내부 감사는 오랫동안 과거 샘플을 살펴보며 통제가 제대로 작동했는지 확인하는, 사후 검증 중심의 직무로 여겨져 왔습니다. 하지만 Snowflake 내부 감사팀에서는 AI가 이런 모습을 바꿔 놓았습니다.
증거 수집, 테스트, 감사 보고서 작성에 투입하던 시간을 50% 줄였습니다. 2026년 감사 업무에서 전체적으로 3,500시간 이상을 절감했고, 전사 통제 소유자의 시간도 1,500시간 이상 절감했습니다.
시스템 액세스 로그를 검토하든 핵심 재무 거래 패턴을 분석하든, AI를 통해 과거 특정 시점의 점검에서 지속적이고 자동화된 모니터링으로 전환할 수 있게 됐습니다. 이제 6개월 전에 무엇이 잘못됐는지 확인하는 데 그치지 않고, 특정 통제와 사용 사례의 핵심 위험을 찾아내고 그에 맞는 질문을 던질 수 있습니다.
실제 데이터와 측정 가능한 성과를 바탕으로, AI가 Snowflake 내부 감사팀의 감사 방식을 어떻게 바꾸고 있는지 살펴보겠습니다.
핵심 내용
- 증거 수집과 보고서 작성에 드는 현장 감사 시간이 50% 줄어, 몇 개월이 걸리던 작업이 몇 주로 단축되었습니다(2026년 9월 기준 내부 결과).
- 여러 핵심 통제 및 보고서 테스트와 범위 지정 사용 사례(주문 관리, Workday 핵심 보고서, 매출 범위 지정, 핵심 액세스 통제)에서 테스트 방식이 샘플 기반에서 100% 모집단 커버리지와 선제적 인사이트로 전환되었습니다.
- Snowflake 내부 감사팀은 2026년에 3,500시간 이상(위험 범위 지정 1,000시간 이상, 테스트 및 문서화 2,500시간 이상)을 절감했고, 통제 소유자도 추가로 1,500시간 이상을 절감했습니다.
- AI는 데이터 처리와 초기 분석을 담당하고, 감사자는 모든 결론에 대한 책임을 집니다.
데이터가 서로 연결되지 않은 시스템 전반에 흩어져 있었다면 이 모든 변화는 불가능했을 것입니다. 청구, 매출, HR, 액세스, 감사 로그 데이터가 이미 Snowflake에 있으므로, 여러 소스를 따로 이어 붙이지 않고도 전체 모집단을 대상으로 테스트할 수 있습니다. 이 작업에 필요한 스크립트, 대시보드, 앱을 구축하기 위해 Snowflake의 AI 코딩 에이전트인 Snowflake CoCo를 사용합니다.
최종 평가는 언제나 감사자의 몫
AI 활용을 넓혀 갈수록 저는 어떤 효율성 향상보다 신뢰와 책임성을 더 중요하게 생각합니다. AI가 속도를 높여 준다면, 사람의 감독은 중심을 잡아 줍니다. 저희 팀은 다음과 같은 휴먼 인 더 루프 모델을 따릅니다.
- 준비는 AI가, 결론은 감사자가: AI는 데이터 처리, 패턴 인식, 초기 조정을 담당합니다. 감사자는 모든 최종 평가와 위험 평가를 수행하며, 비즈니스 리더와의 모든 논의를 책임집니다.
- AI 결과물은 활용 전에 감사자가 먼저 검토: AI가 테스트 문서 초안을 작성하거나 예외 사항을 찾아내면, 감사자가 이를 확인합니다. 이제 저희는 증거를 수집하는 대신 검증하는 데 시간을 씁니다.
- 서드 파티 도구도 Snowflake 내부에서 실행: Petual.ai와 같은 도구는 Snowflake Native App으로 실행되므로, 모든 처리가 Snowflake 계정 안에서 안전하게 격리된 상태로 이루어집니다.
