재무와 정산 자동화

돈의 흐름을 늦게 보면 결정도 늦어진다

돈은 사업의 혈액이다. 그런데 많은 사업자는 혈액검사를 한 달에 한 번, 그것도 이미 몸이 아파진 뒤에야 한다. 매출은 늘어난 것 같은데 통장 잔고는 왜 줄었는지, 광고비를 많이 쓴 것 같은데 실제로 얼마나 썼는지, PG사 정산금은 제대로 들어왔는지, 카드값은 다음 달에 얼마나 빠져나갈지 뒤늦게 확인한다.

재무 자동화의 목적은 회계 담당자를 없애는 것이 아니다. 대표가 숫자를 늦게 보는 구조를 바꾸는 것이다. 돈의 흐름이 자동으로 모이고, 분류되고, 요약되고, 이상 징후가 표시되면 대표는 감이 아니라 숫자로 의사결정을 할 수 있다. "이번 달은 괜찮겠지"가 아니라 "다음 달 셋째 주에 현금이 부족해질 수 있으니 지금 비용 집행을 미루자"라고 판단할 수 있다.

AI가 재무 영역에서 특히 강한 이유는 명확하다. 재무 업무에는 반복되는 문서, 거래 내역, 분류 기준, 숫자 비교, 보고서 작성이 많다. AI와 자동화 도구는 인보이스 처리, 비용 분류, 보고서 초안 작성, 이상 거래 탐지, 현금흐름 예측 같은 업무에서 이미 실용적인 가치를 만들고 있다. 여러 금융·회계 자동화 사례에서도 AI는 단순 입력을 줄이고, 더 빠른 인사이트와 통제 기능을 제공하는 방향으로 활용되고 있다.¹

하지만 이 장에서 반드시 기억해야 할 원칙이 있다. AI는 돈의 흐름을 보여주는 보조 항법장치이지, 최종 조종사가 아니다. 세무 신고, 비용 인정 여부, 법정 회계 처리, 자금 조달 같은 판단은 반드시 사람과 전문가의 확인을 거쳐야 한다.

재무 자동화의 출발점은 '한곳에 모으기'다

재무 자동화를 시작할 때 가장 먼저 할 일은 멋진 대시보드를 만드는 것이 아니다. 돈과 관련된 원천 데이터를 한곳으로 모으는 것이다. 데이터가 흩어져 있으면 AI는 똑똑해질 수 없다. 통장에는 입금 내역이 있고, PG사 관리자 페이지에는 정산 예정 금액이 있고, 이메일에는 세금계산서와 인보이스가 있고, 직원 휴대폰에는 영수증 사진이 있으며, 스프레드시트에는 누군가 손으로 입력한 비용 목록이 있다. 이 상태에서는 누구도 정확한 숫자를 빠르게 말할 수 없다.

작은 사업일수록 재무 데이터는 대개 다음 네 곳에 흩어져 있다.

• 결제 시스템: Stripe, Toss Payments, PayPal, 스마트스토어, 카페24, Gumroad, 클래스 플랫폼 등

• 금융 계좌: 사업용 은행 계좌, 법인카드, 개인사업자 카드, 대출 계좌

• 문서함: 이메일, 구글 드라이브, 노션, 클라우드 폴더, 세금계산서 보관함

• 관리 도구: 회계 프로그램, CRM, 쇼핑몰 관리자, 스프레드시트, ERP

재무 자동화의 첫 설계는 이 흩어진 데이터를 클라우드 회계 툴이나 스프레드시트, 혹은 Airtable 같은 자동화용 데이터베이스로 모으는 구조다. 여기서 중요한 것은 "무엇을 원본으로 삼을 것인가"를 정하는 일이다. 모든 도구에 같은 숫자가 복사되어 있으면 편해 보이지만, 시간이 지나면 어느 숫자가 진짜인지 알 수 없게 된다.

예를 들어 매출 원천 데이터는 PG사 정산 데이터와 결제 플랫폼 데이터를 기준으로 삼을 수 있다. 비용 원천 데이터는 은행·카드 거래 내역과 영수증·인보이스를 함께 보아야 한다. 인보이스 상태는 회계 툴을 기준으로 삼고, 경영자가 보는 대시보드는 그 데이터를 읽어오는 형태로 설계하는 것이 좋다. Zapier 같은 자동화 도구도 인보이스 자동화에서 이메일, 클라우드 폴더, 결제 앱, 회계 시스템을 연결해 수동 입력을 줄이는 방식으로 활용된다.²

가장 단순한 구조는 다음과 같다.

