제로데이 결산과 실시간 예측을 향한 OpenAI의 재무 재설계

OpenAI는 결산 대기 시간을 없애 실시간으로 재무 상태를 확인하는 제로데이 결산(Zero-day close) 체계를 설계한다. 기존 재무 보고가 스프레드시트와 수동 기록에 의존해 과거 데이터를 사후 정리했다면, 이 방식은 경영진이 현재의 재무 위치를 즉각 파악해 의사결정 속도를 높인다.

이 체계는 승인된 지출 계획, 총계정원장(General-ledger) 실제 값, 구매 주문서, 미지급 비용, 거래 세부 내역을 하나의 연속적인 뷰로 연결한다. 모든 변동 사항은 기초 활동 데이터까지 추적 가능하며, AI가 1차 설명을 작성하고 주의가 필요한 예외 사항을 표시(Flag)하면 재무 전문가는 이를 검증하고 최종 승인한다. 데이터 수집과 정리라는 반복 업무는 AI가 수행하고 인간은 검증과 승인 권한만 보유하는 운영 모델이다.

실시간 정산 데이터는 비즈니스 변화를 즉시 반영하는 연속적 예측(Continuous forecasting)으로 이어진다. 통계적 예측치와 근거 자료, 시나리오를 라이브 뷰(Live view)에서 확인하며 결정에 따른 결과 변화를 분석한다. 예를 들어 새로운 고객 계약이 기본 계획에서 누락되었을 때, 시스템이 관련 근거를 찾아내어 해당 조정이 분기나 연간 실적에 미치는 영향을 즉시 산출한다. 재무팀은 이 가정을 검토해 승인된 예측치를 업데이트한다.

OpenAI는 보고서 중심의 운영에서 비즈니스 맥락과 데이터를 기반으로 한 라이브 도구 중심으로 운영 모델을 바꾼다. 재무 전문가는 데이터 취합과 프레젠테이션 작성 대신, 업무에 필요한 도구를 직접 구축해 실시간으로 비즈니스에 대응하는 AI 네이티브 재무 기능을 구현한다.

맞춤형 GPT와 Codex를 활용한 바텀업 도구 제작

재무 해커톤을 통해 실무자가 직접 솔루션을 구축하는 방식을 도입했다. 투자자 관계 팀은 승인된 자료만을 근거로 실사 질문에 답변하는 IR-GPT를 만들었다. IR-GPT는 특정 문서 집합을 기반으로 답변을 생성하는 맞춤형 GPT다. 구매와 세무 영역에서도 맞춤형 GPT를 구축해 반복 업무를 자동화했다. 실무자가 요구 사항을 정의하고 기술 전문가가 구현을 지원해 AI 기능을 실제 작동하는 업무 도구로 전환했다.

코딩 경험이 없는 직원도 Codex를 사용하여 월간 광고 예측치를 주간 및 일간 계획으로 변환하는 도구를 제작했다. Codex는 자연어를 프로그래밍 코드로 변환하는 AI 코드 생성 도구다. 이 도구는 평일과 공휴일을 구분해 계산하는 로직을 포함하며, 모든 산출 수치를 승인된 재무 모델과 연결해 데이터 정합성을 유지한다. 마케팅 리더는 이 도구로 수치 변경 사항을 즉시 확인하고 투자 지점과 예상 수익을 판단한다. 전문 엔지니어의 설계 단계 없이 실무자가 업무 로직을 직접 코드로 구현해 데이터 처리 경로를 단축했다.

이 구현 체계는 실무자가 보안이 확보된 AI 도구로 효율성을 찾는 바텀업(Bottom-up) 방식과, 경영진이 핵심 우선순위에 자원을 집중하는 톱다운(Top-down) 전략을 결합했다. 현장의 구체적인 아이디어가 기업의 최우선 과제와 결합해 AI 도구의 효용을 극대화하는 구조다.

