송장 한 장이 책상 위에 놓인 순간
지난달, 한 제조업체 경리 팀장님과 두 시간쯤 이야기를 나눴습니다. 책상 한 켠에 종이 송장 묶음이 쌓여 있었고, 그 옆에 모니터에는 국세청 홈택스 창이 켜져 있었습니다. "이거, 한 장씩 보고 있어요. 금액은 맞는지, 부가세 구분은 맞는지, 거래처 코드는 맞는지." 그분이 마우스로 가리킨 송장은 그날 들어온 분량의 절반도 안 되는 양이었습니다.
지난 회 물류 자동화에서 끊김 자리를 짚었던 이야기가 픽업·트래킹·통관 사이의 빈틈에 관한 것이었다면, 오늘은 그 송장 한 장이 회계 시스템 안에서 어떤 여정을 거치는지, 그리고 그 여정의 어디까지를 기계에 맡길 수 있는지에 관한 이야기입니다.
송장 처리 — 가장 먼저 풀린 매듭
송장 처리는 자동화가 가장 먼저 들어온 영역입니다. OCR 기술이 안정화되면서, 종이 송장이든 PDF든 이메일 첨부 파일이든, 기계가 텍스트를 뽑아내는 정확도가 실용 수준에 도달했습니다.
해외 벤치마크를 보면 숫자가 꽤 인상적입니다. 한 글로벌 회계 자동화 리포트에 따르면 인보이스 1건당 처리 비용이 약 16달러에서 2달러대로 떨어졌고, 처리 시간은 평균 10일에서 3일 수준으로 줄었습니다. 85% 감소라고 하면 추상적이지만, 한 달에 1,000건을 처리하는 회사라면 한 달에 1,400만 원어치의 인건비와 시간이 다른 일로 옮겨갈 수 있다는 말입니다.
다만 한국 환경은 조금 다릅니다. 종이 송장보다 전자세금계산서 비중이 이미 압도적으로 높고, 2025년 7월부터 법인사업자와 직전연도 매출 8,000만 원 이상 개인사업자는 전자세금계산서 의무 발행 대상이 됐습니다. 그래서 OCR보다 "국세청 시스템에서 데이터를 어떻게 자동 수집해 ERP로 연결할 것인가"가 더 중요한 질문이 됐습니다.
세금계산서 자동화의 현재 풍경
국내 세금계산서 자동화 솔루션은 크게 세 갈래로 나뉘는 것 같습니다. 국세청 실시간 연동으로 발행·수취 데이터를 자동으로 ERP에 꽂아 넣는 카테고리, 종이·PDF 세금계산서를 OCR로 입력 보조하는 카테고리, 그리고 프리랜서·소상공인을 대상으로 한 가벼운 SaaS형까지.
제조 중견기업 한 곳의 사례를 들었습니다. 도입 후 finance 비용이 20% 절감되고 월별 보고 시간이 75% 줄었다고 했습니다. 처음 들었을 땐 "보고 시간 75%는 좀 과한 거 아닌가" 싶었는데, 이야기를 들어보니 그분이 말하는 "보고"는 단순히 결산 보고서 작성만이 아니었습니다. 사장님께 "이번 달 미수금이 왜 늘었느냐"고 즉답해야 하는 그 한 줄을 위해, 경리팀이 자료를 모으고 정리하고 검토하던 그 모든 시간이 줄었다는 의미였습니다.
다만 이런 효과는 "무엇을 자동화 대상으로 정의했느냐"에 따라 갈립니다. 같은 도구를 써도 누군가에겐 70% 줄고, 누군가에겐 별 차이가 없습니다. 그 차이의 80%는 "어떤 업무 흐름을 잘라서 기계에 넘길지"를 설계한 사람의 판단에서 갈리는 것 같습니다. 솔직히, 도구는 점점 비슷해지고 있습니다.
