테크는 AI를 기반으로 구축됩니다. 재무는 마진을 보호합니다.

테크 기업의 CFO에게 이번 분기 마진이 어느 정도인지 물어보면 명확한 숫자를 얻을 수 있을 것입니다. 하지만 무엇이 그 마진을 움직였는지 물어본다면 다음과 같은 목록이 시작됩니다. 가격보다 컴퓨팅 비용이 더 빠르게 상승한 인기 기능, 구독 및 사용량 기반 혼합 요금제 전반에 걸쳐 기록된 사용량 매출, 자동 확장(scaling) 정책으로 인해 계획보다 빠르게 소진된 예약 컴퓨팅 등이 그것입니다. 이 목록의 모든 숫자는 여러 시스템의 결과물이며, 각각의 숫자는 점점 더 에이전트(agent)에 의해 형성되고 있습니다. 재무 부서의 역할은 이러한 변수들이 단위 경제성(unit economics)을 어떻게 변화시키는지 파악하고, 한 달에 한 번 결산할 때가 아니라 지속적으로 회사를 이끄는 것입니다.

대부분의 재무 팀은 사용량, 가격 책정, 컴퓨팅이 매시간 변하는 동안 매월 조정되는 추출 데이터, 스프레드시트, 지표 등 더 느린 비즈니스를 위해 구축된 시스템에서 이 작업을 수행해야 합니다. 지연되는 하루하루에는 대가가 따릅니다. 가격 재책정이 일주일 늦어집니다. 미터링 버그가 결산 때까지 지속됩니다. 컴퓨팅 약정 계약이 지난달의 수요 상황을 바탕으로 체결됩니다.

AI 단위 경제성이 재무의 최전선이 된 이유

테크 및 AI 네이티브 기업은 성장을 기반으로 구축됩니다. 사용량이 확장되고, 가격 책정은 구독과 사용량 기반 모델을 아우르며, 컴퓨팅은 비즈니스에서 가장 큰 변동 비용이 되었습니다. 이러한 성장의 경제성을 보호하는 것은 언제나 재무 부서의 역할이었습니다. 변화된 것은 속도입니다. 이제 에이전트가 컴퓨팅 소비 방식, 사용량 가격 책정 방식, 매출 인식 방식을 결정하며, 업계의 수치들은 이러한 압박을 보여주고 있습니다. AI 네이티브 기업의 매출총이익률은 2024년 41%에서 2026년 약 52%로 증가했지만(ICONIQ), 전통적인 소프트웨어 기업이 달성하는 70~90%에는 여전히 미치지 못합니다.

가장 강력한 재무 조직들은 그냥 기다리고만 있지 않습니다. OpenAI의 재무 팀은 한때 분석가들의 많은 시간을 소모했던 계약서 조항 추출 및 검토 작업에 AI 에이전트를 도입했다고 설명합니다. YipitData는 매출 운영 및 재무를 Databricks로 통합하여 재무 분석가들이 직접 SQL과 PySpark를 작성할 수 있도록 했으며, NetSuite 연동을 통해 재무 보고서 작성 시 수작업을 없앴습니다. 테크 기업 CFO에게 이제 질문은 재무 부서가 AI를 도입할 것인가가 아닙니다. 어떤 기반이 이를 안전하게 만들어 줄 것인가입니다.

온톨로지(ontology) 같은 단어가 테크 기업 재무에 중요한 이유

재무 부서는 복잡함 속에 숨겨진 숫자라도 언제나 잘 찾아내 왔습니다. 하지만 숫자가 완벽하게 정확하더라도 올바르지 않을 수 있습니다. 비즈니스가 어떻게 운영되는지에 대한 단편적이거나 오래된 정보에 기반하고 있기 때문입니다. 중요한 것은 그 뒤에 숨겨진 의미입니다. 정의, 제품 및 요금제, 사용량 및 컴퓨팅 동인, 그리고 비즈니스가 변화함에 따라 이들이 어떻게 변하는지 등이 그것입니다. AI의 경우, 이러한 격차가 가장 큰 문제입니다. 부정확성은 기업들이 AI와 관련하여 가장 많이 언급하는 문제로, 약 3분의 1에 달하는 기업이 이를 지적했습니다(McKinsey, 2025). Ali Ghodsi가 말했듯이, 대부분의 기업용 AI는 잘못된 자신감을 가지고 추측하고 있습니다. 이는 지능의 문제가 아니라 맥락(context)의 문제입니다.

