무/회계 데이터를 세부적으로 분석하여 특정 결과에 대한 근본적 원인을 식별할 수 있습니다. 보고서는 텍스트, 그래프, 차트, 비디오 등 다중 형식으로 즉시 변환되어 손쉽게 가공하는 것이 가능해집니다.

향후 1년간의 중대한 기회를 파악하기 위한 전략 회의를 한다고 상상해 볼까요? 아직까지 기간별, 사업분야별 핵심 재무 지표를 분석하는 것은 시간이 많이 소요되고 주관적 견해가 상당히 개입하는 일입니다. 하지만 생성형AI를 활용하면 회의실에서 실시간으로 운영 및 재무 데이터 분석 결과를 얻어, 과거 지표와 더불어 향후 전망에 대한 인사이트를 얻을 수 있습니다.

생성형AI 모델은 오류가 있는 내용을 참인 것처럼 도출하기도 하고, 심지어는 아예 없는 사실을 지어내는 환각(hallucination) 이슈도 있습니다. 따라서 분석을 수행하기 전에 입력한 데이터세트의 진위를 확인하고 오류를 검토해야 합니다.

생성형AI가 도출한 결과를 이해관계자들이 신뢰하도록 하려면 결과가 도출된 방식과 이유를 투명하게 설명할 수 있어야 합니다. 이를 위해 생성형AI의 결과물에 대한 인간의 검증과 정기적인 감사가 반드시 이뤄져야 합니다.

정해진 기간 내에 정확하고 효율적으로 회계/재무 장부를 마감하는 것은 인적 자원을 많이 투입해야 하는 까다로운 과제입니다. 회계 마감은 1년 내내 단기적으로도 수행해야 하는 업무이기 때문에, 재무/회계 부서 인력들은 자칫 큰 그림을 놓칠 수 있고, 더 전략적인 계획에 집중할 수 없는 현상이 발생합니다. 생성형 AI는 재무 리더의 데이터 가시성을 향상시키고, 반복적인 작업을 최소화하며, 궁극적으로 진정한 ‘무인’ 마감 프로세스를 구현할 수 있습니다. 생성형 AI는 재무 장부를 제시간에, 오류 없이 마감하려고 급하게 서두르는 상황을 없애는 데 도움을 줄 수 있습니다. 거래 분류, 분개 작성, 재무제표 생성과 같은 단순 작업을 처리해주어 재무팀이 더 큰 그림에 집중할 수 있도록 해줍니다. 시간이 지나면서 생성형 AI는 마감 프로세스를 관리하는 더 중요한 역할을 맡고, 회사의 성과에 대한 해설까지 제공할 수 있을 것으로 보입니다.

생성형AI는 비정형 또는 비일관적 분개 항목을 조정하거나, 추가 분석 또는 주요 추정치가 필요한 복잡한 회계작업을 수행할 수 있습니다. 또 대화형 생성형AI 챗봇을 활용하면 사용자가 예외 사항을 입력하여 데이터 소스를 교정함으로써 다음 몇 개의 단계를 건너 뛰고 데이터 조정을 업데이트하고 재무 사항을 통합할 수 있습니다.

생성형AI는 스스로 마감 체크리스트를 통합 및 작성하고, 기한 내에 모든 마감 활동을 중앙집중 방식으로 추적 및 관리할 수 있습니다. 또한 이전 기록을 활용하여 분개가 다른 절차에 미치는 영향과, 마감에 문제가 될만한 부분을 인식하고 이 문제를 사전에 해결할 수 있습니다.

생성형AI를 활용하면 정량적 데이터에만 의존했던 기존의 방식에서 벗어나, 회의록, 뉴스 기사, 인터뷰 등 비정형 데이터까지 반영해 전망치와 실제 수치 간 편차가 발생한 이유에 대해 더욱 심도 깊은 통찰력을 얻을 수 있습니다.

재무팀은 생성형AI가 1차 회계 보고서를 생성할 수 있는 템플릿을 설정할 수 있습니다. 생성형AI는 이러한 템플릿을 기반으로 스스로 논리를 구축해 규제 도입 및 변화를 추적하고 해석함으로써, 이에 따른 영향 평가를 제공하거나 규제 변화에 대응할 수 있는 회계 방식 개선안을 제시할 수도 있습니다.

