내부 개발 vs 외부 위탁 딜레마: 재무팀들이 AI를 하이브리드 방식으로 쓰는 이유

별도 표기가 없는 한, 아래 통계는 2026년 6월 Airwallex의 의뢰로 Forrester Consulting이 진행한 "Building An AI-Ready Finance Function" 조사에서 가져왔습니다.

재무팀의 51%는 AI를 자체 구축과 외부 도입을 섞은 하이브리드 방식으로 운영하고 있습니다. 그런데 무엇을 직접 만들고 무엇을 사서 쓸지는, 역량이 아니라 전혀 다른 요인에 따라 갈립니다.

Airwallex가 의뢰한 Forrester 조사에서, 영국의 한 테크 기업 재무 임원은 이렇게 말했습니다.

“우리 회사는 거의 대부분 외부에 위탁합니다. 내부 개발자들이 ‘그정도는 어렵지 않게 만들 수 있다’고 말하지만요. 막상 감사 때 근거를 설명하고 SOC1 보고 기준과 내부 통제 절차까지 지켜야 한다는 걸 감안하면 내부에선 한계가 있기 때문입니다."

이 말은 지금 전 세계 재무팀이 마주한 고민을 잘 보여줍니다. 

AI 기술력 자체는 이미 충분히 구현 가능한 수준에 와 있습니다. 사내 개발팀이라면 몇 달 안에 재무팀이 쓸 AI 기능을 만들고 내부 데이터로 학습시켜 쓸 만한 결과를 내도록 개발할 수 있을 정도로요. 

하지만 진짜 문제는 개발된 뒤에 시작됩니다. AI가 만든 숫자와 판단을 감사 과정에서 어떻게 설명할지, 내부 통제 기준에는 어떻게 맞출지 대답해야 하기 때문입니다. 이 단계에 들어서면 CFO도 깨닫습니다. 재무 업무에 AI를 쓰려면 단순히 기능을 만드는 것만으로는 부족하며, 2년 단위의 감사·규제 대응 체계가 먼저 필요하다는 사실을요.

Forrester Consulting이 전 세계 재무 임원 1,279명을 조사한 결과 핵심은 분명했습니다. 응답자의 51%는 이미 사내 개발과 외부 위탁을 병행해 AI를 활용하고 있으며, 이 비율은 앞으로 12개월 안에 57%까지 높아질 것으로 예상됩니다.

이제 내부 개발이냐, 외부 위탁이냐 하는 이분법적 구도로 선택하는 건 바람직하지 않습니다. 대부분의 재무팀은 이미 두 가지 방식을 함께 쓰고 있으니까요.

57%는 하이브리드 방식으로

향후 12개월 동안 AI 기능을 전적으로 사내에서 개발하겠다는 조직은 26%에 그쳤습니다. 전부 외부에 위탁하겠다는 조직도 17%뿐이었죠.

나머지 57%는 그 사이를 선택했습니다. 사내 개발과 외부 위탁을 함께 쓰는 하이브리드 방식입니다. 이 선택은 우연이 아닙니다. 이렇게 결정한 데에는 분명한 이유가 있습니다.

앞으로는 이 흐름이 더 뚜렷해질 것으로 보입니다. 재무 임원들은 향후 12개월 동안 전면 외부 위탁 비중이 26%에서 17%로 줄어들 것으로 예상하고 있습니다. 재무팀이 AI 업무 흐름에 대한 주도권을 더 많이 쥐려 한다고 볼 수 있는데요. 결국 업무 설계는 내부에서 직접 맡고, 인프라처럼 전문성과 관리 부담이 큰 영역은 외부 업체에 맡기는 방향으로 움직이고 있는 겁니다.

재무 임원들의 판단 기준도 잘 알 수 있습니다. AI를 우리 업무에 어떻게 적용해야 하는지는 내부 팀이 가장 잘 안다고 봅니다. 하지만 감사인과 규제기관이 요구하는 속도에 맞춰 규제 대응 체계를 계속 관리하는 일까지 내부에서 감당할 수 있다고 보지는 않습니다. 그래서 방향은 직접 잡되, 복잡한 유지 관리는 외부에 맡기는 방식을 선택하고 있습니다.

