์ฌ์ ๋ฆฌ๋
๊ธ์ต ๋ถ์ผ์ ์์ด์ ํธ AI: ๋ฐ์ดํฐ ์ฑ ์์๋ค์ด ์์ ํ๊ฒ ํ์ฅํ๋ ๋ฐฉ๋ฒ
유럽 전역에서 금융 서비스 분야의 데이터 책임자들은 고난의 길을 걷고 있습니다. 에이전트 AI 도구를 구현하고 확장하고 싶지만, 규정 준수, 위험 관리, 그리고 구체적인 가치를 입증하는 어려움으로 인해 제약을 받고 있습니다. 우리의 CDO Insights 2025 설문조사에 따르면, 전 세계 데이터 책임자의 97% 이상이 생성적 AI의 비즈니스 가치를 명확하게 입증하는 데 어려움을 겪고 있습니다. 또한, 87%의 데이터 책임자가 AI에 대한 투자를 가속화할 계획이지만, 67%의 데이터 책임자가 AI 파일럿을 전체 규모로 배포한 것이 반의 반도不到합니다.
가장 큰 장애물 중 하나는 리더십의 승인을 얻는 것입니다. 데이터 책임자의 35% 이상이 승인을 얻고 가치를 입증하는 것이 AI의 배포를 방해하는 주요課題라고 말합니다. 이는 많은 사람들이 측정 가능한 성과를 얻지 못한 채로 더 넓은 범위로 확장하기를 주저한다는 것을 의미합니다.
이 주저함은 기술의 잠재력과는 뚜렷한 대조를 이루고 있습니다. McKinsey는 AI와 분석이 세계 은행业에 연간 1조 달러의 추가 가치를 제공할 수 있을 것으로 추정하고 있으며, 생성적 AI만으로도 3400억 달러의 영업 이익에 기여할 수 있다고 합니다. 이는 무시할 수 없는 기회이지만, 규정 준수를 보장하고 신뢰를 구축하며 입증된 결과를 생성하는 방식으로 접근해야 합니다.
전진의 길
상당한 역풍에도 불구하고, 유럽과 세계의 다른 지역에서 일부 조직은 AI의 배포를 진행시키고 있으며, 에이전트 AI의 보상을 어떻게 수확할 수 있는지 탐색하고 있습니다. 바늘을 움직이는 조직은 복잡하고 긴 꼬리 배포에 뛰어들지 않고 있습니다. 대신, 측정된 접근 방식을 채택하고 있습니다. 즉, 작게 시작하여 信頼을 구축하고 가치를 입증한 후에 기술이 그 효과를 입증한 후에만 확장합니다.
가장 성공적인 AI 배포는 밤새도록 발생하지 않습니다. 그것은 신뢰를 구축하고 결과를 생성하는 작은, 높은 영향의 동작으로 시작됩니다. 시작하는 데 필요한 세 단계가 있습니다.
1. 확장하기 전에 AI를 사용하여 데이터를 청소하십시오.
규정 준수 승인이 있더라도, AI 시스템은 그것들이 구축된 데이터만큼 강력합니다. 데이터 품질이 좋지 않으면 정확성, 효율성, 신뢰가 저하됩니다. 실제로, 43%의 데이터 책임자가 데이터 문제가 생성적 AI를 확장하는 데 가장 큰 장애물이라고 말합니다.
기쁜 소식은 AI가 이러한 데이터 문제를 해결하는 데 도움이 될 수 있다는 것입니다. 예를 들어, 금융 서비스 분야에서 일부 회사들은 데이터를 청소하기 위해 AI 도구를 사용하고 있습니다. 즉, 중복을 제거하고, 구식 항목을 수정하고, 불일치한 레코드를 해결합니다. 데이터가 일치하고 신뢰할 수 있게 되면, 회사는 자동화된 후속 조치를 개선하고, 현금 흐름을 개선하고, AI 기반의 통찰력에 대한 신뢰를 높일 수 있습니다. 이것은 또한 최상위 투자 우선 순위입니다. 86%의 데이터 책임자가 데이터 관리 지출을 증가시킬 계획이 있으며, 거의 절반이 AI에 적합한 데이터를 만드는 것을 주요 동기로 지목했습니다.
2. 집중된 실행 에이전트로 시작하십시오.