생성형AI는 인간 작업을 증강하는 역할에서 벗어나 진정한 협업 동반자가 될 수 있지만, 정확하고 신뢰할 수 있는 결과를 보장하기 위한 인간의 개입이 중요합니다.

회계 마감 과정에서 재무팀과 의사결정자들은 생성형AI의 결과 도출 프로세스와 콘텐츠를 명확히 이해해야 합니다.

리스크 관리는 비즈니스 전환부터 일상적 운영 업무에 이르기까지 조직의 성공에 중대한 역할을 합니다. 리스크 관리를 고도화하려면 질적, 양적 출처에서 수집한 데이터와 프로세스에 대한 광범위한 분석이 필요한데, 이는 복잡하고 시간이 많이 소요되는 일입니다. 또한 인간이 범하는 오류나 편견에 취약할 수 있습니다. 생성형 AI를 포함한 인공지능은 리스크 평가를 한층 더 발전시킵니다. 오늘날의 주기적인 리스크 평가를 지속적인 모니터링 상태로 전환할 수 있도록 만드는 ‘통합 리스크 관리 접근 방식’을 촉진할 것입니다.

생성형AI는 무제한에 가까운 데이터를 동시 다발적으로 분석하고 문제가 발생할 가능성이 높은 부분을 정확히 감지해, 리스크 관리 프로세스를 강화할 수 있습니다. 실시간으로 거래 및 전사적 리스크 지표들을 분석하고 불일치 및 이상치를 감지했을 때 즉각적인 보고와 인사이트를 제공하기 때문에, 늦기 전에 리스크에 대응하고 완화하는 데 큰 역할을 합니다.

생성형AI는 인터뷰 내용과 같은 비정형 데이터 소스를 분석하여 구체적인 핵심 내용 및 인사이트를 발견하고 도출해낼 수 있습니다. 이를 기반으로 리더들은 기존 및 새로운 트렌드를 파악하고 이에 대응할 수 있습니다.

기업은 생성형AI를 활용하여 사이버 리스크를 총체적으로 파악할 수 있습니다. 다양한 차원에서 실시간으로 이뤄지는 리스크 모니터링으로 사이버 보안 공백과 각종 위협에 대응할 수 있습니다. 시간이 지나고 기술이 발전함에 따라, 생성형 AI가 적용된 시스템은 보안 조치를 활성화할 수도 있습니다. 예를 들어, 조치 보고서를 작성하고 권장 사항을 알려주며, 즉각적인 조치가 필요한 사항에 대해 알림을 보낼 수도 있습니다.

AI 기반 예측적 분석은 소셜 미디어, 블로그, 포럼, 웹사이트 리뷰, 산업 뉴스레터, 설문 자료 및 뉴스 등 다양한 오픈 소스에서 수집한 대규모 정보를 분석하고, 이를 통해 즉시 실행에 옮길 수 있는 인사이트를 얻을 수 있습니다. 기업들은 새로운 리스크, 손실 위험에 대한 정보, 비즈니스나 산업에 대한 잠재적 위협 등의 외부 리스크 요인을 사전에 파악할 수 있습니다.

생성형AI가 정확하고 신뢰할 수 있는 콘텐츠를 생성할 수 있도록 프로세스를 구축해,생성형AI가 없는 사실을 지어내는 ‘환각’(Hallucination) 이슈를 방지해야 합니다.

지속적으로 리스크를 관리하려면, 기술 활용과 이에 따른 결정을 책임지는 의사결정자를 명확히 정해야 합니다.

기업 리더들의 인터뷰와 설문은 익명으로 유지될 필요가 있을 수 있으며, 이 경우 개인정보를 보호하는 것이 중요합니다.

현금흐름 예측은 노동 집약적 프로세스가 되는 경우가 많습니다. 이처럼 막대한 업무량이 소요됨에도 불구하고 여전히 신뢰할 수 있는 예측 결과를 얻기는 힘든 실정입니다. 이로 인해 상당수 기업들이 운영자금을 확보하기 위해 필요보다 많은 자본조달 비용을 지불하거나 투자기회를 놓치기도 합니다. 하지만 생성형AI를 활용하면 각종 재무/회계 데이터 수집 및 가공 과정에서 발생하는 수작업을 줄이고 현금흐름 예측 결과의 정확성을 강화해, 비용은 줄이고 수익은 개선할 수 있습니다. 뿐만 아니라, 수집된 데이터 간 구조적, 형식적 불일치가 있을 때 설정된 워크플로우를 따라 문제를 연구하고 해결할 수 있습니다. 데이터세트는 종종 여러 시스템에 걸쳐 구조화된 형식과 비 구조화된 형식으로 혼재합니다. 생성형 AI를 적용한 솔루션은 모든 소스를 분석에 통합할 수 있습니다. 이 솔루션이 프로세스의 일부를 직접 관리하기 시작할 수도 있습니다. 이러한 관리 자동화로, 재무팀은 무제한의 시나리오 기반 통찰력과 예측을 활용할 수 있습니다. 또한 보고서 작성에 소요되는 시간을 줄이고 잠재적 영향을 분석하는 데 더 많은 시간을 할애할 수 있습니다.

