AI가 은행 산업의 판도를 바꾼다…생산성 35% 향상 전망

은행 및 자본시장(B&CM) 부문에서 인공지능(AI)은 더 이상 새로운 기술이 아니다. 트레이딩, 이상 거래 탐지 등 업무 분야에서 이미 수년 전부터 활용되어 왔다. 그러나 생성형 AI의 등장으로 다양한 업무 분야에서의 활용 가능성이 열리며, 인력 운영에 새로운 변화를 가져오고 있다.

딜로이트 글로벌 금융 서비스는 불확실한 거시경제 및 지정학적 상황에서 AI가 경쟁력을 강화하는 동시에 관리 가능한 가장 중요한 기회로 보고 있다. AI는 은행이 이전에 많은 직원을 필요로 했던 과제를 효과적으로 해결하는 데 도움을 주며, 동등한 처리 능력을 가진 직원을 고용하는 것보다 더 낮은 비용으로 방대한 추가 운영 능력을 제공한다.

중요한 점은 AI가 노동 시장에서 인간을 완전히 대체하는 것이 아니라는 점이다. AI는 인력을 보완하고 처리 능력과 품질을 향상시키는 역할을 한다. 인간 노동력의 역할은 자연스럽게 더 높은 수준으로 이동하여 설계 및 구상, 감독 및 예외 관리에 더 많은 집중을 하게 된다. 또한 인간의 감정 지능이 중요한 역할을 하는 고객 서비스에 더 많은 투자가 이루어질 것이다.

글로벌 금융기관들의 AI 활용 성과가 가시화되고 있다. JP모건 체이스는 AI 혁신 준비도 평가에서 2년 연속 1위를 차지했으며, AI 기능 확대를 위해 매년 10억 달러 이상을 투자할 계획이다. NatWest는 AI를 통해 영국 산업의 사기 비율을 19%에서 13%로 감소시켰으며, 특히 2019년 이후 계좌 개설 사기는 90%나 감소했다. 마스터카드는 브라이테리온 인수 후 신용카드 연체율을 32% 감축하는 성과를 거두었다.

투자은행 부문에서는 2026년까지 전반적으로 27%의 생산성 증가가 예상되며, 프런트 오피스 직원의 생산성은 최대 35%까지 향상될 것으로 전망된다. 씨티그룹은 생성형 AI를 활용하여 새로운 미국 자본 규제의 영향을 평가하고 있으며, 골드만삭스는 생성형 AI를 기업 운영에 통합하기 위한 여러 프로젝트를 진행 중이다. 모건 스탠리는 머신러닝을 활용하여 맞춤형 투자 제안과 ‘최적의 조치’를 고객에게 제안하고 있다.

블룸버그는 자사의 블룸버그GPT를 통해 사용자가 자연어를 이용해 복잡한 금융 데이터를 조회하고 상호작용할 수 있는 기능을 제공하며, AI 도입의 선도적 사례를 보여주고 있다.

AI 에이전트 모드와 효율성 향상

AI의 활용은 세 가지 주요 에이전트 모드를 통해 이루어진다:

1. 생산성 향상을 위한 개인 에이전트(10~20% 잠재력)는 임원 및 전문직을 위한 것으로, 인간의 감정 지능, 창의성, 전략적 계획 능력과 AI의 데이터 분석 및 콘텐츠 생성 능력을 결합한다.
2. 품질 개선을 위한 전문 에이전트(20~50% 잠재력)는 투자 관리자, 인수 담당자, 고객 관리자와 같은 전문가들의 업무를 지원하며, 인간의 관계 관리 능력과 AI의 인사이트 수집 및 분석 능력을 통합한다.
3. 비용절감을 위한 프로세스 혁신 에이전트(50~80% 잠재력)는 콜센터 직원, 지원 부서 등의 업무를 자동화하고 효율화하는데 중점을 둔다.

혁신에 성공한 은행들은 향후 5년 동안 영업이익경비율(CIR)을 5~15% 개선할 것으로 기대된다. AI의 활용은 은행 업무 효율성을 2~3년 내 5~7%, 5~7년 내에는 10~15% 끌어올릴 것으로 예상된다.

