이득:
- 수입/지출 예측에서 가상 시나리오를 생성하는 보조자로 AI를 포지셔닝하는 능력
- 과거 데이터와 명시적인 가정을 기반으로 범위와 민감도를 갖춘 예측 프롬프트를 작성하는 능력
- AI 예측의 한계를 인식하고 이를 인간의 판단과 혼합하는 능력
"내년 매출은 얼마나 될까요?" 재무팀이 가장 어려워하는 질문 중 하나입니다. 예측은 과거의 데이터와 가정을 바탕으로 미래를 예측하는 것입니다. 여기서 인공지능(AI)은 강력한 조력자가 될 수 있습니다. 그러나 처음부터 사실을 받아들일 필요가 있습니다. 모델은 미래를 모른다는 것입니다. 사용자가 제공한 패턴과 가정만 처리합니다. 이번 단원에서는 AI를 예측에서 올바른 역할에 배치하고 한계를 인식하는 방법을 배웁니다.
예측에서 AI는 무엇을 하고 무엇을 하지 않습니까?
과거 추세를 요약하고, 계절성(특정 달에 반복되는 변동)을 인식하고, 다양한 가정으로 시나리오를 구축하고, 예측 논리를 설명하고, 예측을 내러티브에 넣습니다.
그렇지 않습니다. 정확한 미래를 제시할 수 없고, 외부 충격(환율 위기, 규제 변화)을 예측할 수 없으며, 데이터에 없는 사실을 알 수 없습니다. 챗봇이 내놓는 '내년에는 18% 성장할 것이다'라는 문장은 예언이 아니라 당신이 세운 가정을 수학적으로 반영한 것입니다.
팁: 모델에게 "단일 번호"를 묻지 마십시오. 항상 범위와 그 범위가 기반으로 하는 가정을 물어보세요. "기본 사례에서 14-15M, 조건: 현재 성장률이 계속됨"이라는 문장은 단일 "14.6M"보다 훨씬 더 솔직하고 유용합니다.
단계별: 확실한 예측 구축
- 과거 데이터를 제공하십시오. 적어도 몇 기간 동안 발생합니다. 가능하다면 매달.
- 가정을 명확하게 작성하십시오. 성장률, 계절성, 알려진 변화.
- 방법을 지정합니다. 단순 추세, 계절 조정 또는 시나리오 기반?
- 범위와 시나리오를 요청하세요. 낙관주의자/기본주의자/비관주의자.
- 민감성을 요구하세요. "어떤 가정이 결과를 가장 많이 바꾸나요?"
약한 프롬프트 / 강한 프롬프트
약한 프롬프트: 내년 내 매출을 예측해 보세요. 올해 우리는 12M을 만들었습니다.
이는 근거가 없는 단일 숫자를 생성합니다. 그것이 어떤 가정에 기초하고 있는지 불분명하며 이는 결정에 위험합니다.
강력한 프롬프트: 역할: 재무 계획 분석가. 작업: 다음 월별 소득 데이터에서 향후 12개월을 예측합니다. 방법:1) 먼저 과거 데이터의 추세와 계절성을 요약합니다.2) 다음 가정을 사용하여 3가지 시나리오를 설정합니다. - 기본: 지난 12개월의 평균 성장률이 지속됩니다. - 낙관적: 성장 +3포인트 - 비관적: 성장 -5포인트3) 각 시나리오에 대해 12개월 총계 및 월간 범위를 제공합니다.4) "민감도" 섹션: 어떤 가정이 변경되면 결과가 가장 많이 변경됩니까? 제약: 가정을 명시적으로 나열합니다. 추정치는 예측일 뿐 확실성이 아니라는 점을 명시합니다. 외부 충격은 모델링할 수 없다는 점에 유의하세요.<data>1월..12월 월별 매출액</data>
이 프롬프트는; 정확한 숫자 대신 합리적인 범위, 시나리오 및 "가장 취약한 가정 수집/성장률"과 같은 민감도 분석을 생성합니다. 의사결정자는 불확실성을 보고 결정을 내립니다.
