2020 년, CFO 에게는 새로운 도구가 필요했습니다. 이제는 그 도구들이 역할 자체를 바꾸고 있습니다.
재무 책임자의 역할은 점점 더 전략적으로 변하고 있었지만, 소프트웨어는 여전히 제자리걸음이었습니다. CFO 는 반은 데이터 분석가, 반은 설계자로서 30 년 된 ERP 를 중심으로 흩어진 수많은 개별 솔루션과 Excel 에서 내보낸 데이터를 짜깁기해야 했습니다. 병목은 바로 데이터였습니다. 너무 많은 곳에 분산되어 있어 다루기 어려웠고, 그 위에 얹힌 도구들은 불안정하고 할 수 있는 일도 제한적이었습니다.
이제 AI 가 이러한 제약들을 허물고 있습니다. 데이터를 취합하는 일이 훨씬 쉬워졌고, 소프트웨어가 직접 더 많은 업무를 처리하기 시작했습니다. 그리고 이것이 바뀌면 업무 방식뿐만 아니라 누가 그 일을 하는지도 함께 달라집니다. 즉, 재무 조직 자체가 변하고, 팀 구성과 이를 이끄는 리더의 전형적인 모습까지 모두 변화한다는 뜻입니다.
회계사에서 뱅커로, 그리고 빌더로
시간이 흐르며 기업들이 어떤 인재를 CFO 로 영입해 왔는지 살펴보면 이 변화를 알 수 있습니다.
훌륭한 CFO 의 자질은 시대가 바뀌어도 놀라울 만큼 잘 유지되어 왔습니다. 최고의 CFO 는 단순히 숫자나 이사회 보고 자료를 제출하는 데 그치지 않습니다. 데이터를 활용해 회사가 나아가야 할 방향에 대한 자신만의 관점을 제시합니다. 직무가 요구하는 바는 그 시대마다 부족한 핵심 역량에 따라 계속 변해 왔습니다.
각 시대별 인재상은 이러한 흐름을 그대로 반영해 왔습니다. 장부를 정리하고 내부 통제 체계를 구축하며 실적을 보고하는 것이 주된 업무였을 때, 기업들은 Big 4 회계법인 출신을 CFO 로 영입했습니다. 자금 조달과 딜 성사가 핵심이었을 때는 투자은행(IB) 출신을 찾았습니다. 이후 업무가 기획, 지표 관리, 비즈니스 파트너십으로 확장되면서 재무기획(FP&A) 역량의 중요성이 커졌고, 이때도 기업들은 주로 은행이나 사모펀드(PE) 출신을 선호했습니다.
오늘날 가장 희소한 역량은 완전히 새로운 것입니다. 바로 회사가 돌아가는 운영 체제를 설계하는 능력입니다. 이는 맥락을 인사이트와 의사결정으로 전환하는 데이터, 워크플로우, 에이전트, 스킬, 통제 체계를 의미합니다. 재무팀 내부에서 "재무 엔지니어"가 부상하고 있고, CFO 들이 직접 그 역할을 수행하는 사례가 늘고 있다는 점에서 이를 확인할 수 있습니다.
이러한 방식으로 일하는 재무 리더들은 이전 세대와는 전혀 다르게 재무 조직을 정의합니다. OpenAI 의 CFO 인 Sarah Friar 는 재무를 실시간 기능으로 규정합니다. 재무 조직은 '제로 데이 마감(zero-day close)'과 지속적으로 업데이트되는 예측을 향해 나아가고 있으며, 이는 전통적인 월간 마감 주기에서 크게 벗어난 변화입니다. 컴퓨팅 자원을 배분하든 자본을 배분하든, 최고의 재무 리더들은 이제 점수 기록자가 아닌 빌더처럼 말합니다.
더 많은 데이터, 더 나은 도구, 더 슬림해진 팀
CFO 와 재무 조직 전반의 인재상이 변화하는 배경에는 AI 네이티브 도구의 빠른 발전이 있습니다. 데이터 접근이 쉽고 빨라지면서 더 나은 도구가 등장했고, 이는 업무 방식과 담당자를 바꾸었으며, 나아가 재무팀의 구조와 운영 방식까지 변화시켰습니다.
