생성형 AI로 재무 운영의 효율성을 개선하는 방법

생성형 인공 지능(AI)에 대해 배웠을지 모르지만 이것이 재무 및 회계(F&A)의 미래에 어떤 의미가 있는지 모를 수도 있습니다. 이름에서 알 수 있듯이 이미지, 음악, 음성, 코드, 비디오 또는 텍스트를 생성하는 동시에 기존 데이터를 해석하고 조작합니다. F&A 리더에게 이는 비즈니스 성능 보고서, 논평 및 내러티브와 같은 재무 데이터를 변환할 수 있는 능력이 있을 수 있음을 의미합니다. AI 도입이 어렵게 느껴질 수 있지만, 새로운 기반 모델의 유연성과 확장성으로 인해 기업이 전략적 핵심인 F&A 프로세스에서 AI를 업무에 활용할 수 있게 되면서 AI 도입이 더욱 가속화될 것입니다.

F&A를 위한 새로운 생성형 AI 솔루션과 고유한 파운데이션 모델을 접하게 되면 모든 옵션에 압도당할 수 있습니다. 선택한 모델이 F&A 사용 사례 전반의 채택을 효과적으로 가속화하고 가치 실현 시간을 단축할 수 있다는 확신을 가지고 신중하게 선택하는 것이 중요합니다.

재무 보고 내러티브(및 해설)는 회사의 재무 성능에 대한 의미 있는 인사이트와 상황에 맞는 이해를 제공하는 데 중추적인 역할을 합니다. 현재 재무 분석가가 이러한 내러티브를 작성하고 있지만, 이 접근 방식은 시간이 많이 걸립니다. 세심한 분석, 비판적 사고, 효과적인 커뮤니케이션 기술이 필요한 수동 프로세스에서 운영 효율성을 간소화하고 개선하는 AI 기반 프로세스로 전환해야 합니다.

기업이 보고서와 내러티브를 작성할 때 다음과 같은 몇 가지 문제에 직면하는 경우가 많다는 것을 잘 알고 있습니다.

• 재무 정보의 복잡성: 재무 보고서에는 많은 양의 정보가 포함되어 있으며, 이러한 정보를 간결하고 이해하기 쉬운 이야기로 압축하면 상당한 효과를 얻을 수 있습니다.
• 해석 및 컨텍스트화: 재무 보고서는 재무 데이터를 해석하는 데 도움이 되는 의미 있는 컨텍스트를 제공해야 하며, 숫자를 넘어서는 인사이트를 제공해야 합니다. 이러한 보고서가 제대로 실행되지 않으면 성능의 근본적인 동인을 설명하는 데 한계가 있을 수 있습니다.
• 다양한 이해관계자를 위한 맞춤화: 재무 보고서는 투자자, 애널리스트, 규제 기관, 직원 등 다양한 이해관계자를 대상으로 합니다. 다양한 이해관계자의 요구 사항을 해결하기 위해 내러티브와 해설을 맞춤화하는 작업은 어렵습니다. 이러한 각 그룹에 대해 관련성이 높고 이해하기 쉬우며 인사이트가 풍부한 정보를 제공하는 것은 매우 노동 집약적인 작업이 될 수 있습니다.
• 적시성 및 적합성: 재무 보고는 엄격한 일정과 기한에 따라 실행되어야 합니다. 기업은 다양한 소스에서 재무 정보를 수집, 분석 및 컴파일하는 데 어려움을 겪고 있습니다. 이러한 제약 조건으로 인해 워크로드로 인해 신중한 분석 및 해설에 사용할 수 있는 시간이 줄어듭니다. 이로 인해 내러티브가 기대만큼 포괄적이고 인사이트가 부족해집니다.

이러한 과제에도 불구하고 우리는 F&A에 생성형 AI를 전략적으로 구현하면 생산성이 향상되고 F&A 운영이 간소화될 것이라고 확신합니다.

예를 들어, 재무 보고서 내러티브 및 해설을 생성할 때 생성형 AI가 주기 시간을 어떻게 개선할 수 있는지 설명했습니다. 그림 1은 완료하는 데 거의 2주가 걸렸던 재무 프로세스를 보여주고, 그림 2는 이러한 프로세스가 생성형 AI를 전체적으로 적용하여 실시간 해설과 내러티브 생성을 통해 어떻게 가속화되었는지 보여줍니다.