처음부터 완벽한 회계 시스템을 만들 필요는 없다. 중요한 것은 "돈과 관련된 데이터가 어디에 있고, 어떤 경로로 한곳에 모이는가"를 설계하는 것이다. 자동화는 이 경로 위에 놓여야 한다.

매출·비용 원천 데이터 자동 수집 구조

재무 자동화의 핵심은 매출과 비용의 원천 데이터를 자동으로 수집하는 것이다. 대표가 매일 관리자 페이지에 들어가 숫자를 복사하는 순간, 자동화는 이미 실패하기 시작한다. 숫자는 사람이 찾으러 가는 것이 아니라, 정해진 시간에 시스템으로 들어와야 한다.

예를 들어 온라인 강의를 판매하는 1인 기업을 생각해보자. 매출은 강의 플랫폼, 카드 결제, 계좌이체, 기업 교육 세금계산서 발행으로 나뉜다. 비용은 광고비, 강의 편집 외주비, Zoom 구독료, Notion 요금, 이메일 발송 솔루션, 도메인 비용, 식대, 장비 구입비로 흩어진다. 이 사업자가 매월 말에야 전체 숫자를 정리한다면 이미 늦다. 광고를 계속 켜도 되는지, 다음 달 외주를 맡겨도 되는지, 법인카드 결제일에 잔고가 충분한지 판단할 시간이 사라진다.

이때 자동화 흐름은 이렇게 만들 수 있다.

1. 결제 시스템에서 매일 매출 데이터를 가져온다.

2. 은행과 카드 거래 내역을 정기적으로 불러온다.

3. 이메일로 들어오는 인보이스와 영수증 첨부 파일을 자동 저장한다.

4. OCR과 AI가 문서의 날짜, 거래처, 금액, 세금 정보를 추출한다.

5. 추출된 데이터가 회계 툴이나 스프레드시트에 기록된다.

6. 낮은 신뢰도 항목은 검수 대기 상태로 분리된다.

7. 대시보드가 매출, 비용, 미수금, 미지급금을 자동 갱신한다.

이 흐름이 만들어지면 대표의 일이 달라진다. "어디서 숫자를 찾아야 하지?"가 아니라 "이 숫자를 보고 어떤 결정을 내려야 하지?"로 바뀐다. 이것이 재무 자동화의 본질이다.

영수증과 인보이스는 OCR, 규칙, AI를 함께 써야 한다

재무 자동화에서 가장 지루하면서도 중요한 영역이 영수증과 인보이스 처리다. 인보이스는 PDF로 오고, 영수증은 사진으로 오고, 카드 내역은 가맹점명이 이상하게 표시된다. 어떤 거래는 "Google"이라고 나오고, 어떤 거래는 "GOOGLE*ADS"라고 나오며, 어떤 거래는 해외 결제 수수료가 별도로 붙는다. 사람에게도 귀찮은 이 작업을 AI에게 그대로 던지면 정확도가 흔들린다.

그래서 좋은 재무 자동화는 세 가지 방식을 함께 쓴다.

• OCR: 문서 이미지나 PDF에서 글자를 읽어 거래일, 공급자, 금액, 세금, 합계 등을 추출한다.

• 규칙 기반 분류: "Google Ads는 광고비", "AWS는 서버비", "Zoom은 소프트웨어 구독료"처럼 반복 거래를 정해진 기준으로 분류한다.

• AI 분류: 처음 보는 거래처나 애매한 지출을 문맥과 과거 패턴을 바탕으로 추정한다.

인보이스 자동화 도구들은 OCR로 공급자명, 인보이스 번호, 금액, 세금, 지급기한 같은 필드를 추출하고, 이후 회계 소프트웨어나 승인 워크플로로 데이터를 넘기는 방식으로 작동한다.³ 하지만 OCR만으로는 충분하지 않다. 문서를 읽는 것과 회계적으로 올바르게 처리하는 것은 다른 문제다. OCR은 "무엇이 적혀 있는지"를 읽고, 규칙은 "반복되는 거래를 어떻게 처리할지"를 정하며, AI는 "애매한 경우 어디에 가까운지"를 판단한다.

