Why, what, and how financial services firms can be AI-First
생성형 AI 등장으로 금융권 66%가 AI 전략 수정, 65%는 2년 미만의 AI 프로그램 운영 중
생성형 AI가 금융권에서 인공지능을 후방 사무실(back-office)에서 전면으로 끌어내는 결정적 계기가 되었다. HFS 리서치와 글로벌 IT 서비스 및 컨설팅 기업 인포시스(Infosys)의 공동 연구에 따르면, 금융권 기업의 66%가 생성형 AI의 등장으로 자사의 AI 전략을 수정하고 개선했다고 응답했다. 금융 서비스 업계에서는 1970년대부터 알고리즘 거래, 사기 탐지, 로보 어드바이저, 위험 관리 등 다양한 형태로 AI를 활용해왔다. 그러나 이러한 응용은 주로 특정 부서나 기능에 한정되어 있었고, 전사적인 AI 프로그램과 전담 리더십이 있는 경우는 드물었다.
2022년 11월 ChatGPT3가 등장하고 빠르게 확산되면서 비즈니스 환경에 변화가 생겼다. 직원들이 자발적으로 이 기술을 업무에 활용하기 시작했고, 금융 기관들은 그 영향과 안전성, 가치에 대해 신속히 평가하고 관리해야 했다. 현재 금융 서비스 기업의 AI 프로그램 65%가 2년 미만의 역사를 가지고 있다는 점은 주목할 만하다. 이는 챗GPT와 같은 생성형 AI 기술이 기업 AI 프로그램의 공식화와 체계화에 얼마나 큰 영향을 미쳤는지 보여준다.
글로벌 전사적 AI 전략 보유 금융기관은 고작 12%, 나머지 88%는 분산 전략으로 효과 반감
금융 기관들이 AI에 대한 진지한 접근을 시작했지만, 적절한 방식으로 접근하지 않으면 통합되지 않은 결과를 얻을 위험이 있다. 조사에 따르면 금융 기업 중 단 12%만이 글로벌 전사적 AI 전략을 보유하고 있으며, 나머지 88%는 지역, 기능, 또는 사업부별로 분산된 전략을 가지고 있다. 글로벌 전사적 AI 전략을 갖춘 기관들은 주로 북미와 유럽에 기반을 둔 자산이 3,000억 달러 이상인 대형 금융 기관들이었다. 이러한 전사적 AI 전략이 중요한 이유는 AI 전략과 비즈니스 전략을 일치시키고, 전체 기업에 AI가 비즈니스 우선순위를 어떻게 지원하는지에 대한 지침을 제공하기 때문이다.
금융 기관의 AI 전략을 누가 정의하는지에 대한 질문에서, 전체 응답자의 79%가 다양한 기술 역할 중 IT 부서가 AI 전략을 수립한다고 답했다. 이는 기술 및 아키텍처 정의 관점에서는 이해할 수 있지만, 기업 AI 전략은 CEO, CFO, COO, CIO, 최고 위험 책임자(CRO) 등 핵심 C-레벨 임원진이 함께 정의해야 전체적인 비즈니스 목표와의 일치를 보장할 수 있다.
조사에서는 AI 최고 책임자(Chief AI Officer)라는 새로운 역할이 등장하고 있음도 주목할 만하다. 이들은 AI 전략, 실행, 거버넌스의 세부 사항을 담당하고, 통합된 AI 프로그램을 추진하는 핵심 통합자 역할을 하고 있다.
금융권 AI 투자 목표 65%가 생산성 중심, 수익 성장과 고객 경험 향상은 뒷전
금융 기관의 AI 전략이 분산되고 IT 주도로 정의되는 영향은 이미 실현되는 가치와 혜택에서 확인할 수 있다. 금융 기관 리더들에게 그들의 AI 투자에 대한 주요 목표가 무엇인지 물었을 때, 응답은 압도적으로 생산성(65%)을 중심으로 한 비용 절감에 초점이 맞춰져 있었다.
수익이나 자산 성장과 같은 상위 가치 창출이나, 고객 경험과 같은 이해관계자 가치는 거의 언급되지 않았다. 이는 AI 전략이 사일로(silos)에서 관리될 때, 책임이 최소 공통 분모 수준으로 밀려 내려가기 때문이다. 이로 인해 전체 비즈니스 전략과 의도적인 일치가 제한된 낮은 수준의 유스케이스와 문제 해결에 초점을 맞추게 된다.
