무엇이 달라졌나요? ＋
고객 주문 처리가 여러 내부 프로세스에 걸쳐 있었습니다.
회사가 공개한 소매 사례로, 결과는 해당 업무 흐름에 한정됩니다.
Celonis / 이 회사가 만드는 미래
사람과 AI에 기업 운영을 개선할 업무 맥락을 줍니다.
사람과 AI가 믿을 수 있는 운영 현황을 함께 보며 일합니다.
그 미래가 만들어지는 모습 ↓그 미래를 만드는 제품들.
Celonis Platform
기업 프로세스를 분석·설계·운영합니다.
업무 데이터와 지식을 바탕으로 책임자가 분명한 조치를 실행합니다.
무엇이 달라졌나요? ＋
시범 프로젝트에서 보험 청구 프로세스를 분석했습니다.
2024년 9월 기업 협력 확대 발표 기준
관찰에서 통제된 변경으로
매출채권 개선 업무 예시
- 01
업무 데이터를 연동합니다.
업무 데이터를 연동합니다.
- 02
반복되는 지연을 살펴봅니다.
반복되는 지연을 살펴봅니다.
- 03
향후 절차를 합의합니다.
향후 절차를 합의합니다.
- 04
규정에 맞게 조치를 조율해 실행합니다.
규정에 맞게 조치를 조율해 실행합니다.
- 05
실제 결과를 검토합니다.
실제 결과를 검토합니다.
일이 이루어지는 과정 더 보기
실제로 일어난 프로세스 읽기
보험사가 청구 절차를 꼼꼼하게 설계해 둬도 실제 청구 건은 저마다 다른 경로로 처리됩니다. 소매업체에도 표준 주문 프로세스가 있지만, 재고 확인·피킹·고객 수령 단계에서 부서 간 지연이 생깁니다. Celonis는 이런 업무가 남긴 디지털 흔적을 모아 누구나 함께 볼 수 있는 운영 현황으로 만듭니다. 출발점은 프로세스 마이닝입니다. 업무 시스템에 기록된 이벤트에는 프로세스가 실제로 어떻게 돌아가는지, 어떤 단계가 반복되고 어디서 원래 경로를 벗어나는지가 그대로 남아 있습니다. 객체 중심 분석은 여기에 주문, 송장 같은 업무 객체 사이의 관계를 더합니다. 덕분에 한 부서의 행동이 다른 곳에 어떤 결과를 낳는지 함께 볼 수 있습니다. Signet은 Celonis를 기업의 시스템과 의사결정 사이에서 실제로 쓸 수 있는 운영 모델을 제공하는 회사로 봅니다. 대시보드로는 목표를 놓쳤다는 사실만 알 수 있지만, 프로세스 관점에서는 어떤 순서가 그 결과를 낳았고 누가 그 순서를 바꿀 수 있는지까지 따집니다. 한국에서 Celonis 입사를 고려한다면 이 차이를 알아야 합니다. 고객의 사업, 그 사업을 나타내는 데이터, 현장 운영자가 실제로 고를 수 있는 선택지를 함께 이해해야 하는 일이기 때문입니다.
관찰에서 통제된 변경으로
기한이 지난 매출채권을 조사하는 재무팀을 예로 들어 보겠습니다. 팀은 관련 업무 데이터를 연결하고, 어떤 이벤트와 객체가 송장 한 건에 해당하는지 확인한 뒤, 여러 시스템에 걸친 업무를 따라가는 뷰를 만듭니다. 분석가는 늦어진 송장을 모두 같은 문제로 보지 않고, 경로를 비교해 반복되는 지연을 찾습니다. 프로세스 분석은 패턴을 드러내고, 프로세스 관리는 합의된 향후 절차를 정의하며, 오케스트레이션은 그 절차를 사람, 에이전트, 기존 애플리케이션과 연계합니다. 업무 책임자는 어떤 예외를 사람이 검토하고 어떤 반복 단계를 자동화할지 정할 수 있습니다. Celonis의 개인정보 가이드도 데이터 선택을 업무의 일부로 다룹니다. 개인 사용자를 식별하지 않고도 프로세스 분석을 설정할 수 있는 경우가 많습니다. Signet은 지원자에게 개선 사례 하나를 처음의 사업 질문부터 측정된 운영 변화까지 따라가며 설명해 보라고 권합니다. 지연을 어떻게 정의했는지, 입력 데이터는 믿을 만했는지, 누가 조치를 승인했는지, 후속 측정은 무엇이었는지가 좋은 근거가 됩니다. 플랫폼이 지원하는 업무 흐름의 예시일 뿐, 특정 고객의 성과를 주장하는 것은 아닙니다.
