Snowflake 영업 재무팀이 AI로 월간 예측 시간을 일주일에서 단 몇 시간으로 단축한 방법

과거 Snowflake 영업 재무팀은 월간 예측을 수립하는 데 일주일 이상이 걸렸습니다. 이제는 몇 시간이면 충분합니다.

달라진 것은 누군가 질문을 입력하기 전부터 AI가 데이터를 얼마나 잘 알고 있느냐였습니다.

이러한 이해는 AI의 효율성도 높였습니다. 분석팀은 AI가 데이터, 용어, 워크플로우에 대한 상시 컨텍스트를 갖도록 프로필을 구축했습니다. 이를 통해 Snowflake CoCo는 절반도 안 되는 단계로 답에 도달하고, 팀이 더 많은 질문을 던지더라도 질문당 비용은 낮아집니다.

이 글에서는 이러한 성과를 가능하게 한 CoCo 프로필, 프로필이 각 답변의 효율을 높이는 이유, 그리고 분석가들이 그 위에 36개의 스킬을 구축한 방법을 살펴봅니다.

핵심 내용

• Snowflake 영업 재무팀은 월간 예측 및 차이 분석 시간을 일주일 이상에서 단 몇 시간으로 단축했습니다.

• CoCo 프로필은 답변당 단계를 약 3.0단계에서 1.3단계로 줄여 질문당 비용을 낮췄습니다(Snowflake 내부 CoCo 사용량, 2026년 2월~5월, 재무 사용자 44명 기준).

• 모든 답변은 분석팀이 인증한 데이터 소스까지 추적할 수 있습니다.

• 팀은 두 달 만에 36개의 스킬을 구축했으며, 초기 도입자의 87%가 여전히 매일 CoCo를 사용하고 있습니다.
  

영업 재무팀은 Snowflake 영업 리더를 위해 매월 30개 이상의 반복 분석을 수행합니다. 여기에는 탑라인 예측, 영업 파이프라인, 커미션, 비즈니스 성과 보고가 포함됩니다. 이 중 예측은 가장 복잡한 작업이며, 이전 예측 이후 무엇이 달라졌는지 설명하는 차이 분석도 함께 진행합니다. 과거에는 예측을 수립하려면 파이프라인 딜을 검토하고, CRM의 계정 메모를 읽고, 과거 추세와 비교하고, 현재 현장 영업 활동을 확인해야 했습니다. 이 작업은 여러 분석가가 나누어 수행했으며 일주일 이상이 걸렸기 때문에 한 달에 한 번만 진행할 수 있었습니다.

이제는 CoCo의 탑라인 예측 스킬을 사용해 동일한 분석을 몇 시간 만에 완료합니다. 이처럼 빨라진 처리 속도는 업무 주기 자체를 바꿨습니다. 이제는 월중 업데이트도 발행하므로, 영업 리더는 아직 대응할 시간이 있을 때 분기가 어떻게 흘러가고 있는지 확인할 수 있습니다. 분석가라면 누구나 스킬을 다시 실행해 시나리오를 테스트할 수도 있습니다.

데이터는 매일 바뀌며, 수십 개의 인증된 소스와 밤사이 수정된 딜이 반영되는 CRM에 흩어져 있습니다.

처음 시도했을 때 겪은 문제는 실제 재무 업무에 AI를 적용해 본 사람이라면 누구나 공감할 만한 것이었습니다. AI의 역량은 충분했지만, 업무 맥락을 알지 못했습니다. 관련은 있지만 잘못된 데이터 소스를 참조하거나, 숙련된 분석가라면 묻지 않을 설명을 요구하곤 했습니다.

두 가지 실패의 원인은 모두 컨텍스트 부족이었습니다. AI는 세션마다 팀이 알고는 있지만 문서화한 적은 없는 정보를 추론해야 했습니다.

Snowflake 전략 재무 분석팀의 동료들이 ‘GTM Finance’용 CoCo 프로필을 구축했습니다.