생성형AI는 전례 없는 규모와 속도로 데이터를 처리하고 해석할 수 있습니다. 수집만 되어 있다면 기업의 모든 과거 내부 데이터뿐만 아니라 다양한 출처와 형식의 외부 데이터도 분석할 수 있습니다. 데이터가 풍부할수록 더욱 탄탄한 기반을 바탕으로 현금흐름을 예측해 정확도를 개선할 수 있습니다.

생성형AI는 현금흐름의 주요 요인을 식별하고 더 많은 매개변수 샘플을 활용하여 미래 현금흐름을 보다 정확하게 예측할 수 있습니다. 매출채권의 경우, 평균 지연 기간, 지연된 지불 비율, 지불 건당 평균 송장 수, 총 미수 금액, 지불간 시간과 같은 고객 트렌드 데이터를 분석할 수 있습니다. 또한 이전 지불 시간, 월 마감일, 주간 마감일, 송장 가치, 총 현재 송장 가치 등 송장 관련 요인도 분석합니다. 또한, 생성형 AI는 공공 데이터를 지속적으로 모니터링하고 경제 패턴과 고객 활동을 추출하여 미래의 현금 흐름에 영향을 미칠 수 있는 요소를 파악할 수 있습니다. 이처럼 더 정밀하고 정확한 예측 능력을 갖추면 리더들은 더욱 강한 자신감을 가지고 계획을 실행할 수 있습니다. 매입채무의 경우, 중요도와 결제 약정에 기반해 벤더 관련 세부사항을 분석해 그 규모를 예측할 수 있습니다. 세금이나 임금과 같은 대규모 현금유출 요인의 경우, 재무제표 상 세금 예측치와 HR 부서의 임금 데이터 등 여타 출처에서 수집한 데이터간 상관관계를 분석해 예측 정확도를 높일 수 있습니다.

생성형AI는 국제 금융 시장을 지속적으로 모니터링하고 변동성을 예측하여 환 헷지(Hedge) 전략을 수립할 수 있습니다. 이 정보를 바탕으로 리더들은 더 정확한 외환 관리를 수행할 수 있습니다.

수작업 기반 프로세스에서는 현금흐름을 예측하기 위해 과거 재무 데이터를 제공, 리뷰, 분석하는 과정에서 다양한 관점이 개입합니다. 하지만 생성형AI는 프로세스를 단순화하고 표준화해 재무 데이터 예측치와 실제 결과와의 차이를 크게 줄이는 효과가 있습니다. 또한 통합적 시각화를 통해 더 적은 노력을 기울이고도 더 빨리 예측력을 향상시킬 수 있습니다.

현금흐름 예측이 가능해야 중요한 결정을 내릴 수 있습니다. 따라서 생성형AI가 어떻게 작동하는지를 투명하게 설명할 수 있어야 합니다. 생성형AI 모델이 처리할 수 있는 데이터세트 규모가 확대됨에 따라, 예측 능력이 지속적으로 개선될 것입니다.

생성형AI의 데이터 모델을 구성하는 재무 정보는 모델이 구축된 목적 이외의 무단 접근이나 잘못된 사용으로부터 안전해야 합니다.

생성형AI를 통한 자동화의 이점을 실현하기 위해 도입 초기에는 수작업으로 데이터를 수집 및 조정하고 툴을 모니터링해야 합니다. 기업들은 이러한 프로세스를 얼마나 세부적으로 실행할 지와 더불어 지침과 안전장치를 구축해야 합니다.