AI에게 운영 맥락 제공하기
AI의 등장으로 업무를 바꾸기 전에 프로세스를 이해해야 할 이유가 하나 더 생겼습니다. 기록 하나만 본 에이전트는 관련 주문, 고객과의 약속, 결정을 제한하는 업무 규칙을 모른 채 조치를 제안할 수 있습니다. Celonis Context Model은 프로세스 데이터와 업무 지식을 결합해, 에이전트가 더 완전한 운영 현황을 바탕으로 판단하게 합니다. Data Core는 원천 데이터 접근을 맡습니다. 데이터를 추출하는 방식과, 지원되는 경우 복사하지 않고 바로 연결하는 제로 카피 방식이 있습니다. Analyze, Design, Operate는 각각 다른 일을 합니다. 현재 업무 방식을 분석하고, 더 나은 절차를 정의하고, 실행을 조율합니다. Signet은 이를 프로세스 마이닝이 처음부터 풀던 문제의 연장선으로 봅니다. 다만 소프트웨어가 직접 실행할 수 있게 되면서 맥락의 신뢰도가 훨씬 중요해졌습니다. 이 방식을 검토하는 한국 기업이라면 범위가 정해진 업무 흐름 하나와 책임자부터 정한 뒤, 에이전트가 쓸 수 있는 정보와 사람의 승인이 필요한 결정을 구분하면 됩니다. 플랫폼이 데이터 품질이나 업무 정책에 대한 고객의 판단을 대신해 주지는 않습니다. 다만 그 판단을 동료와 AI가 함께 쓰는 운영 모델 안에 담아 줍니다.
제품과 고객을 더 깊이 알아보기
데이터와 업무 의미를 함께 다루는 하나의 플랫폼
Celonis Platform은 기반 데이터 인프라, Context Model, 그리고 프로세스를 분석·설계·운영하는 화면을 하나로 묶습니다. 구매자는 여러 부서에 걸친 사업 성과를 개선하려는 기업이고, 분석가, 업무 책임자, 기술팀은 플랫폼의 서로 다른 영역에서 일합니다. Data Core가 원천 데이터를 연결하면, 맥락 계층이 여기에 객체, 관계, 업무 지식을 더합니다. 어떤 정보를 모델에 넣을지는 해결하려는 운영 과제에 따라 정해집니다. 송장, 주문, 배송을 연결해야 할 수도 있지만, 관련 업무 규칙은 여전히 고객이 정의해야 합니다. Signet이라면 이 방식을 고객이 이미 쓰는 BI 보고서, 수작업 프로세스 매핑, 별도 자동화 도구와 비교하겠습니다. 비교는 구축과 거버넌스를 포함한 개선 업무 전체를 기준으로 해야 합니다. 공식 미디어 키트 화면은 Celonis 플랫폼 안의 매출채권 실행 앱입니다. 특정 재무 프로세스를 다룬 실제 제품 화면으로, 사용자가 어떤 운영 화면에서 일하는지 알 수 있습니다. 플랫폼 전체의 방향은 현재 Context Model 구조에서 확인할 수 있습니다.
서로 다른 질문에 답하는 분석, 설계, 운영
Analyze는 프로세스가 어떻게 돌아가고 어디서 가치가 새는지 찾는 도구입니다. Process Explorer로 연결된 객체와 이벤트를 살펴보고, 준수 분석으로 실제 업무가 의도한 모델과 얼마나 다른지 비교합니다. Design은 향후 프로세스를 정의하고, 직원들이 따라야 할 절차를 공유하는 도구입니다. 과거 업무를 관찰하는 일과는 성격이 다릅니다. 제안된 경로 자체가 앞으로의 업무에 대한 결정이기 때문입니다. Operate는 사람, 에이전트, 기존 시스템 간 활동을 조율합니다. Action Flows와 앱 연동으로 선택한 단계를 실제 실행에 옮기고, 오케스트레이션이 그 주변 통제를 맡습니다. Signet은 이 단계들 사이의 인계가 분명한지 살펴봅니다. 분석가가 찾은 문제에는 변경을 받아들일 책임자가 있어야 하고, 실행한 변경에는 나중에 확인할 측정 기준이 있어야 합니다. 제품·기술 지원자라면 반복되는 예외 하나를 발견부터 절차 재설계, 모니터링되는 조치까지 따라간 사례를 준비해 보세요. 정상 경로만으로는 운영 안정성을 보여 줄 수 없으니, 팀이 예외 상황을 어떻게 처리했는지도 설명해 보세요.
