재무 AI의 지역별 격차: 북미 재무팀이 앞서가는 이유

Forrester가 재무 리더 1,279명을 대상으로 조사한 결과, 지역별로 AI를 실제로 쓰는 정도에 차이가 있었습니다. 그리고 이 격차는 예산 차이만으로는 설명되지 않았습니다.

북미 지역의 재무팀은 자동 대사부터 실시간 현금흐름 예측까지, 여러 단계로 이어지는 업무에 AI를 활용하고 있는 경우가 더 많았습니다. 반면 유럽 지역의 재무팀은 아직 따라가야 할 부분이 많아 보입니다.

Airwallex는 최근 Forrester Consulting에 의뢰해 EMEA(유럽·중동·아프리카)와 APAC(아시아·태평양), 북미 지역의 재무 리더 1,279명을 조사했습니다. 눈에 띄는 대목이 있었습니다. 재무 업무에 AI를 전혀 쓰지 않는 비율이 EMEA는 28%인 반면, 북미는 17%였는데요. 흥미로운 점은 투자 의향은 크게 다르지 않았다는 점입니다. 앞으로 AI 투자를 늘리겠다고 답한 비율의 차이는 두 지역이 5%포인트에 불과했습니다.

그렇다면 이 차이는 어디서 생긴 걸까요? 지역별 격차는 데이터, 규제, 인재, 인프라 성숙도 전반에 걸친 구조적 요인이 쌓여 만들어진 결과입니다. 여러 지역에 걸쳐 사업을 운영하는 조직의 재무 리더라면, 먼저 이 요인들을 이해하는 것이 격차를 줄이는 첫걸음일 것입니다.

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

북미·APAC·EMEA의 재무 AI 활용 수준 비교

Forrester는 AI 실행 수준을 네 단계로 나눴습니다. AI를 전혀 쓰지 않는 단계부터, 개별 업무에만 활용하는 단계, 사전에 설정된 여러 단계의 업무에 활용하는 단계, 사람의 개입을 최소화한 완전 자율 실행 단계까지입니다.

이미 AI 활용에서 앞서고 있는 북미

완전 자율 실행 비율은 주요 지역 모두 11~12% 수준으로 비슷하게 나타났습니다. 차이는 바로 아래 단계에서 벌어졌습니다. 북미 재무팀의 37%는 이미 여러 단계로 이어지는 업무에 AI를 활용하고 있었거든요.

여기서 말하는 업무 흐름은 AI가 여러 시스템에 걸쳐 작업을 조율하는 방식입니다. 예를 들어 인보이스를 읽고, ERP 기록과 대조하고, 환율을 검증한 뒤, 사람이 마지막 단계에서 승인하면 결제하는 식이죠. 사람은 마지막 승인만 맡습니다. 이는 북미 지역의 재무팀이 시험 삼아 써보는 단계를 넘어, 실제 운영 프로세스 전반에 AI를 쓰고 있다는 것을 뜻합니다. 기업 인프라에 대한 투자 의지, 효율성 개선을 향한 압박, 통합 재무 플랫폼을 빠르게 도입한 것이 AI 활용을 앞당긴 것으로 보입니다.

평균으로는 설명되지 않는 APAC

APAC 지역에서 AI를 전혀 쓰지 않는다고 답한 비율은 23%입니다. 다만 이 숫자는 지역 평균일 뿐, 나라별로는 사정이 크게 다릅니다.

• 싱가포르와 홍콩, 호주가 가장 앞서 있습니다. 세 곳 모두 재무 리더의 3분의 1가량이 이미 여러 단계로 이어지는 업무에 AI를 활용하고 있습니다(홍콩 36%, 호주 35%, 싱가포르 31%). 재무 인프라가 통합되어 있는 데다, 여러 법인에 걸쳐 있는 복잡한 재무 업무를 자동화할 필요성이 크기 때문으로 보입니다. 특히 싱가포르는 사람의 개입을 최소화한 자율 실행 단계에 있다는 응답이 18%로, APAC에서 가장 높았습니다. 홍콩은 응답자의 84%가 어떤 형태로든 재무 업무에 AI를 이미 쓰고 있다고 답했습니다. 호주도 비슷한 흐름인데, 개별 작업 자동화보다 여러 단계로 이어지는 업무에 활용하는 비중이 높았습니다. 반면 APAC 지역의 다른 국가들은 아직 도입 초기 단계입니다. 시스템이 흩어져 있고 데이터 연동이 고르지 않아, AI가 전 과정을 조율하기보다 개별 작업 수준에 머물러 있는 상태입니다.

• 중국은 사정이 조금 다릅니다. AI 개발 쪽에서는 글로벌 선두주자지만, 조직의 재무 자동화는 더디게 진행되고 있습니다. 사업 환경이 다르고, 백오피스 재무 업무를 대규모로 자동화해야 할 필요성이 상대적으로 낮기 때문입니다.