F&A 자산 모음을 수동으로 검색하는 대신 AI를 활용하여 필요한 통찰력(예: 경쟁사와 관련된 회사의 성과, 취해야 할 주요 조치, 가능한 분석가의 질문 및 회사의 응답)을 수집하거나 조사하는 데 걸리는 시간을 줄일 수 있습니다. AI는 재무제표, 주석, 공시 및 기타 해당 데이터를 분석한 다음 데이터를 번역하고 해석하여 질문에 대한 맥락이 풍부한 답변을 제공합니다. 그림 3은 대화형 AI 기술이 제공하는 부수적인 이점을 강조합니다.

재무 보고에 도움이 되는 해설과 내러티브를 작성하는 데 생성형 AI를 활용하면 다음과 같은 몇 가지 이점이 있습니다.

• 효율성 향상: AI는 이러한 내러티브를 작성하는 데 필요한 시간과 노력을 크게 줄이는 데 도움이 될 수 있으며, 이 기술은 대량의 재무 데이터를 분석 및 처리하고, 주요 추세와 통찰력을 식별하고, 일관된 내러티브를 생성하여 재무 팀이 더 높은 가치의 작업과 분석에 집중할 수 있도록 귀중한 시간을 절약할 수 있습니다.
• 일관성과 정확성 향상: 다양한 보고서와 보고 기간 동안 메시징의 일관성을 유지하는 것은 매우 중요한 이점입니다. 잘 훈련된 모델은 사전 정의된 규칙, 표준 및 가이드라인을 준수하여 오류의 위험을 줄이고 이러한 내러티브의 불일치를 제거할 수 있습니다. 생성된 콘텐츠의 정확성은 반복적인 학습 및 피드백 루프를 통해 향상될 수도 있습니다.
• 향상된 데이터 분석: 생성형 AI는 복잡한 재무 데이터를 분석하고 사람이 스스로 발견하기 어려운 패턴, 상관관계, 이상 징후를 식별할 수 있습니다.
• 확장성 및 적응성 촉진: 확장할 수 있는 능력이 중요합니다. 생성형 AI를 사용하면 증가하는 재무 데이터와 보고 요구 사항을 수용하여 증가하는 보고 요구를 효율적으로 처리할 수 있으며, 이러한 요구가 진화함에 따라 기술도 적응해 나갈 것입니다.
• 의사 결정에 중요한 인사이트 제공: AI가 생성한 재무 보고 내러티브는 이해관계자에게 가치 있고 시기적절한 인사이트를 제공하여 전략적 의사 결정, 위험 평가 및 성능 평가를 지원할 수 있습니다.
• 협업 및 반복 계획 촉진: 생성형 AI는 재무 전문가와 AI 시스템 간의 협업을 촉진할 수 있습니다. 반복적인 교육과 미세 조정을 통해 시스템은 지속적으로 성능을 개선하고 조직의 특정 요구 사항과 선호도에 적응할 수 있습니다.

생성형 AI와 기타 능력이 지금은 준비되었을 수 있지만, 가능하다면 전체적이고 전략적으로 접근하여 동료(예: 정보 기술)와 함께 가장 유망한 F&A 전술을 배포하기 위한 올바른 생성형 AI 기술 스택을 평가하고 탐색하는 것이 좋습니다. 그림 4는 F&A 조직 전체에 이러한 새로운 기능을 효과적으로 배포하기 위해 고려해야 하는 애플리케이션, 모델 및 인프라를 설명하는 생성형 AI의 예비 기술 스택(또는 아키텍처)을 보여줍니다.

핵심 프로세스 전반의 F&A 기능에 생성형 AI를 구현할 때는 이 기술이 만병통치약이 아니라는 점을 이해하는 것이 중요합니다. 그렇다고 해서 모든 문제가 해결되거나 인간 전문 지식의 필요성을 대체할 수는 없습니다. 대신, 이를 F&A 팀의 기능을 증강하고 강화할 수 있는 도구로 생각하세요. 이를 통해 비즈니스 가치를 창출하는 전략적 이니셔티브에 집중하여 더욱 효율적이고 정확하며 통찰력 있는 작업을 수행할 수 있습니다.