호주-뉴질랜드의 한 주요 은행의 AI 플랫폼 책임자는 “우리 회사는 매우 지표 중심적이며 경쟁사들에 비해 비용-수입 비율을 개선하고자 한다. 생산성과 비용이 현재 AI 이니셔티브의 최우선 과제다. 우리는 비용 절감 효과를 제대로 실현하면 향후 수익과 자산 확대에 더 집중할 수 있는 기회가 생긴다고 믿는다”고 언급했다.
2025년 금융권 AI 예산 25% 증가 전망, 평균 기술 예산의 16%를 AI에 투자
2022년 말 ChatGPT3가 등장한 이후, 2023년은 “이게 뭐지?”라는 질문과 신중한 실험이 이루어진 한 해였고, 2024년은 “수많은 파일럿 프로젝트”의 해로, 금융 기관들이 제한된 예산으로 유스케이스를 실험하며 2025년을 위한 비즈니스 케이스를 구축했다. 전 세계적인 인플레이션과 금리 압력이 완화되기 시작하면서, 금융 기관들은 2025년에 AI 발전을 추진할 준비를 갖추고 있다. 금융 서비스 리더들에게 2025년 AI 예산을 어떻게 사용할 계획인지 질문했을 때, 데이터, 기술, 프로세스, 기술 등 네 가지 주요 범주 중 데이터 분야가 가장 큰 비중을 차지했다. AI를 지원하기 위한 데이터 현대화가 최우선 순위(58%)였고, AI 모델 개발 및 관리가 세 번째 위치(40%)를 차지했다.
금융 리더들은 2024년에 AI 비즈니스 케이스를 성공적으로 구축했다. 응답자들에 따르면, 금융 기관들은 2025년 기술 예산의 평균 16%를 AI에 할당할 것이며, 올해 AI 예산을 25% 증가시킬 것으로 예상된다. 이는 재량적 지출의 귀환을 강조한다. 5-7년의 변환 주기 시대는 지났다. 금융 기관들은 AI 투자에 대한 ROI를 평균 2년 내에 기대하고 있다. 많은 기초 투자가 이 기간 내에 완료되지 않을 수 있지만, 많은 AI 비즈니스 케이스는 1년차부터 가치 실현이 시작되어 점차 확대되도록 구축되고 있다.
AI 자금 조달의 주요 출처를 조사했을 때, 예상대로 IT 예산이 최상위(45%)를 차지했다. 이는 기초 투자에 초점을 맞추고 있기 때문이다. R&D 예산은 두 번째(21%)를 차지했고, 이어서 혁신 또는 특별 프로젝트(18%)가 뒤를 이었다.
금융권 AI 활용, 자본시장 중심에서 소매은행까지 확대… 데이터 분석과 마케팅이 최다 활용 사례
사업부 관점에서 보면, 자본 시장 도메인에 걸쳐 뚜렷한 집중이 이루어지고 있다. 자산 관리(46%), 투자 은행(43%), 자산 관리(36%)가 상위를 차지했다. 소매 은행은 먼 4위(26%)를 차지했는데, 이는 이러한 응답이 AI 이니셔티브의 다음 물결을 대표할 가능성이 높다는 점에서 중요하다. 소매 은행과 같은 사업부는 고객 셀프서비스 촉진, 사기 완화, 대출 처리 및 심사 가속화 등을 위해 수년간 AI의 형태를 활용해 왔다.
금융 리더들에게 AI의 주요 패턴 기반 사용에 대해 질문했을 때, 데이터 분석이 목록의 최상위(60%)를 차지했다. 이는 인간보다 깊이, 속도, 품질 면에서 명확한 계산 우수성을 지닌 최고의 낮은 과일이다. 이 범주는 사기 탐지, 신용 위험 평가, 자금 세탁 방지 거래 모니터링, 알고리즘 거래, 감정 분석 등 금융 기관에서 효과적으로 적용되는 많은 클래식한 AI 유스케이스를 포함한다.
대규모 언어 모델(LLM)이 생성형 AI의 등장을 주도하면서, 몇 가지 부상하는 별들도 좋은 평가를 받았다. 마케팅이 48%로 2위를 차지했는데, 생성형 AI는 세분화, 개인화, 맞춤형 콘텐츠 생성을 혁명화했다. 소프트웨어 개발 및 테스트는 43%의 금융 응답자가 주요 AI 유스케이스로 지목한 최고 성과자다. LLM은 대규모 코드 베이스에서 훈련을 받고 있으며, 이는 코드 변환, 레거시 코드 현대화 및 개선, 코드 리팩토링, 컨테이너화, 문서화, 품질 보증 등을 추진하는 데 도움이 된다.