계절성은 예측에서 가장 자주 간과되는 주제입니다. 많은 기업의 매출은 특정 달에 정기적으로 오르락내리락합니다. 아이스크림 메이커는 여름에 최고조에 달하고, 기념품 가게는 휴일에 최고조에 달합니다. 평평한 추세선은 이러한 변동을 볼 수 없으며 재고, 인사 및 현금 계획을 잘못 설정합니다. AI에 충분한 과거 데이터(이상적으로는 최소 24개월)를 제공하면 이러한 반복 패턴을 알아차리고 그에 따라 예측을 조정합니다.
예측 방법과 AI의 역할
방법
언제가 적절한가요?
AI 기여
국경
단순한 추세
안정적이고 비계절적인 데이터
추세를 빠르게 파악
휴식 시간을 볼 수 없습니다
계절적 교정
월별 매출 변동
계절적 패턴을 설명합니다.
과거에 너무 집착해
시나리오 기반
불확실성이 높은 시대
가설을 신속하게 테스트합니다.
가정의 질에 따라 다름
드라이버 기반
소득이 여러 요인에 따라 달라지는 경우
요인 관계 설정
인간은 관계를 검증한다
동인 기반 예측
단일 성장률로 매출을 예측하는 것은 조잡한 경우가 많습니다. 보다 강력한 방법은 수익을 동인으로 나누는 것입니다. 즉, 수익 = 고객 수 × 고객당 평균 매출 × 반복 빈도입니다. 각 운전자를 개별적으로 예측하고 곱하면 더 정확하면서도 의심스러운 예측이 제공됩니다. 어떤 가정이 변경되었는지 명확하게 알 수 있기 때문입니다.
운전자를 기준으로 내 수입을 추정해 보세요. 수익 = 활성 고객 수 × 고객당 월 평균 수익(ARPU) 지난 12개월 동안 이 두 동인을 별도로 추출하고 각각의 추세를 해석한 다음 두 동인을 별도로 예측하여 다음 12개월을 예측합니다. 각 동인에 대한 가정을 명확하게 작성하십시오. 어떤 드라이버가 더 명확하지 않은지 지정하십시오. 데이터에는 숫자만 사용하고 수식을 표시하세요.
이 방법의 위력은 "매출액 15% 증가"라고 하는 것이 아니라 "고객 수 8% 증가, 고객 1인당 매출 6% 증가"라고 말하는 것입니다. 이 둘은 별도로 질문될 수 있습니다. 비현실적인 경우 거기에서 추정치를 조정합니다. 경영진은 또한 "우리는 어떤 가정에 의존하고 있습니까?"라고 묻습니다. 질문에 구체적으로 답할 수 있다.
민감도 및 가정 규율
예측의 품질은 가정의 품질입니다. 항상 가정이 AI에 표시되도록 유지하고 발생하는 대로 돌아가서 업데이트합니다(롤링 예측, 즉 매달 업데이트되는 롤링 예측).
아래 예측에 사용한 모든 가정을 표 형식으로 나열하십시오. 가정 | 가치 | 출처/이유 | 이 값이 10%만큼 변경되면 연간 결과에 영향을 미칩니다. 가장 취약한 가정 3개를 선택하세요.
AI의 예측 결과를 경영진에게 제시할 때 가장 중요한 세 가지 가정, 그 가치 및 출처인 "가정 카드"를 포함하십시오. 따라서 예측은 더 이상 블랙박스가 아닙니다. 모두가 자신이 무엇에 베팅하고 있는지 봅니다. 그리고 실현이 벗어나는 경우 어떤 가정이 성립하지 않았는지 빠르게 진단하여 다음 예측을 개선할 수 있습니다.
주의: AI가 생성한 예측을 "모델이 말한 대로입니다"라고 옹호하지 마십시오. 예측에 대한 책임은 예측을 제시하는 사람에게 있습니다. 항상 "이것은 이러한 가정을 기반으로 한 시나리오이므로 현실화는 다를 수 있습니다"라는 프레임워크를 가지고 경영진에 제시됩니다.
미니 케이스
사례 1 — 계절성을 확인하는 예측. 한 소매업체가 24개월 간의 판매 데이터를 AI에 입력했습니다. 이 모델은 11월부터 12월까지 꾸준한 40% 증가를 확인하고 이에 따라 내년도 예측을 조정했습니다. 만약 수평추세를 사용했다면 연말 재고계획은 심각하게 틀렸을 것이다.
