새로운 설문조사: 금융기관, AI 도입에는 앞서가고 있지만 확장을 위해서는 현대화 필요

*이 콘텐츠는 AI 번역 도구를 사용하여 번역되었습니다. 정확성을 기하기 위해 노력하고 있으나, 자동 번역에는 오류나 누락이 포함될 수 있습니다. 정확한 정보는 영문 원본을 참고해 주시기 바랍니다.

금융 서비스용 Gemini를 도입하는 기관은 범용 실험 단계를 넘어 데이터 계보와 설명 가능성을 완벽하게 갖추고 규제 대상 업무에 특화된 에이전트 기반 워크플로를 구축할 수 있습니다.

오늘 라스베이거스에서 개최되는 Money20/20에서는 핀테크 업계 관계자들이 은행, 결제, 상거래 전반에서 일어나고 있는 혁신을 논의하기 위해 모입니다. Google Cloud는 지난 10여 년 동안 세계 유수의 금융기관과 긴밀하게 협력하며 기업의 과제를 해결하기 위해 Google의 첨단 기술을 제공해 왔습니다. 이러한 협력 관계는 금융기관들이 조직 전반에 에이전트 기반 워크플로를 구축하기 시작한 오늘날까지 이어지고 있습니다. 

이러한 발전 상황을 폭넓게 파악하기 위해 Google에서 Hypothesis Group과 협력하여 금융 서비스 업계 종사자 311명을 포함한 미국 기업 의사결정권자 1,250명을 대상으로 실시한 설문조사 결과, 금융 서비스 분야 응답자의 93%가 AI 도입의 고도화 단계에 진입했다고 답했습니다. 이는 고급 AI 또는 에이전트 AI를 이미 대규모로 확장하거나, 핵심 운영 및 제품에 통합하거나, 여러 업무 영역에 배포하고 있다는 의미입니다. 조사 대상 산업 가운데 금융 서비스 분야의 고도화된 AI 배포 비율이 가장 높았습니다. 하지만 이번 조사에서는 AI를 대규모로 확장하고 장기적인 투자수익률(ROI)을 확보하는 데 몇 가지 주요 장애물이 존재한다는 사실도 드러났습니다.

인프라 및 거버넌스

조사 결과에 따르면 금융기관 기존 기술 인프라에 AI를 통합하는 과정에서 광범위한 AI 배포에 어려움이 발생할 수 있는 것으로 나타났습니다. 따라서 에이전트 AI에서 지속적이고 측정 가능한 가치를 창출하려면 단순한 배포 이상의 추가 조치가 필요합니다. 

• 55%는 조직이 AI를 대규모로 배포할 준비를 갖추려면 기술 스택 현대화에 상당한 투자가 필요하다고 답했습니다.

• 74%는 기존 소프트웨어가 조직의 AI 활용 잠재력을 최대한 실현하는 데 실질적인 제약이 된다는 데 동의했습니다.

• 59%는 IT팀이 로컬 호스팅 또는 온프레미스 시스템을 유지보수하고, 패치를 적용하고, 통합하고, 관리하는 데 적정 수준보다 많은 시간을 소비한다고 답했습니다.

• 32%는 구식 애플리케이션 유지보수가 리소스를 크게 소모하는 주요 원인이라고 답했습니다. 이는 전체 산업 평균보다 5%포인트 높은 수치입니다.

레거시 인프라 문제 외에도 은행 업무에서 자율형 AI를 활용하려면 타협 없는 제어 체계가 필요합니다. 기업의 AI 배포에 반드시 필요한 기능을 묻는 질문에 금융 서비스 업계 리더들은 명확한 규제 준수 요건을 강조했습니다. 32%는 설명 가능성과 감사 추적을 필수 요소로 꼽았으며, 이는 설문조사에 참여한 모든 산업 가운데 가장 높은 비율입니다(전체 산업 평균 대비 +5%). 한편 산업별 규정 준수 통제를 꼽은 비율도 30%나 되었습니다. 아울러 37%는 보안, 복원력 또는 규정 준수 수준이 강화되면 AI 제공업체를 추가하거나 주요 워크로드를 새로운 클라우드나 AI 제공업체로 이전할 가능성이 높아진다고 답했습니다.