프로세스 뷰로 고객 업무를 개선한 소매업체
IKEA 최대 운영사인 Ingka Group은 주문-수금 프로세스에 프로세스 인텔리전스를 적용했고, 이 사례는 실명으로 공개돼 있습니다. 공개된 고객 사례에 따르면 매우 많은 판매 주문과 그 안의 수많은 프로세스 경로를 분석했습니다. 실제 과제는 클릭 앤 컬렉트(온라인 주문 후 매장 수령)를 포함한 주문 처리 전반의 고객 경험이었습니다. 팀은 프로세스 뷰로 눈앞의 증상 너머에 있는 원인을 찾고, 운영 방식을 바꾸고, 그 조치가 다른 곳에 새 문제를 만들지 않았는지 확인했습니다. Signet은 이 사례를 부서를 넘나드는 책임 구조의 좋은 예로 봅니다. 고객에게는 주문 한 건이지만, 내부 업무는 여러 팀을 거칩니다. 지원자도 비슷한 사례를 준비할 수 있습니다. 고객에게 한 약속을 정의하고, 그 약속을 나타내는 이벤트를 찾고, 운영 부서 동료들이 분석 결과를 어떻게 실행에 옮겼는지 보여 주세요. Celonis의 Value Engineering 팀 소개를 보면 이 일이 영업과 바로 이어진다는 점이 분명합니다. Value Engineer는 구매 전 탐색과 비즈니스 케이스 작성부터 성과 실현, 재계약, 확대까지 고객 여정 전반에 참여합니다. 그래서 기술 분석에도 사업적 설명과 믿을 만한 성과 측정 방법이 함께 필요합니다. 이 소매 사례는 회사가 공개한 고객 사례이며, 해당 운영 범위 안에서만 유효합니다.
이야기는 숫자로도 남습니다.
날짜별 관측
USD · billion과거 포스트머니 기업가치
약 130억 달러
날짜가 있는 지분 투자 당시 약 130억 달러이며, 매출이나 신용 한도가 아닙니다.
수치와 기준일 확인하기 ＋
| 기준일 | 수치 | 집계 기준 |
|---|---|---|
| 2022-08-23 | 약 130억 달러 | 시리즈 D 연장 라운드의 대략적인 포스트머니 기업가치 |
Celonis
10억 달러 지분 투자 유치
포스트머니 기업가치가 110억 달러를 넘었습니다.
지분 투자 연장 라운드와 별도 신용 한도
포스트머니 기업가치 약 130억 달러에 4억 달러 지분 투자를 유치했습니다. 신용 한도는 별도입니다.
성장의 맥락 더 읽기
기업 고객과 장기간 이어지는 소프트웨어 계약
Celonis의 공개 약관은 약정 기간 동안 지원과 업그레이드가 포함된 클라우드 소프트웨어 구독을 설명합니다. 고객은 구축이나 설정 같은 전문 서비스도 별도로 구매할 수 있습니다. Signet은 이 사업 모델을, 고객이 개선하려는 프로세스와 운영 성과에 따라 계약 범위가 정해지는 기업용 소프트웨어 거래로 봅니다. 구매 기업에는 소프트웨어와 함께 데이터 접근, 기술 설정, 업무 책임자가 필요합니다. Value Engineering은 이 요건들을 비즈니스 케이스로 정리하고, 나중에 기대한 가치가 실제로 실현됐는지 확인합니다. 영업, 엔지니어링, 고객 담당 직무 지원자라면 소프트웨어와 서비스의 차이를 알아야 합니다. 플랫폼 계약은 사용 권한과 정해진 서비스 범위를 약속할 뿐이고, 실제 개선은 고객 조직 안의 결정에 달려 있습니다. 그래서 재계약 논의에서는 계속 사용 여부와 함께, 구축이 실질적인 결과를 냈다는 근거도 다룹니다. 사용 범위가 넓어지면 계약 규모도 커질 수 있지만, 고객 절감액 차트는 공급사 매출과 다른 지표입니다. Signet은 회사의 성장을 보거나 지원자의 영업 사례를 평가할 때 이 둘을 섞지 않습니다.
과거 투자 거래를 정확하게 읽기
2022년 8월 Celonis는 지분 투자와 신용 한도로 구성된 추가 자금 조달을 발표했습니다. 지분 투자는 4억 달러 규모의 시리즈 D 연장 라운드로, 포스트머니 기업가치는 약 130억 달러였습니다. 함께 발표한 5억 달러 신용 한도는 최대 6억 달러까지 늘릴 수 있으며 만기는 5년입니다. 앞서 2021년 6월에는 포스트머니 기업가치 110억 달러 이상에 10억 달러 지분 투자를 유치했다고 발표했습니다. 두 건은 시점, 금융 수단, 목적이 다른 투자 거래입니다. Signet은 2022년 8월 기업가치를 차트에 과거 기록으로 표시하고, 신용 한도는 지분 투자액에 포함하지 않았습니다. 이 수치로는 당시 거래에서 투자자가 평가한 규모만 알 수 있습니다. 현재 사업을 평가하려면 제품 도입, 재계약 추이, 실제 고객 성과를 봐야 합니다. 사업을 이야기하는 지원자라면 투자 자본과 매출을, 또 고객이 수치로 얻은 가치와 Celonis 자체 매출을 구분할 수 있어야 합니다. 비즈니스 케이스 안에서도 마찬가지입니다. 아직 남아 있는 개선 기회와 이미 실현된 금액은 서로 다른 상태이며, 각각 별도의 근거가 필요합니다.