좁은 목적의 “실행자” 에이전트를 배포하는 것은 측정 가능한 승리를 생성하는 가장 빠른 방법 중 하나입니다. 이러한 에이전트는 매우 구체적이고 잘 정의된 작업을 처리하도록 설계되었습니다. 예를 들어, 회의 요약을 컴파일하거나, 표준 거래를 처리하거나, 들어오는 고객 쿼리를 분류합니다.
실행자 에이전트는 모니터링하기가 쉽기 때문에 출력이 명확하게 추적 가능하며 정확성을 쉽게 검증할 수 있습니다. 이는 운영 위험을 줄이고 초기에 성과를 입증하는 데 도움이 되며, 더 넓은 범위의 채택에 대한 승인을 얻는 데 도움이 됩니다.
단일 작업 에이전트에서 성공을 입증한 후, 조직은 더 복잡한 에이전트 구조, 즉 멀티 스텝 워크플로우를 처리하는 계획자와 오케스트레이터를 도입할 수 있습니다.
3. 자동화를 통해 규정 준수 보고를 간소화하십시오.
규정 준수는 금융 서비스 분야에서 매우 자원 집약적인 영역입니다. 규정 보고는 여러 소스에서 데이터를 수집하고 조정하는 것을 필요로 하는데, 이는 수백 시간을 소요할 수 있으며 훈련된 전문가의 작은 풀에 의존할 수 있습니다. AI는 여기서 탁월한 시작점을 제공합니다.
기본 데이터가 청소되고 구조화되면 AI가 일부 중간 작업을 인수할 수 있습니다. 예를 들어, BCBS 239 규정 준수 보고서를 생성하는 것을 메타데이터 매핑과 에이전트 AI 모델을 결합하여 부분적으로 자동화할 수 있습니다. 이러한 시스템은 정확한 초안을 생성할 수 있으며, 이는 규정 준수 장교에 의해 검토되며, 전환 시간을 줄이고 품질 통제를 유지합니다.
여기에는 상당한 잠재력이 있습니다. McKinsey는 “AI 에이전트 팩토리” 접근 방식을 채택한 한 글로벌 은행이 KYC(고객 식별) 프로세스에서 200%에서 2,000%의 생산성 향상을 달성했다고 강조합니다. 그들은 인간의 감독을 유지했지만 가장 시간이 걸리는 단계를 자동화했습니다.
다국적 은행의 데이터 여정에서 배우는 교훈
한 네덜란드 다국적 은행은 AI 성공을 위한 데이터 기반의 중요성을 인식했습니다. 데이터 관리를 우선순위로 삼았으며, 이를 통해 조직 프로세스를 적절하게 구축했습니다. 또한 팀을 강화하고, 팀에 명확한 방향과 강한 교차 기능적 협력을 제공하여 성공할 수 있도록 했습니다. 이러한 조합, 즉 신뢰할 수 있는 데이터, 강화된 팀, 그리고 명확한 전략적 방향은 AI가 비즈니스 가치를 제공하는 데 필요한 것입니다. 기술적 결과만이 아닙니다.
제어를 잃지 않고 모멘텀을 구축하는 것
금융 서비스 분야의 76%의 기업이 향후 12개월 내에 에이전트 AI 솔루션을 배포할 계획이므로, 모멘텀은 구축되고 있습니다. 그러나 가장 성공적인 조직은 전면적인 변화를 서두르지 않고 있습니다. 그들은 작고, 잘 정의된 사용 사례에 중점을 두고 있으며, 측정 가능한 가치를 제공하고 운영 효율성을 개선합니다. 또한 모든 단계에서 거버넌스를 내장하여 규정 준수 팀이 초기에 참여하도록 합니다.
이 증분 접근 방식을 채택함으로써, 기업은 신뢰나 규정 준수를 희생하지 않고 AI를 채택할 수 있습니다. “작게 시작하는” 것을 제한된 것으로부터 의도적인 성장 전략으로 전환할 수 있습니다. AI 채택에서 속도는 중요하지만, 안전성과 확장성은 더 중요합니다. 작게 시작하여 가치를 입증하고 확신을 가지고 확장하는 금융 서비스 기관은 AI의 1조 달러의 잠재력을 해방하는 데 가장 잘 준비된 기관이 될 것입니다.