예를 들어 다음과 같은 규칙을 만들 수 있다.

여기서 핵심은 "AI가 확신하지 못하는 항목을 억지로 자동 처리하지 않는 것"이다. 재무 자동화는 빨라지는 것보다 틀리지 않는 것이 중요하다. 특히 세금계산서, 인보이스, 영수증은 거래일, 공급자, 금액, 부가세, 비용 항목이 정확해야 한다. 낮은 신뢰도 항목은 검수 대기함으로 보내야 한다.

검수 대기함은 단순한 할 일 목록이 아니다. 재무 자동화의 안전장치다. AI가 "이건 광고비일 가능성이 62%입니다"라고 말하면, 사람은 확인 후 확정한다. 이후 같은 패턴이 반복되면 다음부터는 더 높은 신뢰도로 자동 처리할 수 있다. 즉, 검수는 자동화를 방해하는 절차가 아니라 자동화를 학습시키는 과정이다.

월간 손익 리포트는 대표의 계기판이다

자동차를 운전할 때 계기판이 없다고 상상해보자. 속도도 모르고, 연료도 모르고, 엔진 경고등도 없다. 그런데 많은 사업자가 이런 방식으로 회사를 운전한다. 매출은 감으로 알고, 비용은 통장 잔고로 짐작하고, 순이익은 세무사가 알려줄 때까지 기다린다.

월간 손익 리포트 자동화는 대표에게 계기판을 달아주는 일이다. 이 리포트는 단순히 "이번 달 매출 얼마, 비용 얼마"에서 끝나면 안 된다. 의사결정에 필요한 질문에 답해야 한다.

좋은 월간 손익 리포트에는 다음 정보가 들어간다.

• 매출원별 매출: 상품별, 채널별, 고객군별, 지역별 매출

• 비용 구조: 고정비, 변동비, 일회성 비용, 인건비, 광고비, 외주비, 구독료

• 수익성: 매출총이익, 영업이익, 순이익, 이익률

• 비교 지표: 전월 대비 증감률, 전년 동월 대비 증감률, 목표 대비 달성률

• 현금 관련 항목: 미수금, 미지급금, 예정 결제, 세금 예상액

• 이상 항목: 갑자기 증가한 비용, 중복 결제 의심, 누락 정산 의심

AI는 이 리포트를 숫자 표로만 만드는 것이 아니라, 대표가 읽기 쉬운 해설로 바꿔줄 수 있다.

이번 달 총매출은 4,800만 원으로 전월 대비 18% 증가했습니다. 증가분의 대부분은 B2B 컨설팅 매출에서 발생했습니다. 반면 광고비는 전월 대비 42% 증가했지만, 신규 리드 수는 12% 증가에 그쳐 광고 효율 점검이 필요합니다. 고정비는 안정적이나, 외주 편집비가 예상보다 320만 원 초과했습니다. 다음 달 법인카드 결제 예정액과 미지급 외주비를 고려하면 15일 전후 현금 잔고가 일시적으로 낮아질 가능성이 있습니다.

이런 문장은 단순한 장식이 아니다. 대표가 회의에서 바로 질문할 수 있게 만든다. "왜 광고비가 늘었는데 리드가 덜 늘었지?", "B2B 매출이 늘었다면 전담 상품을 만들어야 하나?", "외주비 초과는 일회성인가, 구조적인가?" 같은 질문이 나온다.

생성형 AI는 재무 보고서 초안, 경영진용 요약, 분석 코멘터리 작성에 활용될 수 있으며, 반복적인 보고 문서 작업을 줄이고 분석 시간을 확보하는 데 도움을 준다.⁴ 다만 AI가 만든 코멘터리는 반드시 사람이 확인해야 한다. 숫자의 맥락은 사업자가 가장 잘 알고 있기 때문이다. AI가 "광고비 증가"를 문제라고 말해도, 실제로는 신제품 출시 기간이라 의도된 투자일 수 있다.