결국 APAC 지역의 AI 격차는 AI를 아느냐, 모르느냐의 문제가 아닙니다. 재무 시스템이 여러 업무와 법인, 통화를 아우를 만큼 충분히 연결되어 있느냐의 문제입니다.

신중한 EMEA

EMEA 지역의 재무팀은 AI를 개별 업무에만 활용하거나, 아예 활용하지 않는 경우가 더 많았습니다.

이 지역에선 영국이 가장 앞서고 있습니다. 사람의 개입을 최소화한 자율 실행 단계에 있다는 응답이 17%로, APAC 선도 시장들과 어깨를 나란히 하고 있죠. 다만 AI를 전혀 쓰지 않는다는 응답도 그와 비슷한 수치임을 감안하면, 같은 지역 안에서도 AI 격차가 벌어지고 있다고 볼 수 있습니다. 한편 유럽 대륙은 아직 초기 단계에 머물러 있습니다. 네덜란드는 조사 대상 시장 중 AI를 전혀 실행하지 않는 비율이 35%로 가장 높았습니다. 프랑스와 이스라엘 모두 약 3분의 1이 AI를 전혀 사용하지 않는다고 답했고, 자율 실행 단계에 도달한 비율은 6%에 그쳤습니다. 이는 더 엄격한 규제 환경, 파편화된 시스템, 그리고 재무 조직에서 운영 리스크와 통제 체계를 신중하게 다루는 태도가 함께 작용한 결과로 보입니다.

AI 투자 전 재무 인프라를 먼저 점검해야 하는 이유

앞서가는 팀은 AI를 도입하기만 한 것이 아닙니다. 결제와 외환, 지출, 정산이 이미 연결된 하나의 재무 인프라 위에서 운영되고 있습니다.

AI는 데이터가 보여주는 만큼만 봅니다

결국 데이터가 모든 것을 결정합니다. Forrester 조사 결과가 이를 불편할 만큼 분명하게 보여주죠. EMEA 지역 재무팀의 58%는 데이터가 부서별로 갇혀 있거나 일관성이 없다고 북미는 그 비율이 47%였습니다. 전체 조사 기준으로는 재무 리더의 65%가 흩어진 데이터를 AI 활용의 가장 큰 걸림돌로 꼽았습니다.

실제로는 이런 모습입니다. 런던의 매입채무(AP)팀은 A 시스템에서 인보이스를 처리합니다. 싱가포르 자금팀은 B 시스템에서 환위험을 관리하고, 미국 법인은 또 다른 시스템에서 급여를 지급합니다. 이 상태에서 AI에 전 세계 법인의 자금을 어떻게 운용할지 계획해 달라고 하면, 기대하는 답을 얻기 어렵습니다. 반쪽짜리 지도를 준 셈이니, AI도 반쪽짜리 답을 내놓을 수밖에 없습니다.

앞서가는 조직들은 지난 몇 년을 통합 재무 시스템으로 옮겨가는 데 썼습니다. AI가 하나로 묶인 데이터를 볼 수 있게 만든 것이죠. 반면 다른 조직들은 여전히 파편화된 구조에 묶여 있습니다. 데이터가 서로 맞지 않거나 비어 있다 보니, 시범 도입이 실제 운영 단계까지 가는 일이 드문 것입니다.

보기보다 더 큰 북미의 투자 격차

모건스탠리에 따르면 미국의 기업 AI 투자 규모는 약 1,090억 달러로, 나머지 국가의 투자 규모를 합친 것보다 큽니다. 전 세계 데이터센터 용량의 60% 이상도 보유하고 있고요. 뉴욕에 있는 CFO라면 AI 모델을 학습시키고 돌릴 연데이터센터 용량의 60% 이상도 보유산 자원을 확보하는 일이 어렵지 않습니다. 데이터센터가 가까이 있고, 비용도 경쟁력 있고, 인프라도 성숙해 있으니까요.

EMEA나 APAC 일부 지역의 팀은 사정이 다릅니다. 같은 인프라를 쓰는 데 비용이 더 들거나, 전력 규제에 묶여 있거나, 국경 간 데이터 이전 협약에 얽혀 있어 AI를 제대로 써보기도 전에 여러 장벽에 부딪치는 셈입니다.

APAC 안에서도 같은 양상이 반복됩니다. 인프라가 더 통합되어 있는 홍콩과 호주 같은 곳은 앞서 나가고 있는 반면 다른 국가들은 아직 초기 단계에 머물러 있습니다. 시스템이 AI 발달 속도를 따라오지 못하고 있기 때문입니다.

AI 도입 속도를 결정하는 건, 규제와 채용

AI 준비 체크리스트엔 규제와 인재가 잘 나타나지 않습니다. 하지만 Forrester 조사 결과를 보면 규제와 채용을 넣어야 한다는 걸 알 수 있습니다.