금융권 AI 도입의 3대 장애물: 데이터 품질, 보안·개인정보 우려, 인재 부족
AI-First를 향한 여정에 있는 금융 기관들은 AI 전략과 투자로부터 가치를 창출하는 데 있어 세 가지 주요 과제에 직면해 있다. 데이터 품질과 접근성, 보안 및 개인정보 보호 우려, 그리고 인재다.
데이터 품질과 접근성 문제는 AI 투자의 최우선 영역인 데이터 현대화와 일치한다. AI는 데이터에 의해 구동되기 때문에 이는 놀라운 일이 아니다. 데이터 접근성 문제의 핵심은 사일로와 부서 간의 가용성으로, 은행들은 수년간 이 문제를 해결해 왔다. 이는 실시간 데이터, 다중 형식 데이터, AI 모델을 구동하기 위한 방대한 양의 데이터에 대한 증가하는 필요성으로 더욱 복잡해진다.
보안 및 개인정보 보호는 AI 발전에 있어 두 번째로 큰 과제다. 금융 기관들이 처리하는 민감한 개인 및 재정적 데이터의 광범위한 배열을 고려할 때, 데이터 프라이버시를 유지하고 암호화, 접근 제어, 위협 탐지 시스템을 포함한 강력한 사이버 보안 조치를 확보하는 것은 필수적이다.
인재는 세 번째 위치를 차지했는데, 금융 기관들은 AI 인재를 찾고, 훈련하고, 유지하는 것이 얼마나 어려운지 한탄하고 있다. 시티 최고 운영 책임자 사무실의 분석 및 프로세스 최적화 책임자인 벤 레이너는 “AI는 기술 분야가 아니다. 이는 프로세스 분야다. AI를 교육할 프로세스를 알지 못하면 효과가 없을 것이다. 우리는 AI를 설계할 때 프로세스 인재의 필요성을 과소평가했다”고 언급했다.
FAQ
Q: 금융권에서 생성형 AI는 어떤 변화를 가져왔나요?
A: 금융권 기업의 66%가 생성형 AI 등장 이후 자사의 AI 전략을 수정했습니다. ChatGPT3의 등장으로 많은 직원들이 자발적으로 이 기술을 업무에 활용하기 시작했고, 금융 기관들은 신속히 그 영향과 가치를 평가해야 했습니다. 현재 금융 서비스 기업의 AI 프로그램 65%가 2년 미만의 역사를 가지고 있을 정도로 생성형 AI는 기업 AI 전략의 공식화와 체계화에 큰 영향을 미쳤습니다.
Q: 금융기관들이 AI 전략을 수립할 때 가장 흔히 저지르는 실수는 무엇인가요?
A: 가장 큰 실수는 분산된 AI 전략을 유지하는 것입니다. 조사에 따르면 금융 기업 중 88%가 지역, 기능, 또는 사업부별로 분산된 AI 전략을 가지고 있습니다. 또한 79%의 기관에서 IT 부서만이 AI 전략을 수립하고 있어, 비즈니스 목표와의 연계가 부족합니다. 이로 인해 65%의 금융기관이 단순한 생산성 향상과 비용 절감에만 초점을 맞추고, 수익 성장이나 고객 경험 개선 같은 더 높은 가치 창출 기회를 놓치고 있습니다.
Q: 금융권에서 AI 도입의 주요 장애물은 무엇이며 어떻게 극복할 수 있나요?
A: 금융권의 AI 도입 주요 장애물은 데이터 품질과 접근성, 보안 및 개인정보 보호 우려, 그리고 인재 부족입니다. 이를 극복하기 위해 금융 기관들은 2025년 AI 예산의 상당 부분을 데이터 현대화(58%)에 투자할 계획입니다. 또한 전사적인 AI 전략 수립과 AI 최고 책임자(Chief AI Officer) 같은 새로운 역할을 도입하고 있습니다. 금융 기관들이 AI 투자에 대한 ROI를 평균 2년 내에 기대하고 있으므로, 단기적 성과와 장기적 가치 창출 사이의 균형이 중요합니다.
해당 기사에서 인용한 리포트 원문은 링크에서 확인할 수 있다.
이미지 출처: infosys
기사는 클로드와 챗GPT를 활용해 작성되었습니다.
관련 콘텐츠 더보기