이상 비용 탐지는 작은 회사의 내부통제다

규모가 작은 회사일수록 내부통제가 약하다. 담당자가 많지 않고, 승인 절차도 느슨하며, 대표가 바쁘면 비용을 자세히 보지 못한다. 이때 재무 자동화는 작은 회사의 감시 카메라가 아니라 안전벨트 역할을 한다. 잘못된 결제, 중복 결제, 누락 정산, 지연 입금, 예산 초과를 일찍 알려준다.

AI와 머신러닝은 평소 패턴과 다른 거래를 찾아내는 데 유용하다. 소규모 기업의 재무팀도 AI 기반 플랫폼을 통해 이상 지출, 사기 위험, 현금흐름 압박의 조짐을 더 일찍 발견할 수 있다는 분석이 있다.⁵ 여기서 머신러닝은 과거 데이터를 바탕으로 "보통은 이랬다"를 학습하고, 그 범위를 벗어난 항목을 표시하는 방식이라고 이해하면 된다.

이상 비용 탐지는 다음과 같은 질문에서 시작한다.

• 평소보다 금액이 큰가?

• 같은 거래가 중복으로 결제되었는가?

• 승인되지 않은 공급자에게 돈이 나갔는가?

• 예산을 초과한 비용 항목이 있는가?

• 예정된 정산금이 제때 입금되지 않았는가?

• 매월 결제되는 구독료 중 사용하지 않는 항목이 있는가?

예를 들어 매월 29달러가 결제되던 SaaS 요금이 갑자기 299달러로 늘어났다면 알림을 보내야 한다. 같은 인보이스 번호로 두 번 지급 요청이 들어오면 중복 의심으로 표시해야 한다. PG사 정산 예정일이 지났는데 입금 내역이 없으면 담당자에게 확인 요청이 가야 한다. 광고비가 월 예산의 80%를 넘는 순간 마케팅 담당자와 대표에게 알림이 가야 한다.

이상 탐지 자동화는 대단한 금융 모델에서 시작하지 않아도 된다. 처음에는 간단한 규칙만으로도 충분하다.

처음에는 규칙으로 시작하고, 데이터가 쌓이면 AI가 패턴을 더 정교하게 판단하도록 만들면 된다. 중요한 것은 이상 항목을 "나중에 결산할 때 발견하는 것"이 아니라 "발생 직후 알아차리는 것"이다.

현금흐름 예측은 사업의 산소량을 보는 일이다

손익계산서상으로는 흑자인데 통장에는 돈이 없을 수 있다. 매출은 발생했지만 아직 입금되지 않았고, 비용은 먼저 빠져나갔기 때문이다. 사업에서 가장 무서운 순간은 적자가 아니라 현금이 끊기는 순간이다. 그래서 재무 자동화의 마지막 단계는 현금흐름 예측이다.

현금흐름은 실제 돈이 들어오고 나가는 흐름이다. 매출과 이익이 "사업이 돈을 벌고 있는가"를 보여준다면, 현금흐름은 "지금 버틸 돈이 있는가"를 보여준다. AI는 과거 매출, 반복 비용, 예정 결제, 미수금, 미지급금 데이터를 바탕으로 단기 현금흐름을 예측하는 데 활용될 수 있다. 현금흐름표는 기업의 유동성과 재무 건강을 이해하는 핵심 자료이며, AI는 관련 데이터 처리와 보고서 준비 시간을 줄이는 데 도움을 줄 수 있다.⁶

작은 사업에서 현금흐름 예측은 너무 복잡하게 만들 필요가 없다. 처음에는 4주 또는 8주 단위로 보면 충분하다. 자동화 시스템은 오늘 통장 잔고를 기준으로 앞으로 들어올 돈과 나갈 돈을 날짜별로 배치한다.

예를 들어 다음과 같은 흐름이다.

이 표는 대표에게 질문을 던진다. "5월 15일 전에 광고비를 더 써도 되는가?", "B2B 잔금 입금이 늦어지면 어떻게 되는가?", "이번 달 장비 구입은 다음 달로 미루는 것이 나은가?" 이 질문에 답할 수 있으면 사업은 훨씬 안정적으로 운영된다.

현금흐름 예측 자동화에는 다음 데이터가 필요하다.