핵심 지표로 확인한 효율성 향상과 보증 범위 확대
| 지표 카테고리 | 측정된 성과 |
|---|---|
| 위험 및 감사 범위 지정 | 여러 쿼리를 실행하고 대시보드를 분석해 매출 및 재무 범위 지정의 다양한 조합을 평가하고 핵심 운영 감사의 범위를 지정하는 데 소요되던 시간을 연간 1,000시간 이상 절감했습니다. |
| 테스트, 문서화, 보고 시간 최적화 | 다양한 재무 및 운영 통제와 핵심 인증 요구 사항에 대한 수동 테스트와 문서화 시간에서 연간 2,500시간 이상을 절감했습니다. 이를 통해 감사자는 고위험 전략 영역에 집중하고, 이해관계자와 함께 발견 사항에 대한 해결 방안을 마련하는 데 더 많은 시간을 쓸 수 있습니다. |
| 통제 소유자 시간 절감 | 통제 수행, 증거 수집, 요청 프로세스를 간소화해 연간 1,500시간 이상을 절감했습니다. |
| 위험 가시성 및 모집단 커버리지 | 특정 사용 사례에서 기존의 무작위 통계 샘플링 방식에서 100% 전체 모집단 보증으로 전환하고, 예외에 대한 준실시간 가시성을 확보했습니다. |
| 현장 감사에서 감사 보고서까지의 속도 | 증거 수집과 보고서 작성에 필요한 현장 감사 업무 시간이 50% 감소했습니다(몇 개월에서 몇 주로 단축). |
AI가 핵심 SOX 및 재무 통제를 지원하는 방식
수익원 범위 지정
‘스킬’은 AI가 인식하고 요청에 따라 실행하는 재사용 가능한 워크플로우입니다. 핵심 차원 전반에서 수익원의 범위를 준실시간으로 지정하고, 필요할 때 스냅샷을 이메일로 보내는 CoCo 스킬을 사용해 연간 500시간 이상을 절감하고 있습니다. 사용량이 급증하면 이를 조기에 파악하고 핵심 통제에 미치는 영향에 대해 이해관계자와 논의하므로, SOX 규정 준수 업무를 선제적으로 진행할 수 있습니다.
주문부터 현금화까지의 핵심 통제 테스트 자동화
대량 주문에서 샘플을 수작업으로 선택하고 테스트하는 방식은 느리고 오류가 발생하기 쉬웠습니다. 이제 AI_EXTRACT 같은 Cortex AI Functions가 주문 문서에서 매출 인식 조건, 시작일과 종료일, 청구 조건 등 핵심 조건을 추출합니다. CoCo로 구축한 앱은 이를 청구 및 매출 인식 시스템과 대조해 검증하므로, 모든 주문을 테스트하고 이상 징후가 발생하는 즉시 포착할 수 있습니다.
핵심 보고서 테스트 자동화
감사 로그는 정보를 일일이 분석하기 어려워, 테스트해야 할 ‘실제’ 감사 관련 변경 사항을 파악할 인사이트가 필요했습니다. 프로세스 복잡성이 높고 수동 보고서 추출, 분석, 검증에 크게 의존하다 보니 의사 결정이 복잡해지고 감사 속도도 느려졌습니다.
CoCo와 Streamlit으로 감사 추적을 수집하는 자동화된 ‘Report-as-a-Service’(RAAS) 아키텍처를 구축해, 지속적이고 데이터 기반의 모니터링과 디지털 프로세스 합리화를 가능하게 했습니다.
그 결과 연간 테스트 시간 450시간 이상을 절감하고, 준실시간 감사 가시성과 함께 100% 모집단 보증을 구현했습니다.
핵심 액세스 통제(IT 일반 통제) 모니터링
권한 있는 액세스와 권한이 비즈니스 정책에 맞게 유지되도록, CoCo로 구축한 대시보드는 프로비저닝 및 프로비저닝 해제 예외, 직무 분리(SoD) 위반, 무단 권한 상승을 지속적으로 스캔합니다. 대시보드는 전체 모집단에서 이상 징후가 발생하는 즉시 표시하므로, 더 이상 정기 검토를 위해 샘플을 추출할 필요가 없습니다.
조정 테스트 자동화
과거 급여 조정은 8개가 넘는 Excel 통합 문서에서 3~4개의 HR 및 급여 보고서를 수작업으로 대조하는 일이었습니다. 이제 CoCo로 구축한 데이터 앱이 복잡한 작업을 대신 처리하고 불일치를 자동으로 표시합니다. 이 앱을 통해 연간 500시간 이상을 되찾는 통제 소유자가 가장 큰 혜택을 보고 있습니다.
여러 보고서에서 데이터를 가져오는 모든 조정 업무에도 동일한 패턴을 적용할 수 있습니다.
SOX 통제 테스트 및 문서화
예전에는 SOX 문서 초안을 작성하고 테스트 템플릿을 업데이트하는 데 몇 주가 걸렸습니다. 이제 Snowflake Native App으로 실행되는 Petual.ai에 템플릿과 증거를 제출하면, 업데이트된 문서 초안이 작성됩니다. 감사자가 최종 결과물을 검토하며, 처리 시간은 몇 시간 수준으로 줄었습니다.
덕분에 확보한 여력을 신규 위험 및 전략적 고위험 자문처럼 더 큰 효과를 내는 업무와, 가치 있는 성과로 이어지는 핵심 위험을 지속적으로 모니터링하는 CoCo 스킬 구축에 쓸 수 있습니다.