주문-수금(O2C, Order-to-Cash) 프로세스는 비즈니스 프로세스의 중추이며 운전자본 가치사슬의 핵심 구성 요소입니다. O2C는 여러 하위 프로세스로 나뉘는데, 현재 이들 중 대다수가 수작업으로 이뤄집니다. 이제 이러한 프로세스에도 생성형AI를 도입해 전환을 시작해야 합니다. 생성형AI를 활용하면 고객 신용 리스크를 보다 잘 이해하고, 판매 주기와 매출채권 회전일수를 단축하고, 전반적인 프로세스 효율성을 개선할 수 있습니다. 생성형 AI, 그리고 기계 학습(Machine Learning)의 조합으로, 전통적인 주문에서 현금 수금까지의 프로세스를 근본적으로 변화시킬 수 있습니다. 이 기술들은 주문에서 현금 수금까지의 사이클 전반에 걸쳐 작업과 워크플로우를 자동화하고 개선하여 비용 절감과 더 빠른 수금이 이루어지도록 할 수 있습니다.

AI와 ML(머신러닝)은 O2C 주기 전반에 걸친 대부분의 수작업을 대체할 수 있습니다. 자동 데이터 수집, 통합, 해석을 통해 고객 온보딩, 데이터 관리 및 거래 마감에 소요되는 시간도 줄일 수 있습니다. ML을 기반으로 스마트 견적서를 생성하면 견적 및 갱신 처리 시간을 크게 단축시키는 것도 가능합니다. 또 판매가 승인되면 AI가 판매 약정 및 표준 정책 및 절차에 따라 송장을 발부하고 주문을 처리하는 등 이후 프로세스를 진행할 수 있습니다

기업은 상품/서비스 구매자가 누구인지, 그리고 구매자가 적시에 대금을 결제할 수 있는지를 정확하게 파악하고 싶어 합니다. 생성형AI는 고객 데이터와 신용 이력을 분석하여 신용 리스크를 평가하고, 고객의 위험 범주에 따라 맞춤형 판매 제안을 할 수 있어 신용 결정을 개선하고, 부채 불이행으로 인한 비용을 줄일 수 있습니다.

현재 수금 작업은 전화 및 이메일 등을 활용해 노동집약적으로 이뤄집니다. 선도적인 기업들은 이미 대규모 자연어 처리(NLP) 기반 가상 비서를 활용해 고객의 결제 및 회수 업무를 효율화하고 있으며, 경우에 따라 머신러닝 기반의 추천 엔진과 결합하여 맞춤형 제안 및 지불 계획을 제공하고 있습니다. 생성형AI와 머신러닝을 기반으로 한 가상 툴은 수금 과정에 수반되는 다양한 작업들을 즉각적으로 수행해 수금까지 걸리는 시간을 단축합니다. 또한, 생성형 AI와 머신러닝은 가까운 미래에 이러한 가상 비서의 기능을 더욱 확장할 가능성이 큽니다. 이 기능은 수금 및 작업 목록 추적, 독촉 서신 및 전화 자동화, 채권 추심 전화의 기록 및 관리, 실시간 권장 조치 제공, 잠재적 할인 분석 수행 등을 지원할 수 있습니다. 또한, 결제 추세를 이해하고 예외 상황을 예측하여 사전에 대응할 수 있도록 도와줄 수 있습니다.

O2C 프로세스는 현금흐름을 창출하는 비즈니스의 핵심이라 할 수 있습니다. 따라서 O2C 기술은 일관되고 정확한 결과를 생산하고 오류가 없어야 합니다. 또한 고객을 대면하는 기술인 만큼, 고객 소통 스크립트를 브랜드 정체성에 맞게 신중하게 작성해 평판 리스크를 방지해야 합니다.

재무 전문가들은 자동화 주문 및 결제 시스템을 구축하더라도 그 과정을 리뷰하고 예외적인 사항을 관리하는 데 계속 참여할 것입니다. O2C 자동화 기술의 활용과 그에 따른 결정을 책임지는 의사결정자를 명확히 정립하는 정책을 수립해야 합니다.

O2C 기술은 고객의 신용 기반 결정, 판매 약정, 할인 조건 등을 결정하는 데 활용되므로, 공정한 적용과 결과를 위해 설계되고 운영되어야 합니다.

조달-지급(P2P, Procure-to-Pay) 분야는 여느 분야보다 역동적으로 기술적 혁신을 수용해 왔으나, 여전히 효율성 극대화, 리스크 및 비용 관리에 어려움을 겪고 있습니다. 생성형AI는 P2P 프로세스를 간소화하고 비용을 절감하며, 예측 가능성을 높일 수 있습니다. 이는 비즈니스 운영 비용을 낮추고 성장 기회를 창출하는 데 기여합니다.

