재무·회계 업무가 AI 환경에서 얼마나 바뀔지는 직무명이나 O/X 질문 하나로 판단하기 어렵습니다. 같은 '전표 입력'도 정형 자료를 옮기는 일, 중복·누락을 검증하는 일, 비정상 거래를 조사하는 일, 회계처리를 판단하는 일, 승인 근거를 남기는 일로 나뉩니다. 업무가 아니라 과업을 분해한 뒤 입력 정형성, 규칙 안정성, 예외 빈도, 판단 책임, 증거 요구, 오류 비용, 이해관계자 조정의 7가지 축으로 평가해야 합니다.
앞의 세 축은 반복 처리를 얼마나 표준화할 수 있는지 보여줍니다. 뒤의 네 축은 결과를 검토하고 책임져야 하는 강도를 보여줍니다. 표준화 가능성이 높다고 직무 전체가 사라지는 것은 아니며, 검토 책임이 높다고 AI를 전혀 활용할 수 없는 것도 아닙니다. 두 값을 함께 봐야 맡길 범위, 확인 절차, 실무자가 넓힐 책임을 구분할 수 있습니다.
“확인 기준일: 2026년 7월 13일 아래 점수는 AI 대체 확률이나 고용 전망이 아닙니다. 회사 안에서 과업을 비교하고 검토 수준을 정하기 위한 실무 진단값입니다.”*읽기 전 참고사항
직무명이나 O/X 기준만으로 판단하면 왜 틀리기 쉬운가요?
직무는 서로 다른 과업의 묶음입니다. 매입 전표 담당자도 증빙의 필드를 옮기고, 공급가액과 세액을 대조하고, 계약과 다른 청구를 확인하고, 적용할 계정과 인식 시점을 검토하고, 마감 전에 승인 근거를 연결합니다. 이 과업들은 사용하는 데이터, 규칙, 예외, 책임이 모두 다릅니다.
세무 신고 자료 준비, 급여대장 정리, 영수증 데이터 입력도 같은 방식으로 나눠야 합니다. 정해진 필드를 옮기는 부분과 대상 거래를 판정하는 부분, 누락·불일치를 조사하는 부분, 제출 전 검토하고 근거를 남기는 부분의 점수가 다르기 때문입니다. 활동의 이름만 보고 전체를 한 점수로 평가하면 처리 가능 범위와 검토 책임을 모두 놓치기 쉽습니다.
국제노동기구(ILO)도 AI 노출 지표를 곧바로 일자리 감소 예측으로 해석해서는 안 된다고 설명합니다. 2025년 ILO 연구는 직업명만이 아니라 세부 과업 단위 자료를 사용했고, 대부분의 직업에서는 사람의 입력이 계속 필요하므로 직업 소멸보다 과업 구성이 달라질 가능성에 무게를 뒀습니다. 2026년 후속 브리프도 노출 지표는 가능한 변화를 알리는 신호이지 고용 대체, 생산성 향상, 재교육 수요의 예측값은 아니라고 범위를 분명히 했습니다.
따라서 '매뉴얼이 있으면 대체된다', '책임이 있으면 대체되지 않는다'처럼 한 문장으로 나누기보다 다음 질문을 함께 봐야 합니다.
- 입력이 같은 필드와 형식으로 들어오는가?
- 규칙이 안정적이며 충돌 없이 적용되는가?
- 정상 절차에서 벗어나는 예외가 얼마나 자주 생기는가?
- 결과에 대한 판단과 승인 책임은 누구에게 있는가?
- 원천자료, 계산 근거, 검토 이력을 어느 수준까지 남겨야 하는가?
- 오류가 마감, 현금, 세무, 계약, 재무보고에 미치는 영향은 어느 정도인가?
- 결론을 내기 위해 몇 개 부서나 외부 이해관계자와 조정해야 하는가?
7가지 과업 기준은 어떻게 점수화하나요?
