“AI로 보고서 초안 써봤어요”라는 말은 이제 특별하지 않다. 진짜 문제는 그다음이다. AI가 만든 문장은 매끄러운데, 그 안에 있는 숫자와 원인 설명이 맞는지는 누가 확인했는가. 경영보고는 문장력을 겨루는 자리가 아니다. 틀린 숫자 하나, 잘못된 원인 하나가 의사결정을 잘못된 방향으로 끌고 갈 수 있는 자리다. 이 글은 “AI로 PPT 만드는 법”이 아니라, 보고서가 만들어지는 실제 흐름을 여덟 단계로 쪼개서 어디까지 AI에게 맡기고 어디서부터 사람이 멈춰 서야 하는지를 정리한다.
핵심만 먼저
- 경영보고는 AI에게 통으로 맡기는 한 번의 동작이 아니라, 원자료 → 핵심 숫자 확인 → 이슈 추출 → 원인 가설 → 메시지 구조 → 보고 문장 → 경영진용 요약 → 사람 검증까지 여덟 단계로 쪼개지는 과정이다.
- 가장 위험한 구간은 4단계(원인 가설)와 7단계(경영진용 요약)다. AI가 만든 원인 설명은 검증 전까지 “가설”이지 “사실”이 아니며, 압축 요약 과정에서 전제조건이 가장 먼저 사라진다.
- 핵심 숫자 자체의 계산은 Excel·BI 같은 검증된 소스에서 가져오고, AI는 이미 계산된 숫자의 정리·이슈 후보 추출·설명 초안 작성까지만 맡아야 한다.
- 미공개 실적처럼 민감한 원자료를 다룰 때는 사내 보안 정책이 AI 활용 편의보다 항상 우선한다.
이 글에서 알 수 있는 것
- 경영보고가 만들어지는 실제 흐름 8단계와, 각 단계에서 AI에게 맡겨도 되는 일 vs 사람이 반드시 확인해야 하는 일
- AI의 “원인 가설”과 실제로 확인된 “사실”을 어떻게 구분해서 표기해야 하는지
- 임원용 요약으로 압축하는 과정에서 전제조건이 사라지는 이유와 방지법
- 기밀·미공개 실적 자료를 AI 도구에 다룰 때 지켜야 할 보안 원칙
- 발표 전 사람이 반드시 확인해야 할 최종 체크리스트 4가지
보고서가 만들어지는 8단계
원자료
↓
핵심 숫자 확인
↓
이슈 추출
↓
원인 가설
↓
메시지 구조
↓
보고 문장
↓
경영진용 요약
↓
사람 검증
SECTION 01
보고서는 한 번에 만들어지지 않는다
대부분의 사람들은 “AI에게 보고서를 맡긴다”를 하나의 동작으로 생각한다. 원자료를 던져주고 “경영진 보고서로 정리해줘”라고 치면 끝이라고 생각하는 것이다. 하지만 실제로 경영보고가 만들어지는 과정은 다음과 같이 여덟 단계로 쪼개진다.
원자료 → 핵심 숫자 확인 → 이슈 추출 → 원인 가설 → 메시지 구조 → 보고 문장 → 경영진용 요약 → 사람 검증
이 여덟 단계를 하나로 뭉뚱그려 AI에게 맡기면, 어느 단계에서 오류가 들어갔는지 아무도 알 수 없다. 단계를 쪼개야 위임 구간과 검증 구간을 나눌 수 있다.
1단계 — 원자료: AI에게 맡겨도 되는 정리, 사람이 확인해야 하는 출처
엑셀 시트, CRM 다운로드, 회의록, 카카오톡으로 온 부서 메모까지 — 경영보고의 원자료는 대개 지저분하다. 포맷을 통일하고, 중복을 제거하고, 표 형태로 정리하는 작업은 AI에게 맡기기 좋은 구간이다.
다만 원자료 자체가 최신 버전인지, 어느 시점 기준 데이터인지는 AI가 판단할 수 없다. “이번 달 매출 파일”이라는 이름의 엑셀이 실제로는 지난주에 업데이트가 중단된 파일일 수도 있다. 이 확인은 사람의 몫이다.
2단계 — 핵심 숫자 확인: 계산은 검증된 소스, AI는 정리와 이슈 후보까지
매출, 전월 대비 증감률, 이슈 KPI 같은 핵심 숫자는 Excel·BI 툴·검증된 계산 로직으로 먼저 산출하는 것이 원칙이다. AI에게 맡길 구간은 이렇게 이미 계산된 숫자를 표로 정리하고, 눈에 띄는 지점을 이슈 후보로 뽑아내고, 설명 초안을 작성하는 부분이다. AI에게 합계나 증감률 계산 자체를 맡기고 그 결과를 검증 없이 쓰는 것은 지양해야 한다. 합계 방식(부서별 합산인지, 특정 채널 제외인지)이나 기준 기간(회계연도 기준인지 캘린더 기준인지)이 다르면 같은 원자료에서도 다른 숫자가 나올 수 있으므로, 숫자 자체는 검증된 계산 소스에서 가져오고 AI는 그 숫자를 정리·설명하는 역할에 머물러야 한다.