1. 데이터가 더 이상 병목이 아닙니다. 2020 년 글에서 우리가 가장 크게 지적했던 문제는 CFO 의 원재료인 데이터가 낡고 파편화되어 있으며 취합하기 고통스러웠다는 점이었습니다. 재무팀은 피라미드의 맨 아래층에서 입력값을 짜깁기하는 데 대부분의 에너지를 쏟았습니다. 데이터를 내보내고, 스프레드시트를 대조하고, 이메일 스레드나 심지어 Slack DM 과 채널에 묻혀 있는 변동 사유를 찾아 헤매야 했습니다. AI 는 여러 시스템과 포맷에 흩어진 데이터를 추출하고 수집하며 해석하는 과정을 훨씬 빠르고 쉽게 만들어 줍니다. 이제 팀은 정보를 모으는 시간을 줄이고, 이를 실행에 옮기는 데 더 많은 시간을 쓸 수 있습니다.
2. 재무 기술 스택이 재무팀의 일부가 되고 있습니다. 2020 년 우리는 재무 기술 스택을 계층별로 매핑하고, 각 계층마다 현대적인 도구의 물결이 밀려올 것이라고 주장했습니다. AI 가 데이터 문제를 해결하면서 그 물결이 실제로 찾아왔습니다. 신세대 도구들은 몇 분기가 아닌 며칠 만에 세팅되고, 데이터를 기다리지 않고 스스로 수집을 자동화하며, 월말이 아닌 실시간으로 인사이트를 제공합니다. 당시 시장 지도의 모든 영역에서 이제 ERP 부터 세금, 구매에 이르기까지 AI 네이티브 경쟁자들이 등장했습니다.
우리가 투자한 포트폴리오사의 몇 가지 예시입니다.
- Rillet 의 ERP 는 구현 기간을 수개월에서 며칠 또는 수주로 단축하고, 데이터를 자동으로 불러오며, 월간 마감을 일일 마감으로 바꿔줍니다.
- Concourse 는 재무 계획 및 예측을 위한 에이전트를 배포하고, 실시간 파이프라인 데이터를 가져와 라이브 시나리오를 구축합니다.
- Lio 는 구매 업무에 멀티 에이전트 모델을 사용하며, 에이전트가 공급업체 실사를 수행하고 계약을 협상하며 내부 승인을 관리하고 이행 상황을 모니터링합니다.
- Stuut 은 연락부터 후속 조치, 수금, 분쟁 해결까지 매출채권(A/R) 전체 주기를 관리하고 현금 적용 프로세스를 자동화합니다.
- Sphere 는 복잡한 간접세 컴플라이언스를 엔드투엔드 자동화 프로세스로 전환합니다.
- Petual 은 SOX 테스트와 전사적 내부 감사 워크플로우를 자동화합니다.
이전이라면 모두 전담팀이나 외부 서비스 제공업체가 필요했던 업무들입니다.
지난 세대의 소프트웨어는 재무 전문가가 업무를 '관리'하도록 도왔습니다. 이번 세대의 소프트웨어는 업무를 '직접 수행'합니다. 최고의 AI 네이티브 재무 소프트웨어는 이제 재무 그 자체를 실행합니다.
3. 재무 엔지니어의 부상. 데이터 문제가 해소되면서 2020 년에는 예상하지 못했던 현상이 나타났습니다. 가장 앞선 재무팀들은 AI 소프트웨어 도구를 사용하는 데 그치지 않고, 자체 자동화, 대시보드 등 다양한 내부 도구를 직접 구축하고 있습니다. 이들 중 다수는 코드를 한 줄도 써본 적이 없고, AI 에 회의적이었으며, 엔지니어링 리소스에 접근할 수도 없었던 사람들입니다. 하지만 지난 9~12 개월 동안 이들은 완전히 AI 에 빠져들었습니다.
Anthropic 의 재무팀은 70 개 이상의 재무 특화 AI 스킬 라이브러리를 구축해 운영 코드처럼 관리하고 있습니다. 그중 하나는 월간 재무 리뷰의 90~95% 를 완성하여, 사람이 몇 시간 걸릴 작업을 약 30 분으로 압축합니다. OpenAI 에서 Friar 의 팀은 IR 및 구매용 커스텀 GPT 와 정적인 이사회 보고서를 대체할 실시간 대시보드를 구축하고 있습니다.
우리가 투자한 성장 단계 기업의 한 CFO 는 팀원들에게 에이전트를 만들어 보라고 요청했고, 2 주 만에 50 개의 에이전트가 탄생했습니다. 모두가 유용했던 것은 아니지만, 에이전트가 실제 결과물을 만들어내는 마법의 순간을 모두가 경험할 수 있었습니다. 또 다른 CFO 는 자신의 재무 및 회계팀이 엔지니어와 협력해 자체 도구를 만드는 프로덕트 매니저로 진화하고 있다고 말했습니다.
