금융 분야에서 AI의 가장 큰 기회는 새로운 모델이 아니라 기존 데이터의 잠재력을 끌어내는 것입니다.

인공지능이 산업 전반에 걸쳐 급속히 발전함에 따라, 금융 서비스 회사 기로에 서 있습니다. AI의 잠재력을 활용하고자 하지만 규제 강화에 대한 경계심을 갖는 많은 기관들이 혁신으로 가는 길이 예상보다 훨씬 더 복잡하다는 사실을 깨닫고 있습니다. 최근 뉴스 헤드라인에서는 다음과 같은 위험 요소들이 조명됩니다. AI 환각, 모델 편향, 불투명한 의사결정은 규제 기관이 해결하고자 하는 문제입니다. 

그러나 생성적 AI에 대한 과장된 홍보와 규정 준수에 대한 우려의 이면에는 더욱 실용적이지만 간과되는 기회가 있습니다. AI의 성공은 더 큰 모델을 구축하는 데 달려 있는 것이 아니라, 효과적으로 작동할 수 있도록 적절하고 특정 분야에 특화된 데이터를 제공하는 데 달려 있습니다. 금융 기관들은 계약서, 명세서, 공시, 이메일, 그리고 레거시 시스템에 갇힌 방대한 비정형 데이터에 의존하고 있습니다. 이러한 데이터가 활용될 수 있도록 개방될 때까지 AI는 금융 부문에서 그 약속을 지키지 못할 것입니다.

숨겨진 과제: 수조 달러 규모의 비정형 데이터가 갇힘

금융 기관은 매일 엄청난 양의 데이터를 생성하고 관리합니다. 그러나 이 데이터의 약 80-90%가 비정형 데이터라고 추정됩니다.계약서, 이메일, 공시 자료, 보고서, 커뮤니케이션 등에 묻혀 있습니다. 데이터베이스에 깔끔하게 정리된 정형화된 데이터 세트와 달리, 비정형 데이터는 복잡하고 다양하며 기존 방식으로는 대규모 처리가 어렵습니다.

이는 중대한 과제입니다. AI 시스템의 성능은 입력되는 데이터에 따라 결정됩니다. 정확하고 맥락적이며 신뢰할 수 있는 정보에 대한 접근성이 없다면, 아무리 발전된 모델이라도 부정확하거나 오해의 소지가 있는 결과를 제공할 위험이 있습니다. 특히 정확성, 투명성, 그리고 규제 준수가 필수적인 금융 서비스 분야에서는 이러한 문제가 더욱 심각합니다.

기업들이 AI 도입을 서두르면서, 많은 기업들이 가장 귀중한 데이터 자산이 구식 시스템과 고립된 저장소에 갇혀 있다는 사실을 깨닫고 있습니다. 이러한 데이터를 활용하는 것은 더 이상 백오피스의 문제가 아니라 AI 성공의 핵심입니다.

규제 압력과 AI 서두르기의 위험

전 세계 규제 기관들은 금융 서비스 내 AI 활용에 더욱 집중하기 시작했습니다. AI 모델이 적절한 추적성 없이 타당하지만 부정확한 정보를 생성하는 환각과 투명성에 대한 우려가 커지고 있습니다. 모델 편향과 설명 가능성 부족은 도입을 더욱 어렵게 만들며, 특히 대출, 위험 평가, 규정 준수와 같이 불투명한 결정은 법적 책임 회피와 평판 손상으로 이어질 수 있는 분야에서 더욱 그렇습니다.

설문 조사에 따르면 금융기관의 80% 이상 데이터 신뢰성과 설명 가능성에 대한 우려가 AI 이니셔티브 추진을 지연시키는 주요 요인으로 지적됩니다. 의도치 않은 결과에 대한 우려와 강화된 감독 체계는 신중한 환경을 조성했습니다. 기업들은 혁신에 대한 압박을 받고 있지만, 규제 당국의 규제를 따르지 않거나 완전히 신뢰할 수 없는 AI 시스템을 도입하는 것을 경계하고 있습니다.

이러한 환경에서 일반화된 AI 솔루션을 추구하거나 기성 LLM을 실험하면 프로젝트가 중단되거나 투자가 낭비되거나 더 나쁜 경우 위험을 완화하기는커녕 오히려 증폭시키는 시스템이 구축되는 경우가 많습니다.

도메인별, 데이터 중심 AI로의 전환

업계에 필요한 혁신은 새로운 모델이 아닙니다. 모델 구축에서 데이터 마스터리로의 전환이 필요합니다. 도메인별 비정형 데이터 처리는 금융 서비스 분야의 AI에 더욱 기반을 둔 접근 방식을 제공합니다. 광범위한 인터넷 데이터를 기반으로 학습된 일반 모델에 의존하는 대신, 이 방법은 금융 기관이 이미 보유하고 있는 고유한 데이터를 추출, 구조화, 그리고 맥락화하는 데 중점을 둡니다.

재무 용어, 문서 및 워크플로의 미묘한 차이를 이해하도록 설계된 AI를 활용하여 기업은 이전에는 접근 불가능했던 데이터를 실행 가능한 인텔리전스로 전환할 수 있습니다. 이를 통해 부정확하거나 관련성이 낮을 수 있는 외부 데이터 세트가 아닌, 기관 자체의 신뢰할 수 있는 정보에 기반한 자동화, 인사이트 및 의사 결정 지원이 가능해집니다.

