2026년 5월, 남아프리카 공화국 내무부는 국무회의 승인을 받은 백서에 첨부된 참고 자료에서 AI 환각(hallucination) 현상이 발견됨에 따라 공무원 2명을 정직 처분했습니다. 남아프리카 공화국 정부 공식 성명에 따르면, 내무부는 징계 절차를 관리하고 2022년 11월 30일로 거슬러 올라가는 정책 문서들을 검토하기 위해 독립 법무법인을 선임했습니다. The Citizen의 보도에 따르면, 내무부는 내부 승인 프로세스에 AI 체크 및 선언 절차를 도입할 계획입니다.
이 사건은 단순한 정부 정책의 문제를 넘어 모든 기업이 직면하게 될 과제를 시사합니다.
AI가 실험 단계를 지나 실제 업무에 도입되면서 모든 기업이 겪게 될 문제입니다. AI는 완성도가 높아 보이는 결과물을 만들어낼 수 있습니다. 말투는 확신에 차 있고, 형식은 전문 문서처럼 완벽할 수 있습니다. 하지만 그 결과의 근거를 추적할 수 없다면, 아무리 세련된 결과물이라도 틀릴 수 있습니다.
스프레드시트를 다루는 팀에게 이 리스크는 매우 실질적입니다. 재무 분석가는 AI에게 예산 차이의 원인을 물을 수 있고, 영업 관리자는 파이프라인 리스크를, 운영 팀장은 검토가 필요한 재고 항목을 물을 수 있습니다. 그 답변은 차트나 관리 보고서, 이사회 보고용 슬라이드가 됩니다.
만약 결과가 틀렸다면, 그 피해는 단순히 프롬프트 때문이 아닙니다. 아무도 검증할 수 없는 답변을 신뢰한 데서 비롯됩니다.
이것이 바로 좋은 Excel AI Agent가 단순히 '빠른' 것만으로는 부족한 이유입니다. 결과물은 반드시 **검증 가능(verifiable)**하고 **감사 가능(auditable)**해야 합니다.
사용자의 진짜 질문: "이 답변을 믿어도 될까?"
대부분의 사람들은 AI 거버넌스를 공부하기 위해 AI 스프레드시트 도구를 열지 않습니다. 끝내야 할 업무가 있기 때문에 사용합니다.
그들이 알고 싶은 것은 다음과 같습니다:
- 이번 달 매출은 왜 증가했는가?
- 어떤 고객이 이탈을 주도하고 있는가?
- 어떤 SKU의 재고 회전이 너무 느린가?
- 어떤 부서가 예산을 초과했는가?
- 주간 보고서에 무엇을 넣어야 하는가?
- 회의 전까지 이 지저분한 데이터를 대시보드로 만들 수 있는가?
속도는 중요합니다. 하지만 결과가 의사결정에 영향을 미치는 순간, 사용자의 진짜 질문은 바뀝니다.
질문은 이렇게 바뀝니다: "이 답변을 믿고 그대로 사용해도 될까?"
리스크가 낮은 업무라면 빠른 요약만으로 충분할 수 있습니다. 하지만 재무, 영업, 인사, 조달, 운영 또는 경영진 보고의 경우, 신뢰를 위해서는 유창한 문장 이상의 것이 필요합니다. 사용자는 AI가 무엇을 보았는지, 무엇을 계산했는지, 무엇을 가정했는지, 그리고 여전히 사람의 판단이 필요한 부분은 무엇인지 확인할 수 있어야 합니다.
이것이 단순한 스프레드시트 챗봇과 비즈니스용 Excel AI Agent의 차이입니다.
비즈니스 스프레드시트에서 빠른 답변만으로는 부족한 이유
비즈니스 스프레드시트에는 숨겨진 맥락이 가득합니다.
워크북에는 여러 개의 탭, 숨겨진 시트, 병합된 헤더, 수식, 참조 테이블, 주석, 오래된 가정, 복사된 데이터, 수동으로 편집된 행, 그리고 누군가의 머릿속에만 있는 버전 히스토리가 섞여 있을 수 있습니다. AI 모델은 눈에 보이는 값만 읽고 워크북 전체를 오해할 수 있습니다.
데이터가 깨끗하더라도 결과는 미묘하게 틀릴 수 있습니다:
- 주장을 뒷받침하지 않는 행을 인용할 수 있습니다.