연동과 통제에 달린 성과 실현
회사의 제품·신뢰 관련 자료를 보면 실무상 위험이 세 가지 있습니다. 첫째, 프로세스 모델은 원천 데이터가 얼마나 넓고 정확한지에 달려 있습니다. 관계 하나가 빠지거나 이벤트를 잘못 정의하면 엉뚱한 원인을 조사하게 될 수 있습니다. 둘째, AI 기반 실행에는 믿을 만한 규칙, 보안, 책임 체계가 필요합니다. 에이전트가 요약을 넘어 직접 조치할 수 있다면 더욱 그렇습니다. 셋째, 기업의 프로세스·작업 데이터에는 개인정보 보호 의무가 따르므로 데이터 선택, 접근 통제, 적절한 배포 환경으로 관리해야 합니다. Celonis가 직접 설명한 운영상 제약을 Signet이 정리한 것으로, 공식 재무 위험 공시는 아닙니다. 이 제약들은 구축 서비스와 고객 전문성이 왜 사업 모델의 일부인지도 설명합니다. 소프트웨어 구매는 시작일 뿐이고, 어떤 데이터를 쓰고 누가 변경을 승인할지 정해야 실제로 작동합니다. 지원자라면 개선 성과와 함께, 그 성과를 믿을 수 있게 지켜 준 통제 장치까지 담은 사례를 준비해 보세요. 앞으로 1년간 Signet은 AI 활용이 넓어져도 고객의 실제 시스템 안에서 추적 가능한 결정과 측정 가능한 결과가 나오는지 지켜볼 것입니다.
누군가는 먼저 보았습니다.
Co-Founder & Co-CEO
Alexander Rinke
2011년 Celonis를 공동 창업했습니다.
회사를 만든 선택 ＋
제품, AI, IT, 보안 전략을 맡습니다.
Co-Founder & Co-CEO
Bastian Nominacher
2011년 Celonis를 공동 창업했습니다.
회사를 만든 선택 ＋
글로벌 영업과 경영지원 조직을 맡습니다.
Co-Founder & CTO
Martin Klenk
2011년 Celonis를 공동 창업했습니다.
회사를 만든 선택 ＋
기술 로드맵과 소프트웨어 아키텍처를 맡습니다.
“서울 사무소는 한국 기업이 AI 투자를 운영 개선에 잇도록 돕겠다는 약속입니다.”
Bastian Nominacher · Korean headquarters announced November11,2025 · 2025-11-11
회사를 만든 결정들
프로세스 연구를 소프트웨어로 만든 세 창업자
Alexander Rinke, Bastian Nominacher, Martin Klenk는 2011년 Celonis를 공동 창업했습니다. 회사 설명에 따르면 바이에른의 한 방송사가 겪던 IT 서비스 문제를 대학에서 연구한 데서 출발했고, 이후 이 새로운 방식을 기존 기업에 판매하기 시작했습니다. 현재 공개된 경영진 소개를 보면 세 창업자의 역할이 나뉘어 있습니다. Rinke는 공동 CEO로 제품, AI, IT, 보안 전반의 전략을 맡습니다. Nominacher는 공동 CEO로 글로벌 영업과 경영지원 조직을 맡습니다. Klenk는 CTO로 기술 로드맵과 소프트웨어 아키텍처를 책임집니다. Signet은 이 역할 분담을 연구, 실제로 쓰이는 제품, 기업의 구매 결정을 하나로 엮는 구조로 봅니다. 창업 아이디어는 고객이 데이터를 연동하고 운영 프로세스를 바꿀 수 있을 때 비로소 가치가 됩니다. 지원자에게 중요한 질문은 이 역할들이 구체적인 결정 하나에서 어떻게 맞물리느냐입니다. 제품 개선 하나가 기술 모델, 고객 시연, 효과 설명 방식을 모두 바꿀 수 있습니다. 공개 직함으로 역할 분담은 알 수 있지만, 실제 협업 방식은 팀과 직무에 따라 다릅니다.