사례 2 - 홀수의 함정. 스타트업은 AI의 "내년 1,800만" 예측을 토대로 예산을 책정합니다. 하지만 이는 '성장은 현재대로 지속된다'는 가정에 기초한 것이다. 11M은 두 명의 주요 고객이 떠나면서 실현되었습니다. 교훈을 얻은 후 팀은 시나리오 범위로 이동했습니다. 내년 예측 밴드에서는 실제로 일어난 일을 다루었습니다.
사례 3 - 민감도가 결정을 변경했습니다. AI는 한 제조사 전망에서 “가장 취약한 가정은 원자재 가격”이라며 “가격이 10% 오르면 연간 이익은 22% 감소할 것으로 나타났다”고 밝혔다. 그런 다음 경영진은 공급업체와 고정 가격 연간 계약을 체결했습니다. 예측의 실제 가치는 숫자가 아니라 이러한 감정 인사이트에 있었습니다.
사례 4 — 롤링 예측이 승리합니다. 한 소매업체는 연간 예측을 한 번 설정하고 잊어버리는 대신 매달 실제 데이터를 사용하여 업데이트했습니다. 세 번째 달에는 "성장 12%" 가정이 실제로 7%인 것으로 나타났습니다. 예측은 조기에 수정됐고 이에 따라 연말 재고 및 인력 계획도 조정됐다. 만일 고정된 예측이 유지되었다면 연말에 엄청난 재고 과잉과 현금 경색이 발생했을 것입니다. 교훈: 예측은 살아있는 문서입니다. 한번 설정하고 보관하는 것이 아닙니다.
일반적인 실수
- 홀수번호를 요구합니다. 범위와 스크립트가 없는 예측은 잘못된 확실성을 만듭니다.
- 가정을 숨깁니다. 보이지 않는 가정은 의문을 제기하거나 업데이트할 수 없는 예측을 의미합니다.
- 과거에 너무 많이 의존합니다. 패턴은 과거 패턴을 확장합니다. 골절이나 외부 충격을 볼 수 없습니다.
- 예측을 예언으로 착각합니다. AI는 미래를 모릅니다. 단지 귀하의 가정을 고려합니다.
- 연속 예측을 하지 않습니다. 예측을 한 번만 설정하고 잊어버리세요. 업데이트가 되지 않습니다.
요약하면
- AI 예측의 강력한 보조자입니다. 추세와 계절성을 추출하고, 시나리오를 구축하고, 논리를 설명합니다. 그러나 미래를 모르고 외부 충격을 볼 수 없습니다.
- 항상 단일 숫자보다는 가상 범위와 낙관적/기준선/비관적 시나리오를 요청하세요.
- 가정을 명확하게 나열하고 민감도 분석을 통해 가장 취약한 가정을 식별합니다.
- 예측에 대한 책임은 예측을 제시한 사람에게 있습니다. "확실성이 아닌 시나리오" 프레임워크를 경영진에게 제시합니다.
- 롤링 예측을 통해 예측을 업데이트합니다. 한 번 설치하고 잊지 마세요.
응용과제
최소 12개월 간의 실제 수익 데이터(실제 또는 샘플)를 확보합니다. 강력한 프롬프트 템플릿을 사용하여 3가지 시나리오의 12개월 예측을 생성하세요. 그런 다음 민감도 프롬프트를 사용하여 가장 취약한 세 가지 가정을 제거합니다. 모델 기본 사례의 월간 성장률을 수동으로 한 번 확인하고 "확실성이 아닌 시나리오" 프레임워크를 사용하여 슬라이드에 예측을 요약합니다.
체크리스트
- [ ] 충분한 과거 데이터를 제공했습니다(가급적이면 월별).
- [ ] 나는 가정을 명시적으로 나열하고 이를 모델에 나열했습니다.
- [ ] 단일 숫자가 아닌 스크립트된 범위를 원했습니다.
- [ ] 민감도 분석을 통해 가장 취약한 가정을 찾아냈습니다.
- [ ] 기본 사례의 성장 계산을 수동으로 확인했습니다.
- [ ] 나는 "확실성이 아닌 시나리오" 프레임워크로 추정치를 제시했습니다.