• 현재 잔고: 사업용 계좌, 법인 계좌, 현금성 자산

• 예정 입금: PG 정산, 미수금, 인보이스 수금 예정일, 구독 매출

• 예정 지출: 급여, 임대료, 카드 결제, 세금, 외주비, 구독료, 대출 상환

• 반복 패턴: 매월 반복되는 비용과 평균 변동비

• 시나리오: 낙관, 기준, 보수적 매출 전망

AI는 이 데이터를 바탕으로 "다음 달 둘째 주 잔고가 위험 구간에 들어갈 가능성이 있습니다"라고 알려줄 수 있다. 더 나아가 "광고비 집행을 300만 원 줄이면 최소 잔고가 1,000만 원 이상 유지됩니다"처럼 시나리오를 제안할 수 있다. 이것이 대표에게 필요한 진짜 재무 자동화다.

자동화 워크플로 예시: 인보이스에서 손익 리포트까지

이제 전체 흐름을 하나의 워크플로로 묶어보자. 예를 들어 B2B 서비스 회사가 매월 여러 고객에게 인보이스를 발행하고, 외주비와 SaaS 비용을 지급한다고 하자.

먼저 고객에게 인보이스를 발행하면 회계 툴에 매출 예정 항목이 생성된다. 인보이스가 발송되면 CRM의 고객 기록에도 "청구 완료" 상태가 표시된다. 결제가 확인되면 은행 입금 내역과 인보이스가 자동 매칭되고, 고객에게 영수 메일이 발송된다. 결제 예정일이 지났는데 입금이 없으면 세일즈 담당자에게 후속 연락 알림이 간다.

비용 쪽에서는 공급자 인보이스가 이메일로 들어오면 자동으로 클라우드 폴더에 저장된다. OCR이 거래일, 공급자, 금액, 부가세, 지급기한을 추출한다. 기존 거래처이면서 금액이 정상 범위라면 자동 분류되고, 신규 거래처이거나 금액이 큰 경우 승인 요청이 생성된다. 승인되면 회계 툴에 미지급금으로 기록되고, 지급 예정표에 반영된다.

월말이 되면 시스템은 매출원별 매출, 고정비, 변동비, 주요 비용 증감, 미수금, 미지급금, 순이익을 모아 월간 손익 리포트를 생성한다. AI는 숫자 변화의 이유를 추정해 코멘터리 초안을 작성한다. 대표는 이 초안을 읽고, 실제 사업 맥락을 반영해 최종 리포트를 확정한다.

이 흐름은 다음처럼 정리할 수 있다.

이런 시스템을 만들면 월말 정산은 "자료를 찾아 헤매는 시간"이 아니라 "숫자를 검토하고 결정하는 시간"이 된다.

회계 자동화에서 반드시 사람이 확인해야 할 부분

재무 자동화는 강력하지만, 모든 것을 맡기면 위험하다. AI는 문서를 읽고, 숫자를 분류하고, 이상 패턴을 찾고, 보고서 초안을 작성할 수 있다. 그러나 책임을 지지는 않는다. 특히 세금과 회계는 규정, 업종, 계약 구조, 국가, 사업 형태에 따라 판단이 달라진다.

반드시 사람이 확인해야 하는 영역은 명확하다.

• 세무 신고와 법정 제출 자료

• 비용 인정 여부와 증빙 적격성

• 매출 인식 시점과 계약 해석

• 부가세, 원천세, 법인세 등 세금 처리

• 대출, 투자, 자금 조달 관련 의사결정

• 고액 지급, 환불, 정산 오류, 분쟁 거래

• AI가 낮은 신뢰도로 분류한 항목

여기서 사람은 단순히 AI의 결과를 훑어보는 사람이 아니다. 승인권자이자 설계자다. 어떤 항목을 자동 처리할지, 어떤 항목을 검수할지, 어떤 기준을 넘으면 알림을 보낼지 정해야 한다. 그리고 세무사나 회계사와 함께 자동화 기준을 정기적으로 점검해야 한다.

재무 자동화에서 좋은 기준은 단순하다. 금액이 작고 반복적이며 규칙이 명확한 것은 자동화한다. 금액이 크고 해석이 필요하며 법적 책임이 따르는 것은 승인 단계를 둔다. AI가 확신하지 못하는 것은 검수 대기 상태로 보낸다.

