| 2023년 뜨겁게 화두가 되고 2024년에는 필수요소로 대두된 생성형 AI와 금융산업의 연관성을 살펴보고, 이를 적용한 국내외 현황을 기반으로 서비스의 방향성을 검토하여 향후 어떤 서비스 영역에 활용하는 것이 바람직한 방향인지를 살펴보고, 할루시네이션 등의 잘못된 정보에 기반한 금융 서비스의 고객 이익 보호 대원칙이 침해되지 않도록 AI 거버넌스 체계 구축의 중요성에 대한 시사점을 제시해보고자 한다. |
Ⅰ. 금융산업과 생성형 AI
2022년 12월 챗GPT의 서비스 개시 이후 출시 5일 만에 이용자가 100만명을 돌파하고, 2개월 후엔 1,000만명으로 증가했다고 한다. 처음에는 단순 호기심에 서비스를 이용하는 사람들이 있었다면 이를 한번 이상 이용해 본 사람들은 다양한 산업군에 인간을 보조할 수 있는 도구로서의 생성형 AI의 활용성을 인정할 수 밖에 없었다. 기존 검색엔진에 의존하여 정보 수집 정도에 데이터를 활용하였다면 이제는 좀 더 능동적으로 보고서의 목차를 생성하고, 주요 핵심 포인트를 제안하며, 보고서 양식과 이미지를 제작해주며 스스로 정보 기반으로 답변 문장을 생성해 주는 등의 서비스로 발전했기 때문이다. 따라서, 이를 금융산업에서도 관심있게 바라보고 활용하고자 하는 것은 어쩌면 당연한 결과일지도 모른다.
2023년 8월 대한상공회의소에서 발표한 ‘생성형 AI가 경제에 미치는 영향’이라는 보고서에서도 살펴보면 “금융 및 보험 산업”에서의 생성형 AI 잠재 활용도가 가장 높은 것을 살펴볼 수 있다. 이는 생성형 AI를 통해 대규모 데이터셋과 문서, 고객 데이터 등을 활용하여 업무 효율성을 높여줄 수 있고, 이러한 데이터 기반 의사결정 지원체계를 고도화하여 판단 정확도를 향상시키며, 복잡한 작업을 단순화하고 신속하게 처리함으로써 대고객 서비스를 개선하는데 도움이 될 수 있기 때문이다.
이는 생성형 AI를 통해 대용량의 언어 분석모델을 기반으로 하여 사용자가 직접 작성하던 문서를 요약하여 전달할 수 있게 되고, 시장 및 문헌 조사 시간을 현저히 감소시킬 수 있으며, 기존 통계 기반 데이터 분석에 따른 시사점을 간단한 조작만으로 도출할 수 있게 되어 각 분야별 전문가가 아니더라도 의미있는 보고서 및 전략 등을 만들어 낼 수 있기 때문이다. 이러한 장점을 신규 서비스 개발, 대고객 서비스 향상, 직원 업무 효율 증대의 목표를 가진 금융권이 가장 빠르고 다양한 분야로 적용함으로써 효과를 확대하고자 하는 추세이며, 각 금융기관별로 추진하고 있는 사항에 대해서는 다음장에서 좀 더 상세하게 알아보고자 한다.
<자료> 대한상공회의소, “생성형 AI가 경제에 미치는 영향” 2023.
[그림 1] 산업별 생성형 AI 잠재 활용도
Ⅱ. 생성형 AI 금융산업 도입 사례
생성형 AI의 금융산업의 주요 도입현황을 살펴보면 내부 직원의 업무지원 시스템 적용, 고객 AICC에서의 활용, IT 개발업무 적용, 금융서비스 특화 LLM 모델 개발, 대형 LLM 서비스 제공 국내외 기업과의 협업 및 공동 개발 등의 다양한 시도를 하고 있음을 알 수 있다.
<자료> 코스콤, 생성형 AI 시대와 금융권의 AI 동향, 2023.
[그림 2] AI 뱅커 서비스 개념도
첫 번째로 내부 직원 업무시스템 적용에 있어서는 기존의 내부 축적 데이터를 검색하여 제공함으로써 보고서 작성에 참고하거나 신규 전략 창출에 기초자료로 활용했으나, 생성형 AI를 도입하여 문서 작성의 기본 목차 제공, 목차별 기초 정보 및 근거 자료 제공, 기존 보유 문서의 요약정보 제공, 텍스트 설명 기반 보고서 이미지 생성 등의 업무 지원 도구로 확대되었다. 따라서, 이전에는 업무 참고자료 제공에 그쳤던 내외부 연계 KMS(Knowledge Management System, 지식관리시스템)이 창의적 아이디어 및 보고서 작성에 적극적으로 관여할 수 있게 되었으며, 활용도 또한 기존 대비 크게 향상되었다. 이와 관련된 최근 사례로는 KB금융의 “KB-GPT”를 업무에 적용하는 AI뱅커 서비스를 도입하여, 직원이 업무관련 질문 시 정답과 함께 웹 상에서 가장 유사한 검색결과 10개를 노출함으로써 참고자료로 활용할 수 있게 하였다. 또한 상품정보를 기반으로 상품 홍보문구를 작성해주는 기능을 제공함으로써 업무 효율성 향상에 대한 가능성을 경험해 볼 수 있도록 했다.
