AI 회계 자동분류 — 은행거래를 계정과목에 자동으로

회계에서 가장 반복적이고 지루한 일 중 하나가 은행거래 분류다. 통장에 찍힌 입출금 하나하나를 “이건 어느 거래처의 무슨 매출”, “저건 어떤 비용”으로 맞춰야 한다. 거래가 많으면 이 작업만 하루가 간다. AI 자동분류는 이 반복을 추천으로 자동화한다. 이 글은 그 원리를 정리한다.

무엇을 자동화하나

은행 거래 내역을 회계 장부에 반영하려면, 각 입출금을 계정과목·거래처·용도에 연결해야 한다.

입금 3,000,000원 → A거래처 외상매출금 회수
출금 500,000원 → 전기요금(비용)
출금 1,200,000원 → B거래처 외상매입금 지급

이 연결을 사람이 매 건 판단하면 시간이 많이 든다. AI 자동분류는 거래 내역(적요·금액·거래처명 등)을 보고 어느 계정·거래처인지 추천한다.

원리 — 규칙 매칭과 AI 분류

두 방식이 함께 쓰인다.

규칙 매칭 — “적요에 ’전기’가 있으면 전기요금”, “이 계좌에서 온 입금은 A거래처” 같은 규칙. 반복되는 거래를 빠르게 잡는다.
AI 분류 — 과거에 사람이 어떻게 분류했는지를 학습해, 새 거래를 비슷한 과거 거래에 맞춰 추천한다. 규칙으로 안 잡히는 것을 보완한다.

규칙으로 명확한 것은 규칙이, 애매한 것은 AI가 추천하는 조합이 효율적이다. 자동분개와 연결되면, 분류된 거래가 바로 분개로 이어진다.

분류 예시 — 통장 한 줄이 장부로

은행 내역 한 줄이 어떻게 처리되는지 보자.

은행 내역(적요)	금액	추천 분류	근거
(입금) 에이마트	+3,000,000	A거래처 외상매출금 회수	거래처명 매칭(규칙)
(출금) 한국전력	-480,000	전기요금(제조경비)	적요 키워드(규칙)
(출금) 3,300,000	-3,300,000	B거래처 외상매입금 지급	과거 유사 거래(AI)
(입금) 250,000	+250,000	? — 미분류	근거 부족 → 사람 확인

명확한 것은 규칙과 AI가 자동으로 잡고, 근거가 부족한 것만 사람에게 남긴다. 100건 중 90건이 자동으로 처리되면, 사람은 나머지 10건만 판단하면 된다. 이 90/10의 역전이 자동분류의 효과다.

반복될수록 정확해지는 이유

AI 분류는 사람의 교정을 학습한다. 처음엔 “이 입금은 무슨 매출인지” 애매해 미분류로 남기던 것을, 사람이 “A거래처 매출”로 고치면, AI는 그 패턴(금액대·주기·적요)을 기억한다. 다음에 비슷한 입금이 오면 스스로 A거래처로 추천한다. 그래서 도입 초기 몇 주는 교정이 잦지만, 반복 거래가 대부분인 회사라면 금세 자동 처리율이 올라간다. 쓸수록 편해지는 구조다.

도입 효과

시간 절감 — 매 건 판단하던 것을 추천 확인으로 바꾼다.
일관성 — 사람마다 다르게 분류하던 것이 일관돼진다.
누락 감소 — 미분류 거래가 쌓이지 않는다.

특히 이 영역은 반복성과 규칙성이 강해 AI가 빨리 값을 낸다. 그래서 제조 AI 중에서도 도입 효과를 가장 빨리 체감하는 축에 든다(AI 자동화 가이드에서 “가장 반복적인 것부터”로 다룬 이유).

검증 — 그냥 믿지 않는다

AI 추천이라도 그대로 확정하지 않는다.

추천 → 사람 확인. 특히 초기에는 담당자가 추천을 검토·승인한다.
틀린 것을 교정한다. 잘못 분류된 것을 고치면 AI가 학습해 정확해진다.
금액 큰 거래는 반드시 확인. 자동화하되, 중요 거래는 사람이 본다.

자주 묻는 질문

Q. 처음부터 정확한가요? A. 초기에는 규칙과 과거 데이터가 적어 추천 정확도가 낮을 수 있다. 사람이 교정할수록 정확해진다. 몇 주만 지나면 반복 거래는 대부분 자동으로 잡힌다.

Q. 회계 담당자의 일이 없어지나요? A. 반복 분류가 줄 뿐, 마감·조정·검토·분석은 그대로 담당자의 몫이다. 지루한 반복에서 벗어나 판단이 필요한 일에 집중하게 된다.

정리하면 AI 회계 자동분류는 은행 입출금을 계정·거래처에 맞추는 반복 작업을 규칙과 AI 추천으로 자동화한다. 반복성이 강해 효과가 빨리 나오는 영역이며, 추천을 사람이 검증·교정하며 정확도를 높이는 방식으로 쓴다.