(결제혁명) 일본 물류 대기업 AZ-COM 마루와, 엔화 스테이블 코인 본격 채택

일본의 크립토혁신이 빠르게 진행되고 있습니다. 스테이블코인 법제화(2023년 엔화, 2026년 외화)에 이어 B2C 결제가 시행되고 이제는 대기업도 B2B 결제에 스테이블코인 사용을 하기 시작했습니다. 오늘은 일본 물류 대기업 AZ-COM 마루와(Maruwa)의 스테이블코인 채택 사례에 대해 알아보겠습니다. 한국도 개인의 편의성과 기업의 결제 혁신을 통해 경쟁력을 향상시킬 수 있도록 하루빨리 법제화가 되어야 하겠습니다.


출처: 일본 물류 대기업, 스테이블코인 채택

[블록덕 인사이트] 2,300개 하청 정산을 코인으로? 아마존 배송 물류사가 '엔화 스테이블코인'을 도입한 진짜 이유


지금까지 스테이블코인은 주로 크로스보더(국경 간) 해외 송금이나 환율 헤지 등 해외 가상자산 투자용으로만 여겨졌습니다. 하지만 최근 일본에서 스테이블코인이 기업 간(B2B) 공급망 정산이라는 가장 현실적인 실물 경제 영역에 적용한 실증 사례가 등장했습니다. 아마존재팬의 주요 배송을 담당하는 거대 물류 그룹 'AZ-COM 마루와(Maruwa)'가 약 2,300개 파트너사(하청업체 및 개인 화물기사)에 대한 대금 지급 수단으로 엔화 스테이블코인인 'JPYC'를 전면 도입한다는 소식입니다. 거대 물류기업은 왜 보수적인 은행망을 버리고 스테이블코인을 택했는지 기업 실무진(CFO, SCM, IT)이 반드시 짚어야 할 'B2B 결제 혁명'의 핵심 포인트를 리뷰합니다.

​

1. 2,300개 파트너 정산의 늪: 매월 '수천만 원'의 수수료 절감


물류, 유통처럼 수많은 하청 파트너사와 얽혀 있는 산업의 어려움 중 하나는 '정산 과정의 마찰 비용(Friction)'입니다. 마루와가 어떤 체인을 활용해 얼마의 비용을 아꼈는지 계산해 보면 답이 나옵니다. 또한 수수료 등 절감 비용 외 프로세스 간편화와 정산주기 단축도 큰 장점입니다.


  • 수수료 절감액의 진실: 일본의 타행 송금 수수료는 건당 약 300엔(약 2,700원) 수준입니다. 만약 기사님들의 자금난을 덜어주기 위해 2,300명에게 '주 1회(월 4회)' 대금을 정산한다면, 매월 약 276만 엔(약 2,500만 원), 연간 약 3억 원의 은행 수수료를 지불합니다.

  • 폴리곤(Polygon)과 아스타(Astar) 체인의 마법: JPYC는 이더리움 메인넷 외에도 수수료가 극도로 저렴한 폴리곤(Polygon)과 일본의 대표 퍼블릭 체인인 아스타(Astar) 네트워크 등을 적극 활용합니다. 이 고속도로(체인)를 타면 송금 수수료는 '건당 1엔 미만'으로 떨어집니다. 연간 3억 원 들던 수수료가 '연간 10만 원' 수준으로 줄어듭니다. 연간 3억원을 고스란히 아낄 수 있는 것입니다.

  • 현금 흐름 혁신: 수수료가 '제로'에 가까워지니 수수료에 대한 부담이 없어지고 기존 보름~두 달씩 걸리던 정산 주기를 오라클(배송 완료 데이터)과 연동하여 '당일 즉시 정산'으로 정산주기를 획기적으로 단축할 수 있게 되었고 기업에서는 프로세스 혁신을 가져오고 파트너사는 돈을 일찍 받으니 만족도가 올라갑니다.

​
2. [UX와 실생활] 기사님들은 '받은 코인'을 어떻게 쓸까?


