회계 부문 AI: 자동화를 엔드 투 엔드 실행으로 전환하기

오늘날의 회계법인은 확장의 역설을 겪고 있습니다. 인공 지능은 송장 수집부터 보고서 초안 작성에 이르기까지 회계 소프트웨어 전반에서 등장하고 있습니다. 그러나 많은 회계 팀이 여전히 초과 근무를 하고 이메일로 승인을 받으며 재무 감사에 대한 증빙 자료를 모으고 있습니다. 최근 연구에 따르면 세무법인은 AI 기반 도구를 통해 회계사가 데이터를 수동 입력하는 데 들이는 시간의 약 8.5%를 다시 배분하고 월말 마감 시간을 약 7.5일 단축할 수 있는 것으로 나타났습니다. 이는 진보를 이룬 것이지만 연속 마감과는 다릅니다.

차이는 실행입니다. 대부분의 회계 부문 AI는 워크플로 내 한 단계를 개선하지만 금융 시스템, 사람 및 시간 사이에서 이루어지는 핸드오프 과정 전반에 걸쳐 작업을 수행하지는 않습니다. 송장을 높은 정확도로 판독할 수 있지만 구매 주문서가 누락되면 여전히 처리가 지연됩니다. 조정 도구는 차이를 표시할 수 있지만 은행의 응답을 기다렸다가 데이터가 입력됐을 때 자동으로 재개되지는 못합니다. 생성형 AI 어시스턴트는 분석 초안을 작성할 수 있지만 분석 조정을 누가 승인했는지는 증명할 수 없습니다.

그렇기에 회계 부문 AI 활용의 다음 단계는 단순히 더 지능적으로 추출하거나 더 나은 답변을 내놓는 것이 아닙니다. 다음 단계는 상태성 워커, 즉 맥락을 놓치지 않고 실행, 대기 및 재개할 수 있는 AI 에이전트의 등장입니다. 회계 업계에서 어려운 부분이 문제를 거의 발견하지 못하는 것이기 때문에 이 점이 중요합니다. 실제 회계 업무를 자율적으로 실행하는 것은 어려운 부분입니다.

회계 업계 내 AI의 현주소

회계 프로세스 내 자동화를 위한 AI는 이미 확립되어 있지만 AI 도입에 일관성이 없고 AI 역량은 별개의 계층으로 나뉘어 있습니다. 대부분의 재무 팀은 일상적인 업무에 인공 지능을 사용하고 있지만 전체적인 회계 프로세스 전반에는 사용하지 않고 있습니다.

회계 AI의 진화: OCR에서 생성형 인사이트로

가장 먼저 널리 채택된 인공 지능의 물결은 문서 중심적이었습니다. OCR 기반 도구를 통해 매입채무 팀은 송장 데이터를 추출하고, 필드를 분류하고, 수동 작업을 줄일 수 있었습니다. 많은 레거시 송장 처리 시스템은 여전히 약 95%의 추출 정확도를 중심으로 마케팅하고 있으며, 이는 완전히 수동으로 데이터를 입력하던 것에 비해 의미 있는 도약이었습니다. 하지만 OCR은 수집 단계에서만 도약을 이루고 후속 조치 단계에서는 그러지 못했습니다. 즉 송장을 판독할 수는 있지만 예외를 해결하지는 못했습니다.

다음 채택의 물결은 생성형 AI와 에이전트 AI를 활용합니다. 이러한 AI 모델은 계약서 요약, 분류 제안, 차이 분석 생성, 회계 전문가의 자율적인 재무 보고서 준비에 도움을 줄 수 있습니다. MIT Sloan은 AI 기반 도구를 사용하는 회계 팀이 더 가치 높은 업무에 시간을 할애할 뿐만 아니라 재무제표의 세분화를 개선하고 마감 일정을 단축했다고 강조했습니다.

오늘날 AI 소프트웨어의 세 가지 계층

자동화 도구: 자동화 도구는 송장 코딩, 비용 분류 및 데이터 입력을 지원하는 작업 기반 시스템과 봇입니다. 이 범주의 도구는 반복적인 작업에 유용하지만 작업이 패턴에 맞지 않으면 중단되는 경향이 있습니다.