프로필은 AI가 어떤 답변을 하기 전에 먼저 읽는 상시 컨텍스트이므로, 누구도 프롬프트에서 같은 내용을 반복해 설명할 필요가 없습니다.

프로필이 없으면 AI는 세션마다 올바른 데이터 소스를 찾고, 용어를 해석하며, 숙련된 분석가가 이미 알고 있는 내용을 추론하는 데 약 세 단계를 사용하게 됩니다. 프로필이 준비되면 모든 대화의 첫 단계가 곧 실제 업무가 됩니다.
 

메모리 스케일링은 AI 에이전트가 환경에 대한 컨텍스트를 축적할수록 작업 단위당 비용이 낮아지는 효과를 의미합니다. AI는 더 적은 단계로 답변하고, 각 단계에는 컴퓨팅이 사용됩니다.

재무 사용자 44명을 기준으로 보면, 프로필이 있는 사용자는 약 1.3단계 만에 답에 도달한 반면, 프로필이 없는 사용자는 약 3단계가 걸렸습니다.

각 답변의 효율을 높이는 요인은 두 가지입니다. 프로필은 단계 수를 줄이고, 단계 수는 비용을 좌우합니다. 프로필이 없으면 추가 단계마다 약 0.05크레딧(약 10센트)이 더해지므로, 5단계 세션의 비용은 1단계 세션의 약 3.5배가 됩니다. 또한 프로필은 동일한 길이의 세션에서도 비용을 낮춥니다. 데이터상 모든 단계 수에서 프로필이 있는 세션의 비용은 프로필이 없는 세션보다 낮았습니다.

기반이 마련되자 분석가들은 분석팀에 크게 의존하지 않고도 그 위에 직접 스킬을 구축할 수 있었습니다.

스킬은 AI가 인식하고 요청에 따라 실행하는 재사용 가능한 워크플로우이며, 이를 구축하는 데 기술적 배경은 필요하지 않습니다.

라이브러리는 두 달 만에 기본 스킬 3개에서 36개로 늘었고, 여러 Excel 워크북이 팀 전체가 실행할 수 있는 공유 스킬로 바뀌었습니다. 출시 3개월 후에도 초기 도입자의 87%는 CoCo를 매일 사용하고 있었습니다. 다음은 팀이 구축한 스킬의 일부입니다.
 

이 방식이 효과를 내는 이유는 오너십에 있습니다. 한 달에 15번 커미션 대사를 실행하는 분석가는 외부에서 이를 구축하는 누구보다도 해당 워크플로우를 잘 이해합니다.

Snowflake 기업 FP&A 팀도 재무 애플리케이션은 누가 구축하는가를 주제로 한 글에서 같은 주장을 펼친 바 있습니다. 영업 재무팀의 스킬 라이브러리는 바로 그러한 변화가 대규모로 실현된 사례입니다.

기업 FP&A 동료들은 AI가 생성한 차이 분석 코멘터리와 그 기반의 거버넌스 모델을 포함해, 유사한 구축 사례인 차이 분석 자동화 워크플로우에 대해 소개한 바 있습니다. Bookings BvA는 같은 아이디어를 부킹에 적용합니다. 분석가가 CoCo에 ‘bookings bva’를 입력하고 몇 가지 매개변수 프롬프트에 답하면, 몇 분 안에 딜 카테고리별 월말 차이를 확인할 수 있습니다. 여기에는 어떤 영업 기회가 지연됐고 그 이유가 무엇인지도 포함됩니다.

이는 여러 팀에 걸친 반복 취합 작업을 대체한 스킬의 가장 명확한 사례입니다.

출장은 현장 영업팀이 통제할 수 있는 가장 큰 비용 항목 중 하나이며, 책임 있는 관리를 위해서는 정기적인 가시성이 필요합니다. 영업 출장 경비 보고서 스킬은 보고 기간을 스스로 판단하고, 예산 차이, 정책 위반 지출, 상위 지출자를 포함한 리더별 인사이트를 생성한 뒤 각 리더에게 보낼 이메일 초안까지 작성합니다. 두 팀이 몇 시간 동안 처리하던 작업은 이제 약 15분이면 완료되며, 팀원 누구나 실행할 수 있습니다. 수동 방식보다 더 일관된 인사이트도 제공합니다.