두 번째는 고객 AICC(Artificial Intelligence Contact Center, 인공지능고객상담센터)에서의 생성형 AI활용 사례이다. 거의 모든 금융기관에서 시도하고 있는 챗봇 서비스 등을 AI와 연계하여 서비스 품질을 고도화하고 효율을 극대화하는 데 목적을 두고 있다. 기존 상담원들의 업무패턴과 고객 서비스 매뉴얼, 업무 매뉴얼, 상품 소개 자료 학습과 분석을 통해 전문성을 강화하고, LLM 언어 모델의 차용을 통해 자연스러운 대화 형태를 갖추게 됨으로써 고객의 만족도와 대응효율이 대폭 향상되었다. 특히 국내 대형 금융사의 AICC는 AI콜봇의 상담의 두 배 이상 증가하고 고객의도파악에 기반한 심화업무 대응이 가능하게 되었으며, 24시간 365일 대기없이 응대가 가능할 수 있게된 사례를 국제 기술 컨퍼런스에 소개하기도 하였다.
세 번째는 IT 개발업무의 적용 사례이다. 내부 직원 IT응대 시스템에서의 적용을 통해 전산업무처리 방안을 안내하고 업무 개선 및 장애에 대한 접수를 처리하며, 심지어 중복되는 업무 개선요건 등을 요약하여 이를 자동으로 안내하는 서비스를 개발 중에 있다. 하지만, 무엇보다도 생성형 AI가 IT 개발 부문에 가장 크게 영향을 미치는 영역은 “코딩 자동화”이다. 업무 개발 요건을 자연어로 전달하여 이를 특정 도구를 활용하여 코딩을 의뢰하면 기본 코드가 생성되는 기능은 기존에 다양한 방안으로 시도되었던 자동화 또는 반자동화 코딩에 또다른 영역을 보여주었다. 왜냐하면 LLM 서비스를 기반으로 하여 IT 개발자가 아니더라도 기본적인 코딩 결과물을 만들어낼 수 있다는 가능성을 보여주었고 이를 실행해 봄으로써 누구나 IT개발이 가능한 시대가 되었다는 것이기 때문이다. 물론 품질의 차이, 디버깅을 수행할 수 있는 전문성, 최종 결과물로의 배포 등은 전문가의 도움을 받을 수 밖에 없겠으나 아이디어를 코딩 결과물로 만들어낼 수 있음은 분명하다. 이를 금융기관의 IT개발팀에 접목하여 초기 코딩의 시간을 단축함으로써 효율을 향상시키는 시도를 하고 있으며, 내부 데이터를 축적하여 이를 각 금융기관 프레임워크에 최적화된 모델로 발전시켜 나간다면 그 동안 단순업무 개발을 위해 직원들이 투자했던 시간을 줄일 수 있음은 물론, 아웃소싱 기반의 초급 개발 비용 또한 감소할 수 있을 것이다.
네 번째는 금융서비스에 특화된 LLM 모델 개발이다. 국내외 대규모 LLM 서비스 모델은 특정 산업 영역이 아닌 일반적인 언어 모델을 학습하여 만들어져 있기에 산업 특화형이라기 보다는 보편형 서비스를 지향하고 있다. 따라서, 이를 금융 산업의 전문성을 감안하여 좀 더 심화된 서비스를 제공하기 위해서는 금융기관별로 보유하고 있는 전문성있는 데이터, 문서, 비정형 자료 등을 학습시켜 좀 더 효과적이고 산업 특성을 반영한 결과물을 얻어낼 수 있을 것이다. 수행하는 방식은 대규모 LLM 모델을 학습한 플랫폼을 기반으로 금융 관련 정보 학습을 강화하여 서비스를 제공받는 방식과 전문 기업의 언어학습모델을 금융기관에 들여와서 이를 기반으로 자체 보유한 전문 데이터를 학습시키는 방식도 있으며, 이미 언어모델 적용을 연구하던 금융기관은 함께 모델을 개발하는데 참여하기도 하는 방식으로 서비스 전문성 확보를 위해 노력하고 있다.