생성형AI는 조달(구매) 과정 전반에 걸쳐 효율성을 촉진할 수 있으며, 특히 프로세스 자동화, 선행적 리스크 및 컴플라이언스 관리, 공급업체와의 협상 및 가격 결정 측면에서 큰 잠재력을 가지고 있습니다. 불확실성이 증가하는 세상에서 수많은 정보를 즉각적으로 수집 및 처리할 수 있는 역량을 높이기 때문입니다.

생성형AI는 무인 인보이싱으로의 전환을 가속화합니다. 생성형AI가 도입된 자동화 기술은 스스로 인보이스를 처리, 비교, 결제하는 ‘디지털 직원’의 역할을 하기 때문에, ‘전통적 직원’인 인간은 예외적인 사항에만 개입하고, 미래지향적이고 전략적인 업무에 더 집중할 수 있도록 도와줍니다. 또한, 생성형AI는 공급업체 관리를 지원하며, 직접 채팅 봇을 통해 공급업체와 상호작용할 수 있습니다. 예를 들어, 결제 시기에 관한 질문에 답하거나, 결제 관련 분쟁 상황을 명확히 정리할 수 있습니다. 또한 공급업체의 납기 이행 가능성과 같은 요소에 기반한 결제 전략을 개발하는 것도 가능해집니다.

생성형AI는 조달, 재고 관리 측면의 분석을 어디부터 시작해야 하는지 잘 설명해줍니다. 생성형AI가 제공하는 1차 분석을 기반으로 직원들은 분석의 단계를 점차 높여가며, 더욱 고도화된 전략을 수립할 수 있습니다. 조달과정에서 무엇을 주문했고, 받고, 지불했는지 더 정확하게 분석하고 이를 토대로 미래를 계획할 수 있습니다. 제품을 필요로 하는 정확한 시기를 도출하기도 하며, 수익을 극대화하기 위한 일정을 어레인지 하기도 합니다.

P2P 프로세스는 조직에서 현금이 유출되는 과정이므로, 오류가 발생하면 막대한 손해가 발생할 수 있습니다. 따라서 자동화 프로세스의 정확성을 수시로 점검해야 합니다.

생성형AI를 활용하면 공급업체 데이터 베이스를 통합하여 제품 및 서비스를 비교해 사실과 데이터에 기반한 합리적인 결정을 내릴 수 있습니다. 조직은 제품과 서비스를 비교하고, 회사에 가치를 제공하는 요소를 기준으로 공급업체 선정, 평가 등을 수행해 프로세스를 합리화할 수 있습니다. 공급업체의 성과는 단순한 의견이 아니라 근거 있는 평가로 바뀝니다. 그러나 데이터 분석만으로 해결될 수 없고 암묵적 지식이 필요한 부분도 분명히 존재하므로 인간의 판단과 검증이 개입되어 신뢰성을 높이는 프로세스도 중요합니다.

생성형 AI는 자산 효율성을 지속적으로 모니터링하고 운전자본을 확보하여 주주 가치를 창출할 기회를 식별함으로써 회사가 운전 자본을 효과적으로 관리하는 데 도움을 줄 수 있습니다. 효율적인 운전자본 관리는 기업의 재정적 및 운영적 건전성을 좌우할 정도로 중요합니다. 회사는 가치 사슬 전반에서 다양한 방법을 통해 운전 자본을 개선하려고 합니다. 생성형AI를 활용하면 운전자본을 지속적으로 모니터링하고 운전자본 운영 주기 전반에 걸쳐 효율성을 개선해 현금 활용을 최적화할 수 있습니다.

가장 정교한 재무 관리 시스템조차도 데이터를 처리하는 데 있어 완벽하지 못한 것이 현실입니다. 데이터는 조직 내부의 여기저기 흩어진 여러 시스템에서 수집되기 때문에, 산발적인 데이터를 표준화하여 분석하는 것은 매우 힘든 일입니다. 그러나 생성형AI는 이러한 상황을 변화시킬 수 있습니다. 생성형AI는 다양한 형식의 여러 출처에서 데이터를 수집하고 즉시 표준화할 수 있습니다. 향후 자금 관리 시스템은 매출채권, 매입채무, 재고 시스템 등에 직접 연결될 수 있습니다. 생성형AI는 실시간으로 데이터 변화를 모니터링하고 자금 관리 대시보드에 지속적으로 데이터를 공급해 현금 상황을 더욱 정확하게 파악할 수 있습니다.