가상 예시 — 한 스타트업의 월간 실적 보고서 초안에서 AI가 “전월 대비 매출 12% 증가”라고 정리했다. 그러나 실제로는 특정 부서의 환불 건이 원자료에서 이미 제외된 상태로 계산에 반영되지 않아, 정확한 증가율은 8%였다. 담당자가 발표 직전 원본 스프레드시트와 대조하지 않았다면 그대로 보고될 뻔했다.
3단계 — 이슈 추출: AI는 “이상해 보이는 지점”까지만 찾아준다
특정 구간에서 수치가 급등하거나 급락한 지점을 찾아내는 것은 AI가 잘하는 일이다. 문제는 그다음이다. 급락이 “진짜 이슈”인지, 아니면 프로모션 종료나 계절 요인처럼 이미 알려진 이유로 인한 자연스러운 변동인지는 업무 맥락을 아는 사람만 판단할 수 있다. AI가 찾아낸 이상치 목록은 “확인이 필요한 후보 목록”이지 “이슈 확정 목록”이 아니다.
4단계 — 원인 가설: 여기가 가장 위험한 구간이다
이 단계가 이 글에서 가장 강조하고 싶은 부분이다. AI에게 “왜 이 수치가 떨어졌을까?”를 물으면, AI는 그럴듯한 원인을 매우 자신 있는 어조로 제시한다. 이때 반드시 구분해야 할 것이 있다.
일잘랩의 판단
AI가 추론한 원인은 데이터 패턴과 일반적인 업계 지식을 근거로 만든 “가설”이다. 실제로 확인된 원인은 담당 부서, 현장, 로그 데이터로 검증을 마친 “사실”이다. 이 둘은 보고서에서 반드시 다른 방식으로 표기되어야 한다. AI가 만든 원인 설명을 검증 없이 “원인: ~”이라고 단정문으로 적는 순간, 보고서는 추측을 사실처럼 포장하게 된다.
가상 예시 — 특정 지역 매출이 하락하자 AI는 원자료의 맥락(동일 시기 경쟁사 마케팅 기사)을 참고해 “경쟁사 프로모션의 영향으로 추정된다”는 원인 가설을 제시했다. 그럴듯한 설명이었지만, 실제로 담당 물류팀에 확인한 결과 원인은 배송 지연으로 인한 주문 취소 증가였다. AI의 가설과 실제 원인이 전혀 달랐던 경우다.
주의
이 단계에서는 AI가 만든 원인 설명 앞에 “AI 추정” 혹은 “확인 필요”라는 표시를 남기고, 발표 전까지 관련 부서 확인을 거치는 것을 원칙으로 삼아야 한다.
5단계 — 메시지 구조: 순서를 잡는 건 AI, 우선순위를 정하는 건 사람
여러 이슈와 숫자를 두괄식으로 배열하고 논리적인 흐름을 잡는 작업은 AI가 효율적으로 해낸다. 하지만 “어떤 이슈를 먼저 말하고, 어떤 이슈는 각주로 내릴 것인가”는 회사 내부 우선순위와 정치적 맥락을 아는 사람이 판단해야 한다. AI는 이런 조직 맥락을 모른다.
6단계 — 보고 문장: 매끄러운 문장의 유혹을 경계한다
문장을 다듬는 구간에서 가장 흔한 실수가 나온다. AI는 “증가했다”를 “가파르게 성장했다”로, “일부 회복됐다”를 “뚜렷한 반등을 보였다”로 표현을 강화하는 경향이 있다. 문장은 좋아졌지만 사실과는 멀어진다. 이 단계의 원칙은 하나다. 표현의 강도는 숫자가 뒷받침하는 만큼만 허용한다. 정성적 형용사를 쓸 때마다 “이 표현을 뒷받침하는 숫자가 실제로 있는가”를 확인해야 한다.
7단계 — 경영진용 요약: 압축 과정에서 전제조건이 사라진다
긴 보고서를 임원용 서너 줄 요약으로 압축하는 것은 AI가 특히 잘하는 작업이다. 문제는 압축 과정에서 “단, ~조건에서만 유효함”, “구두 협의 단계이며 계약서 미서명” 같은 전제조건이 가장 먼저 생략된다는 점이다. 요약본은 짧을수록 위험하다. 짧을수록 놓친 조건이 눈에 띄지 않기 때문이다.