비용 절감 측면에서는 총 인건비를 최대 15% 절감할 수 있으며, IT 인력 비용은 10~20%, 손실 충당금은 10~15% 감소할 것으로 예측된다. 수익 성장 측면에서는 거래 수익이 5~7% 증가하고, 수수료 및 커미션이 1~2% 상승하며, 이자 수익과 수수료는 5~10%, 순이자 수익은 2~3% 증가할 것으로 전망된다.

핀테크 기업들은 AI 도입에서 독특한 실행상의 이점을 가지고 있다. 이들은 상대적으로 단순한 운영 모델을 가지고 있어 레거시 시스템과 프로세스의 제약을 덜 받는다. 또한 빠른 성장과 혁신을 중시하는 문화를 가지고 있으며, 높은 위험 감수 성향 덕분에 AI 기능을 고객에게 더 빨리 적용하고 업무 프로세스에 통합할 준비가 되어 있다. 다만, 이러한 빠른 실행 전에 적절한 경계와 위험 관리 인프라가 마련되지 않았다는 점에서 위험이 존재한다.

데이터 관리와 거버넌스의 중요성

AI 결과물의 품질은 입력 데이터와 콘텐츠의 품질에 직접적으로 연결된다. 대부분의 은행은 국제결제은행(BIS) 산하 바젤은행감독위원회(BCBS)가 제정한 리스크 관리 가이드라인(BCBS-239) 요구사항을 준수하기 위해 데이터 거버넌스 역량을 구축해왔다. 이를 통해 데이터 흐름, 소유권, 품질, 정의 및 모델링을 일정 수준 통제할 능력을 갖추게 되었다.

그러나 이러한 역량은 주로 세세한 데이터 속성에 적용되어 왔으며, 이제는 더 큰 데이터 세트를 관리할 수 있도록 발전해야 한다. 고객에게 영향을 미치는 AI의 결정은 투명성, 공정성, 합법성, 윤리성 및 안전성을 확보해야 하며, 이를 위해서는 강력한 거버넌스가 필요하다. 이는 정보의 추적 가능성을 보장하고 편향을 줄이는 데 중요한 역할을 한다.

생성형 AI는 방대한 출처 정보를 기반으로 숙련된 인간이 만들어낼 수 있는 결과물과 유사한 콘텐츠를 신속하게 생성하는 데 중점을 둔다. 이는 대량의 문서 요약, 의견 작성, 소프트웨어 코드 개발, 특정 사양에 맞춘 이미지/비디오 제작, 판매 프레젠테이션 준비, 데이터 품질 측정 규칙 정의 등 다양한 분야에서 활용된다.

생성형 AI는 단순한 텍스트 생성에 그치지 않는다. 하나의 양식을 입력으로 처리하고 다른 양식을 출력으로 생성해 다양한 ‘모달리티’의 콘텐츠를 처리할 수 있다. 소프트웨어 코드, 파워포인트 프레젠테이션, 3차원(3D) 모델 등 정교한 콘텐츠 결과물을 생성할 수 있으며, 이는 조직의 인력을 대규모로 보완할 수 있는 기회를 제공한다.

딜로이트 영국의 ‘디지털 소비자 트렌드 2023’ 보고서에 따르면, 사용자 약 3분의 1(32%)이 업무용으로 생성형 AI를 사용했다고 응답했다. 이는 영국 인구의 약 8%에 해당하며, 대략 400만 명이다. 기업 내 정책과 거버넌스가 부족한 상황을 고려할 때, 이러한 사용의 상당 부분이 승인되지 않은 것으로 추정되며, 적절한 교육이 결여된 경우 직원들이 기밀 정보를 유출하거나 환각 및 편향을 인식하지 못할 위험이 존재한다.