GTM 엔지니어, 그로스 엔지니어, 탤런트 엔지니어의 부상을 목격한 것처럼, 많은 기업이 "재무 엔지니어"를 두기 시작했습니다. 도메인 전문성과 구축 능력을 결합한 다른 역할들과 마찬가지로, 이들은 보통 Codex 나 Claude Code 에 능숙해진 재무 담당자이며 종종 엔지니어링 배경을 갖추고 있고, 팀을 위한 도구 구축을 주도합니다. 이들은 시스템을 연결하고 워크플로우의 병목을 해결합니다. 예를 들어 고객 매출과 모델 추론 비용, 클라우드 사용량, 지원 비용을 결합한 뒤 마진이 악화되거나 사용량 증가로 특정 계약이 적자로 돌아선 계정을 표시하는 도구를 만들 수 있습니다.
과거에는 핵심 엔지니어링 팀의 흔치 않은 지원을 받거나 재무팀으로 엔지니어를 영입하려 애써야만 가능한 일이었습니다. 이제는 많은 CFO 들이 회의에 참석하는 시간을 줄이고, AI 로 무언가를 만들거나 AI 네이티브 도구를 사용하는 데 더 많은 시간을 씁니다. "이런 신제품들은 쓰면서 재미있다"는 피드백을 우리는 자주 듣습니다.
재무 엔지니어를 지탱하는 운영 원칙은 간단합니다. 같은 일을 두 번 하게 되면 워크플로우를 작성하고, 워크플로우를 두 번 작성하게 되면 에이전트를 만드세요.
4. 재무팀은 작아지고 레버리지는 높아집니다. 대부분의 재무팀은 여전히 과거의 방식으로 구성되어 있습니다. 컨트롤러, FP&A, 운영, 그리고 CFO 로 이어지는 계층 구조입니다. 이 모든 것은 월간 주기와 '업무당 1 인 담당제'를 위해 설계되었습니다. 모든 계층이 데이터를 이동시키고 대조하기 위해 존재하던 시절에는 이 구조가 합리적이었습니다.
전체 인력의 약 5% 를 재무 인력으로 두던 과거의 경험칙도 바뀌고 있습니다. 우리가 본 가장 린(lean)한 팀들은 2% 를 목표로 하며, 단순 인원수보다 인재 밀도를 우선시합니다. 새로운 재무 인력은 API 호출 하나로 여러 시스템을 연결하고, SQL 을 작성하며, 자동화를 프로토타이핑할 수 있어야 합니다. AI 활용 능력은 기본 요건이 되어가고 있습니다. "모델을 설명해 보세요"라는 질문은 "프롬프트 시퀀스를 설명해 보세요"로 바뀌고 있습니다.
시니어 도메인 전문가들이 AI 의 레버리지를 가장 크게 누릴 수 있습니다. Anthropic 에서 재무팀 내 AI 최다 사용자는 세무 총괄입니다. 우리가 투자한 한 성장 단계 CFO 의 말처럼, 가장 주니어 직원들이 AI 를 가장 적극적으로 도입할 것이라 짐작하기 쉽지만, 그들은 무엇이 "훌륭한" 결과물인지, 무엇을 만들어야 하는지 판단할 경험과 맥락이 부족합니다.
5. 계획 수립이 상시화됩니다. 사용량 기반 매출(예: 토큰, 시간, API 호출)은 항상 예측하기 복잡했습니다. 게다가 월간 주기로 작동하는 표준 프로세스와 도구는 속도가 따라주지 못합니다. 특히 에이전트가 손익계산서(P&L)의 행위자로 등장한 지금은 더욱 그렇습니다. 많은 재무 리더들이 통계 모델, 계정 단위 근거, 재무적 판단을 활용해 실시간 뷰를 제공하는 상시 예측(continuous forecasting)으로 기울고 있습니다. FP&A 는 연간 예산 편성에서 상시적인 운영 의사결정으로 진화하고 있습니다. 이제는 회의 중에 복잡한 시나리오를 실시간으로 돌려볼 수 있습니다.