- 필터링된 테이블을 전체 데이터셋인 것처럼 요약할 수 있습니다.
- 잘못된 분모를 사용하여 백분율을 계산할 수 있습니다.
- 단 두 개의 데이터 포인트만으로 추세를 설명할 수 있습니다.
- 약한 상관관계를 강력한 권장 사항으로 둔갑시킬 수 있습니다.
- 겉보기엔 맞지만 잘못된 범위를 사용하는 차트를 만들 수 있습니다.
- 최종 보고서를 내보낼 때 주의사항을 누락할 수 있습니다.
이는 공상 과학 소설 속의 리스크가 아닙니다. AI 레이어가 씌워진 일반적인 스프레드시트 리스크일 뿐입니다.
해결책은 사용자가 모든 셀을 수동으로 검사하게 만드는 것이 아닙니다. 그것은 AI를 사용하는 목적에 어긋납니다. 해결책은 AI 결과물이 검토에 필요한 충분한 근거를 함께 제공하도록 만드는 것입니다.
검증 가능한 결과물(Verifiable Output)의 의미
검증 가능한 Excel AI Agent의 결과물은 다음 세 가지 질문에 답해야 합니다:
- 이 데이터는 어디서 왔는가?
- 어떻게 생성되었는가?
- 사람이 여전히 확인해야 할 것은 무엇인가?
스프레드시트 요약의 경우, 답변에 사용된 시트, 열, 행 범위, 필터 및 수식을 보여주는 것을 의미합니다. 차트의 경우, 선택된 데이터 범위와 변환 단계를 공개하는 것을 의미합니다. 텍스트 보고서의 경우, 각 중요한 주장을 원본 근거에 링크하는 것을 의미합니다.
이는 비즈니스 사용자가 AI 결과물을 단순히 소비하는 데 그치지 않고 재사용하기 때문에 중요합니다. 사용자는 이를 이메일에 복사하고, 엑셀로 내보내고, 월간 보고서에 붙여넣고, 슬라이드로 만듭니다. 답변이 채팅창을 떠나는 순간, 근거는 사라지는 경우가 많습니다.
더 나은 스프레드시트 어시스턴트는 워크플로우의 일부로서 이러한 근거를 보존해야 합니다.
감사 가능한 결과물(Auditable Output)의 의미
감사 가능성은 답변을 둘러싼 기록에 관한 것입니다.
관리자가 왜 보고서에서 2분기 마진이 개선되었다고 하는지 묻는다면, 팀은 그 경로를 재구성할 수 있어야 합니다:
- 누가 워크북을 업로드했는가
- 어떤 파일 버전이 사용되었는가
- 어떤 프롬프트로 질문했는가
- 어떤 시트와 범위가 분석되었는가
- 어떤 계산이 수행되었는가
- 모델이 무엇을 생성했는가
- 어떤 경고나 주의사항이 표시되었는가
- 누가 최종 결과를 검토하거나 내보냈는가
이는 모든 회사가 첫날부터 무거운 컴플라이언스 시스템을 갖춰야 한다는 뜻이 아닙니다. 하지만 AI 결과물이 실제 비즈니스 의사결정에 사용된다면, 지속 가능한 추적 기록(trail)이 있어야 합니다.
이는 매달 동일한 분석을 반복하고 시간에 따라 비교해야 하는 경영 보고 워크플로우에서 특히 중요합니다. 감사 기록이 없으면 팀은 어떤 스프레드시트, 어떤 프롬프트, 어떤 결과 버전이 진짜인지 논쟁하는 데 시간을 허비하게 됩니다.
신뢰할 수 있는 Excel AI Agent의 5가지 레이어
좋은 Excel AI Agent는 대규모 언어 모델(LLM) 그 이상이 필요합니다. 모델을 둘러싼 워크플로우가 필요합니다.
1. 워크북 이해 (Workbook understanding)
시스템은 답변하기 전에 워크북을 정밀하게 검사해야 합니다. 시트, 테이블, 헤더, 데이터 유형, 수식, 빈 행, 숨겨진 탭, 그리고 주요 지표 열을 식별해야 합니다.
워크북 구조가 모호하다면 AI는 이를 명확히 밝혀야 합니다. 조용히 추측하는 것이 바로 틀린 답변이 설득력 있게 둔갑하는 방식입니다.