결산까지 — 어디까지가 기계의 일인가
여기서부터가 진짜 까다로운 영역입니다. 송장 입력은 자동화하기 쉽지만, 결산은 다릅니다. 왜냐하면 결산은 "기록"이 아니라 "판단"의 비중이 빠르게 올라가기 때문입니다.
업무를 거칠게 나눠보면 이렇게 됩니다.
- 기계가 잘하는 일: OCR로 송장 데이터 추출, 거래처·계정과목 1차 분개 제안, 은행 계좌-ERP 자동 대조, 미수금 매칭, 동일 거래 중복 입력 감지, 이상 거래 플래그, 월말 정형 보고서 생성
- 사람이 여전히 해야 하는 일: 과세·면세 판단, 새 거래 유형에 대한 회계처리 정책 결정, 결산 조정사항(재고평가, 충당금, 감가상각 정책 변경 등), 세무조사·감사 대응, 그리고 "이 거래는 회계처리는 맞지만, 세무상 위험이 있다"는 종합 판단
한 회계 담당자분의 말이 기억에 남습니다. "AI가 분개 제안을 해주는 건 고마운데, 그게 맞는지 확인하는 데 처음 몇 달은 오히려 시간이 더 들었어요." 엄밀히 말하면 자동화의 ROI는 도입 직후가 가장 낮습니다. 사람이 기계의 답을 검증하는 단계가 있기 때문입니다. 이 단계를 거치고 나서야, 정말로 시간이 줄기 시작합니다.
AI-Human Loop — 운영 가이드
그래서 현장에서 잘 돌아가는 구조는 거의 비슷합니다. AI가 초안을 만들고, 사람이 검토하고, 사람이 확정하고, 그 확정 결과를 기계가 다시 학습 데이터로 쌓는 순환. 이 순환을 "AI-Human Loop"라고 부르는데, 결국 자동화 도입의 성패는 이 루프를 얼마나 깔끔하게 설계했느냐로 결정됩니다.
실무에서 도움 됐던 몇 가지 원칙을 정리하면 이렇습니다. 첫째, 기계의 판단 결과를 "확정"이 아니라 "제안"으로 다루는 UI 설계. 사람이 한 번 클릭해서 확정한다는 그 행위가 책임 소재를 명확히 만듭니다. 둘째, 분개 제안의 신뢰도 점수를 함께 보여줘서, 신뢰도가 낮은 건만 사람이 우선 확인하도록 하는 흐름. 셋째, 사람이 수정한 분개는 반드시 "왜 수정했는지" 1줄 메모를 남기게 만들어 다음 학습으로 잇는 구조. 이 메모가 6개월 후 모델 정확도를 갈라놓습니다.
참고로 2026 법인세 개정안에 AI·DX 투자에 대한 25% 세액공제가 포함됐습니다. 도입 시점을 고민 중인 회사라면, 이 부분은 회계법인이나 세무사에 한 번 확인해볼 만한 항목입니다.
다음 회 예고
다음 회는 클리닉 자동화 — 예약·문진·차트가 환자 만족도와 운영 효율의 교집합에서 어떻게 맞물리는지 살펴볼 예정입니다. 송장과 결산의 "숫자 기록" 자동화가 다소 정형적이었다면, 클리닉의 자동화는 "사람의 마음"이 가장 많이 개입되는 영역입니다.
저희 5years+는 한국·일본 중소·중견기업을 대상으로 finance 영역의 AI·자동화 도입을 지원해왔습니다. 송장 처리부터 결산 보조까지, 자동화의 경계선을 어디에 그을지가 늘 가장 어려운 의사결정이었습니다. 만약 "우리 회사는 어디부터 손대야 할지"가 궁금하시다면, 5years+의 자동화 서비스나 무료 상담에서 현재 상황을 한 번 같이 들여다보는 자리를 마련해드립니다. 도입 결정은 그 후의 일이고, 먼저 "어디까지가 자동화 가능한가"의 그림부터 함께 그려보는 것이 보통 더 도움이 됐습니다.