각 축을 1점부터 3점까지 평가합니다. 점수의 목적은 정밀한 예측이 아니라 같은 조직 안에서 과업을 같은 언어로 비교하는 것입니다.
| 평가 축 | 1점 | 2점 | 3점 | 확인 질문 |
|---|---|---|---|---|
| 입력 정형성 | 자유 서술·형식 혼재 | 일부 필드만 표준화 | 필드·형식·코드가 일정 | 같은 항목을 같은 위치와 형식에서 읽을 수 있는가? |
| 규칙 안정성 | 변경·충돌이 잦음 | 조건별 판단 필요 | 규칙과 우선순위가 명확 | 같은 조건에 같은 규칙을 반복 적용할 수 있는가? |
| 예외 빈도 | 낮음 | 보통 | 높음 | 표준 절차 밖 조사·승인이 얼마나 자주 필요한가? |
| 판단 책임 | 재처리로 끝남 | 담당자 판단이 필요 | 승인·정책 결정 책임이 큼 | 결과가 틀렸을 때 누가 근거를 설명하고 결정을 수정하는가? |
| 증거 요구 | 작업 완료 기록 정도 | 원천자료와 검토 기록 필요 | 작성·검토·승인 이력까지 필요 | 제3자가 결론을 다시 확인할 수 있어야 하는가? |
| 오류 비용 | 국소 수정 가능 | 마감 지연·재작업 발생 | 현금·세무·계약·재무보고 영향 가능 | 오류가 발견되지 않으면 어떤 손실이나 왜곡이 생기는가? |
| 이해관계자 조정 | 개인·한 팀에서 종결 | 다른 부서 확인 필요 | 이견 조정·외부 확인 필요 | 숫자만으로 결론이 나지 않을 때 누구의 합의가 필요한가? |
예외 빈도만 방향이 반대입니다. 예외가 적을수록 표준 처리에 적합하기 때문입니다.
처리 표준화 점수 S
= 입력 정형성 + 규칙 안정성 + (4 - 예외 빈도)
= 최소 3점, 최대 9점
검토 책임도 G
= 판단 책임 + 증거 요구 + 오류 비용 + 이해관계자 조정
= 최소 4점, 최대 12점S 3~5점은 낮음,6점은 중간,7~9점은 높음으로 봅니다.G 4~6점은 낮음,7~9점은 중간,10~12점은 높음으로 봅니다.- 회사의 거래 구조와 통제 환경이 바뀌면 같은 과업의 점수도 달라질 수 있습니다.
이 구간은 외부 표준이나 합격선이 아닙니다. 첫 평가 뒤 실제 예외 건수, 재처리 시간, 승인 누락, 오류 영향을 기록해 회사 기준에 맞게 조정해야 합니다.
표준화 점수와 검토 책임도를 함께 보면 무엇이 달라지나요?
| 과업 유형 | 해석 | 업무 설계 방향 |
|---|---|---|
| S 높음·G 낮음 | 입력과 규칙이 일정하고 오류 영향이 제한적 | 반복 처리를 줄이되 표본 검사와 오류 회수 절차를 둡니다. |
| S 높음·G 높음 | 처리는 규칙화할 수 있지만 승인·증거·오류 비용이 큼 | 처리와 최종 승인을 분리하고, 원천자료·검토 이력·수정 권한을 관리합니다. |
| S 낮음·G 낮음 | 입력과 절차가 혼재하지만 결과 영향은 제한적 | AI 적용 여부보다 데이터 정의와 업무 순서를 먼저 정리합니다. |
| S 낮음·G 높음 | 예외·판단·조정이 많고 결과 책임도 큼 | 비교안 작성에는 AI를 활용할 수 있어도 결론은 담당자가 근거와 한계를 검토해 승인합니다. |
가장 주의할 구간은 S 높음·G 높음입니다. 규칙을 적용하기 쉬워 보여 처리 범위를 빠르게 넓힐 수 있지만, 작은 입력 오류가 여러 거래에 반복되거나 검토 이력이 끊기면 수정 범위도 커질 수 있습니다. 이 구간에서는 처리 속도보다 승인 분리, 변경 기록, 예외 상향 기준이 먼저입니다.
S 낮음·G 높음은 사람만 할 수 있는 영역이라고 단정할 필요가 없습니다. 초안, 자료 비교, 누락 후보 탐색은 지원받을 수 있습니다. 다만 어떤 기준을 적용했는지, 반대 근거는 무엇인지, 누가 최종 결론을 승인했는지를 남겨야 합니다.
전표 입력은 어떻게 통제·예외 조사·회계 판단으로 확장할 수 있나요?