데이터 취합에서 의사결정 설계로 전환되는 재무 실무자의 역할

실무자가 직접 도구를 구축하기 시작하면서 재무 업무의 흐름은 [소스 데이터 → 데이터 취합 → 분석 → 의사결정]의 전 과정이 AI 중심으로 재설계됐다. 기존 재무 팀은 데이터 검색, 스프레드시트 대조, 수치 차이 설명, 보고용 슬라이드 작성 등 단순 취합 과정에 상당 시간을 소비했다. 이제 AI가 기초 데이터 조립 단계를 대체하며 실무자의 업무 단위는 입력값 수집에서 의사결정 경로 설계로 이동했다.

최근 OpenAI 연구에 따르면 재무 전문가가 사용하는 전문 AI 사례의 40%가 전통적인 재무 업무 외 영역에서 발생했으며, 이 중 22%는 엔지니어링 관련 작업에 집중됐다. 재무 실무자가 데이터 흐름을 제어하고 시스템 논리를 구성하는 영역까지 개입하며, 숫자 관리자에서 데이터 기반의 시스템 설계자로 역할이 확장됐다.

업무 도구는 정적인 엑셀 모델과 파워포인트 덱에서 비즈니스 데이터 전체 맥락을 반영한 라이브 대시보드로 전환됐다. 실무자들은 ChatGPT Work와 Codex를 활용해 맞춤형 대시보드를 직접 구축한다. 라이브 대시보드는 기초 정보가 변하면 분석 결과가 즉시 업데이트되며 사용자의 후속 질문에 실시간으로 응답한다. 데이터를 특정 시점에 고정해 보고서를 만들던 방식에서 벗어나 비즈니스의 전체 맥락을 실시간으로 추적하는 구조를 적용했다.

AI 네이티브 재무 조직을 위한 '의사결정 역산' 전략

AI 도구를 도입해도 정보 탐색과 입력값 취합 같은 수동 반복 업무가 남아있는 제약이 있다. 이를 해결하기 위해 결과가 되는 중요 결정(Consequential decision)을 먼저 설정하고, 이를 지원하는 데이터와 도구, 승인 과정을 역으로 추적하는 의사결정 역산법을 적용한다. 기술 중심의 도입이 아니라 비즈니스 결과물에서 시작해 필요한 기술 요건을 정의하는 방식이다.

역산법의 핵심은 매핑된 경로 중 AI가 분석하거나 완료할 수 있는 지점을 식별하는 것이다. 예산 대비 실적 조정(Budget-versus-actuals reconciliation) 과정에서 승인된 입력값 확인과 소스 체크 단계를 AI에 맡기고 재무 전문가는 최종 검토에만 집중한다. 통계 모델, 영업 대화, 계정별 증거, 운영 데이터를 결합해 실시간으로 업데이트되는 예측 체계를 구축함으로써 빠른 시나리오 분석과 명확한 재무적 소유권을 확보한다.

자본 배분 최적화 단계에서는 마케팅 지출의 ROI(투자 대비 수익률)와 한계 효용 곡선을 실시간으로 확인해 투자 재배분 결정에 활용한다. 이는 결산 기간 단축이라는 속도 개선을 넘어 리더가 즉각적으로 행동하게 만드는 실시간 가시성 확보에 집중하는 전략이다.

AI 도입의 성패는 수동 업무 자동화 효율성이 아니라, 치명적인 의사결정에 필요한 데이터 흐름을 역설계하여 리더의 행동 시점을 앞당겼는가라는 기준으로 판단한다.

운영 모델은 AI가 초기 설명문을 작성하고 예외 사항에 플래그(Flag, 특정 조건의 데이터에 표시를 남기는 기능)를 표시하면 재무 전문가가 이를 검증하고 최종 승인하는 방식으로 작동한다. 결산 기간이 끝난 뒤 지난 기간의 비즈니스 상황을 다시 재구성하기 위해 서둘러 데이터를 맞추던 소모적인 과정이 사라졌다. 전문가는 AI가 걸러낸 예외 지점을 확인하고 숫자의 정확성을 검증하는 최종 승인자 역할을 수행한다. 데이터 수집에 들어가는 물리적 시간이 제거되면서 실무자는 리더가 더 빠르게 판단하고 행동할 수 있도록 의사결정의 가시성을 확보하는 설계 작업에 집중한다.