SOC 1 검토
서드 파티 SOC 1 보고서 검토는 가장 지루한 업무 중 하나였습니다. 긴 문서를 수작업으로 훑으며 통제 예외를 찾아야 했기 때문입니다. Petual.ai Snowflake Native App은 이러한 보고서 20개 이상을 분석하고, 관련 통제와 잠재적 예외를 자동으로 식별했습니다. 준비 시간은 며칠 단축됐고, 감사자는 고위험 발견 사항에 집중하고 있습니다.
Snowflake 데이터에서 증거를 확보하는 운영 감사
과거 운영 감사는 증거가 단편화된 소스에 흩어져 있고 이를 수집하려면 워크스루와 회의가 필요했기 때문에 빠르게 실행하기 어려웠습니다.
이제 데이터가 이미 Snowflake에 있기 때문에 CoCo가 해당 소스 전반에서 통제별 정보를 빠르게 가져오고, 저희는 이를 검증하는 데 시간을 씁니다. 과거에는 해당 증거를 확보하고 분석하기까지 몇 주를 기다려야 했습니다. 이 접근 방식은 취약점 관리, 핵심 시스템의 액세스 및 보안 상태와 같은 영역에 대한 준실시간 가시성을 제공합니다.
또한 완료된 감사에서 나온 관찰 사항의 진행 상황을 추적하는 반복 가능한 스킬도 구축했습니다.
- Salesforce 플랫폼의 핵심 보안 지표
- 프로덕션 자산 전반의 취약점 관리
- Snowflake 계정 내 핵심 데이터베이스의 보안 및 거버넌스 지표
새 감사를 시작할 때마다 스킬을 더 추가할 계획입니다. CoCo를 통해 실행하는 감사의 수와 복잡성을 높였고, 발견 사항과 보고서도 더 빠르게 제공하고 있습니다.
전략적 위험에 더 집중할 수 있게 해 주는 지속적 보증
내부 감사자의 역할은 과거 기록 관리자에서 전략적 위험 자문가로 진화하고 있습니다.
제가 느끼는 가장 큰 변화는 비즈니스 리더와 나누는 대화에 있습니다. AI가 기본 규정 준수 업무를 처리하면서, 저희 팀은 발견 사항과 함께 미래지향적이고 데이터 기반의 인사이트를 제품, 엔지니어링, 재무 팀에 제공합니다.
같은 전환을 고려하는 감사 리더에게 지속적 보증은 다음 네 가지를 가능하게 합니다.
- 전체 모집단 테스트를 통한 더 폭넓은 보증
- 수동 증거 요청 감소로 비즈니스와의 마찰 완화
- 감사자가 전략적 위험, 문화, 새롭게 부상하는 위협에 더 많은 시간 투입
- 위험이 문제로 확대되기 전에 포착해 비즈니스가 더 빠르게 움직이도록 돕는 거버넌스 프레임워크
Snowflake에서 저희 팀이 만들어가고 있는 변화가 자랑스럽습니다. 올바른 데이터 파운데이션이 있다면, 기업에서 가장 전통적인 직무 중 하나도 일하는 방식을 바꿀 수 있습니다.
감사 방식을 새롭게 바꿀 준비가 되셨나요? 시작 방법은 다음과 같습니다.
- 효과가 큰 통제 하나부터 시작: 액세스 검토나 주문부터 현금화까지의 테스트처럼 처리량이 많아 전체 모집단 테스트의 효과를 가장 빠르게 볼 수 있는 프로세스를 선택합니다.
- Snowflake로 데이터 통합: 청구, 매출, HR, 액세스 및 감사 로그처럼 시스템 전반에 흩어진 핵심 데이터 세트를 거버넌스가 적용되는 하나의 환경에 적재해 전체 모집단을 기준으로 테스트할 수 있게 합니다.
- Snowflake CoCo와 Cortex AI Functions로 구축: 수작업으로 진행하던 증거 수집과 보고를 지속적 모니터링을 위한 반복 가능한 스킬과 앱으로 전환합니다.
- 감사자의 주도권 유지: AI가 작업을 준비하게 하고, 팀은 이를 검토하면서 모든 결론에 대한 책임을 집니다.
지금 Snowflake CoCo를 사용해 보거나, 감사 직무의 지속적 보증 도입 방안에 대해 Snowflake 담당 팀과 상담해 보세요.
Snowflake, DoorDash, Stripe, Northern Trust의 재무 리더들이 AI를 실제 업무에 어떻게 활용하고 있는지 궁금하신가요?
