워키바WK
종료

워키바 Status update

핵심 요약과 스크립트로 어닝콜의 주요 내용을 빠르게 확인하세요.

분기 0진행 시간56분참가자4명

스크립트

첫 15개 문단을 발언자별로 확인할 수 있습니다.

Operator

여러분, 안녕하세요. 함께해 주셔서 감사합니다. 오늘 라운드테이블 세션의 주제는 ‘AI에 적합한 워크플로에는 양질의 데이터가 필요합니다: 기반 구축’입니다. 오늘은 대부분의 시간을 AI 자체보다 조금 덜 주목받는 부분, 즉 AI가 작동하려면 그 기반에 무엇이 갖춰져 있어야 하는지에 대해 이야기해 보겠습니다. AI 워크플로에 대해 이야기하기에 앞서, 오늘날 대부분의 조직이 어떤 상황에 있는지 짚어볼 필요가 있습니다. 대부분의 팀은 자율형 워크플로부터 시작하지 않습니다. 아마 API, 커넥터, 워키바 체인, 워키바 스크립트, 테이블, 워키바 승인 기능을 활용해 ETL 워크플로를 수행하고, 데이터를 검증하고, 게시하고 있을 것입니다. 워키바 플랫폼을 사용하는 가운데 AI가 재무, ESG, GRC 전반으로 확장되면, 이러한 워크플로는 서로 더 긴밀하게 연결되고 비즈니스에서 더욱 중요한 역할을 하는 경우가 많습니다. 이러한 작업은 대부분의 조직이 시작하고 있는 AI 여정과 별개가 아닙니다.

Operator

오히려 그 여정의 기반입니다. AI 에이전트나 도구가 효과적으로 작동하려면 신뢰할 수 있는 맥락, 승인된 도구, 적절한 권한, 비즈니스 규칙, 그리고 상위 담당자에게 문제를 전달하는 절차가 갖춰져야 합니다. 이러한 환경을 구축하는 데 필요한 요소 중 상당수는 이미 조직의 워키바 구현 환경에 갖춰져 있습니다. 따라서 단순히 AI 에이전트를 얼마나 빨리 도입할 수 있느냐가 핵심 질문은 아닙니다. 우리의 데이터와 워크플로, 거버넌스에 어떤 조건이 갖춰져야 AI가 이러한 기능을 안전하게 사용하도록 허용할 수 있을까요? 아마 이것이 더 유용한 질문일 것입니다. 오늘은 파트너사들의 실제 경험을 통해 이 질문을 살펴보고자 합니다. 그럼 스티븐 슈워츠, 토니 스칼리즈, 브랜던 루빈을 환영해 주시기 바랍니다. 함께해 주신 세 분 모두 감사합니다.

Operator

세 분께서 각자 간단히 자기소개를 해주시고, 소속 기관에 대해서도 말씀해 주시면 좋겠습니다.

Steven SchwarzPartner

스티븐 씨, 감사합니다. 안킷 씨, 감사드립니다.

Steven SchwarzPartner

오늘 이 패널에 참여할 기회를 주셔서 여러분 모두께 감사드립니다. 저는 스티븐 슈워츠이며, 알파 에프엠씨의 파트너입니다. 저희는 금융 서비스 산업을 전문으로 하는 부티크 컨설팅 회사이며, 워키바와 파트너십을 맺은 지 8년이 조금 넘었습니다. 저희의 여정과 경험, 그리고 금융 서비스 고객과 관련된 데이터 및 인공지능의 고유한 특성에 대해 말씀드릴 수 있게 되어 매우 기쁩니다.

Tony ScaleseFounder

감사합니다, 안킷 씨. 토니 씨, 부탁드립니다. 좋은 아침, 좋은 오후, 좋은 저녁입니다.

Tony ScaleseFounder

패널에 다시 참여할 수 있도록 해주셔서 감사하다는 스티븐 씨의 말씀에 저도 동감합니다. 앰플리파이에서 이 행사를 진행하며 즐거운 시간을 보냈기 때문에, 다시 함께하게 되어 기쁩니다. 저는 비스포크 데이터 매니지먼트 컨설팅 파트너스, 줄여서 비스포크의 창립자입니다. 저희는 재무 보고와 주요 보고서 및 핵심 데이터 세트의 통합 및 자동화에 주력하고 있습니다. 이 주제는 제가 개인적으로 매우 관심을 두고 있는 분야이며, 오늘 대화를 기대하고 있습니다.