앞으로는 이 흐름이 더 뚜렷해질 것으로 보입니다. 재무 임원들은 향후 12개월 동안 전면 외부 위탁 비중이 26%에서 17%로 줄어들 것으로 예상하고 있습니다. 이는 재무팀이 AI 업무 흐름에 대한 주도권을 더 많이 가져가려 한다는 뜻으로 볼 수 있습니다. 업무 설계는 내부에서 직접 맡고, 인프라처럼 전문성과 관리 부담이 큰 영역은 외부 업체에 맡기는 식이죠.

또한 이런 흐름에는 재무 임원들의 판단 기준도 담겨 있습니다. AI를 재무 업무에 어떻게 적용해야 하는지는 내부 팀이 잘 안다고 보는 반면, 감사인과 규제기관이 요구하는 속도에 맞춰 규제 대응 체계를 관리하는 업무는 외부 업체에 맡기는 게 더 수월하다고 보고 있는 거죠. 그래서 방향은 직접 잡되, 복잡한 유지 관리는 외부에 맡기는 하이브리드 방식을 쓰고 있는 겁니다.

사내 개발을 가로막는 건 컴플라이언스

사내 개발팀은 한 분기 안에 AI 기능을 만들 수 있을지도 모릅니다. 하지만 그 뒤에 따라오는 2년 단위의 규제 대응 체계까지 고려해서 많드는 경우는 많지 않습니다. 재무 업무는 SOC 1, SOC 2, SOX, PCI DSS 같은 기준의 영향을 받습니다. 여기에 시장, 법인, 거래 유형마다 다른 지역 규제도 함께 고려해야 하죠. 재무 보고, 정산, 결제와 관련된 AI를 만들려면 거래를 처리하기 전부터 갖춰야 할 것이 많습니다. 감사 추적 기록을 문서화해야 하고, AI가 왜 그런 결과를 냈는지 설명할 수 있어야 하며, 외부 감사인이 납득할 수 있는 내부 통제 체계도 필요합니다.

이 작업만 해도 수년의 시간과 수백만 달러의 비용이 들 수 있는데요. 더 큰 문제는 출시 후에도 비용이 줄어들지 않는다는 점입니다. 규제 기준이 더 높아지고 감사 기준도 더 촘촘해지는 만큼 컴플라이언스팀이 계획에 없던 버전 관리와 관련 문서까지 계속 챙겨야 하기 때문입니다. 대부분의 개발팀은 AI 기능을 만드는 비용만 계산합니다. 하지만 실제 재무 업무에 적용하려면 이야기가 달라집니다. 규제 대응 체계를 계속 관리해야 하는 비용까지 따라오기 때문입니다.

연결 없는 통합

여러 시스템들을 몇 개로 정리하면 업무의 빈틈도 줄어들 것처럼 보입니다. 하지만 실제 결과는 달랐습니다. 기업의 84%가 재무 업무를 마무리할 때 여전히 사람의 손을 거치고 있다고 답했거든요.

수작업이 사라지지 않는 이유는 시스템의 수가 아닌 연결 방식에 있습니다. 쓰는 시스템이 줄어도 데이터가 업무 흐름에 맞춰 자연스럽게 오가지 않으면, 사람이 중간중간 정보를 확인하고 맞춰야 하니까요. 이 때문에 쓰는 시스템 수가 줄어도 사람이 직접 확인하고 넘겨야 하는 단계는 그대로 남는 겁니다.

