원문 캡처 · lleverage.ai
원문 캡처 · lleverage.ai

업계 조사에 따르면 백오피스 직원은 업무 시간의 73%를 전략 업무가 아닌 행정 업무에 쓰며, 제조업체는 이런 부담으로 매출의 4~5%를 매년 지출한다. 유럽 기업들이 송장 처리, 주문 입력, 고객 문의에 쓰이는 시간을 AI 자동화로 줄이는 사례를 살펴본다.

회계팀은 지출 분석과 공급업체 협상, 전략적 의사결정을 지원해야 하지만 실제로는 송장 데이터를 직접 입력하고 승인 이메일을 확인하며 여러 시스템 사이에서 정보를 복사하는 데 시간을 쓴다. Center for Effective Organizations의 조사에서는 백오피스 직원이 업무 시간의 73.2%를 반복적인 행정 업무에 쓰는 것으로 나타났다. Harris Poll 조사에 따르면 의료 종사자는 주당 34시간, 전체 근무 시간의 85%를 행정 업무에 쓰며, 딜로이트 조사에서는 인사 담당자의 업무 시간 중 57%가 전략 업무가 아닌 행정 업무에 들어갔다.

이 문제는 생산성에만 그치지 않는다. 이 글은 기업이 매출의 4~5%를 행정 비용으로 지출한다고 설명한다. 매출 5,000만 유로 제조업체라면 연간 200만~250만 유로가 스프레드시트와 이메일, 수작업 데이터 입력에 들어간다는 계산이다.

백오피스 업무 시간의 구성

업계 조사들은 의료, 인사, 재무 운영 등 여러 분야에서 백오피스 업무 시간이 비슷한 방식으로 쓰인다고 전한다.

  • 40~45%: 수동 데이터 입력과 시스템 업데이트
  • 20~25%: 이메일 관리와 진행 상황 확인
  • 8~12%: 누락된 정보나 승인 요청
  • 5~8%: 이전 수작업에서 생긴 오류 수정
  • 18~27%: 실제 분석, 전략 수립, 의사결정

이 수치는 백오피스 업무 역량의 3분의 1에도 못 미치는 부분만 사업 가치 창출에 쓰인다는 설명으로 이어진다.

송장 처리에 드는 시간과 비용

유럽의 한 기업이 매달 송장 5,000건을 처리하는 경우를 예로 들면, 한 건을 처리할 때 문서 확인에 3분, 회계 시스템 입력에 7분, 발주서와 입고 내역 대조에 4분, 승인 이메일 추적에 2분, 결제 시스템 재입력에 3분, 문서 정리에 1분이 든다. 승인 자체는 며칠씩 지연될 수 있다. 원문은 이 과정을 송장당 실제 작업 20분과 며칠의 승인 지연으로 설명한다.

월 5,000건을 이 방식으로 처리하면 1,667시간, 즉 송장 처리만 맡는 정규직 직원 약 10명분의 시간이 필요하다. 연간 지출이 3,000만 유로인 기업은 인건비, 오류, 연체료, 조기 결제 할인 기회 상실을 합쳐 송장 처리에 연간 45만 유로를 쓸 수 있다고 원문은 추산한다.

기존 매입채무(AP) 자동화 솔루션은 설정에 수개월이 걸리고 공급업체별 서식을 만들어야 하며 송장 양식이 바뀌면 작동이 중단되는 경우가 많다고 글은 지적한다. 기존 광학 문자 인식(OCR) 시스템을 도입한 기업의 68%가 첫해 안에 실망했다는 조사도 소개한다. 이에 비해 AI 송장 처리 자동화는 고정된 서식 대신 문맥을 파악해 PDF, 엑셀 첨부 파일, 스캔 이미지, 이메일 본문 등 서로 다른 형식의 송장을 설정 변경 없이 처리한다고 업체 측은 설명한다.

주문 입력과 고객 문의

주문 처리도 시간을 많이 잡아먹는다. 조사에 따르면 근로자의 40% 이상이 근무 시간의 최소 4분의 1을 수동 반복 업무에 쓰며, 데이터 입력이 가장 많은 시간을 차지한다.

하루 200건의 주문을 받는 도매 유통업체를 예로 들면, 주문 형식을 읽고 해석하는 데 5분, 고객별 가격과 조건 확인에 4분, 재고 확인에 3분, ERP 입력에 8분, 주문 확인서와 내부 알림 작성에 5분이 들어간다. 주문 한 건에 25분, 하루 전체로는 83시간이다. 원문은 이를 주문 서류를 ERP에 입력하는 데 정규직 직원 10명분의 시간이 드는 규모로 설명한다.