운전자본 가치사슬의 모든 구성요소를 지속적으로 감지하고 연결하는 생성형AI 기반 관리 시스템은 인사이트를 창출하고 이상 신호, 리스크, 운전자산 관리 효율성 개선 기회 발생 시 이를 알릴 수 있습니다. 이러한 관리 시스템은 산업 표준으로 훈련을 받은 후, 계약을 수행하고, 각종 조건을 이해할 수 있으며, 재고, 청구서, 수금 및 지불 등의 현황과 활동을 모니터링하여 리스크(예: 프로세스 미준수 및 중요 정보 유출)나 기회가 발생할 경우 이를 즉각 알림으로써 전반적인 운전자금 가치사슬의 효율성을 개선할 수 있습니다.

생성형AI는 주기적으로 보고서를 자동 생성해 전반적인 자금 상황에 대한 정보를 제공하고 자금 효율성을 개선해 보유 현금을 증대하기 위한 방안을 제안할 수 있습니다(예: 수금 노력 우선 순위 설정, 재고 구매 및 지불 빈도 분석 등). 이러한 보고서는 굳이 전통적인 형태로만 작성되지 않고 시각화 자료 등 이해하기 쉽고 운영의 투명성을 개선하는 방식으로 작성될 수도 있습니다.

리더들은 생성형AI에서 유도된 부정확하거나 거짓된 통찰력이 의사 결정에 영향을 미치고 나쁜 결과로 이어지지 않도록 리스크를 완화하는 데 노력해야 합니다.

생성형AI가 도출한 결과를 이해관계자들이 신뢰하도록 하려면 결과가 도출된 방식과 이유를 투명하게 설명할 수 있어야 합니다. 이를 위해 생성형AI의 결과물에 대한 인간의 검증과 정기적인 감사가 반드시 이뤄져야 합니다.

생성형 AI는 세무 전문가가 세금 데이터를 자동으로 추출, 변환, 적재하는 과정의 자동화를 통해 데이터를 접근하고 분석하며 통찰력을 얻을 수 있도록 도와줍니다. 이로 인해 반복적인 작업에 소요되는 시간이 줄어들고, 전문가들이 데이터에서 통찰력을 도출하는 데 집중할 수 있습니다.
또한, 생성형 AI는 조직의 세금 데이터를 공개된 업계 데이터와 비교하여 벤치마킹할 수 있도록 지원할 수 있습니다. 이러한 비교 분석은 전략적 의사 결정을 돕는 데 유용한 통찰력을 제공할 수 있습니다. 세금 데이터는 수많은 정형 및 비정형 데이터로 이뤄져 있으며, 이를 활용하기 위해 데이터 수집, 정제, 조정, 적합성 확인 등 많은 절차를 거쳐야 합니다. 이 때문에 적합한 데이터를 확보하고 준비하는 데 준비 시간이 길어지고 지식 요건도 까다로워집니다. 생성형 AI는 세무 전문가들에게 세금 데이터에 대한 실시간이고 효율적인 통찰력을 제공하며, 기존 시스템과 통합하여 더 개인화된 경험을 제공합니다.
사용자 친화적인 인터페이스는 비전문가들도 복잡한 세금 데이터를 이해할 수 있게 해줍니다. 또한, 운영 세금 데이터의 표준화를 가능하게 하여 세금 프로세스를 더 효율적으로 만들고, 다른 비즈니스 영역에 대한 전략적 조언을 위한 기반을 제공할 수 있습니다.

생성형AI 챗봇과 애플리케이션을 활용하면 데이터 수집 프로세스를 자동화할 수 있습니다. 이를 통해 수작업 없이도 회사의 방대한 세금 데이터베이스에서 특정 데이터 포인트를 빠르게 찾을 수 있고, 발견되지 않은 정확한 정보를 확보할 수 있습니다. AI를 활용하여 대규모 데이터와 지식을 신속하게 처리함으로써 질문에서 답변까지 걸리는 시간을 줄일 수 있습니다.