생성형 AI: 이러한 AI 모델은 회계 보고서 초안을 작성하고 계정 활동을 요약하며 차이 분석이나 재무 감사 응답을 생성하는 데 도움을 줍니다. Thomson Reuters를 비롯한 유사한 공급업체들은 지식 작업을 더 빠르게 수행하기 위해 이 AI 기술을 회계 업무에 도입하고 있습니다. 사용자는 속도와 편의성이라는 가치를 누리면서도 다음 단계에 대한 결정권을 계속 보유합니다.

에이전트 AI 또는 예측 AI: 이 계층에서 회계 AI는 정책에 대해 추론하고 다음에 취할 조치를 결정하며 업무를 진행합니다. Ramp, Basis와 같은 공급업체는 AI 소프트웨어의 이러한 변화를 잘 보여줍니다. 하지만 회계법인에서는 에이전트 인텔리전스가 회계 시스템, 은행 포털, 문서, 이메일 및 승인에서 작동할 수 있는 실행 계층과 연결될 때에만 진정한 가치를 창출합니다.

AI 도입 추세: 4대 회계법인과 중견 회계법인의 확장 전략 비교

AI 도입 패턴은 두 시장이 서로 다른 속도로 움직이고 있음을 보여줍니다. Thomson Reuters의 보고서에 따르면 세무법인의 21%가 이미 생성형 AI를 사용하고 있으며 53%는 생성형 AI 도입을 계획하거나 검토 중입니다. 대형 회계법인 중에서는 4대 회계법인이 인공 지능을 활용한 재무 감사 문서 검토, AI 기반 플랫폼, 전사적 혁신에 가장 대담한 투자를 단행해 왔습니다.

중견 및 소규모 회계법인은 AI 기술을 보다 선별적으로 도입하고 있으며, 주로 처리량을 늘리고 데이터 수동 입력을 줄이며 인력을 추가하지 않고 경쟁력을 유지하기 위해 활용하고 있습니다.

대형 회계법인은 여러 비즈니스 기능 전반에 걸쳐 실험할 수 있는 리소스를 보유하고 있습니다. 소규모 회계법인은 ROI를 더 빠르게 달성해야 하므로 송장 처리, 조정, 재무 보고에 우선적으로 집중하는 경향이 있습니다. 하지만 두 그룹 모두 AI가 업무에 도움은 되지만 회계 업무 사이에서 부담이 가중된다는 동일한 현실에 직면해 있습니다.

회계 부문 AI의 측정 가능한 이점

이전의 엔드 투 엔드 실행 한계에도 불구하고 적절한 회계 프로세스에 적용할 때 경제성이 뛰어나기 때문에 재무 리더들은 AI 도입을 확대하고 있습니다.

운영 효율성

보고서 주기 시간 60% 단축

AI가 제공하는 가장 눈에 띄는 이점은 속도입니다. 회계 부문 AI는 마감 기간에 며칠이 소요되던 수집 시간을 단축하고 분류를 개선하며 검토 작업의 속도를 높입니다. MIT Sloan의 회계 AI에 대한 보고에 따르면 AI 기반 도구를 사용하는 회계법인에서 월 마감 소요 시간이 7.5일 감소한 것으로 나타났습니다.

조직들은 AI 기술과 워크플로 자동화를 결합할 때 송장 수집 및 재무제표 처리와 같은 특정 회계 업무에서 주기 시간이 크게 단축된다고 보고하곤 합니다.

정확도와 위험

OCR 및 에이전트 검증을 통해 10~15%의 수동 작업 오류율에서 99%의 정확도로 전환

수동 회계 업무는 피로와 불일치, 불완전한 후속 조치에 취약합니다. OCR 및 지능형 문서 처리는 입력 오류를 줄이고 검증 로직과 정책 인식 자동화 소프트웨어는 추출된 정보를 다음 단계로 전달하기 전에 확인하는 데 도움이 됩니다. 팀은 이러한 도구를 함께 활용함으로써 재무 부문에서 요구하는 정확도에 한발 더 다가설 수 있습니다. 실질적으로 얻을 수 있는 이점은 문서를 더 잘 판독하는 것뿐 아니라 다음에 수행해야 할 단계를 효과적으로 확인하는 것입니다.

비용 절감

거래당 인건비 30~40% 절감

재무 리더들이 AI 도입에 대해 이야기할 때는 보통 노동 효율화와 예외 처리 비용 절감, 현금 흐름 최적화를 조합하는 것을 의미합니다.