생성형 AI는 향후 세 가지 주요 방향으로 발전할 것으로 예상된다:

1. 일반 지능: 인간 사고의 모방이 더욱 발전하여 추론을 포함하게 될 것이다. 이는 복잡한 입력을 기반으로 새로운 추론과 예측을 가능하게 하며, 다양한 관점과 의견을 형성하여 인간의 사고에 도전하게 된다.
2. 확대된 양식: 입력 및 출력 양식의 조합이 증가함에 따라 재무 공학 설계, 시스템 아키텍처 디자인, 감사 의견 및 리스크 관리 평가 등 전문 출력의 생산에서 더욱 높은 수준의 정교함을 보일 것이다.
3. 인공 감정 지능(EQ): AI의 상호작용이 더욱 인간과 유사해지며, 음성을 조정하고 인간의 감정에 적절히 반응하는 능력이 개발될 것이다.

딜로이트는 50개 이상의 은행 전용 AI 사용 사례를 분석하여 가치 사슬 전반에 걸친 AI 통합 기회를 파악했다.

전략 및 제안 부문에서는 전문 자원 제약, 제안 간의 내부 장벽, 데이터 부족 등이 주요 과제로 대두되고 있다. 이러한 문제를 해결하기 위해 AI 리서치 에이전트를 활용하여 시장, 고객, 채널, 제품에 대한 트렌드를 분석하고 요약함으로써 전략과 제안 개발을 지원할 수 있다.

영업/거래 및 마케팅 분야의 핵심 과제는 빠르게 변화하는 고객 환경과 기대에 대응하고 개별 요구사항을 파악하여 맞춤형 서비스를 제공하는 것이다. AI는 초개인화된 커뮤니케이션 에이전트를 통해 시장 데이터와 고객 상호작용 데이터를 분석하여 맞춤형 메시지와 마케팅 캠페인을 효과적으로 전개할 수 있다.

고객 경험 및 관계 관리 영역에서는 구매자 중심의 접근 부족과 다양한 접점에서의 고객 피드백 수집 및 관리의 어려움이 주요 과제로 지적된다. AI 기반의 가상 에이전트를 운영 센터에 도입하여 전체 고객 경험을 자동화하고, 고객 지원 채널의 효율성을 높여 전반적인 고객 경험을 개선할 수 있다.

운영 및 서비스 부문에서는 획일화된 레거시 시스템으로 인한 개인화 제한과 부실한 데이터 관리로 인한 통찰력 부족이 문제점으로 꼽힌다. AI 기술을 활용하면 복잡한 고객 요청을 원활하게 처리하고, 수수료 징수 및 회수 과정에서 조기 경보와 상황별 맞춤 커뮤니케이션을 제공할 수 있다.

리스크 및 컴플라이언스 영역은 복잡해지는 규제 환경과 새로운 기술로 인한 위험 관리가 주요 과제다. AI는 고객 관련 위험을 감지하고 경고하며, 규제 준수를 지원하는 한편, 재무 범죄 예방을 위한 내러티브 생성과 부정적 미디어 스크리닝 등을 수행할 수 있다.

기술, 데이터 및 분석 부문에서는 레거시 시스템 관리의 어려움과 데이터 품질 문제가 두드러진다. AI는 엔지니어링과 운영을 지원하여 새로운 제품과 솔루션의 시장 출시를 가속화하고, 데이터 거버넌스 기준을 확장하여 전반적인 데이터 품질을 개선할 수 있다.

마지막으로 HR, 재무, 법률 등 지원 및 통제 기능에서는 AI 기반 전문 에이전트를 개발하여 비즈니스 프로세스에 통합함으로써 문서 요약, 질의응답, 자동 문서 작성 등의 기능을 제공하는 데 주력하고 있다.

AI 도입에 있어 여러 위험 요소들이 존재한다. 딥페이크와 같은 AI 악용 사례는 고객을 사칭하여 계정에 부정 접근하는 등 실질적인 위협이 될 수 있으며, AI 운영에 필요한 막대한 컴퓨팅 파워는 데이터 센터의 에너지 소비를 증가시켜 탄소 중립 서약에 반하는 환경적 영향을 미칠 수 있다.