가장 현실적인 의문은 이것입니다. "현장의 60대 트럭 기사님들이 메타마스크 지갑을 설치하고, 코인 가맹점을 찾아다닐 수 있을까?" 솔직히 어렵겠죠 ^^ 결론부터 말씀드리면, 기사님들은 본인이 블록체인을 쓴다는 사실조차 모릅니다. 철저한 '지갑 추상화(WaaS, Wallet as a Service)'와 '간접 연동' 덕분입니다.


  • 앱 내장형 보이지 않는 지갑: 기사님들은 기존 업무용 앱(배송 관리 앱)을 그대로 씁니다. 기업은 앱 뒷단에 API로 '보이지 않는 지갑'을 심습니다. 기사님 눈에는 그저 평소 쓰던 앱에 '내 정산금(JPYC 잔액)'이라는 포인트 탭이 하나 추가된 것으로만 보입니다.

  • 실생활 결제 (식대, 주유비 등): 앱에 쌓인 JPYC(코인)를 당장 길거리 편의점에서 코인으로 직접 결제하는 것은 무리입니다. 그래서 일본은 기존 웹2 페이 망에 코인을 태우는 우회로를 뚫었습니다. 기사님이 앱에서 '전환' 버튼을 누르면, 이 코인은 일본 국민 메신저 간편결제인 페이페이(PayPay) 잔액이나 비자(Visa) 선불카드(V-Preca) 충전금으로 1:1 교환됩니다. 기사님들은 고속도로 휴게소에서 평소처럼 페이페이 바코드를 찍어 우동을 먹고 주유소에서 비자카드로 기름을 넣습니다. 블록체인은 완벽히 뒤로 숨고, 편리한 실생활 페이가 가능합니다. (우리나라 원화 스테이블코인 법제화가 되고 발행이 된다면 네이버페이, 토스, 카카오페이 등에서 이와 같이 쓰는 방식이 되지 않을까 싶습니다.)

​

3. [ERP 적용] SAP과 블록체인의 결합 - 이건 사례에 대한 팩트는 아니고 제 생각입니다.


그렇다면 본사 재무팀은 매초 가격이 변하는 코인을 대기업의 무거운 메인 ERP(SAP 등)에 어떻게 기장할까요?

  • 1:1 페깅이 만든 마스터키: JPYC는 자금결제법에 따라 현금과 국채로 100% 준비금을 쌓아두는 '1엔=1코인'의 규제 준수형 스테이블코인입니다. 비트코인이나 달러 스테이블코인과 달리 일본기업에서는 가치 변동성이 0%이기 때문에 기존 포인트 정산 로직을 장부에 그대로 적용할 수 있습니다.

  • 이중 구조(Two-tier) 연동: 본사는 2,300건의 자잘한 실시간 정산을 자체 개발한 '프론트엔드 물류 정산 모듈(스마트 컨트랙트)'에서 고속으로 처리합니다. 그리고 하루에 한 번, 그 결과 데이터만 합산하여 메인 ERP의 재무회계(FI) 모듈로 '지급수수료' 및 '선급금 차감' 전표를 자동 기장(Batch Auto-posting) 형태로 넘깁니다. 기존 회계 시스템을 뜯어고치지 않아도 되지 않을까 싶습니다.

​

4. 실무진을 위한 Action Plan


이 사례는 스테이블코인이 '기업의 이익률을 높이고 결제 프로세스를 혁신하는 차세대 재무인프라'임을 보여줍니다. 국내 B2B 기업의 재무 및 IT 담당자는 향후 한국에서 법제화가 되면 적용할 수 있도록 아래 사항을 점검해 보시면 됩니다.