재무 부문에서의 에이전트 워크플로 자동화는 일관 처리 증대, 마감 업무 가속화 및 회계 기능 비용 절감을 의미합니다. 이러한 수치는 AI 도입 성숙도에 따라 다르지만 시스템이 처리할 수 있는 반복적인 작업이 늘어날수록 거래당 인건비가 낮아진다는 방향성에는 변함이 없습니다.

자문 역할로의 전환

직원당 매월 21시간을 고객 전략에 재할당

가장 전략적인 ROI는 역할 재설계에서 나옵니다. 반복적인 회계 업무가 줄면 직원들은 검토, 분석, 고객 서비스 및 의사 결정 지원에 더 많은 시간을 할애할 수 있습니다. Deloitte의 재무 연구는 재무 부문에서 AI가 창출하는 가치는 비용 측면뿐만 아니라 신뢰, 예측 품질 및 조직의 더 나은 의사 결정 능력에서도 평가되어야 한다고 강조합니다. 진정한 자문 역할로의 전환이란 단순히 동일한 회계 업무를 더 빠르게 처리하는 것이 아니라 자격을 갖춘 전문가들이 판단에 더 많은 시간을 할애할 수 있도록 하는 것입니다.

AI가 회계사를 대체할 것인가? 자율 기업으로의 전환

더 좋은 질문은 AI가 회계사를 대체할 것인지 묻는 것이 아니라 회계 업무 중 어떤 부분을 자동화해야 하고 어떤 부분을 설계상 사람이 담당해야 하는지 묻는 것입니다. 중요한 것은 AI가 사람의 역할을 대체하는 것이 아니라 기술이 그 역할을 재설계한다는 점입니다.

전사에서 판단으로: AI 도구가 CPA를 보완하는 방법

회계 부문 AI는 전사, 추출, 비교 및 요약을 압축하는 데 가장 뛰어납니다. 회계 전문가는 이를 활용하여 가치 사슬의 더 높은 곳으로 올라갈 수 있습니다.

CPA는 증빙 자료를 수집하고, 재무 데이터를 다시 입력하고, 상태를 추적하는 데 시간을 소비하는 대신, 정책 해석, 세금 준비, 비즈니스 커뮤니케이션에 더 집중할 수 있습니다. 그에 따라 CPA 역할은 분석적이고 감독적인 성격이 강해집니다.

판단의 격차: 사용자의 20%가 미흡한 AI 조언으로 인해 금전적 손실을 보는 이유

회계 업계는 AI에 대한 지나친 신뢰가 낳는 부정적 측면을 무시할 수 없습니다. AI가 생성한 재무 조언에 관한 설문조사에 따르면 AI 재무 조언을 따랐던 사용자 약 5명 중 1명이 금전적 손실을 경험한 것으로 나타났습니다. 이 통계는 회계 담당자가 아닌 개인의 재무 사례에서 나온 것이기는 하지만, 재무 팀은 불분명한 AI 결과를 본질적으로 안전한 것으로 여겨서는 안 된다는 교훈을 얻을 수 있습니다. 회계에서 잘못된 조언은 단순히 불편만 야기하는 것이 아닙니다. 이로 인해 통제 실패나 잘못된 전표 처리, 감사 노출이 발생할 수 있습니다.

AI를 통해 보완되는 회계 담당자의 역할

가까운 미래의 회계 담당자는 AI로 대체되지 않을 것입니다. 회계 담당자는 업무가 통제 하에서 수행되는 방식을 설계하는 설계자가 됩니다. 여기에는 AI가 자율적으로 운영될 수 있는 영역, 승인 절차가 반드시 포함되어야 하는 지점, 증거가 보관되는 방식, 예외 상황을 에스컬레이션하는 방법을 결정하는 것이 포함됩니다. 자율 기업에서 사람은 여전히 판단을 내리는 역할을 담당합니다. AI는 조직의 실행 역량을 지속적으로 확대합니다.

기존 AI 기반 도구로는 한계가 있는 이유

이는 회계법인에서 핵심이 되는 운영 문제입니다. 기존 AI는 단계를 최적화합니다. 그러나 회계 성과는 단계 사이에서 발생하는 일에 따라 달라집니다.