기업의 세금 데이터를 생성형AI와 연계시켜, 세금 데이터의 변동 사항들을 단 몇 초 만에 분석할 수 있으며, 동시에 경쟁 기업의 공개 재무 보고서 내 세금 데이터를 분석하여 내부 전략 조정에 도움을 줄 수 있습니다.

AI는 관련 세금 처리 관련 선행 사례, 규정 및 표준을 자동으로 연구하고 분석하여 세금 관련 문서의 초안을 생성할 수 있습니다. 이는 서술 과정에 걸리는 시간을 단축하고 문서 간 일관성을 향상시킬 수 있습니다. 이는 미리 정의된 지침에 따라 작성될 수 있습니다.

더 많은 직원에게 데이터 접근권을 확대함과 동시에, 민감한 비즈니스 데이터 접근권을 제한하는 복잡한 과제를 해결해야 합니다.

민감하거나 재산권 있는 정보를 처리할 때 조직은 해당 데이터를 보호하거나 AI 모델 훈련 및 테스트용 데이터 세트에서 제거하는 등의 조치를 취해야 합니다. AI는 모델을 평가하여 보호된 정보가 누출될 가능성이 있는지, 기능 오류나 의도적인 공격으로 인한 것인지 확인합니다.

생성형 AI는 최소한의 수작업으로 일관되며 표준화된 투자자 커뮤니케이션을 다양한 형식으로 생성하는 데 사용할 수 있습니다. 투자자 관계(IR)는 매우 복잡하고 동적인 업무입니다. IR팀은 실적 발표 준비 외에도 투자자 회의 준비, 기관 투자자 및 애널리스트 문의 응대, 기업 전략 및 홍보 지원 등 다양한 업무를 수행합니다. 하지만 미래에는 생성형AI를 활용해 소모적인 커뮤니케이션 시간을 최소화하고 청중에게 정확한 메시지를 전달하는 데 집중하게 될 것입니다.

생성형AI는 대규모 재무 데이터를 처리하고 색인화하여 주요 성과 지표를 추출할 수 있습니다. 예를 들어, 특정 자산운용사가 특정 기업의 주식을 매수 또는 매각했음을 나타내는 데이터를 확보했다면, 스스로 강조해야 할 핵심 내용을 식별하고 증권거래위원회 보고서와 경제 보고서 같은 공개 데이터를 곁들여 투자자들에게 기획한 메시지를 전달하는 자료를 생성할 수 있습니다.

생성형AI는 과거 커뮤니케이션과 가이드라인을 기반으로 특정 기업을 대표하는 스타일과 분위기를 반영한 투자자 커뮤니케이션을 생성할 수 있습니다. 예를 들어 회사의 분기별 실적 발표 회의 스크립트, 투자 설명회 발표 자료, 연례 보고서 또는 전략적 발표와 같은 자료를 일관된 내러티브로 제작할 수 있습니다.

향후 생성형AI는 시장에서 정보를 수집하는 용도로도 활용할 수 있습니다. 투자 부문 영향력 있는 인물을 식별하고, 그들이 주로 물어보는 질문 유형을 분석하며, 답변 초안을 작성할 수 있습니다. 생성형AI로 증강된 디지털 어시스턴트는 실시간으로 애널리스트 질문을 듣고 시각적 자료(차트 또는 그래프)와 함께 답변을 제안할 수 있습니다.

생성형AI는 지속적으로 오픈 데이터 소스를 스캔하여 핵심 청중을 위한 메시지를 맞춤화 하는 데 도움을 줄 수 있습니다. 결과적으로 리더는 최신 정보를 바탕으로 충분히 준비된 상태로 투자자들을 대면할 수 있습니다.

비즈니스는 빠르게 변화합니다. 리더들은 자사와 경쟁사의 투자자 베이스를 시간과 상황에 따라 모니터링해야 합니다. 생성형AI는 실적보고서 및 분기별 발표를 분석하고 추세를 식별하며 객관적인 통찰력을 제공할 수 있는 능력을 증가시킬 수 있습니다.

커뮤니케이션은 회사에 대한 대중의 인식에 영향을 미칩니다. 따라서 생성형AI는 포괄적이고 공정한 적용, 접근 및 결과를 보장할 수 있도록 설계되어야 합니다.

생성된 콘텐츠는 오류 없이 일관되고 정확해야 하며, 예상치 못한 장애나 남/오용 행위를 방지할 수 있어야 합니다.