안녕하세요. 아는 형입니다.
여러분은 Anthropic이라는 회사를 아시나요? 현재 기업에서 가장 핫한 기업, ChatGPT보다 기업에서 더 많이 사용하는 기업, 개발자의 자리를 위협하는 AI를 만든 기업 등 여러 수식어가 생각이 나네요.
2026년 5월, SAP Sapphire가 열리는 올랜도. 매년 이맘때면 업계 뉴스가 쏟아지긴 하지만, 이번엔 좀 결이 달랐습니다. SAP가 “Autonomous Enterprise(자율 기업)”이라는 새 방향성을 던지면서, 두 개의 파트너십을 동시에 터뜨렸거든요. 하나는 Nvidia, 그리고 다른 하나가 Anthropic이었습니다.
SAP는 Anthropic의 Claude 모델을 Business AI Platform과 AI 어시스턴트 Joule에 통합한다고 발표했고, 두 회사는 이를 Model Context Protocol(MCP) 기반으로 연결했습니다. 그날 무대에 함께 오른 숫자들도 꽤 인상적이었는데요. KPMG 컨설턴트 3,000명 이상이 이미 Joule을 쓰고 있고, JPMorgan은 자사 총계정원장(General Ledger) 시스템을 SAP 최신 버전으로 교체하겠다고 발표했습니다. 은행이, 그것도 세계 최대 규모 은행이 총계정원장을 갈아엎겠다고 공개적으로 말한 거니까 – 이건 그냥 마케팅용 협업 발표가 아니라는 신호로 봐야 합니다.
이 소식이 왜 Treasury 담당자에게도 중요한 뉴스인지, 그리고 실제로 무엇이 달라지는지 한번 정리해봤습니다.
무슨 일이 일어난 것인가 – 쉽게 풀어보기
Business AI Platform은 SAP가 AI 기능을 담아내는 하나의 큰 그릇이라고 생각하면 됩니다. 그리고 Joule은 그 위에서 실제로 사용자와 대화하고 업무를 처리해주는 AI 비서 역할을 하고요.
기존에는 Joule이 SAP 자체 모델 위주로 동작했다면, 이번 발표로 Claude가 Joule 내부에서 함께 작동하는 모델 중 하나로 들어왔다는 게 핵심입니다. 비유하자면, 회사에 새 직원이 한 명 들어온 게 아니라, 기존 AI 비서(Joule)의 “두뇌”를 구성하는 여러 엔진 중 하나로 Claude가 추가된 셈이죠.
여기서 실무자 입장에서 눈여겨볼 만한 세부사항이 몇 가지 있습니다.
- 연결 방식(MCP): Claude와 Joule은 Model Context Protocol이라는 표준 방식으로 연결됩니다. 특정 벤더에 종속되지 않고 여러 AI 모델을 표준화된 방식으로 오가며 쓸 수 있게 하는 기술적 틀입니다.
- 데이터 사용 원칙: SAP는 고객 데이터를 모델 학습 목적으로 제3자 LLM 제공업체와 공유하지 않는다는 원칙을 명시하고 있습니다. Treasury처럼 은행 계좌, 자금 포지션 같은 민감한 데이터를 다루는 영역에서는 특히 중요한 지점입니다.
- 컨설턴트용 AI에도 이미 적용 중: AWS와 SAP가 공동 개발한 “Joule for Consultants(J4C)”는 Amazon Bedrock을 통해 Claude 모델을 활용해서, 컨설턴트가 방대한 SAP 문서·자격증 자료·Knowledge Base를 자연어로 검색하고 구현 가이드를 빠르게 찾을 수 있도록 지원합니다.
즉 이 변화는 최종 사용자 업무뿐 아니라, 저 같은 SAP 컨설턴트의 작업 방식에도 이미 영향을 주고 있다는 얘기입니다.
Treasury 업무에 실제로 걸려 있는 AI 에이전트들
Business AI Platform이 재무 영역에 이미 배치해놓은 에이전트 중, Treasury와 직결되는 것들을 살펴보면 이렇습니다.
① Cash Management Agent (현금 관리 에이전트)
매일의 은행 계좌 명세서를 분석해서 현금 부족·잉여를 예측하고 최적화 방안을 제안하는 에이전트입니다. SAP는 이 에이전트를 통해 수동 조정(manual reconciliation)에 들어가는 시간을 최대 70%까지 절감할 수 있다고 밝히고 있습니다.