  • 마찰 비용(Friction) 진단: 현재 당사의 가맹점·하청업체 정산에서 발생하는 월간 은행 송금 수수료와 대사(Reconciliation) 인건비 산출
  • ERP API 연동 기획: 주거래 은행의 예금 토큰이나 원화 스테이블코인 도입 시, 당사 ERP 장부에 실시간으로 기장할 수 있는 API 연계 구조
  • UX 은닉화 전략: 파트너사에게 절대 웹3 용어(가스비, 메타마스크 등)를 노출하지 않고, 기존 자사 앱과 국내 간편결제(카카오페이/네이버페이 등) 연동을 통한 실생활 출구(Off-ramp) 구축 기획

댓글

댓글 쓰기

이 블로그의 인기 게시물

[블록덕 인사이트] 지식의 자본화 - '디지털 복리 시스템'이 1인 기업의 대차대조표를 바꾸는 원리

이미지
나이도 50이 넘고 회사생활도 25년 이상 하면서 오랜 시간 기업의 재무제표를 분석하고 한명 두명 자본가가 된 선후배들, 친구들을 보면서 얻은 생각이 하나 있다. 세상에서 가장 강력한 자산은 '스스로 증식하는 구조'를 가진 자산이라는 것이다. 아인슈타인이 그랬었나? 기억은 가물가물한데 복리는 세계 8대 불가사의 중 하나라고 하였다. 결국 부의 이루기 위해서는 복리가 적용되는 자산을 가져야 한다. (갑자기 한숨은 나오지만...워렌버핏도 자산의 99%를 50대 이후에 일구었다고 하니...)  우리는 흔히 주식이나 부동산 같은 실물 자산에서만 복리(Compound Interest)를 찾는다. 하지만 다가오는 웹3와 AI 시대에 개인이 확보할 수 있는 한가지가 더 있다면 바로 내 머릿속에 파편화된 경험과 지식을 데이터로 변환하여 축적하는 '디지털 복리 시스템(Digital Compound Interest System)'이다. 최근 실물 자산 토큰화(RWA)의 폭발적인 부상과 AI 기술의 경이적인 발전 속도 등 글로벌 IT·금융 시장은 전례 없는 패러다임의 변화를 겪고 있다. 이처럼 거대한 기술의 파도를 따라잡고 개인의 비즈니스를 방어하기 위해, 지적 자산을 시스템화하는 것은 이제 단순한 선택이 아니라 생존의 필수 조건이 되었다. 이 시스템은 단순한 기록장이나 일기장이 아니다. 개인의 지적 역량을 복리로 팽창시키고, 네트워크 효과를 통해 자산 가치를 무한대로 끌어올리는 정교한 1인 기업의 비즈니스 아키텍처다. 이 시스템이 어떻게 작동하는지 두 가지 핵심 메커니즘으로 해부해 본다. 1. 내부의 팽창: 지식의 디지털화가 만드는 '지적 역량의 복리 효과' 지식과 경험은 머릿속에 머물러 있을 때는 단기 기억이나 파편화된 노하우(단리)에 불과하다. 하지만 이를 글이나 구조화된 데이터(디지털화)로 전환하는 순간, 뇌는 기존의 지식과 새로운 지식을 강제로 연결하고 논리를 재조립하게 된다. 지식의 구조화: 예를 들어, 복잡한 회계 원칙이나...
자세한 내용 보기

