AI로 재무제표 작성 ‘마지막 수작업’ 줄인다…Inscope, Series A 1,450만달러 유치

AI가 코드나 디자인뿐 아니라 ‘재무제표가 만들어지는 방식’에도 들어오고 있다. AI 기반 재무보고(금융·회계) 플랫폼 Inscope가 1,450만달러 규모의 Series A 투자를 유치했다고 2월 20일(미국시간) 밝혔다. 이번 라운드는 Norwest가 주도했으며, Storm Ventures와 기존 투자자 Lightspeed Venture Partners, Better Tomorrow Ventures(BTV) 등이 참여했다.

Inscope가 겨냥하는 지점은 회계·재무팀과 외부 회계법인이 분기·연말마다 반복하는 ‘마지막 수작업 구간’이다. 재무제표 작성은 여전히 엑셀·문서·이메일 기반 검토와 막판 수정이 뒤엉키기 쉽고, 그 과정에서 버전 혼선과 재작업이 비용과 리스크를 키운다는 설명이다. Inscope는 검산·포맷 정리 같은 반복 업무를 워크플로우 안으로 끌어들이고, 변경 이력과 검토 흔적(audit trail), 변경 통제(change control)를 전제로 자동화를 붙이는 방향을 내세운다.

테크·비즈 관점에서 핵심은 ‘AI 도입 효과가 크게 나는 조건’이다. 재무제표는 자유서술형 생성물보다 규정·형식·검증 요구가 강한 도메인이라, 구조화된 데이터·승인 흐름·감사 추적이 함께 설계되면 자동화 이득이 커질 여지가 있다. 반대로 통제 장치가 약하면 작은 오류가 후속 검토·감사 과정에서 더 큰 리스크로 번질 수 있다. Inscope는 기업(작성)과 회계법인(검토·감사) 양쪽을 동시에 쓰는 협업 인프라를 제공한다는 점을 차별점으로 제시한다.

현장에서 자주 나오는 사례를 하나 들면, 스타트업 재무팀이 분기 말에 ‘수정 요청 메일’이 폭주하면서 문서 버전이 갈라지고, 마지막 48시간 동안 사람이 수작업으로 숫자·주석·표를 맞추느라 밤샘하는 패턴이 반복된다. 이런 구간은 자동화로 시간을 줄일 여지가 있지만, 동시에 “어디가 어떻게 바뀌었는지”를 사람이 설명할 수 있어야 검토가 빨라진다. Inscope가 강조하는 audit trail/변경 통제는 이런 통증 포인트를 직접 겨냥한 설계로 읽힌다.

리스크도 함께 본다. (1) AI가 만든 표·문장·수치의 ‘설명 가능성’이 부족하면 감사·리뷰 단계에서 오히려 시간이 늘어날 수 있고, (2) 데이터 접근 권한 설정이 약하면 민감정보 노출 위험이 커질 수 있으며, (3) 내부통제(SOX 등)가 중요한 조직에서는 “자동화가 통제를 약화시키지 않는다”는 근거를 별도로 준비해야 하는 경우가 있다. 이 지점은 조직의 규정·감사 범위·데이터 분류 정책에 따라 요구 수준이 달라질 수 있다.

보스턴 지역 유학생·직장인 관점에서의 해설(전망)은 다음과 같이 ‘사실’과 분리해 보는 편이 안전하다.

먼저 사실로 확인되는 흐름은, 회계·재무팀의 산출물이 점점 ‘파일·메일 기반 결과물’에서 ‘워크플로우 기반 프로세스’로 이동하고 있다는 점이다. 감사 추적, 권한관리, 승인 흐름처럼 시스템 관점의 요구가 제품 설계의 중심으로 들어오고 있다.

여기에 대한 전망으로는, 회계·재무 직무에서 ‘엑셀 숙련’만으로 차별화가 어려워지고, 워크플로우·내부통제·감사 대응까지 포함한 운영 역량이 더 중요해질 가능성이 있다. 또한 SaaS/핀테크/엔터프라이즈 제품·영업·PM·데이터 직무에서는 “재무 도메인 + AI 제품”의 접점이 늘면서 관련 포지션이 꾸준히 열릴 여지가 있다. 다만 이는 개별 회사의 매출·규제 환경·고객군(회계법인 vs 엔터프라이즈)에 따라 편차가 클 수 있다.

실행 체크리스트(정보 제공 목적) 1) 회계·재무팀: 파일·메일 기반 흐름에서 가장 자주 깨지는 지점(버전관리, 주석 변경, 검산, 표준 포맷)을 3개만 먼저 정의하고, 그 구간만 PoC(파일럿)로 좁혀 시간·재작업률 변화를 측정한다. 2) 회계법인/어드바이저: 고객사와의 ‘리뷰 라운드’가 늘어나는 원인이 데이터 변경인지, 문서 포맷인지, 커뮤니케이션인지 분해한 뒤, 도구 도입 시 책임 경계(누가 언제 승인했는지)를 문서화한다. 3) 취업 준비(유학생 포함): “재무제표 생성 AI” 같은 표면 기능보다 ‘재무보고 워크플로우(감사 대응, 변경 통제, 권한관리)’ 키워드로 프로젝트·인턴 경험을 재정리하면 면접에서 설명이 선명해질 수 있다. 지원 과정에서는 제품이 다루는 데이터 범위와 보안·컴플라이언스 접근(예: 감사 흔적 제공 여부)을 질문 리스트에 넣어 확인하는 편이 리스크를 줄인다.

이번 투자 유치는 AI가 ‘업무의 결과물’뿐 아니라 ‘결과물이 만들어지는 프로세스’까지 파고들고 있다는 흐름을 다시 확인한다. 관련 직군은 도구를 맹신하거나 과소평가하기보다, 통제 가능한 범위에서 단계적으로 도입·검증하는 접근이 현실적인 선택지가 될 수 있다.