AI 전략의 핵심, 결정의 질을 좌우하는 맥락
현재 미디어 키트는 Carsten Thoma를 Executive Chairman 겸 President로 소개합니다. 2026년 5월 Context Model 발표는 Thoma가 이끄는 방향을 'AI에는 기업이 실제로 어떻게 운영되는지 담은, 계속 갱신되는 모델이 필요하다'는 주장으로 설명합니다. 발표된 Ikigai Labs 인수 계획은 구조화 데이터와 시계열 분야의 전문성을 바탕으로 이 방향에 계획, 시뮬레이션, 예측 기능을 더합니다. 발표에서 Devavrat Shah는 Ikigai 공동 창업자이자 MIT 석좌교수, Celonis의 Chief Scientist for Enterprise AI로 소개됐습니다. 이 발표들로 제품 전략을 누가 이끄는지 알 수 있습니다. 다만 인수는 발표 당시 아직 계약 단계였습니다. Signet은 이 전략이 실제로 어떤 결정을 가능하게 하는지를 기준으로 평가합니다. 에이전트가 왜 그 조치를 했는지 팀이 설명하고, 미래 시나리오를 시험하고, 실행을 제한하는 업무상 안전장치를 유지할 수 있는지가 기준입니다. 더 나은 맥락은 이런 운영 판단을 개선할 때 가치가 있습니다. 데이터 분석과 사업 정책이 먼저 일치해야 조치가 허용됐던 실제 사례를 준비해 보세요. 불확실했던 점, 선택한 규칙, 결과를 검토한 근거를 밝히면 됩니다.
일하는 기준이 된 고객 가치
Celonis 채용 페이지는 책임감과 고객 성과를 회사의 가치로 내세웁니다. Value Engineering 팀 소개를 보면 이 말이 실제 업무에서 무엇을 뜻하는지 알 수 있습니다. 기술 직군 동료가 고객의 사업상 필요를 찾고, 기회를 수치로 산정하고, 성과가 실현될 때까지 고객과 함께 일합니다. 회사는 팀워크, 학습, 포용적인 참여도 강조하고, 행동 강령에서 책임 있는 AI, 보안, 정보 처리에 대한 기준을 정합니다. Signet은 이 회사에 지원한다면 문화 구호보다 기술적 결과를 고객 성과로 연결한 결정 사례를 준비하라고 권합니다. 예를 들어 예상 절감액과 실제 확인된 절감액을 어떻게 구분했고, 업무 책임자의 동의를 어떻게 얻었는지 보여 줄 수 있습니다. 개인정보나 안정성 문제 때문에 매력적인 자동화 아이디어의 범위를 좁혀야 했던 사례도 좋습니다. 공개된 복리후생 페이지는 하이브리드 근무와 지역별 복지를 소개하므로, 근무 조건은 해당 공고와 함께 확인해야 합니다. 이런 전사 차원의 설명은 협업을 이야기할 때 좋은 배경이지만, 한국 사무소의 보고 체계나 개별 채용 조건까지 알려 주지는 않습니다.
한국 기업 프로젝트를 기반으로 연 서울 사무소
삼성화재는 Celonis가 2024년 9월 19일 발표한 기업 협력 확대 사례에 등장하는 한국 고객입니다. 발표에 따르면 6개월 시범 프로젝트에서 자동차보험 청구 프로세스를 개별 활동 170개 단위로 시각화했습니다. 이후 삼성화재는 협력을 넓히고, 프로세스 뷰로 비효율을 찾아 개선 과제에 착수했습니다. 발표가 밝힌 성과는 프로세스 투명성과 개선 우선순위를 정할 근거이며, 한국 보험사 전체에 적용되는 절감률이 아닙니다. Signet은 보험금 청구 업무가 데이터, 내부 인계, 안정적인 서비스를 바라는 고객의 요구가 함께 얽혀 있어 특히 의미 있는 한국 사례라고 봅니다. 영업이나 기술 고객 업무를 준비한다면 비슷한 규제 산업 프로세스를 범위를 분명히 해서 설명해 보세요. 분석에 무엇이 포함됐는지, 어떤 업무 책임자가 결과를 검토했는지, 개선안을 어떻게 골랐는지를 밝히면 됩니다. 설득력 있는 사례는 측정된 프로세스 관찰과 실제로 실행한 변경의 효과를 구분합니다. 그래야 고객은 제안을 신뢰하고, 구축팀은 검증 가능한 목표를 갖게 됩니다. 이 사례를 보면 시범 프로젝트가 더 큰 기업 계약으로 가는 중요한 다리가 될 수 있다는 점도 알 수 있습니다.
날짜를 확인한 공식 발표의 현지 기업 관계입니다.
왜 한국이고, 왜 지금일까요?＋
제조·금융 업무 개선을 현지 구매자와 파트너에 연결합니다.
삼성화재 협력 확대
6개월 시범 프로젝트 이후 전사 차원의 협력으로 확대됐습니다.
서울에 한국 본사 개설 발표
강남 파르나스타워 사무소에서 한국 기업 고객을 지원합니다.