스트래티지(MSTR) 새로운 대시보드 - 비트코인 본위제 재무제표 탄생

이미지
스트래티지의 회사 KPI 대시보드가 업데이트 되었습니다. KPI는 회사가 추구하는 것이 무엇인지 나탄는 것으로 이번 개편을 통해 많은 지표가 추가되었습니다. 그동안 비트코인 축적기업으로 비트코인 기업 1.0에서 비트코인 활용을 통한 기업가치 증대인 비트코인 기업 2.0으로 변화를 모색중인 스트래티지가 추구하는 방향이 무엇인지 잘 알 수가 있습니다. 이미 투자하신 분이나 투자를 고민하시는 분들께는 중요한 지표라 할 수 있겠습니다. (기업에서 재무업무 하시는 분들도 도움이 될 것 같습니다.) 개편된 대시보드는 단순히 "비트코인을 몇 개 가지고 있는가"를 보여주는 수준을 넘어, 우선주(Pref), Net Reserve, Amplification(증폭 배수), Duration(듀레이션) 등 월가의 초고도화된 신용 및 파생상품 지표들을 대거 전면에 배치했는데요, 어떠한 지표가 있는지 알아보겠습니다. 스트래티지 홈페이지/대시보드 (https://www.strategy.com/) 1. 자산 및 비트코인 예치액 (Asset & Reserves) 가장 먼저 눈에 띄는 것은 이들이 보유한 막대한 자산 규모와, 주주들의 몫인 '순자산'의 명확한 구분입니다. BTC (843,775개): 스트래티지가 현재 보유 중인 비트코인 총 수량입니다. Reserve ($57,206M): 현재 시세 기준, 보유한 비트코인의 총 평가액(약 572억 달러)입니다. Net Reserve ($34,988M) [NEW]: 비트코인 총자산에서 부채와 우선주 채무를 모두 차감한 '순 비트코인 자산 가치'(약 350억 달러)입니다. 실질적인 주주들의 자산 방어선입니다. USD Reserve ($3,225M): 부채 이자 지급 및 우선주 배당, 혹은 비트코인 추가 매집을 위해 예비로 들고 있는 현금(USD) 준비금입니다. 유동성 버퍼 역할을 합니다. ​ 2. 기업 가치 및 주가 수익률 (Valuation & Returns) 기업의 시가총액과 비트코...
자세한 내용 보기

기업에서의 AI, 어떻게 도입해야 하는가 - 모래성을 쌓지 말자 (back to the basic)

이미지
  요즘 기업에서 AI 도입에 한창이다...아니 모든 기업이 이제 AI를 쓰고있다고 봐야한다. 좋던 싫던 부분적이던 전체적이던 AI를 도입했으며 회사가 안했다면 개인이 제미나이던 챗지피티던 클로드던 하나는 다 쓰고 있다. 학생들도 다 쓰는데 직장인이 안쓰기는 어려울 것이다. 물론 안쓰고도 인정받고 회사를 잘 다닐 수 있다면 해피한 것일 수도 있다. 아무튼 많은 회사가 AI를 도입하고 있는데 괜한 우려인지는 모르겠으나 여러가지 생각이 들어 글을 써본다. ​ [블록덕 인사이트] 기업용 챗GPT를 샀는데 왜 답을 못 할까? : 모래성을 허물고 진짜 AI 최적화를 완성하는 길 ​ 최근 학교 동창이나 선후배들을 만나보면 (제가 산업공학을 전공해서 주위에 AI, 디지털, 혁신 관련 업무를 하는 사람들도 많고 나이가 있다보니 대부분 리더 역할을 많이 합니다) 많은 혁신 리더/경영진이 고민을 하는 것을 들어봅니다. "AI는 빨리 도입을 해야하고 시대는 하루가 다르게 변하고 있는데 보안이 강화된 기업용(Enterprise) 챗GPT나 코파일럿을 도입하는 것이 회사 AI 혁신이 아니냐"는 것입니다. 물론 틀린 말은 아니다. 반은 맞는 말이다. 그들도 다 알고는 있지만 ERP도 개선하고 프로세스도 기계가 할 수 있도록 정비하고 데이타도 모으고 학습시켜고 LLM 외 최적화 알고리즘도 고민해야 하고 FM대로 하려면 참 힘든 일이고, 현실적으로 3년 프로젝트 잡고 하기에는 사내공감대를 얻기도 쉽지 않을 것이다. ​ 하지만 막상 수억 원을 들여 시스템을 열어주고 "이번 주 최적 생산 스케줄을 짜줘" 혹은 "마진율을 극대화할 수 있는 물류 라우팅을 찾아줘"라고 질문하면, 언어모델 AI만 가지고는 침묵하거나 뜬구름 잡는 소리만 늘어놓게 될 것입니다. 왜 그럴까요? 기초적인 데이터 정합성과 최적화 알고리즘이라는 '지반' 없이, 화려한 LLM(거대언어모델)이라는 '모래성'만 쌓았기 때문입니다. 물론 언어모델이 커...
자세한 내용 보기