상태성 AI vs 무상태성 AI: 챗봇이 조정을 완료할 수 없는 이유

챗봇은 일반적으로 상태를 유지하지 않고, 앞에 있는 프롬프트에 응답한 후 작동을 멈춥니다. 회계 업무는 상태를 유지합니다. 조정 작업은 오늘 시작하여 다음 날 은행 파일이 들어올 때까지 일시 중지될 수 있으며, 금요일에 있을 내부 확인을 위해 대기했다가 다음주에 불일치 항목이 새로 발생하면 다시 열릴 수 있습니다. 이는 한 번으로 끝나는 상호작용이 아니라 상시 진행되는 프로세스입니다.

상태성 회계 에이전트는 어떤 일이 발생했는지, 어떤 작업이 아직 미해결 상태인지, 어떤 조건을 기다리고 있는지, 그 조건이 충족되면 다음에 어떤 작업이 실행되어야 하는지를 기억합니다. 이러한 실행-대기-재개 패턴은 유용한 어시스턴트와 실제로 프로세스를 수행할 수 있는 워커의 차이점입니다.

애플리케이션 장벽: 사일로화된 회계 부문 AI가 은행 포털과 ERP를 연결하지 못하는 이유

대부분의 회계 팀은 하나의 시스템에서만 작업하지 않습니다. ERP에 원장을 보관하고 은행 포털에는 현금 관련 증빙을 보관합니다. 조달 팀은 PO를 보관할 수 있습니다. 이메일에는 공급업체 설명이 포함되어 있습니다. 공유 폴더에는 증빙 서류가 보관되어 있습니다. AI가 단일 애플리케이션에만 내장되어 있으면 전체 사슬을 보거나 관리할 수 없습니다. 조직이 'AI를 도입'한 이후에도 조정 문제가 지속되는 이유가 그 때문입니다.

이메일과 스프레드시트에서 예외 사항을 여전히 수동으로 조정해야 하는 이유

AI는 쉬운 작업의 95%를 처리할 수 있지만 나머지 5%는 불확실성, 누락된 맥락, 승인, 후속 조치를 수반하므로 이를 처리하려면 큰 노력을 들여야 합니다. 이러한 활동들은 받은 편지함, 별도의 스프레드시트 및 임시 메시지로 확장되는 경우가 많습니다. 기존 AI는 문제를 표시하고 작동을 멈춥니다. 여전히 누군가는 이 문제를 추적하며 마무리해야 합니다.

회계 부문 AI가 ROI를 실현하는 영역 (영향력이 높은 유스케이스)

회계 유스케이스에서 가장 강력한 AI와 에이전트 프로세스 자동화는 감지만큼이나 후속 조치가 중요한 영역입니다.

매입채무 예외 해결

작업 AI는 송장을 판독하고 코드를 제안할 수 있습니다. 에이전트 AI는 매입채무 자동화에서 한 단계 더 나아갑니다. 누락된 PO를 감지하고, 공급업체 또는 구매 담당자에게 설명을 요청하며, 송장을 적절한 승인 절차로 전달하고, 응답을 기다린 후 예외가 해결되면 워크플로를 재개할 수 있습니다.

조정 후속 조치 및 미해결 기간 관리

기존의 조정 도구는 매칭에 효과적입니다. 더 큰 문제는 며칠 또는 몇 주 동안 해결되지 않은 항목들이 남아 있는 것이며, 바로 이 지점에서 에이전트 워크플로가 조사 단계를 진행합니다. 에이전트 워크플로는 누락된 명세서를 수집하고 증빙 기록을 비교하며 금액이나 기간에 따라 에스컬레이션하고 차이가 해소되거나 다른 조치가 승인될 때까지 항목이 계속 진행되도록 할 수 있습니다.

월말 마감 조정

마감은 종속성 관리에 관한 문제입니다. 한 팀이 입력을 제공할 때까지 다른 팀이 완료할 수 없으며, 게다가 상태가 기록 시스템 외부에 존재할 때도 많습니다. 에이전트 조정을 활용하면 어떤 작업이 차단되어 있는지 추적하고, 선행 조건이 완료되면 이해관계자에게 알리며, 분산된 회계 소프트웨어 환경 전반에서 가시성을 유지할 수 있습니다.

회계에 적합한 AI 소프트웨어 및 AI 도구 선택하기

회계 부문의 모든 AI가 엔터프라이즈 실행을 위해 구축된 것은 아닙니다. 선택 기준은 사용자의 편의성뿐만 아니라 재무 팀의 통제 요건을 반영해야 합니다.