작은 사업을 위한 시작 순서

재무 자동화는 처음부터 거창하게 시작하면 실패하기 쉽다. 은행, 카드, PG사, 회계 툴, 세금계산서, OCR, AI, 대시보드를 한 번에 연결하려고 하면 금방 지친다. 작은 사업은 가장 자주 반복되고 가장 늦게 확인해서 문제가 되는 영역부터 시작해야 한다.

추천하는 순서는 다음과 같다.

1. 매출과 비용 데이터를 한 스프레드시트에 모은다.

2. 카드·은행 거래 내역을 매주 자동으로 가져온다.

3. 영수증과 인보이스를 하나의 이메일 또는 폴더로 모은다.

4. OCR로 거래일, 공급자, 금액, 세금 정보를 추출한다.

5. 반복 거래처에 비용 분류 규칙을 만든다.

6. 월간 손익 리포트 템플릿을 만든다.

7. 고액 지출, 중복 결제, 정산 지연 알림을 만든다.

8. 4주 현금흐름 예측표를 만든다.

9. 세무사·회계사와 검수 기준을 정한다.

10. 확실한 항목부터 자동 처리 범위를 넓힌다.

이 순서를 따르면 자동화가 사업을 흔들지 않는다. 오히려 사업의 숫자를 차분히 보이게 만든다. 처음에는 단순한 스프레드시트로 충분하다. 자동 수집과 분류가 안정되면 그다음에 회계 툴, 대시보드, AI 리포트, 예측 모델을 붙이면 된다.

대표가 매주 봐야 할 재무 자동화 화면

재무 자동화의 최종 결과물은 복잡한 회계 장부가 아니라 대표가 매주 볼 수 있는 화면이어야 한다. 너무 많은 숫자는 의사결정을 방해한다. 대표에게 필요한 것은 지금 사업이 안전한지, 어디서 돈이 새는지, 다음 달에 어떤 위험이 있는지다.

매주 확인할 화면은 다음 정도면 충분하다.

이 화면이 있으면 대표의 질문이 바뀐다. "이번 달 느낌이 어떤가?"에서 "광고비를 더 써도 이익률이 유지되는가?"로, "돈이 왜 없지?"에서 "입금 지연과 카드 결제일이 겹치는 구간을 어떻게 넘길까?"로 바뀐다. 사업이 숫자로 보이기 시작하면 운영의 질이 달라진다.

돈의 흐름이 보이면 결정의 속도가 빨라진다

재무와 정산 자동화의 목표는 회계를 예쁘게 정리하는 것이 아니다. 대표가 더 빨리, 더 정확하게 결정하도록 돕는 것이다. 매출이 자동으로 모이고, 비용이 자동으로 분류되고, 인보이스와 영수증이 정리되고, 월간 손익이 요약되고, 이상 비용이 알림으로 오고, 다음 달 현금흐름이 보이면 사업은 덜 흔들린다.

AI는 이 과정에서 훌륭한 조수다. 문서를 읽고, 거래를 분류하고, 보고서를 쓰고, 위험을 표시한다. 그러나 AI가 모든 책임을 대신하지는 않는다. 숫자의 의미를 해석하고, 비용을 줄일지 투자할지 결정하고, 세무·회계 판단을 확정하는 것은 여전히 사람의 몫이다.

재무 자동화가 잘된 회사는 돈을 더 많이 벌기 전에 먼저 돈이 어디서 들어오고 어디로 나가는지 정확히 안다. 이것이 성장의 출발점이다. 감으로 버티는 사업은 매출이 늘어도 불안하지만, 숫자로 운영되는 사업은 위기가 오기 전에 준비한다.

대표가 매일 통장 앱을 새로고침하는 사업에서, 시스템이 먼저 위험을 알려주는 사업으로 바뀌는 것. 그것이 재무와 정산 자동화가 만들어내는 가장 큰 변화다.

참고

¹AI in finance: Driving automation and business value | McKinsey

²Your guide to automating invoicing | Zapier

³Invoice OCR for Zapier | Automate Invoice Workflows | PayablesAgent

⁴ChatGPT for finance - Resource | OpenAI Academy

⁵AI for SMBs: How Small Business Finance Teams Improve Forecasting and Reduce Fraud Risk | Robert Half

⁶Leveraging AI for Cash Flow Statement Preparation | ICAI