6. 통제가 제품의 핵심 기능이 됩니다. 소프트웨어가 재무 업무의 더 많은 부분을 맡게 되면서, 모든 숫자가 출처까지 추적 가능하고 신뢰할 수 있는 감사 가능한 체인이 필수적입니다. 재무팀은 각 숫자가 어디서 왔고 어떻게 계산되었으며, 어느 에이전트가 어디에 관여했는지 알아야 합니다. 예를 들어 에이전트가 분개(journal entry) 초안을 작성한다면, 증빙 서류와 근거를 보관하고 승인 규칙을 따른 뒤에야 기장해야 합니다. AI 는 여전히 기록을 대조하고 변동이나 예외 사항을 표시하고 설명하는 데 사용될 수 있지만, 규칙을 정하고 최종 승인 권한을 갖는 것은 재무팀입니다. 통제 체계가 있어야 속도도 낼 수 있습니다. 팀은 모든 단계를 수동으로 재구성하고 확인하지 않고도 전략적 업무에 집중할 수 있습니다.
7. 재무의 권한이 확대됩니다. 실시간 데이터와 신속한 시나리오 분석 능력 덕분에, 재무팀은 훨씬 더 많은 전략적 의사결정에 참여하게 되었습니다. 많은 AI 기업에게 컴퓨팅 비용은 최대 운영 비용 중 하나이자 가장 중요한 자본 배분 결정 사항입니다. 이제 재무팀은 사용량 데이터, 인프라 비용, 고객 매출에 대한 최신 현황을 취합할 수 있고, AI 도구는 새로운 기능 추가나 고객 사용량 증가가 마진에 미치는 영향을 파악하도록 돕습니다. 이를 통해 재무팀은 가격 책정, 제품 출시, 지출 약속에 대해 더 강력한 근거를 바탕으로 의견을 제시할 수 있습니다.
기업들은 CFO 가 핵심 판단자 역할을 하는 의사결정도 훨씬 많이 내리고 있습니다. 예를 들어 사람과 소프트웨어 간에 업무를 어떻게 나눌 것인가는 전사적 핵심 질문이자 재무적 의사결정입니다. 소요 시간, 토큰 사용량, 소프트웨어 활용도 등에 관한 트레이드오프를 더 세밀한 데이터로 파악함으로써 재무팀은 이를 평가할 수 있습니다. 직접 구축(Build)할지 구매(Buy)할지의 문제도 이 결정 집합에 포함됩니다. 구축이란 대규모 엔지니어링 프로젝트일 수도 있고, 비기술 직군이 작은 도구를 바이브 코딩(vibecoding)하는 것일 수도 있습니다. 구매란 사용량이나 완료된 작업에 비용을 지불하는 것을 의미하므로 채택률에 따라 비용이 달라집니다. 이제 AI 를 통해 재무팀은 이런 복잡한 시나리오를 더 빠르고 정확하게 모델링할 수 있습니다.
다시 쓰이는 역할
CFO 의 역할은 이전에도 변해 왔습니다. 지금이 유독 다르게 느껴지는 이유는 재무 조직과 회사 전체가 얼마나 근본적으로 재설계되고 있기 때문입니다. 과거 CFO 는 여러 도구에 흩어진 데이터를 수집, 대조, 검토하기 위해 필요한 인력 계층을 중심으로 재무팀을 꾸렸고, 모든 것은 업무를 추적하고 관리하기 위해 설계되었습니다. 이제 CFO 는 더 적은 인원과 더 큰 레버리지로, 업무를 직접 수행하는 도구를 구축하고 활용할 수 있습니다. 매주 또는 매월 이루어지던 의사결정이 이제는 상시적으로 일어날 수 있습니다.
CFO 는 회사의 운영 체제를 구축하고 설계하는 빌더이자 아키텍트가 되어가고 있습니다. 이는 팀이 해야 할 일과 소프트웨어가 해야 할 일을 구분하는 것을 의미합니다. AI 네이티브 CFO 는 자동화를 최우선으로 생각해야 하며, 현대적인 재무팀을 어떻게 구축하고 훈련시키며 리소스를 배분할지 알아야 합니다. 또한 무엇을 만들고 무엇을 구매할지, 그리고 그 결정의 ROI 를 어떻게 계산할지에 대한 새로운 프레임워크도 필요합니다. 그 보상은 비즈니스 자체와 CEO 의 전략적 파트너 역할에 더 많은 시간을 쏟을 수 있다는 것입니다. 여전히 업무의 본질은 재무이지만, 이제는 그 업무가 '어떻게 수행될지 설계하는 일'이 훨씬 큰 비중을 차지합니다.
cc: @IvanoMakSF David Borecky
이 글을 도와주신 @astrange 님과 @BKRoberts 님께 감사드립니다!