온톨로지는 이 격차를 좁혀줍니다. 숫자가 의미하는 바를 파악하고 비즈니스가 변화하더라도 그 의미를 최신 상태로 유지합니다. 그리고 원시 데이터는 그 어느 때보다 빠르게 유입되고 있습니다. Stripe 결제 데이터, 트랜잭션, 구독, 환불 및 지급 정보가 이제 Databricks Marketplace의 OpenSharing을 통해 Unity Catalog로 유입됩니다. 이는 실시간으로 거버넌스가 적용되며 구축하거나 유지 관리할 ETL이 필요하지 않습니다. Lakebase는 레이크하우스에 기본적으로 구축된 트랜잭션 Postgres 데이터베이스로, 플랫폼 내부에서 동일한 원칙을 확장합니다. 운영 데이터와 분석이 하나의 기반을 공유하므로, 결과는 마지막 동기화 시점이 아닌 현재 운영 중인 비즈니스 상황을 그대로 반영합니다.

Genie One의 역할

AI 네이티브 비즈니스에서는 불과 몇 시간 전에 형성된 이해도 이미 구식이 될 수 있습니다. 따라서 온톨로지 자체가 계속 움직여야 합니다. 비즈니스가 실행되는 시스템으로부터 학습하고, 모든 질문을 통해 정교해지며, 비즈니스가 발전함에 따라 적응해야 합니다.

Databricks는 이를 위해 Genie One을 구축했습니다. 이는 데이터에 스마트한 AI 동료처럼 작동합니다. 재무 리더가 직접 질문하면 Genie One의 온톨로지에 기반하고 모든 단계에서 거버넌스가 적용된, 출처가 확실하고 신뢰할 수 있는 답변을 얻을 수 있습니다. Amagi는 수천 개의 방송 채널을 지원하는 AdTech 플랫폼으로, 이미 프로덕션 환경에서 이 방식으로 운영되고 있습니다. 재무 팀은 Databricks에서 실시간 청구 및 재무 보고를 받고 Genie One이 자연어 질문에 답변하며, 재무, 마케팅, 운영 부서가 모두 동일한 거버넌스 데이터를 활용하기 때문에 임원 회의에서 누구의 숫자가 맞는지 더 이상 논쟁할 필요가 없습니다.

모든 AI 네이티브 재무 팀은 다음과 같은 세 가지 질문을 해결하기 위해 노력하고 있으며, 각 답변은 다음 단계를 위한 디딤돌이 됩니다.

› AI 컴퓨팅 비용이 포함되었을 때, 제품 및 고객별 실제 매출총이익률은 어느 정도입니까?

추론 및 서빙 비용을 계산하고 나면 요금제의 가격과 유지되는 마진이 동일한 수치인 경우는 거의 없습니다. 대부분의 팀이 Genie One을 가장 먼저 적용하는 분야가 바로 마진이며, 이것이 바로 디자인 소프트웨어, 마켓플레이스, 소비자 인터넷 기업들이 재무 팀을 위한 셀프 서비스 진입점으로 Genie One을 도입하는 이유입니다.

› 구독 및 사용량 혼합 요금제 전반에서 사용량 매출이 위험에 처한 부분은 어디입니까?

정확하게 측정할 수 있는 사용량이 곧 인식할 수 있는 매출이며, 그 가치는 결산 때가 아니라 격차가 발생하는 즉시 이를 포착하는 데 있습니다. 한 디지털 베팅 기업은 이를 가장 적극적으로 활용했습니다. 취약한 스프레딧 예측을 거버넌스가 적용된 매출 예측 모델로 대체하고, 유동성 분석을 추가했으며, 리더십 팀에 자체 Genie One을 제공했습니다.

› 사용량이 증가함에 따라 컴퓨팅 지출이 자금 소진 속도(runway)를 초과할 위험이 있는 부분은 어디입니까?

자금 소진(burn)에 대처해야 할 시점은 다음 컴퓨팅 약정 계약을 체결하기 전입니다. 디지털 자산 플랫폼이 이 플랫폼에서 재무 현금 파이프라인과 블록체인 분석을 실행하는 이유가 바로 여기에 있으며, 글로벌 배송 플랫폼도 동일한 방식으로 재무 예측, 재무 앱, 워크플로 자동화를 실행하고 있습니다.

또한 모든 수치의 출처를 추적할 수 있고, 모든 권한이 유지되며, AI 자체 비용이 하나의 모델 하에 거버넌스로 관리되기 때문에 재무 부서가 신뢰하고 조치를 취할 수 있는 답변을 얻을 수 있습니다. 가격 재책정, 미터링 수정, 소진 속도 조절 등 어떤 조치이든 Genie One이 준비를 마치면 담당자가 최종 결정을 내립니다.