실무적으로 보면, 매일 은행 계좌 잔액을 대사하고 자금 과부족을 파악하던 작업의 상당 부분이 자동화 대상이 된다는 뜻입니다. 저처럼 매달 말 firm banking 인터페이스로 넘어오는 데이터 붙잡고 씨름해본 사람 입장에선, 이 대사 작업이 얼마나 시간을 잡아먹는지 잘 알거든요.
② 재무 계획 AI 어시스턴트 (유동성 관리 기능)
지능형 포지셔닝, 예측, 은행 인사이트를 통해 유동성을 최적화하고 운영 자금 조달·리스크 방지를 지원하는 기능이 포함되어 있습니다. 기업·외부 데이터를 결합해 여러 기간에 걸친 재무 예측을 생성하고, 시장 신호를 평가해 계획·분석에 반영하는 것도 이 어시스턴트의 역할입니다.
두 에이전트 모두 공통점이 있습니다. “사람이 매일 반복적으로 하던 데이터 취합·대사·예측 작업을 AI가 먼저 처리하고, 사람은 예외 상황과 의사결정에 집중하는 구조”로 업무 자체가 재편된다는 점입니다.
그렇다면 Treasury 담당자의 역할은 어떻게 바뀌나
AI 에이전트가 현금 대사와 예측을 대신해준다고 해서, Treasury 담당자의 일이 사라지는 건 아닙니다. 오히려 역할의 무게중심이 이동한다고 보는 게 정확합니다.
| 기존 역할 | 변화된 역할 |
|---|---|
| 은행 거래 데이터 수작업 대사 | 데이터 품질 관리자 – 계좌 마스터, 거래 데이터 표준화 책임 |
| 정상 자금 흐름 모니터링 | 예외 처리와 판단 – 이상 거래, 예상치 못한 자금 부족 대응 |
| 유동성 최적화 방안 직접 수립 | 거버넌스 – AI 제안 근거 검토 및 최종 승인 |
여기서 재밌는 게, 결국 이 흐름은 이전에 다뤘던 Clean Core 이슈랑 정확히 같은 맥락이라는 겁니다. 코어 데이터가 지저분하면 AI도 신뢰할 수 없는 결과를 내놓거든요. AI 에이전트의 예측 품질은 결국 은행 거래 데이터, 계좌 마스터, 자금 계획 데이터가 얼마나 깨끗하고 표준화되어 있느냐에 달려 있습니다.
정상적인 자금 흐름은 AI가 처리하고, 담당자는 이상 거래, 예상치 못한 자금 부족, 은행 시스템 오류 같은 예외 상황에 집중하게 됩니다. 그리고 AI가 제안한 유동성 최적화 방안이나 자금 조달 시나리오를 그대로 실행하기보다, 그 판단 근거를 검토하고 최종 승인하는 거버넌스 역할이 더 중요해질 겁니다.
지금 준비해야 할 것
- 은행 계좌·거래 데이터 표준화 – Cash Management Agent가 매일 처리할 데이터의 품질이 곧 예측 정확도로 직결됩니다.
- BAM(Bank Account Management) 마스터 데이터 정비 – House Bank, 계좌 마스터가 정리되어 있지 않으면 AI 에이전트가 참조할 기준 자체가 흔들립니다.
- AI 판단에 대한 검증 프로세스 설계 – 자동화된 유동성 제안을 누가, 어떤 기준으로 승인할 것인지 내부 프로세스를 미리 정의해야 합니다.
- 컨설턴트 업무 방식 변화 인지 – J4C 같은 도구가 이미 컨설팅 현장에 들어와 있는 만큼, 구현 가이드나 문서 검색 작업의 상당 부분이 AI 보조로 전환되고 있다는 점을 실무에 반영할 필요가 있습니다.
마무리
SAP-Anthropic 파트너십은 단순히 “AI 모델이 하나 더 추가됐다”는 뉴스가 아닙니다. Treasury 관점에서는 매일 반복되던 현금 대사·예측 업무의 상당 부분이 에이전트 기반으로 재편되기 시작했다는 신호입니다. 다만 그 전제 조건은 결국 데이터 품질과 거버넌스이고, 이건 앞서 다뤘던 Clean Core·CBO 관리 이슈와 정확히 맞닿아 있습니다.
“AI가 무엇을 대신해줄 것인가”만큼 “AI가 믿을 만한 데이터를 갖고 있는가”를 함께 점검해야 할 시점입니다.
참고: 본 글은 SAP 공식 발표 및 뉴스 보도를 기반으로 작성했습니다. 개별 기업의 Joule/Claude 적용 범위와 일정은 계약 조건 및 라이선스에 따라 다를 수 있으니 SAP 공식 채널을 통해 확인하시기 바랍니다.