Operator

마지막으로 브랜든 씨를 소개하겠습니다.

Brandon RubinDirector

감사합니다, 안킷 씨. 오늘 시간을 내어 함께해 주신 모든 분께 감사드립니다. 제 이름은 브랜든 루빈입니다. 저는 알에스엠 유에스의 디렉터입니다. 저희는 세계 최대 규모의 회계감사, 세무 및 컨설팅 회사 중 하나입니다. 저는 개인적으로 데이터 및 디지털 서비스팀에서 워키바 사업을 이끌고 있습니다. 이 업무를 5년간 맡아왔으며, 기술 및 혁신 관련 여러 직무를 거치며 회사에서 근무한 지는 11년이 조금 넘었습니다. 현재 고객과 많은 시간을 보내며, 워키바 플랫폼 내 인공지능 솔루션과 플랫폼 연계 인공지능 솔루션을 통해 워키바 활용도를 어떻게 높일 수 있는지 함께 논의하고 있습니다.

Operator

감사합니다. 소개해 주신 여러분 모두께 감사드립니다. 참석자 여러분께서는 웹캐스트 중 질문이 있으시면 질의응답 도구를 통해 제출하실 수 있습니다. 웹캐스트 중에 질문에 답변드리도록 하겠습니다. 더 충분한 답변이 필요하거나 시간이 부족한 경우에는 추후 이메일로 답변드리겠습니다. 여러분께서 보내주시는 모든 질문을 빠짐없이 확인하고 있다는 점을 알아주시기 바랍니다. 오늘 보수교육(CPE) 학점을 취득하고자 하시는 분께서는 오늘 행사 중 객관식 질문 네 개에 답변해 주셔야 합니다. 학점을 받으려면 해당 질문 중 최소 세 개에 답변을 제출하고 웹캐스트 전체 시간 동안 참석하셔야 합니다. 여러 분이 함께 시청하시는 경우, 학점을 받으실 수 있도록 각자 개별적으로 로그인해 주시기 바랍니다.

Operator

질문은 화면 중앙에 표시되며 답변을 제출할 수 있는 시간이 제한되어 있으니, 질문이 나타날 때 답변하실 수 있도록 준비해 주시기 바랍니다. 마지막으로, 미디어 플레이어를 전체 화면으로 설정하지 마시기 바랍니다. 팝업 질문을 놓치실 수 있습니다. CPE 요건을 충족하시면 화면에 있는 CPE 수료증 도구에서 수료증을 다운로드하실 수 있으며, 행사 종료 후 약 한 시간 뒤 발송되는 이메일에서도 다운로드하실 수 있습니다. 안타깝게도 자격 요건을 충족하지 못하게 하는 기술적 문제가 발생했거나 질문에 답변하지 못하신 경우에는 CPE 학점을 제공해 드릴 수 없습니다. 좋습니다. 오늘은 네 가지 주제를 중심으로 이야기를 나눠보겠습니다.

Operator

먼저 많은 분이 이미 경험하고 계신 상황, 즉 자동화가 확대되면 어떤 일이 발생하는지, 무엇이 계속 효과를 발휘하는지, 그리고 마찬가지로 중요한 점으로 어떤 부분이 취약해지기 시작하는지 살펴보겠습니다. 그다음에는 이러한 워크플로 자체의 기반으로 내려가 데이터의 토대에 대해 이야기하겠습니다. 이러한 워크플로에 더 많은 인텔리전스를 도입하기 전에, 기반 데이터의 품질과 구조, 거버넌스, 접근성이 어떠해야 할까요? 이러한 기반이 갖춰지면 AI를 활용할 준비가 된 워크플로로 넘어가겠습니다. AI가 실제로 어느 단계에 참여해야 하는지, 기존의 결정론적 자동화는 어디에 계속 적용되어야 하는지, 오케스트레이션과 인간 개입을 어떻게 생각하는지 살펴보고, AI가 플랫폼의 맥락과 작업에 더 직접적으로 상호작용할 수 있도록 하는 MCP와 같은 신기술이나 기능에 대해서도 논의하겠습니다.