[표 1] 금융기관별 주요 생성형 AI 도입 현황
| 금융기관 | 도입 현황 |
|---|---|
| KB금융 | – KB-GPT 데모 웹사이트 개설 – KB 금융 계열사 통합 AICC 서비스 구축 완료 – 금융 서비스 내 검색, 채팅, 요약, 문서작성, 코딩 기능 등을 생성형 AI 기반 처리토록 준비 |
| NH농협은행 | – 올바른 AI 활용 위한 AI 거버넌스 수립 – KMS 에 생성형 AI 기능 추가 : AI 콜봇, 챗봇 등에 적용 계획 – IT업무 챗봇 구축 : 생성형 AI 기반 업무 지원 서비스, 문서 작성 지원 – 구글 바드, 챗GPT 등 활용한 금융언어모델 실증 |
| 신한은행 | – 직원용 내부 콜센터 생성형 AI 기반 지식상담 시스템 구축 – 생성형 AI 금융서비스 적용 전담 TF 출범 – 글로벌 기업, KT/네이버/LG 등 다양한 국내외 기업과 실증 |
| 하나은행 | – 모바일 AI 뱅커에 생성형 AI 등에 활용 계획 – 자체 금융 특화 버티컬 거대언어모델(vLLM) 개발 – 하나금융융합기술원 언어모델 전문가의 참여 |
| 우리은행 | – 비정형데이터 자산화에 금융언어모델 적용 – LG AI연구원과 금융언어모델 실증 위한 컨소시엄 운영 – 챗봇 등 대고객 서비스에 생성형 AI 순차적 적용 |
Ⅲ. 금융산업의 생성형 AI 활용 방안
상기와 같이 이미 도입하거나 도입을 검토하고 있는 분야를 포함하여, 어떠한 금융 서비스 영역에 생성형 AI를 활용할 수 있을지 맥킨지 보고서를 참고하여 알아보고자 한다. 맥킨지 보고서에 따르면 뱅킹 및 보험 서비스에 대해 가장 영향력이 평균 이상일 것으로 바라본 업무 분야는 마켓팅과 세일즈, 고객 관리, 소프트웨어 엔지니어링, 리스크와 법규제 부문이다. 국내에서도 이미 AI를 활용한 대고객 실시간 마케팅을 추진하거나 이상금융거래에 대한 탐지 수행, 레그테크 강화 등을 추진하고 있었으며 생성형 AI 도입을 통해 이를 더욱 고도화할 수 있는 영역이 있음을 살펴볼 수 있다. 또한, 기존 IT 부문의 고민이었던 개발자 부족 현상을 부분적으로나마 해소할 수 있는 코딩 자동화에 대해서도 도입을 시도하고 있는 추세는 국내뿐만이 아니라 글로벌 금융 서비스 기업들도 관심있게 추진하고 있는 분야이므로 이에 대해서도 가시적인 효과를 거둘 수 있을 것으로 기대한다.
<자료> McKinsey&Company, “The economic potential of generative AI: The next productivity frontier” 2023.
[그림 3] 생성형 AI 산업/기능별 영향도
Ⅳ. 금융권 생성형 AI 도입 시사점과 효율적 적용을 위한 제언
위에서 살펴본 국내 금융권에서 생성형 AI 도입사례와 글로벌 보고서에 기반한 활용방안을 기반으로 시사점을 도출해 보면 아래와 같다.
금융권에 생성형 AI서비스 도입은 모든 서비스 영역과 유사하게 필수적인 항목이 될 것이며, 이는 몇 개 업무 부문에 국한되는 것이 아닌 기존 디지털 트랜스포메이션 추구 방향인 데이터 기반 자동화 서비스의 기반으로 자리잡게 될 것이다. 즉, 금융 업권에서 제공되고 있는 모든 서비스 향상에 생성형 AI 도입은 필수이며 생태계의 보조자 역할을 수행하게 될 것임을 예상해 볼 수 있다는 것이다. 따라서, 하루라도 빨리 신속하게 도입을 서두르고 이를 체계적으로 적용할 수 있는 역량을 갖추어 나가는 금융기관이 선도적 지위와 더불어 업무 효율성을 극대화할 수 있음을 시사하고 있다.
마지막으로 금융권에 생성형 AI 효율적 적용을 위한 제언을 덧붙여 보자면 정확한 금융정보 제공을 기반으로 하는만큼 LLM 모델의 할루시네이션 현상을 극복할 수 있는 방안이 적용되어야 하며, 법제도를 준수하여 서비스 제공이 이루어질 수 있도록 가이드라인을 마련하여 적법한 서비스가 이루어질 수 있도록 거버넌스 체계를 준비하고, 금융 서비스 이용자들의 편의성과 효율성을 극대화할 수 있는 다양한 아이디어를 마련하여 생성형 AI 기반 서비스가 적극적으로 이루어질 수 있도록 투자해야함을 당부해 보고자 한다.
[참고자료]
[1] 대한상공회의소, 생성형 AI가 경제에 미치는 영향, 2023
[2] 전자신문, 생성형 AI 금융권 도입현황 관련 각종 기사 취합 및 정리, 2023
[3] McKinsey Digital, The economic potential of generative AI: The next productivity frontier, 2023
[4] 코스콤, 생성형 AI 시대와 금융권의 AI 동향, 2023