Back to customer stories

Customer Story

Clearpoint Financial Services

Energent.ai로 Clearpoint Financial이 4,004건의 원장 예외를 찾아낸 방법

우리의 고액 기준치는 2년 전에 누군가 임의로 정해 놓고 그 이후로 아무도 손대지 않은 숫자였습니다. Energent.ai는 우리에게 실제 통계적 근거를 제시해 주었습니다 — 이제 우리는 $1,176이 어디에서 나왔는지 감사인에게 정확히 보여줄 수 있고, 아무것도 다시 만들지 않고도 매 분기 재계산할 수 있습니다.
Rachel Torres, 조정 분석가 at Clearpoint Financial Services
Industry
금융 서비스
Market
United States
Use case
은행 조정 예외 분류
Clearpoint Financial Services

Clearpoint Financial Services는 매달 수만 건의 카드 및 ACH 거래를 처리합니다. Rachel Torres는 회계와 리스크의 교차점에서 일하며, 승인된 금액과 게시된 차변이 일치하는지, 청산 시 잔액 검사가 통과했는지, 중복 청구가 빠져나가지 않았는지를 확인합니다. 이 팀은 예외 정의와 감사 대응 가능성까지 포함한 전체 조정 프로세스를 내부에서 직접 관리합니다.

기존 기준값과 수동 필터 작업으로는 50,000건을 감당할 수 없었습니다

팀의 조정 워크플로는 이전 분석가에게서 넘겨받은 다운로드한 은행 내보내기 파일, 피벗 테이블, 그리고 하드코딩된 필터 기준값에 의존하고 있었습니다. 네 가지 서로 다른 예외 범주는 각각 데이터를 별도로 수동 검토해야 했습니다. 고액 기준은 2년 전에 설정된 고정 금액이었고, 통계적 근거도 없었으며 업데이트 메커니즘도 없었습니다. 인증 리스크 조인은 이 정도의 레코드 규모에서는 성능이 좋지 않았습니다. 원장 불일치 검사는 계좌 잔액이 충분하지 않았는데도 청산된 차변 거래를 식별해야 했습니다. 중복 탐지는 스프레드시트가 대규모에서 안정적으로 수행할 수 없는 행 수준 중복 제거 로직을 요구했습니다. 문제를 더 키운 것은 거래 타임스탬프의 87% 이상에 시간 정보가 없어 기본값이 자정(00:00)으로 설정되었고, 그 결과 업무 시간 외 사기 분석이 완전히 막혔다는 점입니다. 내부 감사 검토는 이러한 압박을 공식화했습니다. 위원회는 고정 금액 기준이 통계적으로 타당하지 않다고 지적하며, 모든 예외 범주에 대해 문서화된 산출 근거를 요구했습니다.

Energent.ai는 통계적 조정 엔진이 되었습니다

Torres는 50,000건 레코드의 CSV를 Energent.ai에 직접 업로드했습니다. 단일 세션 안에서 에이전트는 다음을 수행했습니다.

데이터 파이프라인도 없었습니다. BI 도구 설정도 없었습니다. 시스템 간 인수인계도 없었습니다.

단순한 보고서 정리가 아니라, 기준값 산출이 핵심이었습니다

Ledger exception dashboard

4,004건의 예외를 한 세션에서 분리, 우선순위화, 문서화했습니다

"원장 불일치 건수는 이 정도 규모에서 한 번도 깔끔하게 분리해 본 적이 없었습니다. 이제는 우리가 자신 있게 설명할 수 있는 숫자가 생겼고 — 다음 분기에는 수식을 건드리지 않고도 다시 실행할 수 있는 프로세스도 갖게 됐습니다." — Rachel Torres, Clearpoint Financial Services의 Reconciliation Analyst

Back to customer storiesBook a Demo