비즈니스 가치를 높이기 위해 F&A 실무자는 목표에 대한 명확한 이해와 잘 정의된 로드맵을 바탕으로 생성형 AI 적용에 접근해야 합니다. 다음은 F&A 전문가가 제공한 몇 가지 중요한 고려 사항입니다.

• 올바른 AI 전략으로 시작하세요. 블로그 시리즈에서는 재무 보고서 요약을 통해 제공되는 경험 및 비즈니스 가치의 개선과 같이 이러한 파운데이션 모델이 제공하는 획기적으로 향상된 능력을 논의했습니다. 우선, 새로운 AI 기반 F&A 통찰력을 전파하기 위한 비용, 효율성 및 전략에 대한 의도된 영향을 반영하고 매핑합니다.
• 기술을 시험해 보세요. 특정 비즈니스 문제나 과제를 해결하는 파일럿 프로젝트부터 시작하세요. 프로젝트는 빠른 성공을 거두고 결과를 엄격하게 측정하여 성능 및 ROI에 미치는 영향을 결정해야 합니다. 접근 방식을 더욱 구체화하고 다른 사용 사례로 점진적으로 확장하세요.
• 잘 정의된 F&A 로드맵을 설계하세요. 생성형 AI는 더 빠르고 정확하며 통찰력 있는 의사결정을 가능하게 함으로써 F&A 기능을 혁신할 수 있는 잠재력을 가지고 있습니다. AI의 기능과 한계에 대한 명확한 이해와 비즈니스 목표에 부합하는 시간 기반 로드맵을 잘 정의하여 신중하고 전술적으로 도입에 접근하는 것이 중요합니다.
• F&A 전문성을 갖춘 기술 파트너와 공동 제작하세요. 새로운 기술을 도입할 때는 비즈니스 문제를 해결하는 데 어떻게 적용할 수 있는지 고려해야 합니다. 생성형 AI에 뛰어들기 전에 재무 주도의 전략적 기술 로드맵(가치 실현 혜택과 함께)을 함께 만들고 혁신에 도움을 줄 수 있는 파트너와 협력하는 것이 중요합니다.
• 윤리적 영향을 고려하세요. 이러한 모델을 훈련하는 데 사용되는 데이터가 편향되지 않고 대표성이 있으며, 사용되는 알고리즘이 기존의 편견을 지속시키거나 증폭시키지 않는지 확인하는 것이 중요합니다. 또한 정기적으로 결과를 모니터링하여 기술의 의도하지 않은 결과를 감지하고 해결하는 것이 중요합니다.
• 이에 대해 F&A 팀과 소통하세요. 팀은 이 기술이 어떻게 인력을 보강하는지 알아야 합니다. 기업 전체에서 매우 유능한 F&A 전문가를 대체할 수 있을지에 대한 의문이 생길 것입니다. 이를 염두에 두고 구현하고 F&A에서 적절하게 심사 및 배포하면 생성형 AI는 워크플로를 빠르고 정확하게 완료할 수 있는 직원의 능력을 가속화하는 하이브리드 인간-디지털 인력을 생성할 것입니다.

대규모 생성형 AI를 도입하고 구현하기로 결정하면 IBM의 생성형 AI 우수성 센터에서 신뢰할 수 있는 AI를 안전하게 배포하고 IBM® watsonx, AI 제품 포트폴리오, 독점 모델이나 타사 모델(또는 이들의 조합)과 같은 엔터프라이즈 AI를 활용하는 데 적합한 AI 툴킷을 선택하여 고유한 비즈니스 과제와 목표에 따라 선택할 수 있도록 도와드립니다. 생성형 AI가 엄청난 비즈니스 가치를 제공하고 운영 효율성을 개선할 수 있도록 혁신을 위한 전략적 로드맵을 구축하는 데 도움을 드릴 수 있습니다.

생성형 AI를 활용한 금융의 미래 블로그 시리즈에서 생성형 AI가 F&A 전문가에게 어떻게 도움을 주고 F&A 기능을 간소화 및 개선할 수 있는지 자세히 알아보십시오