한국에서의 기회 자세히 보기
한국 기업 프로젝트를 기반으로 연 서울 사무소
Celonis는 2025년 11월 11일 서울 강남 파르나스타워에 한국 본사를 연다고 발표했습니다. 발표는 한국 진출 배경으로 AI 투자에서 실질적인 성과를 원하는 제조·금융 기업을 꼽습니다. 발표에서 Jay Chun은 Celonis Korea Managing Director로 소개됐고, KPMG, 유클릭(UClick) 등 글로벌·국내 파트너와의 협력도 언급됐습니다. 앞선 2024년 9월 발표에는 Chun Hyunjae가 Korea Country Manager로 나옵니다. 이름 표기와 직함이 발표마다 다르므로, 각 발표 시점의 정보로만 보는 것이 맞습니다. Signet은 이번 사무소 개설을 한국 고객을 중심으로 한 기업 관계, 현지 협업, 구축 역량에 대한 투자로 봅니다. 핵심 업무는 고객사의 업무 책임자와, 실제 변화를 만들어 낼 기술 동료·파트너를 연결하는 일입니다. 사무소 위치만으로는 운영 방식을 알 수 없습니다. 더 확실한 근거는 구체적인 프로젝트, 그 프로젝트가 다룬 데이터와 부서, 시범 사업이 더 큰 사업 결정으로 이어진 과정입니다. 앞으로 한국 기회를 평가할 때도 유용한 관점입니다.
보험금 청구 시범 프로젝트를 확대한 삼성화재
삼성화재는 Celonis가 2024년 9월 19일 발표한 기업 협력 확대 사례에 등장하는 한국 고객입니다. 발표에 따르면 6개월 시범 프로젝트에서 자동차보험 청구 프로세스를 개별 활동 170개 단위로 시각화했습니다. 이후 삼성화재는 협력을 넓히고, 프로세스 뷰로 비효율을 찾아 개선 과제에 착수했습니다. 발표가 밝힌 성과는 프로세스 투명성과 개선 우선순위를 정할 근거이며, 한국 보험사 전체에 적용되는 절감률이 아닙니다. Signet은 보험금 청구 업무가 데이터, 내부 인계, 안정적인 서비스를 바라는 고객의 요구가 함께 얽혀 있어 특히 의미 있는 한국 사례라고 봅니다. 영업이나 기술 고객 업무를 준비한다면 비슷한 규제 산업 프로세스를 범위를 분명히 해서 설명해 보세요. 분석에 무엇이 포함됐는지, 어떤 업무 책임자가 결과를 검토했는지, 개선안을 어떻게 골랐는지를 밝히면 됩니다. 설득력 있는 사례는 측정된 프로세스 관찰과 실제로 실행한 변경의 효과를 구분합니다. 그래야 고객은 제안을 신뢰하고, 구축팀은 검증 가능한 목표를 갖게 됩니다. 이 사례를 보면 시범 프로젝트가 더 큰 기업 계약으로 가는 중요한 다리가 될 수 있다는 점도 알 수 있습니다.
현재 채용 공고를 확인하며 업무 준비하기
2026년 10월 10일 기준 Celonis 공식 채용 페이지와 연결된 공개 채용 목록에는 226개 공고가 있었습니다. 확인한 공고 중 이 목록이나 공개 Greenhouse 게시판에서 근무지를 한국이나 서울로 명시한 것은 없었습니다. 그래서 직무 목록은 회사가 현재 표시한 근무지를 그대로 따릅니다. 예전 Principal Value Engineer 공고는 과거 기록으로 보고 현재 공고에서 제외했습니다. 그래도 회사가 공개한 Value Engineering 업무를 살펴보며 앞으로의 기회를 준비할 수 있습니다. 이 팀은 고객 여정 전반에서 탐색, 기술 시연, 비즈니스 케이스 작성, 성과 실현을 지원합니다. Signet은 구체적인 사례 세 가지를 준비해 보라고 권합니다. 프로세스 문제를 사업 질문으로 바꾼 사례, 데이터 품질을 확인한 기술 분석 사례, 가치 측정 방법에 합의한 개선 사례입니다. 한국 고객 사례라면 업무 책임자, IT, 파트너 사이의 소통도 보여 주세요. 공개된 팀 소개를 바탕으로 한 준비 제안입니다. 어느 공고에 지원할지, 근무지와 조건이 무엇인지는 현재 채용 페이지를 기준으로 판단하세요.
한국 공고
지금 확인된 한국 공고가 없습니다. 회사 이야기는 계속 살펴볼 수 있습니다.
이 회사의 해외 공고 보기 →다음 장면은 만들어지고 있습니다.