2. 결정론적 계산 (Deterministic calculation)
수학적 계산이 필요한 작업에서 시스템은 모델의 언어적 추론에만 의존해서는 안 됩니다. 가능한 경우 테이블 작업, 수식, SQL, Python 또는 제어된 계산 엔진과 같은 결정론적 계산 방식을 사용해야 합니다.
모델은 결과를 설명하고, 시스템은 결과를 계산해야 합니다.
이것이 진정한 AI 스프레드시트 분석 제품이 단순한 파일 업로드 채팅창이 아니라 모델 주변의 도구 세트를 갖춰야 하는 이유 중 하나입니다.
3. 근거 매핑 (Evidence mapping)
중요한 주장은 근거와 연결되어야 합니다.
결과물에서 매출이 8.5% 성장했다고 한다면, 사용자는 어떤 원본 데이터가 그 숫자를 만들었는지 볼 수 있어야 합니다. 특정 지역의 실적이 저조하다고 한다면, 이를 뒷받침하는 행, 열 및 비교 기간이 표시되어야 합니다.
근거 매핑이 모든 답변을 완벽하게 만들지는 않지만, 검토자에게 확인할 수 있는 구체적인 대상을 제공합니다.
4. 주의사항 및 불확실성 (Caveats and uncertainty)
좋은 Excel AI Agent는 언제 확신하지 말아야 할지를 알아야 합니다.
워크북에 누락된 값, 일관성 없는 날짜, 중복된 고객 ID, 설명되지 않은 이상치 또는 불분명한 정의가 있는 경우, 결과물에 이러한 주의사항을 명시해야 합니다. 최악의 패턴은 분석 중에 데이터 품질 문제를 발견하고도 최종 보고서를 생성할 때 이를 숨기는 AI 시스템입니다.
AI 보고서 생성에서 주의사항은 장식이 아닙니다. 답변의 핵심적인 일부입니다.
5. 인간의 검토 및 내보내기 제어 (Human review and export control)
마지막 단계는 단순히 답변을 생성하는 것이 아닙니다. 그 답변이 워크스페이스를 떠날 준비가 되었는지 결정하는 것입니다.
리스크가 낮은 분석이라면 즉시 내보낼 수 있습니다. 하지만 재무, 인사, 법무, 고객 또는 이사회 보고용이라면 검토가 흐름의 일부가 되어야 합니다. 시스템은 근거를 쉽게 검사하고, 문구를 조정하고, 주의사항을 보존하며, 검토 후에만 깨끗한 결과를 내보낼 수 있도록 지원해야 합니다.
실전 사례: 월간 차이 분석
재무 팀이 월간 예산 워크북을 업로드하고 다음과 같이 질문한다고 가정해 보겠습니다:
부서별 예산 대비 실적을 분석해줘. 예산을 10% 이상 초과한 부서를 표시하고, 주요 원인을 설명한 뒤 경영 보고용 노트를 작성해줘.
부실한 AI는 확신에 찬 문장만 내놓습니다:
마케팅 부서는 캠페인 비용 증가로 인해 예산을 14% 초과한 반면, 운영 부서는 계획 내에서 유지되었습니다.
이것이 유용할 수는 있지만 충분하지는 않습니다.
검증 가능한 결과물은 다음을 함께 보여줍니다:
- 계산에 사용된 워크시트와 테이블
- 선택된 실적 및 예산 열
- 차이 백분율 계산에 사용된 수식
- 포함되거나 제외된 부서 행
- 14%라는 숫자 뒤에 있는 원본 셀
- 캠페인 비용이 실제 항목인지 아니면 추론된 설명인지 여부
- 누락된 달, 중복된 카테고리 또는 수동 조정 사항
이제 재무 팀은 검토를 포기하지 않고도 더 빠르게 업무를 처리할 수 있습니다.
이 결과를 차트나 대시보드로 만들 때도 동일한 원칙이 적용됩니다. 생성된 Excel 대시보드는 단순히 보기 좋은 것에 그치지 않고, 데이터 범위와 변환 로직을 검사할 수 있어야 합니다.
섀도우 AI(Shadow AI) 리스크를 줄이는 방법
많은 기업이 직원이 기밀 스프레드시트 데이터를 공개 AI 도구에 붙여넣을까 봐 걱정합니다. 이러한 걱정은 타당하지만, 근본적인 원인은 업무 프로세스의 마찰인 경우가 많습니다.
승인된 프로세스는 느리고 비공식적인 프로세스가 쉽다면, 사람들은 지름길을 찾게 마련입니다.
