[기고문] 한국 금융산업의 차세대 경쟁력, AI 승부는 데이터에서 시작된다

[아이뉴스24 최효경 기자] 국내 금융서비스 산업에서 인공지능(AI)은 기업 전략의 핵심으로 자리 잡고 있다. 금융 기관들은 사기 탐지, 컴플라이언스 자동화, 고객 경험 개선, 의사결정 가속화 등을 위해 AI에 대규모로 투자하고 있다. 그러나 금융 기관의 AI 성과를 좌우하는 것은 결국 데이터다. 파편화된 데이터와 노후화된 환경은 AI의 잠재력을 제한하는 주요 요인으로 꼽힌다.

지난 한 해 국내 금융서비스 산업은 AI 도입에 있어서 중요한 전환점을 맞았다. 클라우드 보안인증제도(CSAP)를 비롯한 규제 환경이 진전되면서 국내 금융 기관의 클라우드 도입 범위도 넓어지고 있다.

그러나 클라우드 도입만으로는 엔터프라이즈 인텔리전스(Enterprise Intelligence)를 구현할 수 있는 것은 아니다. 고객 정보와 거래 기록, 리스크 모델, 컴플라이언스 데이터, 외부 시장 정보가 여러 사업부와 시스템에 분산돼 있다면 AI의 정확성과 활용 가치도 떨어질 수밖에 없다. 신뢰할 수 있는 최신 데이터를 통합하고 조직 전체에서 실시간으로 활용할 수 있는 환경이 필요한 이유다.

이런 가운데 정부가 망분리 요건을 단계적으로 완화하고 마이데이터 2.0을 확대하면서 금융 기관도 데이터를 안전하게 통합, 공유, 활용할 수 있는 기반을 갖춰가고 있다. 금융 기관은 이 변화에 맞춰 거버넌스와 보안을 유지하면서도 특정 플랫폼에 종속되지 않는 상호운용 가능한 데이터 아키텍처를 구축해야 한다. 특히 클라우드 선택권과 개방형 데이터 포맷, 메타데이터 표준, AI 모델 및 자율형 에이전트의 이동성을 고려할 필요가 있다.

한편 국내 금융서비스 산업도 글로벌 선도 기관들이 추진해 온 현대화 여정에 본격적으로 나서고 있으며, 그 중에서도 세 가지 영역에서 그 혁신이 두드러지고 있다.

먼저 초개인화된 고객 경험 제공이 가능해졌다. 오늘날 금융 고객은 디지털 네이티브 기술 기업처럼 자신의 니즈를 이해하고 그에 맞는 서비스를 제공하기를 기대하지만 고객 정보가 여러 상품과 채널, 레거시 시스템에 분산돼 있다면 개인화는 여전히 쉽지 않은 과제다.

이런 가운데 웨스트팩(Westpac), 씨티(Citi)와 같은 선도 금융 기관들은 통합 데이터와 AI를 활용해 실시간으로 모든 상호작용을 개인화하는 ‘세그먼트 오브 원(Segment of One)’이라는 초개인화 전략을 구현하고 있다. 이를 통해 전통 금융 기관도 디지털 환경에 익숙한 고객이 기대하는 직관적인 모바일 중심의 경험을 제공할 수 있다.

나아가 서비스 요청에 선제적으로 대응하고 디지털 채널과 상담원 채널을 유기적으로 연계하는 역할까지 수행할 수 있게 된다. 그 결과 금융 기관은 고객의 상황과 맥락에 부합하는 일관된 경험을 제공할 수 있으며, 고객 관계와 유지율을 높이는 동시에 매출 기회를 창출하는 데에도 기여한다.

사기 방지와 금융 범죄 컴플라이언스도 강화할 수 있다. 금융 범죄 수법이 갈수록 정교해지면서 기존의 규칙 기반 탐지 시스템만으로는 빠르게 진화하는 공격 패턴에 대응하기 어려워지고 있다.

이에 AI 에이전트를 활용하면 거래 데이터와 고객 행동, 디바이스 정보, 결제 네트워크, 외부 신호를 종합해 의심스러운 활동을 식별할 수 있다. 또한 증거를 수집하고 위험을 평가하며, 필요한 경우 고위험 사례를 인간의 검토 대상으로 이관하고 판단 근거를 문서화할 수도 있다.

이 같은 접근법은 사기 방지를 넘어 자금세탁방지(AML)와 금융 범죄 조사 역량을 강화하는 데도 활용할 수 있다. AI는 개인과 기업, 거래 사이의 숨겨진 관계를 식별해 오탐지를 줄이고 조사 업무의 부담을 덜어준다. 이를 통해 탐지 정확도와 대응 속도를 높이는 동시에 투명하고 감사 가능한 프로세스를 구축할 수 있다.

마지막으로 재무, 리스크, 자금관리 부문의 내부 의사결정에도 혁신을 이뤄낼 수 있다. 전통적으로 이들 부문은 이미 발생한 일을 보고하는 데 집중해 왔지만 통합 데이터와 AI를 활용하면 미래 지향적이고 전략적인 의사결정을 지원하는 파트너로서 역할을 확대할 수 있다.

특히 AI를 통해 재무 성과를 상시 모니터링하고 위험 노출도를 평가하며 유동성 수요를 예측할 수 있다. 시장 시나리오 시뮬레이션과 규제 보고서 작성, 새롭게 부상하는 경영 리스크 식별도 가능하다. 이를 통해 재무, 리스크, 자금관리 부문은 사후 대응 중심의 보고 기능에서 벗어나 예측형 인텔리전스(predictive intelligence)를 제공하는 전략적 기능으로 발전할 수 있다.

AI가 금융서비스의 핵심으로 자리 잡아가는 지금, 더 이상 자동화만으로는 충분하지 않다. AI에도 계좌와 익스포저, 포지션, 정책, 통제 체계에 관해 조직 전체가 공유하는 일관된 맥락과 정의가 필요하다. 엔터프라이즈 데이터와 코드, 시스템에 안전하게 접근할 수 있는 권한도 뒷받침돼야 한다. 이런 점에서 스노우플레이크 AI 데이터 클라우드(Snowflake AI Data Cloud)와 같은 플랫폼은 정형·비정형 데이터를 단일 거버넌스 모델 아래 통합한다. 이를 통해 AI 에이전트는 기존의 보안 및 컴플라이언스 가드레일 안에서 신뢰할 수 있는 기업 정보를 활용할 수 있다.

이러한 기반이 갖춰지면 AI는 투자 모델의 개발 및 검증, 실시간 리스크 모니터링, 금융 사기 조사, 규제 준수 지원, 고객 문제 해결 등 복잡한 엔드투엔드 워크플로우를 더욱 빠르고 정확하며 일관되게 수행할 수 있다.

한국은 이러한 전환을 주도하는 데 필요한 규제 환경의 변화와 기술 역량, 고도화된 금융 산업을 갖추고 있다. 지금 현대적인 데이터 기반에 투자하는 금융 기관은 AI를 통해 더 높은 성과를 창출하는 데 그치지 않고, 차세대 지능형 금융서비스의 새로운 기준을 제시할 수 있을 것이다.