콘코스, 재무 업무 자동화를 위한 AI 구축

sw_reporter

일반 조직에서 업무 처리 과정에서 발생하는 주요 과제는 무엇인가? ...

지능형 자동화와 인공지능을 활용한 솔루션이 빠르게 발전하면서, 비즈니스 프로세스 혁신을 주도하고 있다. 그러나 아무리 고도화된 기술이라도, 결국에는 비즈니스 맥락에 맞는 데이터와 워크플로우 설계가 뒷받침되지 않으면 의미를 잃기 쉽다. 특히 기업들이 가진 방대한 양의 비정형 데이터(Unstructured Data)는 잠재적 가치에도 불구하고, 이를 분석하고 활용하는 데 큰 장벽으로 작용해왔다. 이 때문에, 기업들은 '어떻게 하면 데이터에 담긴 인사이트를 신속하고 체계적으로 비즈니스 액션으로 전환할 수 있을까?'라는 근본적인 질문에 직면해 있다. 이 문제는 단순한 기술 도입을 넘어, 조직의 프로세스와 문화 전반을 재정비하는 거대한 전환(Transformation)을 요구한다.

[Part 1. 문제 제기: 데이터와 프로세스 간의 단절]

1. 데이터 골든 에그 (The Data Golden Egg)
대부분의 대기업들은 방대한 양의 데이터(Data Volume)를 보유하고 있지만, 이 데이터가 산재된 형태로 존재한다. CRM 시스템에 쌓인 고객 정보, ERP에 기록된 재무 데이터, 이메일이나 보고서 형태의 비정형 텍스트 등 여러 시스템에 파편화되어 있다. 문제는 이 데이터들을 '읽을 수는 있지만, 비즈니스 로직에 따라 유의미하게 조합하고 해석하는 과정'이 매우 어렵다는 점이다. 데이터를 '저장'하는 것과 데이터를 '활용'하는 것 사이에는 거대한 간극이 존재한다.

2. 수작업에 의존하는 워크플로우 (Manual Dependency)
데이터의 가치를 추출하는 과정은 아직까지 사람이 개입하는 수작업(Manual Effort)에 크게 의존한다. 예를 들어, 고객의 계약 갱신 여부를 판단하기 위해 재무 부서의 데이터를 받고, 영업 부서의 이메일을 수동으로 검토하여, 최종적으로 법무 부서의 검토를 거쳐야 하는 과정이 대표적이다. 이러한 수작업은 ① 시간이 오래 걸리고, ② 인적 오류(Human Error)의 위험이 높으며, ③ 모든 프로세스가 투명하게 기록되지 않아 통제(Visibility)가 불가능하다는 치명적인 단점을 가진다.

3. '분석적 사일로'와 '운영적 사일로'의 충돌 (Silo Conflict)
데이터 분석(Analytics)팀은 최고 수준의 인사이트를 도출하지만, 그 결과를 현장의 운영팀(Operations Team)이 즉각적으로 활용하기 어렵다. 분석팀은 멋진 모델과 시각화 대시보드를 만들지만, 현장 운영팀의 워크플로우(Workflow) 자체를 바꿔주지는 못한다. 결과적으로, 아무리 좋은 분석 결과가 나와도 **'이걸 실제로 어떻게 실행할 것인가?'**라는 운영적 질문에 답할 수 없어, '분석적 사일로'와 '운영적 사일로'가 충돌하는 현상이 만연하다.

[Part 2. 기술적/구조적 해결책 모색]

이러한 문제점을 해결하기 위해, 기업들은 단순히 데이터베이스를 구축하거나 AI 툴을 도입하는 것을 넘어, '지능형 오케스트레이션(Intelligent Orchestration)' 구조를 필요로 한다. 즉, 데이터의 흐름(Flow) 자체를 지능적으로 설계하고 자동화하는 것이다.

핵심 키워드: 데이터-운영-인사이트의 통합 (Data-Process-Insight Convergence)

프로세스 마이닝 (Process Mining)을 통한 가시화:
- 현재 진행되고 있는 수작업의 흐름을 데이터를 통해 역추적하여 '실제 업무가 어떻게 진행되는지'를 시각화한다.
- 여기서 병목 구간(Bottleneck)과 비효율적인 단계를 정확히 식별할 수 있다.
자동화된 데이터 통합 및 정규화 (Automated Data Integration & Normalization):
- 여러 사일로에 흩어진 데이터를 **'중앙 거점(Central Hub)'**으로 끌어모으고, 누가 봐도 이해할 수 있도록 표준화(Standardize)하는 과정이 필수적이다.
- 이 과정에서 단순히 데이터를 모으는 것을 넘어, '어떤 데이터가 어느 맥락에서 쓰여야 하는지'에 대한 **맥락적 지식(Contextual Knowledge)**을 주입해야 한다.
AI 기반의 '실행 가능한 인사이트' 제공 (Actionable Insights):
- 단순히 "A가 높으니 B를 하세요"라는 분석 결과가 아니라, **"A가 높기 때문에, 이 워크플로우의 3단계에서 담당자 C에게 다음과 같은 알림과 함께 업무를 재배분해야 합니다."**와 같이 즉각적인 행동 지침(Actionable Instruction)을 AI가 직접 생성하고 실행하는 단계가 필요하다.

[결론: 지능형 오케스트레이션 플랫폼의 역할]

궁극적으로 필요한 것은 '데이터-프로세스-AI'를 하나의 플랫폼 위에서 유기적으로 연결하는 지능형 오케스트레이션(Intelligent Orchestration) 플랫폼이다.

이 플랫폼은 다음과 같은 사이클을 완성한다:

[인식] 프로세스 마이닝으로 비효율적인 수작업 프로세스를 발견한다.
[통합] 발견된 프로세스에 필요한 모든 데이터를 자동적으로 끌어와 표준화한다.
[자동화] AI가 도출한 인사이트를 기반으로, 사람이 개입하던 워크플로우의 특정 지점을 **'자동화된 규칙(Automated Rule)'**으로 대체하고 실행한다.

이러한 접근 방식은 기업의 데이터를 단순한 '정보의 창고'가 아닌, **'실행 가능한 동력(Executable Power)'**으로 전환시키는 핵심 동인이 될 것이다.

[출처:] https://techcrunch.com/2024/10/15/concourse-is-building-ai-to-automate-financial-tasks