140년 역사의 네덜란드 목재 제조업체 Koninklijke Dekker는 영업지원팀이 엑셀 파일, PDF, 텍스트 이메일로 들어오는 주문을 일일이 해석해야 했다. 회사는 AI 기반 주문 처리를 도입한 뒤 주문 입력 시간을 94% 줄였고 제조·물류 시스템의 데이터 품질도 높였다고 밝혔다. 회사 지속 개선팀의 마트는 주문 형식이 다양해 직원이 내용을 해석하는 데 많은 노력이 들었다고 설명했다. 업체에 따르면 이제 AI 시스템이 형식에 관계없이 주문을 처리하고 데이터를 99% 정확도로 추출한다.

고객 지원 문의도 반복 업무의 큰 비중을 차지한다. 백오피스 지원팀은 주문 위치, 계좌 잔액, 송장 재발송, 결제 조건, 재고 여부처럼 비슷한 질문에 답하는 데 업무 시간의 60~70%를 쓴다고 글은 전한다. 한 물류 회사는 월 1만5,000건의 문의 중 1만1,000건, 즉 73%가 단순 상태 확인이나 정보 요청이라고 계산했다. 문의당 8분이 걸린다면 AI가 즉시 답할 수 있는 질문에 매달 1,467시간을 쓰는 셈이다.

규칙 기반 챗봇은 표현이 달라지면 대응하지 못할 수 있다. 원문은 “주문이 어디 있나요?”에는 답해도 “배송 상황이 어떻게 되나요?”라는 질문에는 작동하지 않는 사례를 든다. 반면 AI 기반 고객 지원 자동화는 자연어를 이해하고 대화 맥락을 유지하며 실제 데이터에 접근해 답한다고 설명한다.

행정 업무의 사업 비용

원문은 백오피스 직원 30명을 둔 매출 5,000만 유로 제조업체의 연간 비용을 다음과 같이 제시한다.

  • 복리후생을 포함한 연간 인건비: 180만 유로
  • 행정 업무에 따른 낭비(80%): 144만 유로
  • 오류와 재작업 비용: 30만 유로
  • 의사결정 지연의 기회비용: 40만 유로
  • 연간 총비용: 214만 유로, 매출의 4.3%

행정 업무가 백오피스 시간의 80%를 차지하면 공급업체 성과 분석과 조건 협상, 비용 절감 방안 발굴, 전략적 의사결정을 위한 정확하고 시의적절한 데이터 제공, 인력 증가 없이 사업을 확장하는 데 쓸 여력이 줄어든다고 글은 설명한다. Center for Effective Organizations의 조사에서도 인사 담당자가 업무 시간의 73.2%를 반복적인 행정 업무에 쓴다고 나타났으며, 원문은 재무·운영·물류팀에서도 같은 양상이 확인된다고 덧붙인다.

기존 자동화가 한계를 보인 이유

ERP를 도입해 수작업을 표준화했거나, 프로세스 변경 때마다 중단되는 로봇 프로세스 자동화(RPA)를 적용했거나, 아웃소싱 후 오류가 늘었거나, 처리 역량을 늘리려고 직원을 추가했더라도 근본 원인은 해결되지 않았을 수 있다고 글은 주장한다. 기존 업무 시스템은 사람의 노동력이 저렴하고 기술이 비싼 시대에 만들어져 문서를 읽고 데이터를 추출하고 판단한 뒤 시스템 간에 정보를 옮기는 일을 사람이 맡는다고 가정한다는 설명이다.

원문은 UiPath 같은 전통적 RPA 도구가 마우스 클릭과 키 입력을 자동화할 뿐, 엄격한 절차와 많은 프로그래밍을 요구한다고 지적한다. 송장 형식이 바뀌면 자동화가 멈추고 새 공급업체가 추가되면 누군가 새 서식을 설정해야 한다는 것이다. 2024년 조사에서 매입채무 담당자의 47%가 수동 데이터 입력과 비효율적인 절차를 가장 큰 문제로 꼽았다는 수치도 제시한다.

AI 자동화 접근법과 업체 사례

글은 기존 기술을 개선하는 대신 문서를 형식별 서식에 맞추지 않고 맥락에 따라 이해하는 방식, 개발자를 따로 고용하지 않고 팀과 함께 첫 업무를 설정하는 방식, 기존 시스템을 교체하지 않고 연결하는 방식, 수정 사항을 바탕으로 계속 학습하는 방식을 제안한다. 예를 들어 네덜란드 중견 제조업체가 300곳이 넘는 고객으로부터 여러 형식의 주문을 받더라도 서식 설정 없이 처리하고 99% 정확도를 유지한다고 소개한다. 이 사례는 익명으로 제시됐다.