엔터프라이즈급 AI 도구의 기준(SOC 2, ISO 27001, ERP 호환성)

엔터프라이즈급 재무 AI는 보안, 통제, 상호운용성 측면에서 평가되어야 합니다. 구매 담당자는 최소한 SOC 2 및 ISO 27001과 같은 인증 및 통제 기능과 함께 역할 기반 액세스, 감사 로그 기록, ERP 및 인접한 재무 스택과의 호환성을 확인해야 합니다.

내장형 AI(QuickBooks/Xero)와 오케스트레이션 플랫폼 비교

내장형 AI는 문제가 애플리케이션 내부에 있을 때 유용하며 분류, 요약, 제안 및 로컬 생산성 향상에 도움이 될 수 있습니다. 오케스트레이션 플랫폼은 프로세스가 여러 시스템에 걸쳐 진행되고 대기, 승인, 방어 가능한 실행 이력이 필요할 때 중요합니다. 내장된 AI로 시작한 팀은 나중에 실행 계층이 필요하다는 사실을 깨닫는 경우가 종종 있습니다.

작업 기반 AI 도구 vs 에이전트 프로세스 자동화 플랫폼

거버넌스, 보안 및 위험 관리

회계 AI는 거버넌스가 사후에 추가되는 것이 아니라 실행 계층에 기본으로 적용될 때만 확장되며, 이를 통해 환각을 방지하고 데이터 보안을 유지할 수 있습니다.

'블랙박스' 회계 방지: AI 작업의 설명 가능성 보장

블랙박스 회계는 실패할 가능성이 큽니다. 회계사는 AI가 무엇을 했는지, 왜 그렇게 했는지, 어떤 정책을 사용했는지, 어떤 정보가 그 결정에 근거가 되었는지 알아야 합니다. 재무에서 설명 가능성은 선택 사항이 아니라 통제 모델의 필수 요소입니다.

AI 기반 거래를 위한 변경 불가능한 감사 추적 기록 구축

작업이 진행되는 동안 조치, 승인 및 증빙 자료가 수집되면 감사 대비 태세가 향상됩니다. 관리되는 워크플로 전반에 걸쳐 감사 로그와 감사 준비가 완료된 실행은 재무 부서의 방어 가능한 프로세스 이력에 대한 요구에 맞춰 직접적으로 조율됩니다.

사람 개입: 민감한 작업에 수동 승인이 반드시 필요한 이유

회계의 모든 단계가 자율적으로 이루어져야 하는 것은 아닙니다. 전표 처리, 상각, 지불 또는 정책 예외와 같은 민감한 작업에는 여전히 사람의 검토가 필요합니다. 협업 AI와 사람 개입 설계는 AI가 대비, 전달 및 의사 결정과 관련된 후속 조치를 수행하도록 하면서도 책임성을 유지합니다.

Automation Anywhere가 회계 부문 AI를 운영화하는 방법

여기서 아키텍처가 실질적으로 적용됩니다. Automation Anywhere는 기록 시스템을 대체하는 것이 아니라 재무 스택 전반에서 실행 계층으로 자리매김하고 있습니다.

프로세스 추론 엔진: 장기간 실행되는 상태성 주기 관리하기

Automation Anywhere는 자사의 PRE(프로세스 추론 엔진)를 에이전트 프로세스 자동화 시스템의 핵심 인텔리전스라고 설명합니다. PRE는 맥락 인식이 가능한 장기 실행 워크플로를 관리하도록 설계되었으며, 이 워크플로는 엔터프라이즈 시스템 전반에서 적응, 일시 중지 및 재개가 가능합니다. 따라서 일회성 거래가 아니라 며칠 또는 몇 주에 걸쳐 진행되는 회계 프로세스에 매우 적합합니다.

기본 감사 기능: 실행을 통해 부차적으로 감사 대비 태세 갖추기

Automation Anywhere의 재무 포지셔닝은 AP, AR 및 마감 업무 전반에 걸쳐 관리되는 AI, 내장된 통제 기능, 직무 분리, 마스킹 및 수정, 감사 추적을 강조합니다. 해당 모델에서는 감사 대비 태세가 워크플로가 실행되는 방식의 부산물입니다.