가상 예시 — 원문 보고서에는 “신규 계약 3건, 구두 협의 완료, 계약서 서명 전 단계”라고 정확히 적혀 있었다. 그런데 AI가 만든 임원용 한 줄 요약에는 “신규 계약 3건 확정”이라고 축약되어 있었다. 조건절이 요약 과정에서 통째로 빠진 것이다. 이 요약이 그대로 보고됐다면, 아직 서명되지 않은 계약을 확정된 실적으로 임원에게 전달하는 결과가 됐을 것이다.
8단계 — 사람 검증: 마지막 문 앞에 반드시 사람이 서 있어야 한다
여기까지 온 보고서 초안은 아무리 잘 만들어졌어도 “검토되지 않은 초안”일 뿐이다. 이 마지막 단계에서 사람이 반드시 확인해야 할 것은 다음과 같다.
✓
모든 숫자가 원자료와 일치하는가
✓
원인 설명 중 “AI 추정”과 “확인된 사실”이 구분되어 있는가
✓
요약 과정에서 빠진 전제조건이 없는가
✓
발표자 본인이 임원의 질문에 원자료를 근거로 답변할 수 있는 수준으로 내용을 이해하고 있는가
마지막 항목이 특히 중요하다. 본인이 이해하지 못한 문장을 발표하는 순간, 임원의 추가 질문 하나에 보고 전체의 신뢰가 흔들릴 수 있다.
SECTION 02
기밀·미공개 실적 자료를 다룰 때
경영보고의 원자료에는 미공개 실적, 인사 정보, 계약 조건처럼 외부에 노출되면 안 되는 정보가 섞여 있는 경우가 많다. AI 도구를 쓸 때 다음 원칙을 지켜야 한다.
먼저 사내 보안 정책을 AI 활용 편의보다 우선한다. 회사가 미공개 실적 자료의 외부 도구 업로드를 금지하고 있다면, 그 정책이 어떤 AI 툴의 편리함보다 우선이다. 다음으로 개인 계정과 회사(팀/엔터프라이즈) 계정을 구분해야 한다. 조직 단위의 AI 도구 사용 범위와 데이터 보관 정책은 플랜과 계약 조건에 따라 다르므로, 소속 조직의 최신 정책을 IT/보안 담당 부서에 확인하는 것이 원칙이다(Claude의 조직 단위 통제·보관 정책 예시는 Claude Cowork, 직장인은 실제 업무에서 어떻게 쓸 수 있을까에서 다룬다). 마지막으로, 미공개 실적처럼 민감도가 높은 자료는 되도록 요약·가공된 형태로 AI에 입력하고, 원본 전체를 그대로 업로드하는 것은 피하는 것이 안전하다.
SECTION 03
판단 도구 — AI 위임 가능 구간 체크리스트
보고서를 만들 때 아래 표를 기준으로 각 단계를 분류해보면, 어디서 검증이 빠졌는지 빠르게 점검할 수 있다.
| 단계 | AI에게 맡겨도 되는 것 | 사람이 반드시 해야 하는 것 |
|---|---|---|
| 원자료 정리 | 포맷 통일, 표 변환, 중복 제거 | 데이터 출처·기준 시점 확인 |
| 핵심 숫자 확인 | 계산된 숫자의 표 정리, 이슈 후보 추출, 설명 초안 | 실제 계산(Excel·BI 등), 원자료 대조, 합계 방식 검증 |
| 이슈 추출 | 이상치·급변 구간 탐지 | “진짜 이슈”인지 업무 맥락으로 판별 |
| 원인 가설 | 가능한 원인 후보 나열 | 부서·현장 확인으로 사실 검증, “AI 추정” 표기 |
| 메시지 구조 | 논리적 순서·두괄식 배열 | 조직 내 우선순위 반영 |
| 보고 문장 | 문장 다듬기, 표현 정리 | 표현 강도와 숫자 근거 일치 확인 |
| 경영진용 요약 | 압축 초안 작성 | 전제조건 누락 여부 원문 대조 |
| 최종 검토 | — | 전체 재확인 + 발표자 본인 이해도 점검 |
SECTION 04
결론 — 멋진 문장보다 틀리지 않는 보고
AI를 경영보고에 쓰는 것 자체는 이제 특별한 일이 아니다. 관건은 여덟 단계 중 어디까지가 초안 생성이고 어디부터가 검증인지를 명확히 알고 있느냐다. 특히 4단계(원인 가설)와 7단계(경영진용 요약)는 가장 그럴듯해 보이면서 동시에 가장 위험한 구간이다. 잘 쓰인 문장은 신뢰를 대신하지 않는다. 신뢰는 검증에서 나온다.
관련 글: 프롬프트 작성의 기본 규칙은 매주 반복되는 주간보고, AI로 어디까지 줄일 수 있을까에서, 업로드 전 데이터 정리·안전 기준은 Excel 데이터를 AI로 분석해서 보고서까지 만드는 현실적인 방법에서 다뤘다. 아직 읽지 않았다면 함께 참고하면 좋다.