AWS 연동 확대
2026년 5월 11일 Celonis는 AWS와의 협력 확대를 발표했습니다. 지원되는 카탈로그 연결로 Amazon S3의 데이터를 복사하지 않고(제로 카피) 바로 활용하는 방식입니다. Data Core와 Iceberg REST Catalog 규격으로 이 데이터를 프로세스 모델에 연결하고, 프로세스 모델은 Amazon Bedrock으로 만든 에이전트에 판단 근거를 제공할 수 있습니다. Signet은 이를 데이터 이동은 줄이면서 고객 환경 전반의 운영 현황은 유지하려는 시도로 봅니다. 이 발표는 제품 연동에 관한 내용이며, 실제 구축 요건은 고객의 설정에 따라 달라집니다. 지켜볼 점은 데이터가 계속 규정에 맞게 관리되는지, 사업 결정을 설명하기가 더 쉬워지는지입니다. 이번 협력으로 회사의 AI 맥락 전략이 인프라 계층까지 이어집니다.
Context Model 출시와 Ikigai 인수 계약
2026년 5월 12일 Celonis Context Model 출시로 맥락 계층이 플랫폼 AI 전략의 중심이 됐습니다. 프로세스 데이터와 업무 지식으로 실제 운영을 계속 갱신되는 모델로 표현하고, 발표된 Ikigai 인수 계약은 계획, 시뮬레이션, 예측 역량을 더할 예정입니다. 발표 당시 인수는 거래 종결 절차를 남겨 둔 계약 단계였습니다. Signet이 다음으로 볼 점은 의사결정 인텔리전스가 실제 고객 업무 흐름에 어떻게 녹아드느냐입니다. 관건은 믿을 만한 맥락과 분명한 안전장치를 갖추고 측정 가능한 결과를 내는 조치가 실제로 나오느냐입니다. 운영을 더 정밀하게 표현해도, 고객사 운영 담당자가 이를 활용해 더 나은 결정을 내릴 때만 사업적 의미가 있습니다.
한국 본사 발표
다음 질문은 이 제품 방향이 고객의 실제 운영 업무에서 어떻게 드러나느냐입니다. 서울 사무소 발표에서는 한국 기업 환경을, 앞서 소개한 삼성화재 사례에서는 시범 분석에서 협력 확대로 이어진 구체적인 경로를 확인할 수 있습니다. 앞으로 1년 동안 Signet이 지켜볼 신호는 세 가지입니다. 데이터 신뢰성을 유지하는 연동, 실제 성과를 측정할 수 있는 프로세스 개선, 승인·검토 책임이 분명한 AI 조치입니다. 이 신호들은 제품 사용과 고객 가치에 관한 것이며, 투자 차트는 과거 투자 거래를 나타낼 뿐입니다. 이 회사를 고려한다면 고객 업무 흐름 하나를 골라 깊이 살펴보고, 그 사업적 변화를 기술적으로 설득력 있게 설명할 준비를 해 보세요.
최근 움직임의 맥락 더 읽기
기존 클라우드 데이터를 운영 맥락으로 활용
2026년 5월 11일 Celonis는 AWS와의 협력 확대를 발표했습니다. 지원되는 카탈로그 연결로 Amazon S3의 데이터를 복사하지 않고(제로 카피) 바로 활용하는 방식입니다. Data Core와 Iceberg REST Catalog 규격으로 이 데이터를 프로세스 모델에 연결하고, 프로세스 모델은 Amazon Bedrock으로 만든 에이전트에 판단 근거를 제공할 수 있습니다. Signet은 이를 데이터 이동은 줄이면서 고객 환경 전반의 운영 현황은 유지하려는 시도로 봅니다. 이 발표는 제품 연동에 관한 내용이며, 실제 구축 요건은 고객의 설정에 따라 달라집니다. 지켜볼 점은 데이터가 계속 규정에 맞게 관리되는지, 사업 결정을 설명하기가 더 쉬워지는지입니다. 이번 협력으로 회사의 AI 맥락 전략이 인프라 계층까지 이어집니다.
업무를 이해하는 AI를 위한 모델 출시
2026년 5월 12일 Celonis Context Model 출시로 맥락 계층이 플랫폼 AI 전략의 중심이 됐습니다. 프로세스 데이터와 업무 지식으로 실제 운영을 계속 갱신되는 모델로 표현하고, 발표된 Ikigai 인수 계약은 계획, 시뮬레이션, 예측 역량을 더할 예정입니다. 발표 당시 인수는 거래 종결 절차를 남겨 둔 계약 단계였습니다. Signet이 다음으로 볼 점은 의사결정 인텔리전스가 실제 고객 업무 흐름에 어떻게 녹아드느냐입니다. 관건은 믿을 만한 맥락과 분명한 안전장치를 갖추고 측정 가능한 결과를 내는 조치가 실제로 나오느냐입니다. 운영을 더 정밀하게 표현해도, 고객사 운영 담당자가 이를 활용해 더 나은 결정을 내릴 때만 사업적 의미가 있습니다.
