CTO로서 매월 말이면 겪는 고통이 하나 있습니다.
바로 법인카드 사용 내역 정리입니다.
개발팀, 운영팀이 쓴 수백 건의 결제 내역을 검토하다 보면 눈이 핑 돕니다.
특히 해외 결제 내역을 볼 때면 막막함이 밀려오죠.
"WHOLEFDS MKT 10847 SEATTLE..."
"SQ *JOES COFFEE..."
이게 대체 식비인지, 비품 구매인지, 아니면 서버 비용인지 알 길이 없습니다.
기존 은행 앱들이 제공하는 자동 분류 기능은 사실상 무용지물입니다.
그저 뭉뚱그려 '쇼핑(Shopping)'이라고 분류해버리니까요.
우리는 '식비' 중에서도 '회식비'와 '간식비'를 나눠야 하고,
'쇼핑' 안에서도 '사무용품'과 '하드웨어 장비'를 구분해야 합니다.
지금까지 이 문제를 해결하려면 두 가지 방법뿐이었습니다.
사람이 일일이 엑셀을 붙들고 씨름하거나,
개발자가 정규표현식(Regex)을 이용해 복잡한 파이싱 룰을 짜거나.
하지만 정규표현식은 유지보수의 지옥입니다.
가맹점 이름은 수시로 바뀌고, 예외 케이스는 끝도 없이 쏟아지니까요.
그런데 최근 아주 흥미로운 오픈소스 도구를 발견했습니다.
바로 'Tally'라는 도구입니다.
이 도구의 접근 방식은 기존의 룰 기반 시스템과는 완전히 다릅니다.
핵심은 'AI 에이전트'를 활용한다는 점입니다.
Tally는 우리가 흔히 쓰는 GitHub Copilot, Claude Code 같은 AI 어시스턴트와 연동됩니다.
작동 원리는 간단하지만 강력합니다.
우선 은행에서 CSV 파일을 다운로드합니다.
그리고 Tally를 실행하면, AI가 내역을 훑어보고 분류를 시작합니다.
여기서 놀라운 점은 AI의 '맥락 이해 능력'입니다.
AI는 "WHOLEFDS MKT"가 "Whole Foods Market"이라는 것을 이미 알고 있습니다.
"SQ *"가 결제 대행사 "Square"를 의미한다는 것도 파악하죠.
우리는 그저 평문(Plain English)으로 가벼운 가이드만 주면 됩니다.
"Sarah에게 보낸 Zelle 송금은 베이비시터 비용으로 분류해."
"Costco 결제 중 주유소(GAS) 키워드가 있으면 연료비로, 나머지는 식료품비로 분류해."
복잡한 코딩이나 쿼리문이 필요 없습니다.
자연어로 툭 던져주면, AI가 알아서 문맥을 파악하고 분류 규칙을 생성합니다.
이것이 제가 늘 강조하는 '선언적 프로그래밍'의 미래형에 가깝습니다.
기술적으로 주목할 부분은 아키텍처입니다.
Tally는 별도의 데이터베이스나 무거운 클라우드 서버를 요구하지 않습니다.
모든 설정과 데이터는 로컬 파일 시스템에 저장됩니다.
이는 기업 입장에서 매우 중요한 포인트인 '데이터 주권(Data Sovereignty)'을 보장합니다.
민감한 금융 데이터를 외부 SaaS에 통째로 넘기지 않아도 된다는 뜻입니다.
내 컴퓨터, 내 로컬 환경에서 내가 제어하는 AI 모델을 통해 처리할 수 있으니까요.
사용성 측면에서도 개발자 친화적입니다.
터미널에서 tally init으로 시작하고, tally run으로 리포트를 뽑아냅니다.
마치 우리가 코드를 빌드하고 배포하듯, 재정 관리도 하나의 워크플로우로 만드는 것이죠.
MIT 라이선스로 공개된 오픈소스라는 점도 매력적입니다.
물론 아직 초기 단계라 완벽하지 않을 수 있습니다.
하지만 이 도구가 시사하는 바는 큽니다.
AI가 단순히 코드를 짜주는 'Co-pilot'을 넘어,
현실 세계의 지저분한 데이터를 정리하고 처리하는 '운영 파트너'로 진화하고 있다는 사실입니다.
단순 반복 업무에 지친 개발자라면, 혹은 핀테크 솔루션을 고민 중인 기획자라면,
Tally의 접근 방식을 한 번쯤 뜯어볼 가치가 충분합니다.
기술은 결국 인간의 게으름을 해결하는 방향으로 진화하니까요.
오늘 저녁, 밀린 카드 명세서를 엑셀 대신 Tally로 정리해보는 건 어떨까요?