'전표 입력'을 하나의 활동으로만 기록하면 경력도 입력 건수와 속도로만 설명하게 됩니다. 실제 과업을 나누면 같은 업무 안에서도 책임 범위를 넓힐 지점이 보입니다.
| 전표 관련 세부 과업 | S | G | 실무자가 넓힐 책임 |
|---|---|---|---|
| 증빙의 날짜·거래처·금액을 정해진 필드로 옮김 | 높음 | 낮음~중간 | 필드 정의, 누락 기준, 원천자료 연결 상태를 관리 |
| 공급가액·세액·합계, 중복, 기간을 대조 | 높음 | 중간~높음 | 검증 규칙과 허용 오차를 정하고 실패 건을 분리 |
| 계약과 다른 청구, 증빙 누락, 환불·선급 등 예외 조사 | 낮음~중간 | 높음 | 사실관계와 추가 자료를 수집하고 처리 근거를 기록 |
| 계정과목, 인식 시점, 추정이 필요한 항목을 판단 | 낮음~중간 | 높음 | 적용 회계기준과 회사 정책, 대안, 결론을 문서화 |
| 전표 승인, 마감 반영, 변동 원인 설명 | 중간 | 높음 | 작성·검토를 분리하고 수정 이력과 설명 책임을 관리 |
예를 들어 증빙 금액을 전표 필드로 옮기는 부분은 입력 형식과 규칙이 일정할 수 있습니다. 그러나 계약 조건과 청구 내용이 다르거나, 어느 기간과 계정에 반영할지 판단해야 하면 예외 빈도와 검토 책임도가 올라갑니다. 전표 처리 경험을 확장하려면 입력 건수만 늘리기보다 검증 규칙을 설계하고, 예외의 원인을 조사하고, 회계 판단과 승인 근거를 재현 가능하게 남기는 일을 맡아야 합니다.
회계 판단은 단순히 '정답이 없는 일'이라는 뜻이 아닙니다. 적용할 기준과 거래의 사실관계를 확인하고, 가능한 처리 대안을 비교한 뒤, 선택한 결론이 왜 관련성 있고 신뢰할 수 있는지 설명하는 일입니다. IFRS의 IAS 8도 특정 거래에 직접 적용되는 기준이 없을 때 경영진이 관련성 있고 신뢰할 수 있는 회계정책을 개발·적용하기 위해 판단을 사용하도록 규정합니다. 국내 실무에서는 회사에 적용되는 K-IFRS, 일반기업회계기준 등 현행 기준과 내부 회계정책을 먼저 확인해야 합니다.
예산 소진율 80%는 어떤 판단까지 뒷받침하나요?
'예산 소진율 80%'는 현황 지표로는 유효하지만, 그 숫자만으로 4분기 유동성 문제나 추가 자금 확보 필요성을 단정할 수는 없습니다. 다음은 계산을 검산하기 위한 가상 사례입니다.
가정은 연간 예산 1억 원, 9개월 누적 집행액 8,000만 원, 월별 집행이 일정하다는 조건입니다.
예산 소진율
= 누적 집행액 ÷ 연간 예산 × 100
= 8,000만 원 ÷ 1억 원 × 100
= 80.0%
기간 경과율
= 경과월 ÷ 12개월 × 100
= 9 ÷ 12 × 100
= 75.0%
소진 속도 지수
= 예산 소진율 ÷ 기간 경과율
= 80.0% ÷ 75.0%
= 1.0666... = 약 1.07
선형 예상 연간 집행액
= 누적 집행액 ÷ 경과월 × 12
= 8,000만 원 ÷ 9 × 12
= 1억 666만 6,667원
예상 초과액
= 예상 연간 집행액 - 연간 예산
= 1억 666만 6,667원 - 1억 원
= 666만 6,667원이 계산이 말해주는 것은 월별 집행이 일정하다는 가정 아래 현재 속도가 기간 경과보다 약 6.7% 빠르고, 같은 속도가 이어지면 예산을 약 6.7% 초과할 수 있다는 점까지입니다. 실제 판단에는 계절성, 이미 계약했지만 집행되지 않은 금액, 취소 가능한 지출, 매출채권 회수 일정, 현금 잔액, 자금 조달 조건이 더 필요합니다.
따라서 재무 실무자의 역할은 80%를 보고하는 데서 끝나지 않습니다. 어떤 가정을 썼는지 밝히고, 기준·낙관·비관 시나리오에서 연말 집행액과 현금 영향을 비교하고, 경영진이 선택할 수 있는 조정안을 설명해야 합니다.
재무 실무자는 어떤 역량을 키워야 하나요?