비즈니스용 Excel AI Agent는 사용자에게 더 나은 경로를 제공합니다. 승인된 워크플로우 내에서 파일을 업로드하고, 자연어로 질문하고, 분석을 생성하고, 근거를 검사하고, 결과를 내보낼 수 있습니다.
민감한 파일의 경우, 파일, 프롬프트, 결과 및 로그가 회사가 선택한 환경 내에 머물도록 프라이빗 배포가 필요할 수도 있습니다.
목표는 형식적인 컴플라이언스로 사람들을 느리게 만드는 것이 아닙니다. 안전한 경로를 충분히 편리하게 만들어 사람들이 실제로 그 경로를 선택하게 만드는 것입니다.
Excel AI Agent를 선택하기 전 구매자가 물어야 할 질문
스프레드시트 AI 도구를 평가할 때 데모의 퀄리티에만 머물지 마십시오. 답변이 중요할 때 시스템이 어떻게 작동하는지 물어보십시오.
유용한 질문들은 다음과 같습니다:
- 사용자가 답변을 뒷받침하는 시트, 행, 열을 확인할 수 있는가?
- 수치 결과가 결정론적으로 계산되는가, 아니면 모델에 의해 생성만 되는가?
- 내보낸 보고서에 주의사항이 보존되는가?
- 관리자가 누가 어떤 파일을 업로드하고 무엇을 내보냈는지 검토할 수 있는가?
- 시스템이 근거 없는 주장을 차단하거나 표시할 수 있는가?
- 동일한 파일과 프롬프트에서 동일한 보고서를 재현할 수 있는가?
- 민감한 작업을 프라이빗 환경에서 실행할 수 있는가?
- 워크북이 모호하거나 지저분할 때 어떤 일이 발생하는가?
최고의 벤더들은 이러한 질문을 환영할 것입니다. 이는 예외적인 케이스가 아니라, 재미있는 AI 데모와 기업이 신뢰할 수 있는 시스템을 가르는 기준이기 때문입니다.
RowSpeak의 역할
RowSpeak는 비즈니스 사용자가 기본 데이터의 구조를 잃지 않으면서 평범한 영어(또는 한국어)로 스프레드시트 작업을 할 수 있어야 한다는 아이디어를 바탕으로 구축되었습니다.
즉, RowSpeak는 단순히 빠른 답변을 내놓는 것에 그치지 않습니다. 업로드, 분석, 차트 작성, 보고, 검토 및 내보내기를 하나의 워크플로우로 연결하는 것입니다. 기밀 데이터나 의사결정에 중요한 스프레드시트를 다루는 팀을 위해, 데이터 경계가 명확하도록 프라이빗 배포 요구 사항과 결합될 수 있습니다.
이것이 Excel AI 도구가 나아가야 할 방향입니다. 답변 생성에서 답변 거버넌스로의 진화입니다.
승리하는 제품은 가장 긴 문장을 만드는 제품이 아닐 것입니다. 무엇이 사실인지, 무엇이 뒷받침되는지, 무엇이 불확실한지, 그리고 무엇이 검토가 필요한지 사용자가 이해하도록 돕는 제품이 될 것입니다.
RowSpeak 워크플로우 미리보기
워크플로우를 더 신뢰할 수 있게 만드는 인터페이스의 예시입니다. 사용자는 워크북을 업로드하고, 컨텍스트를 확인한 다음, 검토 가능한 결과가 나올 때까지 분석 과정을 추적합니다.
업로드 단계 이후, 결과는 블랙박스 속으로 사라지는 대신 동일한 워크플로우 내에서 가시적으로 유지되어야 합니다.
결론
좋은 Excel AI Agent는 시간을 절약해 주어야 합니다. 하지만 비즈니스 환경에서 속도는 첫 번째 단계일 뿐입니다.
결과물은 검증 가능해야 합니다. 감사 가능해야 합니다. 근거와 주의사항을 보존해야 합니다. 그리고 실제 팀이 스프레드시트 작업을 검토하고 공유하는 방식에 맞아야 합니다.
이것이 AI가 진지한 스프레드시트 워크플로우에서 유용해지는 방법입니다.
사용자에게 모든 답변을 믿으라고 강요하는 것이 아닙니다.
답변을 더 빠르게 확인할 수 있는 방법을 제공하는 것입니다.