기업 변화의 실제 결과 따라가기
다음 질문은 이 제품 방향이 고객의 실제 운영 업무에서 어떻게 드러나느냐입니다. 서울 사무소 발표에서는 한국 기업 환경을, 앞서 소개한 삼성화재 사례에서는 시범 분석에서 협력 확대로 이어진 구체적인 경로를 확인할 수 있습니다. 앞으로 1년 동안 Signet이 지켜볼 신호는 세 가지입니다. 데이터 신뢰성을 유지하는 연동, 실제 성과를 측정할 수 있는 프로세스 개선, 승인·검토 책임이 분명한 AI 조치입니다. 이 신호들은 제품 사용과 고객 가치에 관한 것이며, 투자 차트는 과거 투자 거래를 나타낼 뿐입니다. 이 회사를 고려한다면 고객 업무 흐름 하나를 골라 깊이 살펴보고, 그 사업적 변화를 기술적으로 설득력 있게 설명할 준비를 해 보세요.
알아 두면 좋은 것
Celonis, 이것만은 알아 두세요
Celonis는 무슨 일을 하나요?
보험사가 청구 절차를 꼼꼼하게 설계해 둬도 실제 청구 건은 저마다 다른 경로로 처리됩니다. 소매업체에도 표준 주문 프로세스가 있지만, 재고 확인·피킹·고객 수령 단계에서 부서 간 지연이 생깁니다. Celonis는 이런 업무가 남긴 디지털 흔적을 모아 누구나 함께 볼 수 있는 운영 현황으로 만듭니다. 출발점은 프로세스 마이닝입니다. 업무 시스템에 기록된 이벤트에는 프로세스가 실제로 어떻게 돌아가는지, 어떤 단계가 반복되고 어디서 원래 경로를 벗어나는지가 그대로 남아 있습니다. 객체 중심 분석은 여기에 주문, 송장 같은 업무 객체 사이의 관계를 더합니다. 덕분에 한 부서의 행동이 다른 곳에 어떤 결과를 낳는지 함께 볼 수 있습니다. Signet은 Celonis를 기업의 시스템과 의사결정 사이에서 실제로 쓸 수 있는 운영 모델을 제공하는 회사로 봅니다. 대시보드로는 목표를 놓쳤다는 사실만 알 수 있지만, 프로세스 관점에서는 어떤 순서가 그 결과를 낳았고 누가 그 순서를 바꿀 수 있는지까지 따집니다. 한국에서 Celonis 입사를 고려한다면 이 차이를 알아야 합니다. 고객의 사업, 그 사업을 나타내는 데이터, 현장 운영자가 실제로 고를 수 있는 선택지를 함께 이해해야 하는 일이기 때문입니다.
한국에는 어떤 기회가 있나요?
삼성화재는 Celonis가 2024년 9월 19일 발표한 기업 협력 확대 사례에 등장하는 한국 고객입니다. 발표에 따르면 6개월 시범 프로젝트에서 자동차보험 청구 프로세스를 개별 활동 170개 단위로 시각화했습니다. 이후 삼성화재는 협력을 넓히고, 프로세스 뷰로 비효율을 찾아 개선 과제에 착수했습니다. 발표가 밝힌 성과는 프로세스 투명성과 개선 우선순위를 정할 근거이며, 한국 보험사 전체에 적용되는 절감률이 아닙니다. Signet은 보험금 청구 업무가 데이터, 내부 인계, 안정적인 서비스를 바라는 고객의 요구가 함께 얽혀 있어 특히 의미 있는 한국 사례라고 봅니다. 영업이나 기술 고객 업무를 준비한다면 비슷한 규제 산업 프로세스를 범위를 분명히 해서 설명해 보세요. 분석에 무엇이 포함됐는지, 어떤 업무 책임자가 결과를 검토했는지, 개선안을 어떻게 골랐는지를 밝히면 됩니다. 설득력 있는 사례는 측정된 프로세스 관찰과 실제로 실행한 변경의 효과를 구분합니다. 그래야 고객은 제안을 신뢰하고, 구축팀은 검증 가능한 목표를 갖게 됩니다. 이 사례를 보면 시범 프로젝트가 더 큰 기업 계약으로 가는 중요한 다리가 될 수 있다는 점도 알 수 있습니다.
회사를 더 깊이 알아보려면 어떻게 하나요?
비전부터 제품, 성장, 사람, 한국 팀과 현재 공고까지 한 페이지에서 이어집니다. 목차로 원하는 곳으로 이동하고, 궁금한 부분은 펼쳐서 더 읽을 수 있습니다.