관리 오버헤드 증대 없이 자율 기업 확장하기

에이전트 실행의 목적은 감독을 위한 기술을 더 많이 만드는 것이 아니라 조정 지연을 줄이는 것입니다. 문서 이해, AI 추론, API, RPA, 승인 절차를 하나의 관리되는 프로세스 모델에 결합함으로써 Automation Anywhere는 재무 부문에서 보다 확장 가능한 운영 시스템을 구현하는 데 효과적입니다. 관리자는 더 이상 모든 핸드오프를 수동으로 추적할 필요가 없습니다. 워크플로가 그러한 작업의 더 많은 부분을 자체적으로 수행하기 때문입니다.

결론: 자율적인 재무 기능을 향한 도약

회계 부문 AI의 목표는 더 많은 도구가 아니라 전체 워크플로에 걸쳐 통제된 방식으로 실행을 확장하는 것입니다.

이는 단편적인 작업 자동화에서 자율적인 부서 실행으로의 도약입니다. 이는 시스템이 인사이트를 생성할 수 없기 때문에 회계에 문제가 생기는 것이 아니라는 사실을 인식하는 데서부터 시작됩니다. 문제가 발생하는 이유는 너무 많은 주요 워크플로가 시스템, 사람 및 기간 사이에서 정체되기 때문입니다. 이 격차를 해소하는 조직은 단순히 더 빠르게 운영하는 것에 그치지 않고 더 많은 내장된 통제와 가시성을 바탕으로 수동 조정을 줄이면서 운영하게 될 것입니다.

회계 부문 AI의 미래

회계 부문 AI의 미래는 실행, 대기 및 재개가 가능한 시스템에 달려 있습니다. 재무 부문의 다음 경쟁 우위는 통제와 감사 기능을 유지하면서 감지부터 해결에 이르는 업무를 수행할 수 있는 AI에서 비롯될 것입니다. 이를 통해 회계는 자율적인 재무 기능에 더 가까워집니다.

데모를 예약하여 AI와 에이전트 프로세스 자동화가 회계 워크플로를 어떻게 개선하는지 알아보세요.

FAQ

회계 부문 AI와 RPA의 차이점은 무엇인가요?

RPA는 미리 정의된 규칙을 따라 데이터 복사나 파일 이동과 같은 반복적인 작업을 완료합니다. AI는 문서 해석, 이상 징후 감지, 요약과 같이 판단을 지원하는 기능을 추가합니다. 대개 AI와 RPA를 결합하여 시스템이 작업을 이해하고 여러 시스템에 걸쳐 실행할 수 있을 때 가장 효과적인 결과가 나타납니다.

AI는 월말 계정 보고서의 정확도를 어떻게 향상하나요?

AI는 데이터를 더 일관되게 추출하고 이상 징후를 조기에 식별하며 팀이 보고 마감일 전에 거래를 검증할 수 있도록 지원하여 월말 정확도를 향상합니다. MIT Sloan에서 다룬 연구에 따르면 AI 기반 계정 소프트웨어는 보고 세분성을 개선하고 마감 시간을 단축했으며, 이는 팀이 더 빠르게 움직이면서 더 완전한 결과물을 만들어낼 수 있음을 시사합니다.

AI 소프트웨어를 API가 없는 레거시 ERP와 함께 사용할 수 있나요?

네. 엔터프라이즈 자동화 플랫폼은 API와 파일 기반 통합 및 UI 자동화를 결합하여 기존 시스템 전반에서 작동할 수 있습니다. 이는 회계 부문에서 중요한데, 그 이유는 많은 주요 워크플로가 여전히 현대적인 인터페이스를 제공하지 않는 레거시 ERP, 은행 포털, 스프레드시트 및 문서 저장소와 연결되어 있기 때문입니다. Automation Anywhere는 이를 달성하기 위한 방법으로 RPA를 제시합니다.

보통 회계 부문 AI의 비용은 얼마나 드나요?

가격 책정은 일반적으로 두 가지 주요 모델로 나뉩니다. 하나는 소프트웨어 액세스를 위한 구독을 기반으로 가격을 책정하고 또 하나는 사용량, 문서, 워크플로 또는 거래량과 연동되는 소비를 기반으로 가격을 책정합니다. 총 비용은 프로세스의 복잡성, 보안 요구 사항, 오케스트레이션이 필요한 시스템의 수에 따라 달라집니다. 구매 담당자는 라이선스 비용뿐만 아니라 플랫폼을 통해 얻을 수 있는 인건비 절감, 마감 압박 완화, 예외 백로그 감소 및 감사 대비 태세 강화도 함께 고려해야 합니다.