회계기준 해석
거래명만 보고 계정과목을 고르는 수준에서 나아가 사실관계, 적용 기준, 회사 정책, 대안, 결론을 연결해야 합니다. 좋은 산출물은 결론 한 줄이 아니라 다른 검토자가 같은 자료로 판단 과정을 다시 따라갈 수 있는 회계 검토 메모입니다.
검증·승인
AI가 만든 분류나 계산도 입력 범위, 검증 규칙, 예외, 수정 이력을 확인해야 합니다. NIST AI 위험관리 프레임워크는 실제 사용 조건과 비슷한 환경에서 성능을 측정하고, 테스트 도구와 지표를 문서화하며, 도메인 전문가나 독립 평가자를 정기 평가에 참여시키는 방식을 제시합니다. 재무 업무에서는 이를 원천자료 대사, 재계산, 예외 표본, 작성·검토 분리, 승인 이력으로 구체화할 수 있습니다.
데이터 품질
분석이나 AI 결과가 틀렸을 때 모델만 의심해서는 원인을 찾기 어렵습니다. 필드 정의가 부서마다 다른지, 거래처 코드가 중복되는지, 기준일이 섞였는지, 수정 전 데이터가 남아 있는지부터 확인해야 합니다. 실무자는 데이터 정의서, 품질 규칙, 오류 소유자, 정정 이력을 관리할 수 있어야 합니다.
시나리오 분석
한 가지 전망값을 확정적으로 제시하기보다 결과를 바꾸는 가정과 범위를 보여줘야 합니다. 매출, 단가, 회수일, 환율, 고정비처럼 민감한 변수를 분리하고 기준·낙관·비관 시나리오를 비교합니다. 전망이 빗나갔을 때는 결과만 수정하지 말고 어떤 가정이 달라졌는지 기록합니다.
설명 책임
재무의 설명은 숫자를 쉬운 말로 바꾸는 데서 끝나지 않습니다. 무엇이 바뀌었는지, 원인은 무엇인지, 근거는 어디에 있는지, 어떤 선택지가 있는지, 남은 불확실성과 결정 책임자는 누구인지 연결해야 합니다. 예산 조정, 미수금 회수, 부서별 비용 배분처럼 이해관계가 충돌하는 사안에서는 숫자와 함께 합의 기준과 후속 책임을 남겨야 합니다.
업무 포트폴리오는 어떻게 다시 설계하나요?
하루 업무를 직무명으로 적지 말고 결과가 다른 과업으로 나눠 보세요. '전표 처리'라면 입력, 대조, 예외 조사, 회계 판단, 승인, 변동 설명으로 분리합니다. 각 과업의 S와 G를 기록한 뒤 최근 세 번의 마감에서 실제 예외 건수와 재처리 원인을 대조합니다.
S가 높은 과업에서는 반복 처리 시간을 줄이는 것만 목표로 삼지 마세요. 누락률, 재처리율, 검토 소요시간, 오류 회수시간을 함께 기록해야 처리 방식의 변경이 통제 품질도 높였는지 알 수 있습니다. G가 높은 과업에서는 판단 근거, 승인자, 반대 증거, 수정 가능 시점을 남깁니다.
커리어 확장은 낮은 책임의 입력 업무를 버리는 데서 시작하지 않습니다. 입력 업무에서 데이터 정의와 검증 규칙을 만들고, 예외를 조사하고, 회계 판단을 문서화하고, 승인과 설명을 맡는 방향으로 범위를 넓히는 데서 시작합니다. AI 환경에서 오래 통하는 역량은 특정 도구를 빨리 쓰는 능력이 아니라 결과의 조건과 한계를 검증하고, 증거를 남기며, 이해관계자에게 설명할 수 있는 능력입니다.
공식 참고 자료
- 국제노동기구, Workers' exposure to AI: What indicators tell us - and what they don't, 2026-04-17, 확인일 2026-07-13
- 국제노동기구, Generative AI and Jobs: A Refined Global Index of Occupational Exposure, 2025-05-20, 확인일 2026-07-13
- NIST, AI Risk Management Framework Core, 확인일 2026-07-13
- NIST, AI Risks and Trustworthiness, 확인일 2026-07-13
- IFRS Foundation, IAS 8 Basis of Preparation of Financial Statements, 2026년 발행 기준, 확인일 2026-07-13
- 한국회계기준원, 기업회계기준 열람, 확인일 2026-07-13