팀에 스킬 구축을 개방하면 수치에 책임을 지는 사람이라면 당연히 이런 질문을 하게 됩니다. 분석가가 직접 로직을 작성하면 통제는 어떻게 유지할 수 있을까요?

이는 재무 리더가 AI에 요구하는 신뢰성과 감사 가능성의 바탕에 있는 것과 같은 우려이며, 앞서 소개한 수치가 의미를 가지려면 먼저 답해야 하는 질문입니다. 이를 통제 가능한 범위 안에 두는 세 가지 요소가 있습니다.

• 분석팀의 기준 소스 인증: 기술 소스 가이드는 프로필의 기반이 되며, 어떤 데이터 소스를 왜 사용해야 하는지 정의합니다. 후속 질문과 애드혹 분석도 동일한 소스를 기반으로 하므로 답변의 일관성과 추적 가능성이 유지됩니다.

• 컨텍스트 계층의 중앙 관리: 분석가는 프로필 위에서 작업하고, 분석팀은 그 아래에 있는 데이터 소스와 용어를 정의합니다.

• 공유하고 검토할 수 있는 스킬: 커미션 대사를 실행하는 스킬은 그 결과에 의존하는 팀이 직접 확인할 수 있으므로, 한 사람의 노트북에 있는 스프레드시트보다 검토하기에 더 유리합니다.

이 접근 방식은 재무 영역을 넘어 적용할 수 있습니다. 플랫폼 전문가는 기반을 마련하고, 현업 팀은 그 위에서 자체 스킬을 만듭니다. 그 과정은 세 단계로 정리됩니다.

1. 먼저 소스 인증하기: 팀이 답하는 각 질문마다 어떤 소스를 기준으로 삼을지 정하고, 그 이유를 문서화합니다. 이 단계를 건너뛰면 이후의 모든 워크플로우가 어떤 수치가 맞는지에 대한 미해결 질문을 그대로 떠안게 됩니다.
   
   
2. 다음으로 용어와 출력 형식 인코딩하기: 팀이 당연하게 여기는 정의일수록 AI는 스스로 추론할 수 없습니다. 이를 한 번 중앙에서 정리해 두어야 합니다.
   
   
3. 그런 다음 팀에 스킬 구축 개방하기: 그 아래 계층을 신뢰할 수 있다면, 워크플로우를 가장 가까이에서 다루는 사람들이 가장 좋은 버전을 만들어 냅니다. 순서를 거꾸로 하면 합의되지 않은 소스를 기반으로 빠르기만 한 워크플로우가 만들어집니다.

이 접근 방식은 반복 보고를 훨씬 넘어서는 업무까지 지원합니다. Snowflake의 기업 FP&A 팀도 장기 계획에 동일한 방식을 적용해, 자연어로 계획에 대한 질문을 던지고 있습니다.

상시 컨텍스트가 없으면 모든 대화는 매번 처음부터 다시 시작됩니다. AI 도구를 보유한 팀과 AI가 일상 업무의 중심에 자리 잡은 팀을 가르는 차이는 대개 AI가 그 업무를 얼마나 잘 이해하고 있는지에 있습니다.

재무 팀이 Snowflake를 활용해 업무 방식을 어떻게 혁신하고 있는지 자세히 알아보세요. 2026년 11월 3~5일에 열리는 Snowflake의 글로벌 가상 이벤트 Expedition에 참여하세요.

 

데이터: 2026년 2월부터 5월까지 Snowflake 내부 CoCo 사용량을 기준으로, 프로필을 보유한 재무 사용자와 보유하지 않은 재무 사용자를 비교했습니다(n = 44명). 1크레딧 = 2달러(USD).