감사 병목

감사도 새로운 병목이 되고 있습니다. 기존의 표본 기반 감사 방식으로는 AI가 대량으로 만들어낸 결과물을 검토하기 어렵기 때문입니다. 그러다 보니 감사인은 더 많은 항목을 직접 확인하고, 더 많은 문서를 요청하게 됐고, 그만큼 업무 갈등도 커진 상황입니다. AI를 적극적으로 활용하는 조직들은 감사 방식도 바뀌어야 한다고 보고 있습니다. 사람이 일일이 확인하는 방식에서 벗어나, 시스템에 직접 연결해 데이터를 확인하는 방식으로 넘어가야 한다는 거죠. Forrester 조사에 참여한 영국의 한 재무 임원이 언급한 것처럼, API로 시스템에 연결해 데이터를 직접 확인하는 방식으로 감사를 수행해야 한다는 기대감이 커지고 있습니다.

사내 개발과 외부 위탁을 나누는 기준

기본적인 기준은 점점 분명해지고 있습니다. 규제 부담이 큰 인프라, 즉 결제망, 외환 처리, 카드 발급, 컴플라이언스 체계, 감사 추적 기록 같은 영역은 외부에 위탁하는 것입니다. 반면 회사에 맞는 자금 운용·이체 방식, 자체 리스크 판단 기준, 승인 절차처럼 회사의 운영 방식이 반영되는 영역은 사내에서 개발하는 것이죠.

다만 이런 기준이 항상 고정되어 있는 것은 아닙니다. 업무 흐름이 얼마나 표준화되어 있는지, 데이터가 얼마나 잘 연결되어 있는지, 그리고 해당 업무가 얼마나 큰 규제 리스크를 안고 있는지에 따라 달라집니다.

업무에 따라 다른 사내 개발 기준

자금 관리처럼 판단 기준이 명확하고 결과도 비교적 분명한 업무라면, 사내에서 AI를 개발해볼 만합니다. 예를 들어 싱가포르의 자금 담당자가 여러 통화의 결제 경로를 정해야 할 때 규칙이 분명하고 데이터 흐름도 예측 가능하다면, 회사에 딱 맞는 AI 기능을 직접 만들 수 있죠. 세무 업무도 기준이 비교적 명확하다는 점에서 비슷한 경우에 해당합니다.

반면 M&A, 전략적 투자, 투자자 관계처럼 판단할 변수가 많은 업무는 외부 업체에 맡기는 편이 더 나을 수 있습니다. 정해진 절차를 그대로 따라가는 자동화보다, 정리되지 않은 데이터 속에서 의미 있는 패턴을 찾는 게 더 중요하기 때문입니다.

결국 기준은 부서나 기능별로 달라질 수밖에 없습니다. 미지급금(AP)팀과 FP&A팀만 봐도 그렇습니다. 두 팀은 데이터가 정리된 수준, 업무 흐름의 복잡도, 적용받는 규제의 범위가 모두 다릅니다. 따라서 사내 개발과 외부 위탁의 기준도 팀마다 다르게 정해져야 합니다.

중요한 건, 업무 연결 구조

Forrester 인터뷰에서 미국 SaaS 기업의 CFO는 이 어려움을 이렇게 설명했습니다.

개별 AI 도구들은 저마다의 시스템 안에서만 작동할 뿐, 시스템 간 상호 연동이 이뤄지지 않는다는 것입니다. 예외 상황에 대한 사람의 검토가 필요하거나, 여러 시스템에 흩어진 맥락을 함께 봐야 하거나, 부서 간 업무를 연결해서 봐야하는 순간에는, 특정 시스템을 넘어서는 상위의 통합 구조가 필요해지는 것이죠.

결국 핵심은 어떤 구조를 선택하느냐에 있습니다. 각 영역에서 가장 좋다는 솔루션을 여러 개 도입해도, 서로 연결되지 않으면 문제가 반복될 수 있습니다. 진짜 가치는 이 솔루션들을 하나로 연결하고, 그 위에 우리 팀에 맞는 업무 방식을 쌓을 수 있게 해주는 ‘연결 구조’에 있습니다.

Forrester 조사 결과도 같은 방향을 보여줍니다. 재무 임원의 66%는 외부 업체를 선택할 때 재무·결제 시스템 전반을 연결하고 조율할 수 있는 역량을 우선순위로 봤습니다. 65%는 필요한 기능부터 단계적으로 도입할 수 있는 유연한 플랫폼 구조를 원했습니다. 결국 선택받는 곳은 기존 시스템을 잘 연결해주고, 그 위에 내부 팀이 필요한 기능을 쌓아갈 수 있는 기반을 제공하는 쪽입니다.