Lleverage는 현장에 배치되는 엔지니어가 고객팀과 첫 업무를 설정해 수주 안에 감독하에 프로세스를 운영하며, 성과에 따라 이후 백그라운드 처리로 옮긴다고 설명한다. 직원이 코드를 작성할 필요가 없다는 것이 업체의 주장이다. 또 SAP, Business Central, Exact, AFAS 등 기존 ERP와 CRM, 구형 플랫폼 위에서 작동해 시스템을 교체하지 않고 연결한다고 말한다. AI가 수정 사항을 학습해 업무 변화에 적응하며, 초기 정확도 85~90%가 시간이 흐르면서 개선된다는 설명도 업체 측 주장으로 제시된다.

원문에 소개된 유럽 기업 사례는 다음과 같다.

  • 목재 제조업체 Koninklijke Dekker: 주문 입력 시간 94% 감소, 데이터 정확도 91%에서 99%로 향상, 영업지원팀이 매출 관련 업무에 집중. 사례 연구
  • 고객 지원 업무를 자동화한 130년 역사의 가족 기업: 문의의 73%를 자동 처리하고 평균 8분 걸리던 질문에 즉시 답변했다고 소개한다. 고객 지원팀은 사람의 판단이 필요한 사안에 집중한다고 설명하지만, 기업명과 근거 링크는 원문에 나오지 않는다.
  • 월 5,000건의 송장을 처리하는 중견 제조업체: 연간 37만5,000유로 절감, 송장당 처리 시간 20분에서 45초로 단축, 오류율 7%에서 0.5%로 감소, 조기 결제 할인으로 연간 6만 유로 추가 확보했다고 원문은 전한다. 이 사례의 기업명과 별도 검증 자료는 제시되지 않는다.

원문은 이 사례들이 시범 사업이나 개념 검증이 아니라 매달 수십만 건의 거래를 처리하는 실제 운영 시스템이라고 주장한다.

원문이 제시한 90일 도입 계획

첫 달에는 처리량이 많고 부담이 큰 업무 하나를 골라 현황을 측정한다. 송장 처리와 주문 입력을 시작하기 좋은 후보로 제안한다. 실제 거래당 소요 시간, 일별·주별·계절별 물량, 오류율과 오류당 비용, 시스템 연결 지점과 인계 과정, 예외 처리 시간을 기록하라고 안내한다. 직접 인건비뿐 아니라 오류, 지연, 기회비용까지 포함해야 수작업의 실제 비용을 파악할 수 있다는 설명이다.

둘째 달에는 AI 기반 플랫폼을 선택하고 ERP, 이메일, 문서 저장소 등 주요 시스템에 연결해 첫 업무 흐름을 만든다. 처음에는 거래의 20~30%만 처리하고 기존 수작업과 병행하면서 결과에 따라 개선하는 방식을 제안한다. 이어 처리량을 50%까지 늘리고 오류 대응과 예외 처리 절차를 추가하며, 직원에게 모니터링과 수정 방법을 교육한다. Lleverage는 현장 배치 엔지니어가 고객팀과 첫 업무 흐름을 만든다고 설명한다.

셋째 달에는 거래의 80~90%를 자동 처리하고 예외는 사람이 검토하도록 보내며 투자수익률(ROI)을 기록한다. 원문은 대부분 기업이 2~3개월째 긍정적인 수익을 얻는다고 주장한다. 첫 업무에서 얻은 교훈을 바탕으로 다음 자동화 대상을 고르는 단계도 제시한다. 수익률 측정 방법은 AI 자동화 ROI 측정 안내서에서 확인하라고 안내하지만, 원문에는 해당 안내서의 구체적인 URL이 없다.

도입에 관한 질문과 업체의 답변

“우리 업무는 복잡하고 독특해서 자동화할 수 없다”는 우려에 대해 원문은 주문 처리, 송장 관리, 문서 확인, 생산 계획, 고객 문의처럼 업무의 세부 사항은 달라도 과정 자체는 여러 업종에서 공통적이라고 주장한다. 규칙 기반 시스템은 복잡성에 취약하지만 AI는 복잡성을 잘 처리한다는 설명도 덧붙인다.

구형 ERP가 통합 대상에 없을 경우를 묻는 질문에는 Lleverage가 SAP, Business Central, Dynamics 365 F&O, Exact, AFAS, Infor에서 작동하며 이전 작업은 필요 없다고 답한다. 목록에 없는 시스템도 CSV 내보내기·가져오기, 데이터베이스 직접 접근, API 호출로 연결할 수 있다고 설명한다. 통합할 수 없었던 시스템을 아직 만나지 못했다는 말은 업체 측 주장이다.

ROI는 대부분 기업에서 3~6개월 안에 긍정적으로 나타나며, 물량이 많은 송장 처리나 주문 입력은 8~12주 안에 투자 비용을 회수하는 경우가 많다고 원문은 설명한다. AI 자동화는 기존 ERP, 창고관리시스템(WMS), 운송관리시스템(TMS) 등을 교체하지 않고 그 위에서 작동한다는 것도 업체 측 답변이다.