조사 결과에서 알 수 있듯 대부분의 범용 AI 도구는 금융 업무에 필요한 엄격한 규제 및 거버넌스 감독, 검증 가능한 데이터 출처와 설명 가능성, 실시간 시장 데이터에 대한 액세스, 고객의 민감한 금융 정보가 다른 사용자와 공유하는 인프라에 절대 노출되지 않는다는 확신 등의 요건을 충족하지 못합니다. 이로 인해 금융기관은 혁신과 규제 준수 사이에서 타협해야 하는 상황에 처하게 됩니다.

생산성 및 규정 준수 과제 해결 

금융 서비스 기업은 에이전트 AI를 활용해 애널리스트의 생산성을 높이지 못할 경우 뒤처질 위험도 있습니다. 수동 조사와 보고 업무에 계속 의존하는 금융기관은 가격 책정, 피칭, 대응 속도 면에서 뒤처져 경쟁에서 불리한 위치에 놓일 수밖에 없습니다.

그러나 원시 모델 인텔리전스를 별도로 도입한다고 해서 생산성과 규제 준수 문제를 모두 해결할 수 있는 것은 아니며 오히려 문제를 악화시킬 수 있습니다. 여러 모델이나 포인트 솔루션을 조합하려는 기업은 통합에 따른 추가 비용과 부담을 떠안게 됩니다. 그뿐만 아니라 설명할 수 없는 결과를 생성하고 심각한 보안 사각지대가 존재하는 취약한 워크플로를 구축하게 될 수도 있습니다. 또한 애널리스트의 역할을 데이터 생산자에서 검토자로 바꾸는 데 그친다면 실질적인 이점을 얻었다고 보기 어렵습니다. 

금융 서비스를 위한 Gemini

이러한 요구사항을 충족하기 위해 Google Cloud는 금융 서비스용 Gemini를 출시했습니다. CME Group, Deutsche Bank를 비롯한 여러 금융기관에서 이미 사용 중인 금융 서비스용 Gemini는 기업 조사, 포트폴리오 위험 분석, 신용 심사, 제안서 작성 등 전체 워크플로를 실행하도록 특화 설계된 에이전트, 스킬, 커넥터를 제공합니다. 

또한 Dun & Bradstreet, FactSet, LSEG, S&P Global과 같은 시장 데이터 제공업체는 물론 뉴스 피드, 규제 공시 자료, 내부 시스템에 연결되는 보안 커넥터를 통해 금융기관이 기존에 보유한 사용 권한 모델을 그대로 상속하도록 설계되었습니다. 수년에 걸쳐 기존 시스템을 전면 교체하거나 데이터를 마이그레이션할 필요 없이 Gemini를 기존 데이터 환경에 직접 연결할 수 있으며, Microsoft Excel, Word, PowerPoint, SharePoint, Teams, Google Workspace 등 팀에서 이미 사용 중인 애플리케이션 내에서 기본적으로 작동합니다. 또한 출력 결과는 단순히 모델 학습 데이터에 의존하는 것이 아니라 전체 데이터 계보를 추적할 수 있는 검증 가능한 출처에 그라운딩되며, 조직의 데이터, 모델, 고객 정보, 거래 전략은 모두 조직의 비공개 경계 내에 유지됩니다.

실험적인 챗봇에서 특정 업무에 특화된 에이전트 기반 워크플로로 전환하는 변화는 금융 서비스 산업에 결정적인 전환점이 될 것입니다. 프런티어 모델에 도메인별 전문 스킬, 기본 제공 보안 기능, 검증 가능한 거버넌스를 결합하는 금융기관은 의사결정 속도를 높이고, 더욱 심층적인 시장 분석 결과를 발굴하며, 전례 없는 속도로 고객에게 서비스를 제공할 수 있게 됩니다.

Hypothesis Group과 공동으로 진행한 새로운 조사에 관한 자세한 내용은 여기에서 확인하세요.