기업들은 보다 강력한 데이터 관리 및 고급 분석 기능이 절실히 필요하지만, 29%의 재무 관리자가 디지털 기술이 거의 없거나 전혀 없는 것으로 조사됨에 따라 재무팀의 심각한 디지털 기술 격차가 상황을 악화시킬 수 있다는 우려가 제기되고 있다.

우리는 데이터가 새로운 상품인 디지털 퍼스트 세계에 살고 있다. 그리고 지난 2년 동안 전 세계 데이터의 90%가 생성될 만큼 데이터의 폭증해 모든 데이터를 처리하고 이해하는 것은 개인과 기업 모두에게 엄청난 과제가 되었다.

신용 모니터링 및 위험 관리 글로벌 기업 크레딧세이프(Creditsafe)가 발표한 ‘비즈니스 리스크에 대한 AI의 역할’에 대한 보고서에 따르면, 기업들은 더 강력한 데이터 관리와 고급 분석을 절실히 필요로 한다. 경기 침체가 다가오는 가운데 이미 이러한 문제를 해결하기는 어렵지만, 금융의 디지털 기술 격차는 상황을 악화시키고 있다.

보고서에 따르면 기업의 27%가 2023년에 가장 시급한 관심사로 강력한 데이터 관리 및 고급 분석의 필요성을 꼽고 있다. 데이터가 성장 패턴 및 추세를 분석하고 현금 흐름을 관리하고 위험을 식별하고 의사 결정을 내리는 데 얼마나 중요한지를 고려하면 놀라운 일이 아니다. 이러한 기술은 회사의 가장 중요한 자산 중 하나인 현금 흐름을 보호하는 책임을 맡고 있는 재무 부서에 특히 중요하다.

불행하게도 재무 관리자의 29%는 디지털 기술이 거의 없거나 전혀 없으며 AI에 익숙하지 않다. 전문 디지털 기술을 꼽은 사람이 14%에 불과하기 때문에 부정확한 데이터, 왜곡된 데이터 분석, 잘못된 정보에 입각한 의사 결정 및 최악의 경우 수익 손실로 이어질 수밖에 없다.

연구 조사에 따르면 B2B 신용 검사가 항상 중단되는 것은 아니다. 최소한 절반은 심층 분석이 필요한다. 재무 관리자의 97%가 하루에 최대 100건의 신용 신청을 처리한다. 63%의 기업에서 신규 고객에 대한 신용 결정을 내리는 데 최대 5명이 필요한 반면, 22%의 기업에서는 6~10명이 이 과정에 참여한다. 또한 재무 관리자의 75%가 단일 고객에 대한 신용 결정에 도달하는 데 최대 하루(8시간)가 소요된다.

이러한 상황을 고려할 때 주별 신용 결정의 50-99%는 기업의 거의 절반(46%)에 대한 심층 분석이 필요한 반면, 기업의 10%는 검토하는 모든 신용 애플리케이션에 대해 추가 분석이 필요하다고 인정했다.

자금세탁방지(Anti Money Laundering, 이하 AML) 및 규정 준수 검사는 고객이 온보딩하는 동안 자주 건너뛴다. 금융 범죄와 제재 위반에 대한 미국 정부의 강경한 입장을 고려할 때, 기업들이 AML과 규정 준수 검사를 최우선 과제로 삼고 고객 탑승 과정에서 종교적으로 사용할 것이라고 생각할 것이다.

하지만 세이프크레딧의 연구는 그것이 현실과는 거리가 멀다는 것을 보여준다. 실제로 기업의 거의 절반(41%)이 가끔 또는 드물게 고객에 대한 AML 검사만 수행하는 반면 38%는 규정 준수 검사에 대해 동일한 느슨한 태도를 취하고 있다. 설상가상으로 21%는 AML 검사를 실행하지 않고 15%는 규정 준수 검사를 실행하지 않는다.

한정된 예산과 세대 간의 기술 격차로 인해 강력한 재무 팀을 구축하기가 어렵다. 예를 들어, 응답자의 29%가 예산과 리소스가 충분하지 않아 재무 인재를 채용하고 유지하는 데 있어 직면한 가장 큰 문제라고 답했다. 또한 재무 관리자의 19%는 부족한 디지털 기술과 재무 소프트웨어에 대한 경험이 부족하여 강력한 재무 팀을 구축하기 어렵다고 생각한다. 또한 응답자의 21%가 금융의 채용 문제의 원인으로 기술 채택 속도가 느리다고 답했다.

수동 고객 온보딩 프로세스로 인해 기업은 재정적 손실과 규전 위반에 더욱 취약해진다. 조사 결과 82%의 기업이 여전히 수동 신용 결정 프로세스에 의존하고 있는 것으로 나타났다. 오늘날 기업에서 AI가 얼마나 널리 보급되고 유용한지를 고려할 때, 재무 관리자의 27%가 신용 결정 프로세스가 엄격하고 비효율적이라고 생각하는 이유를 설명할 수 있다. 응답자들에게 왜 이런 생각을 하는지 물었더니 49%가 신용 결정 과정이 수작업에 너무 의존하거나 결정에 도달하는 데 시간이 너무 오래 걸리기 때문이라고 답했다.

매튜 데비지(Matthew Debbage) 크레딧세이프 미주 및 아시아 지역 사장은 "대부분의 재무 전문가들은 엑셀을 사용하여 현금 흐름, 송장 처리 및 회수를 관리하는 데 능숙하다. 그러나 고객의 온보딩 프로세스(예: B2B 신용 검사, 고객/ID 파악 확인, 자금 세탁 방지 및 규정 준수 검사)에서 AI와 머신러닝을 사용하는 것과 관련하여 AI에 대해 회의적이고 불신하는 경우가 많다."라며, "이러한 불신의 대부분은 AI가 이미 가득 찬 워크로드에 추가해야 할 또 다른 것이거나 학습하고 구현하기가 너무 어려울 것이라는 좌절감에서 비롯된다. 그러나 생산성 향상, 위험 감지 및 방지 개선, 의사 결정 및 수익 증가 등 이미 다른 부서에서 AI를 통해 보고 있는 개선 사항을 고려할 때 재무 팀은 더 이상 디지털 전환 곡선에 뒤처질 수 없다."고 말했다.

이어 매튜는 "고객 온보딩은 한 부서만의 문제가 아니라 모든 부서와 수익에 영향을 미친다. 적절한 기술에 투자하지 않거나 레거시 데이터를 신용 위험 및 규정 준수 플랫폼과 통합하지 않으면 비즈니스가 더 많은 위험에 노출될 수 있으며 현금 흐름을 더 많이 고갈시키게 된다."고 강조했다.