하이브리드 방식에서 생기는 인력 병목

하이브리드 방식은 이론적으로는 깔끔해 보입니다. 하지만 실제로 운영해보면 새로운 인력 문제가 생기고, 대부분의 재무팀은 아직 이 문제를 풀지 못했습니다.

Forrester 응답자의 53%는 AI로 재무 업무를 진행해 본 경험이 부족하다는 점을 AI 활용의 가장 큰 장벽으로 꼽았습니다. 실제로 재무 조직 전반에 체계적인 AI 인재 전략을 도입한 곳은 15%에 그치며, 대부분의 조직은 기본적인 AI 이해도를 높이는 교육에 머물러 있습니다. 하지만 하이브리드 방식으로 AI를 활용하려면 이 정도 교육으로는 부족합니다. 무엇을 내부에서 개발하고 무엇을 외부에 맡길지 판단하며 양쪽을 함께 고려할 수 있는 인력이 필요하기 때문이죠.

하이브리드 방식을 제대로 운영하려면 특정한 역량을 가진 인재가 필요합니다. AI와 거버넌스를 함께 이해하고, 외부 솔루션을 회사에 맞게 세팅할 줄 알아야 합니다. 동시에 회사의 승인 기준과 보고 체계에 맞는 업무 흐름도 설계할 수 있어야 하죠. 이런 역량은 불과 2년 전만 해도 거의 필요하지 않았는데요. 지금은 재무 분야에서 가장 찾기 어려운 자원이 됐습니다.

AI를 적극적으로 활용하는 조직들은 이 문제를 해결하기 위해 데이터 사이언티스트와 분석 전문가를 재무팀원으로 채용하고 있습니다. 그리고 이들이 기존 재무 전문가들과 함께 일하도록 하고 있죠.

호주의 한 전자상거래 기업의 재무 책임자는 이런 변화를 이렇게 설명했습니다. 예전엔 교육의 80%가 기술 회계, 20%가 소프트 스킬(soft skills)이었다면 이제는 비중이 완전히 뒤집혔다고 말입니다. AI 활용과 효과적인 프롬프팅, 비판적 사고의 중요성이 그만큼 커졌다는 뜻입니다.

아직도 AI 관련 요청을 전부 IT팀을 통해 처리하는 조직들도 차차 깨닫고 있습니다. 인건비를 줄이는 효과보다 그 과정에서 생기는 지연 비용이 더 클 수 있다는 사실을요. 자금 담당자가 AI 업무 흐름을 조금 수정할 때마다 IT팀에 요청하고 개발 일정을 기다려야 한다면, 현업이 왜 그 수정이 필요한지, 어떤 예외 상황을 반영해야 하는지 같은 맥락은 그 과정에서 흐려지기 쉬우니까요.

재무 인프라를 선택할 때 중요한 것

전 세계 재무 임원 1,279명은 이미 내부 개발이냐, 외부 위탁이냐는 질문에 답했습니다. 정답은 둘 다였습니다. 이제 남은 질문은 경계선을 어디에 그을 것인가, 그리고 우리 재무 인프라가 그만큼 유연한가입니다.

결제, 외환, 계좌, 지출 데이터가 하나로 연결된 구조가 있다면 AI 활용을 가로막는 데이터 파편화를 줄일 수 있습니다. 컴플라이언스 요건을 갖춘 인프라는 외부에서 가져오고, 그 위에 재무팀만의 강점이 되는 업무 방식을 쌓아가는 것. 그게 하이브리드 방식의 출발점일 것입니다.

별도 표기가 없는 한, 아래 통계는 2026년 6월 Airwallex의 의뢰로 Forrester Consulting이 진행한 "Building An AI-Ready Finance Function" 조사에서 가져왔습니다.