Operator

마지막으로 운영 모델에 대해 이야기하겠습니다. 누가 책임을 맡는지, 어떻게 관리하고 모니터링하는지, 시간이 지나면서 어떻게 발전하는지가 명확하지 않다면 이 모든 것을 실질적으로 확장할 수 없기 때문입니다. 웹캐스트 내용을 살펴보기 전에, 오늘 논의의 중요성을 보여주는 두 가지 수치를 말씀드리겠습니다. 가트너에 따르면 올해 말까지 기업용 애플리케이션의 40%에 특정 업무용 AI 에이전트가 탑재될 것이라고 합니다. 같은 기관은 에이전틱 AI 프로젝트의 40% 이상이 2027년까지 취소될 것이라고도 전망했습니다. 그 이유로는 비용 초과, 불분명한 가치, 위험 통제 문제 등이 있을 수 있습니다. 두 수치가 동시에 사실일 수 있다는 말이죠? 이 격차가 바로 오늘 세션의 핵심이며, 데이터 기반이 그 격차를 좁혀줍니다. CPE 학점 취득을 위한 첫 번째 질문입니다. 현재 귀사는 워키바 관련 워크플로에서 AI를 어느 정도 활용하고 있습니까? 선택지는 아직 탐색 중, 시범 운영 중, 적극적으로 확대 중, 이미 운영 환경에 적용 중입니다.

Operator

잠시 시간을 드리겠습니다. 먼저 대부분의 엔터프라이즈 팀이 이미 잘 알고 있는 현실부터 살펴보겠습니다. 자동화가 성공적으로 작동하더라도, 더 많은 사람과 프로세스, 시스템이 이에 의존하게 되면 취약해질 수 있습니다. 양쪽 측면에서 살펴보고 싶습니다. 무엇은 계속 확장되고, 무엇은 문제가 생기기 시작할까요? 스티븐, 먼저 말씀해 주시죠. 알파는 투자 펀드 조직 및 투자 운용사와 긴밀히 협력합니다. 이러한 조직에는 복잡한 프로세스와 여러 데이터 소스, 상당한 양의 규제 보고 업무가 있을 수 있습니다. 한 가지 업무에서 매우 잘 작동하는 자동화가 기업 전반으로 확대되기 시작할 때, 보통 무엇이 달라지나요? 이어서 질문드리면, 문제없이 확장되는 것과 결국 유지 관리가 어려워지기 시작하는 것을 가르는 차이는 무엇인가요?

Steven SchwarzPartner

네, 좋은 질문입니다. 특히 사모펀드와 실물자산 분야에는 특수한 측면이 있습니다. 워키바 플랫폼 내에서 수백 개에서 수천 개에 이르는 재무제표로 확장하는 과정에서 고객들과 함께 이러한 사례를 많이 봐왔습니다. 자동화된 것과 실제로 확장을 고려해 설계된 것 사이에는 중요한 차이가 있습니다. 작은 규모로 시작한다고 생각해 보면, 수작업 단계가 몇 가지 있더라도 감당할 수 있을 것입니다. 스프레드시트나 내장 계산식을 사용하고, 계산식에 고정 숫자를 직접 넣거나 예외 사항을 처리하는 것도 감당할 수 있습니다. 이런 내용은 모두 사람들의 머릿속에만 있어도 괜찮을 수 있습니다. 보고서가 10개 정도인 작은 규모라면 관리할 수 있습니다.

전체 스크립트

전체 번역 스크립트는 StockNow에서 확인해보세요.

전체 발언, 영문 원문과 발언자별 기록은 StockNow Pro에서 확인할 수 있습니다.

Pro로 전체 스크립트 보기

AI 번역에는 일부 부정확한 표현이 포함될 수 있습니다.

같은 날 다른 기업 어닝콜

이 날 어닝콜 보기