첫 번째 답변에서 재무 플랫폼으로의 진화

테크 및 AI 네이티브 기업들의 발전 궤적은 일관적입니다. 재무 부서는 거버넌스가 적용된 셀프 서비스 답변으로 시작합니다. 그 다음 통합을 시작합니다. Databricks에서 실시간으로 재무 분석을 실행하는 한 AI 네이티브 소프트웨어 선도 기업은 현재 재무 및 운영을 위해 Genie One을 검증하고 있습니다. 한 금융 소프트웨어 선도 기업은 재무 보고 스택을 통합하고 재무 팀을 위한 에이전트를 구축하고 있습니다. 다른 기업들은 지난 10년 동안 재무 부서에 누적된 개별 툴들을 정리하고 있습니다. 레거시 BI 플랫폼의 대시보드, 수백 개에 달하는 데스크톱 데이터 준비 워크플로, 별도의 클라우드 데이터 웨어하우스에 있는 재무 앱 등이 이에 해당합니다. 마이그레이션이 진행될 때마다 비즈니스의 더 많은 의미가 온톨로지에 반영되며, 이에 따라 Genie One의 답변도 더욱 향상됩니다. 결과적으로 재무는 제품과 동일한 플랫폼에서 운영됩니다. 즉, 플랫폼 재구축 없이 IPO 전후로 확장 가능한 데이터 및 AI를 위한 단일 플랫폼에서 운영되는 것입니다.

재무 업무 방식에 맞게 구축된 데이터에 스마트한 AI 동료

이것이 바로 재무 부서가 원하던 것입니다. 최신 상태를 유지하고, 거버넌스를 준수하며, 비즈니스를 지속적으로 학습하는 AI 동료입니다. 이는 저희가 자체적으로 운영하는 방식이기도 합니다. Databricks의 재무 담당 시니어 디렉터인 Michael Schaaf는 Databricks on Databricks 웨비나에서 Databricks 재무 조직이 Databricks를 어떻게 활용하는지 보여주었으며, Data + AI Summit의 How Databricks Uses Databricks to Run Its Own Finance Organization, and Why That Changes Everything 세션에서 전체 스토리를 공유할 예정입니다.

기술 및 AI 네이티브 기업들은 AI를 기반으로 계속 성장할 것입니다. Genie One은 재무 팀이 이러한 성장의 기반이 되는 단위 경제성(unit economics)을 보호하는 방법입니다. 재무 팀을 위한 데이터 스마트 AI 동료의 모습을 확인해 보세요: databricks.com/product/ai-bi/genie

자주 묻는 질문

AI 네이티브 비즈니스에서 재무 분야는 어떻게 변화하고 있나요?

단위 경제성을 좌우하는 결정(컴퓨팅, 가격 책정, 수익 인식 등) 중 더 많은 부분이 에이전트에 의해 내려집니다. 마진을 보호하려는 재무 팀의 사명은 변하지 않았습니다. 다만 재무 팀이 이해하고 거버넌스를 적용해야 하는 대상의 속도와 복잡성이 달라졌을 뿐입니다.

Genie One이 가격 책정, 패키징 또는 컴퓨팅 결정을 내리나요?

아닙니다. 그러한 결정은 제품, 엔지니어링, 수익 회계 부서의 몫입니다. Genie One은 재무 팀에 거버넌스가 적용된 정확한 뷰를 제공하여, 발생하기 시작한 리스크를 조기에 발견하고 이를 해결할 담당자에게 신속하게 전달할 수 있도록 지원합니다.

기술 기업의 CFO에게 온톨로지와 거버넌스가 중요한 이유는 무엇인가요?

온톨로지는 비즈니스에서 숫자가 의미하는 바를 파악하고 이를 최신 상태로 유지하므로, 답변이 단순히 정확한 수준을 넘어 올바른 답이 되도록 합니다. 거버넌스는 모든 수치를 추적하고, 권한을 부여하며, 비용을 제어할 수 있도록 유지합니다. 이 두 가지가 결합되어 안심하고 실행에 옮길 수 있는 답변을 제공합니다.

Genie One은 AI 대시보드나 BI 도구와 어떻게 다른가요?

대시보드는 데이터가 무엇을 말하는지 보여줍니다. Genie One은 온톨로지를 기반으로 엔드투엔드 거버넌스를 적용하고 사람이 최종 결정을 내릴 수 있도록 지원하여, 데이터에 기반한 실질적인 행동을 취할 수 있도록 돕습니다.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)