모델 학습 시 사용되는 데이터에 내재된 편견이 AI의 학습 과정에서 심화될 수 있으며, 이는 성별, 인종 및 기타 특성에 따른 차별을 악화시켜 소송이나 규제 위반으로 이어질 위험이 있다. AI가 조직의 핵심 운영 요소가 되는 경우, AI의 작동 방식에 대한 투명성을 확보하지 않으면 적절한 통제와 보호가 어려워 사이버 위협이 증가할 수 있다.

또한 AI 모델이 특정 데이터 세트에 대해 훈련될 경우, 주권 및 거주지 규정 준수 요구로 인해 해당 관할권 내의 데이터 센터에서만 운영해야 하는 제약이 있을 수 있다. 대규모 언어 모델(LLM)이 인사이트나 자문에 널리 사용됨에 따라 향후 규제 대상이 될 가능성도 존재하며, LLM의 사용 방법과 장소에 따른 안전성 문제도 대두될 수 있다. 또한 STEM(과학, 기술, 공학, 수학) 분야의 숙련된 인력에 대한 수요가 증가하면서 인재 확보와 유지에 어려움을 겪을 수 있다.

이러한 리스크를 관리하기 위해 딜로이트는 ‘신뢰할 수 있는 AI 프레임워크’를 제시하고 있다.

이 프레임워크는 다음과 같은 가이드라인을 포함한다:

• LLMOps 전담팀 구성을 통한 체계적인 운영 관리
• 대규모 언어 모델(LLM)의 훈련은 데이터 센터나 클라우드의 보안된 환경에서 실행
• 생성형 AI의 초기 사용을 단계적으로 제한하여 점진적 확장
• 기업 내에서 관리되는 데이터 세트 활용
• LLM이 학습하는 데이터의 지속적인 보존과 감사 기록 유지
• AI가 생성한 출력에 대한 인간의 검증 참여

AI와 인간의 강점을 결합하여 지속 가능한 실질적 이익을 창출하기 위해서는 조직의 전반적인 변화가 필요하다. AI 활용을 위한 조직의 혁신은 기술 자체 못지않게 중요하며, 이를 위해서는 다음과 같은 발전 단계가 필요하다:

우선 AI를 단순한 실험이 아닌 장기적 투자로 보는 마인드셋의 전환이 필요하며, 리더십은 측정 가능한 AI 목표를 설정하고 이를 적극적으로 추진해야 한다. AI 투자는 실험적 요소가 아닌 핵심 비즈니스 전략으로 인식되어야 하며, 조직 문화는 AI, 특히 생성형 AI를 일상적 업무 도구로 수용할 수 있도록 혁신되어야 한다. 또한 프런트와 백오피스의 경계를 허물고 비즈니스와 IT의 협력을 강화하는 방향으로 실행 방식이 전환되어야 한다.

성공적인 AI 전환 전략을 위해서는 다음과 같은 구성 요소들이 필요하다:

1. 전략적 청사진: 명확한 단기 및 장기 목표와 투자 계획을 수립해야 한다.
2. 운영 모델: AI 및 생성형 AI 역량을 확보하고 우선순위를 설정 및 관리할 시스템을 구축해야 한다.
3. 가치 실현: 결과를 측정하고 투자를 최적화할 수 있는 가치 추적 메커니즘을 마련해야 한다.
4. 역량 및 기술: 필수 AI 기능을 제공하기 위한 기술 및 파트너십 로드맵을 수립해야 한다.
5. 업무 방식: 조직 내 AI 활용 역량을 강화하고 기술 도입 및 활용 방식을 최적화해야 한다.
6. 책임 있는 AI: AI 사용에 대한 기본 지침을 설정하고 윤리적이고 책임감 있는 사용을 촉진해야 한다.

딜로이트는 주요 은행 고객과 협력하여 AI를 통해 비즈니스 성과를 혁신하는 여정을 함께하고 있다. 이 과정에서 조직과 문화의 진화가 기술적 요소 및 필수 프로그램적 요소와 함께 매우 중요하다는 점이 강조되고 있다.

기사에 인용된 리포트의 원문은 딜로이트에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기