규제를 먼저 따지는 EMEA

EMEA는 세계에서 가장 촘촘한 AI 규제 체계를 만들어놓았습니다. EU AI법과 GDPR에 따라, AI 모델이 재무 업무에 투입되기 전에 그 결과물을 감사하고 설명하고 통제할 수 있다는 것을 입증해야 하죠. 실무에서는 시범 도입을 하기까지 몇 달 동안 문서 작업과 영향 평가, 결재 절차를 거쳐야 한다는 뜻입니다.

물론 이런 신중함은 위험 요소가 많은 재무 환경에서 꼭 갖춰야 할 자질일 수 있습니다. 재무 분야에선 잘못 분류된 거래 하나, 근거가 불투명한 여신 결정 하나가 규제 위반으로 이어질 수 있으니까요. 그래서 유럽의 규제 당국은 오래 갈 수 있는 체계를 만들고 있고, 향후 다른 지역도 비슷한 방향으로 수렴할 가능성이 큽니다. 문제는 그럴 경우 AI 도입이 어렵다는 점입니다. EMEA 지역에서 AI에 가장 앞서가고 있는 곳은 규제가 상대적으로 가벼운 영국입니다. 규제가 덜 촘촘한 곳일수록 AI를 실제로 더 많이 활용하고 있는 셈입니다.

반면 북미의 재무 조직은 더 느슨하고 자율에 맡기는 체계 아래에서, 조금씩 고쳐가며 AI를 도입할 수 있습니다. 규정을 완벽하게 충족하는 버전이 나올 때까지 기다리는 대신, “이 정도면 쓸 만하다” 싶은 수준에서 일단 도입하고 성능을 지켜보며 다듬어가는 방식이죠.

인재가 만드는 가속도

모건스탠리에 따르면 세계 최상위 AI 연구자의 약 60%가 미국에 몰려 있습니다. 북미의 재무팀은 이제 데이터 사이언티스트와 머신러닝 엔지니어를 IT팀이 아닌 재무 조직에 직접 채용하죠. 이렇게 팀이 구성되면 조직에 딱 맞는 업무 프로세스를 직접 설계할 수 있습니다. 회계 담당자가 결산 마감을 자동화하고 싶다면 IT팀에 요청해 6주를 기다리는 대신, 세 자리 옆에 있는 데이터 엔지니어와 함께 만들 수 있는 것이죠.

규제와 인재 문제는 서로 맞물려 있습니다. 도입 전에 검증 단계를 더 많이 거쳐야 하는 지역일수록 재무팀에는 AI와 통제 체계를 모두 이해하는 사람이 필요하지만 데이터 사이언티스트이면서 컴플라이언스 전문가이기도 한 인재는 많지 않죠. 그래서 결국 규제 기준이 높을수록 인재를 찾기 어려워지고, 그럼 AI를 도입하는 데 더 오랜 시간이 걸리게 되는 것입니다.

지역별 AI 격차가 남기는 질문

지역별 차이를 걷어내고 보면, 결국 AI를 활용하는 데 가장 중요한 요건을 하나로 모입니다. 재무 조직이 AI를 본격적으로 쓰려면, 팀이 쓰는 모든 시스템 사이에서 데이터가 끊김 없이 이어져야 한다는 것입니다.

전 세계 재무 리더의 65%는 흩어져 있는 데이터를 걸림돌로 꼽았습니다. 84%는 재무 업무를 끝내려면 여전히 수작업이 필요하다고 답했고요. 그동안 많은 조직이 솔루션을 줄이고 시스템을 통합해왔지만, 통합이 곧 연결로 이어지지는 않았습니다. 시스템들이 여전히 단절되어 있기 때문입니다.

인프라 설계가 발목이 될지, 열쇠가 될지가 여기서 갈립니다. AI가 제대로 돌아가려면 결제와 외환, 계좌, 지출 데이터가 한곳에 모여 있는 것만으로는 부족합니다. 업무 흐름을 따라 구조적으로 이어져 있어야 합니다.

Forrester의 외부 업체 선정 기준 조사도 같은 방향을 가리킵니다. 재무 리더의 66%는 외부 업체를 선택할 때 재무·결제 시스템 전반을 연결하고 조율할 수 있는 역량을 우선순위로 둡니다. 바꿔 말하면, 무엇을 새로 들일지보다 기존 시스템과 얼마나 잘 붙는지를 먼저 본다는 뜻입니다. 결국 살아남는 쪽은 기존 시스템을 갈아엎지 않고 연결하는 방식입니다. 여러 지역에서 사업을 운영한다면 기준이 하나 더 붙습니다. 새로 진출하는 시장마다 데이터가 또 갇히는 일 없이, 국경과 통화, 규제 환경을 넘나들 수 있어야 합니다. 시스템을 하나로 합치는 것과 실제로 연결되어 돌아가는 것은 다른 문제니까요.

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