예외 상황에는 표준 사례의 80~90%를 자동 처리하고, 특이한 건은 사람이 검토하도록 보내는 방식을 제시한다. 시스템은 수정 사항을 학습해 예외 처리를 개선한다고 설명한다. 원문은 이를 사람을 업무에서 제거하는 것이 아니라 사람의 판단이 필요한 사례에 집중하도록 하는 접근으로 묘사한다.

자동화 효과와 도입 관련 추가 질문

원문은 백오피스 자동화가 일자리를 없애기보다 직원이 더 가치 있는 업무를 맡도록 한다고 주장한다. Koninklijke Dekker 사례에서는 주문 입력 자동화 뒤 영업지원팀이 고객 관계 구축과 매출 활동에 집중했고, 인원은 유지하면서 업무 성과와 만족도가 모두 크게 높아졌다고 소개한다. 다만 이 주장에 대한 별도 측정 자료는 원문에 제시되지 않는다.

기존 자동화가 실패한 이유로는 RPA가 업무를 이해하는 지능이 아니라 마우스 클릭을 자동화하며, 절차가 바뀌면 작동이 멈춘다는 점을 든다. AI 기반 자동화는 맥락을 이해하고 변화를 다루며 수정 사항을 학습한다는 것이 업체의 설명이다. 제조, 도매, 물류 등 업종이 달라도 주문, 송장, 고객 문의, 문서 처리라는 공통 업무가 있어 같은 플랫폼을 적용할 수 있다는 주장도 담겼다.

기술 인력이 부족한 기업을 위해서는 업체의 현장 배치 엔지니어가 팀과 함께 설정하고 직원이 평소 사용하는 말로 에이전트를 안내하고 수정할 수 있다고 설명한다. 도입에는 수개월이나 수년이 아니라 며칠 또는 몇 주가 걸린다는 내용 역시 업체 측 주장이다.

보안·규정 준수에 관해서 원문은 AI 자동화 플랫폼이 GDPR을 포함한 유럽 데이터 보호 규정을 준수하고, 민감한 정보를 외부 서버로 보내지 않아도 되며, 감사 기록과 승인 절차, 데이터 처리 투명성을 제공한다고 주장한다. 다만 특정 플랫폼의 보안 구성이나 규정 준수 근거는 구체적으로 제시하지 않는다. 관련 자료로 AI 보안 및 규정 준수 고려사항을 안내하지만, 원문에는 해당 자료의 구체적인 URL이 없다.

작게 시작해 확장하는 방법으로는 영향이 크고 측정하기 쉬운 송장 처리나 주문 입력 하나를 먼저 자동화하고, 효과를 확인한 뒤 다른 업무로 넓히는 방식을 권한다. 업무 절차가 바뀌면 전통적 RPA는 재설정이 필요하지만 AI 자동화는 변화를 받아들이고 수정 사항에서 학습한다고 업체는 설명한다. 경영진을 설득할 때는 현재 절차를 실제로 측정해 비용을 보여주고, 한 업무의 시범 운영으로 ROI를 확인하라고 제안한다. 원문은 송장 처리 비용이 연간 45만 유로이고 자동화 뒤 12만 유로로 줄어드는 예를 든다.

실행 권고와 원문에 제시된 한계

원문은 백오피스 행정 업무에 매출의 4~5%가 쓰인다는 전제에서, 자동화하지 않으면 경쟁사가 앞서갈 수 있다고 주장한다. 행정 업무에 쓰는 시간을 80%에서 20%로 줄이면 인력에 비례해 늘리지 않고 업무를 확장하고, 고객 요청에 더 빨리 답하며, 실시간 데이터를 바탕으로 의사결정하고, 지원 인프라를 과도하게 늘리지 않은 채 새 시장에 진출할 수 있다고 설명한다. 자동화 시장이 연간 20% 성장한다는 수치도 제시하지만, 출처는 명시하지 않는다.

도입 전에는 고통이 큰 업무 하나를 선택해 실제 시간과 비용을 측정하고, 오류 비용과 지연을 포함해 연간 비용을 계산하라고 권한다. 다만 원문의 뒤이은 시연 예약 안내와 제품 홍보는 제외했다. 또한 사례별 측정 방법, 비교 조건, 독립 검증 자료는 대부분 제시되지 않았으며, 예상 절감액과 도입 기간, 정확도 등은 업체 또는 원문이 소개한 주장으로 봐야 한다.

원문은 추가 자료로 백오피스 자동화에서 기업이 주목해야 할 6가지를 언급한다. 이어 수작업 흐름에서 AI 자동화로 전환하는 방법, AI와 전통적 자동화의 차이, 데이터 입력 업무의 변화에 관한 자료도 열거하지만 해당 항목의 링크는 제공하지 않았다.