이러한 접근 방식은 효율성을 높이고 위험을 줄임으로써 즉각적인 ROI를 제공하는 동시에 규제 요건도 충족합니다. 명확하고 추적 가능한 데이터 파이프라인을 갖춘 시스템을 구축함으로써 기업은 오늘날 AI 도입의 두 가지 가장 큰 과제를 해결하는 데 필요한 투명성과 설명 가능성을 확보할 수 있습니다.

AI는 금융계에서 실질적인 성과를 창출하고 있습니다.

AI에 대한 논의가 여전히 화려한 혁신에 집중되어 있는 가운데, 특정 분야에 특화된 비정형 데이터 처리는 이미 세계 최대 규모의 은행과 금융 기관들의 이면적인 운영 방식을 혁신하고 있습니다. 이러한 기관들은 AI를 인간의 전문성을 대체하는 것이 아니라, 오히려 강화하는 데 활용하고 있습니다. 계약서에서 중요한 조건 추출을 자동화하고, 공시 내용에 숨겨진 규정 준수 위험을 표시하며, 고객 커뮤니케이션 분석을 간소화하는 것입니다.

예를 들어, 재무제표에 대한 기본 분석은 금융 서비스 전반의 핵심 기능이지만, 분석가들은 각 재무제표의 변동성을 파악하고 감사인의 주석을 해석하는 데 수많은 시간을 소비하는 경우가 많습니다. 저희와 같이 AI 솔루션을 활용하는 기업들은 처리 시간을 60% 단축하여 팀이 수동 검토에서 전략적 의사 결정으로 집중할 수 있도록 했습니다.

그 영향은 가시적입니다. 한때 며칠 또는 몇 주가 걸리던 수동 프로세스가 이제 몇 분 만에 완료됩니다. 위험 관리팀은 잠재적 문제를 조기에 파악할 수 있습니다. 규정 준수 부서는 감사 또는 규제 검토 시 더욱 빠르고 확실하게 대응할 수 있습니다. 이러한 AI 구현은 기업이 검증되지 않은 모델에 의존할 필요가 없습니다. 기존 데이터 기반을 기반으로 기존 데이터를 더욱 강화합니다.

이러한 AI의 실용적인 적용은 많은 생성적 AI 프로젝트에서 흔히 볼 수 있는 시행착오적인 방식과는 극명한 대조를 이룹니다. 최신 기술 트렌드를 쫓는 대신, 정확하고 목적 의식을 가지고 실제 비즈니스 문제를 해결하는 데 중점을 둡니다.

AI 위험 감소: CTO와 규제 기관이 간과하는 것

AI 도입에 쫓기는 많은 금융 서비스 리더들, 심지어 규제 기관들조차도 모델 계층에 지나치게 집중하고 데이터 계층에는 충분히 집중하지 못하는 경우가 많습니다. 첨단 알고리즘의 매력은 AI의 결과가 데이터 품질, 관련성, 그리고 구조에 의해 결정된다는 근본적인 진실을 종종 가려버리곤 합니다.

도메인별 데이터 처리를 우선순위에 둠으로써 기관은 AI 이니셔티브의 초기 단계부터 위험을 줄일 수 있습니다. 즉, 금융 서비스 환경에서 비정형 데이터를 지능적으로 처리할 수 있는 기술과 프레임워크에 투자하여 결과물의 정확성뿐만 아니라 설명 및 감사 가능성을 확보해야 합니다.

이러한 접근 방식은 기업이 AI를 더욱 효과적으로 확장할 수 있도록 지원합니다. 비정형 데이터가 사용 가능한 형식으로 변환되면 규제 보고, 고객 서비스 자동화, 사기 탐지, 투자 분석 등 다양한 AI 활용 사례를 구축할 수 있는 기반이 됩니다. 각 AI 프로젝트를 독립적인 작업으로 처리하는 대신, 비정형 데이터를 마스터하면 재사용 가능한 자산을 생성하여 제어 및 규정 준수를 유지하면서 미래 혁신을 가속화할 수 있습니다.

하이프 사이클을 넘어서다

금융 서비스 산업은 중요한 시점에 있습니다. AI는 엄청난 잠재력을 지니고 있지만, 그 잠재력을 실현하려면 데이터 중심적인 사고방식이 필요합니다. 환각 위험과 모델 편향에 대한 현재의 집중은 타당하지만, 더 시급한 문제, 즉 방대한 비정형 데이터를 활용하고 구조화하지 않으면 AI 이니셔티브는 계속해서 기대에 미치지 못할 것이라는 점을 간과할 수 있습니다.

도메인별 비정형 데이터 처리는 화제가 되지는 않지만, 측정 가능하고 지속 가능한 영향을 미치는 획기적인 기술입니다. 금융 서비스와 같이 규제가 엄격하고 데이터 집약적인 산업에서 실용적인 AI는 차세대 혁신을 쫓는 것이 아니라, 이미 존재하는 것을 더 잘 활용하는 것임을 다시 한번 일깨워줍니다.

규제 기관이 감독을 강화하고 기업들이 혁신과 위험 관리의 균형을 모색하는 가운데, 데이터 마스터리에 집중하는 기업이 선두를 차지할 것입니다. 금융 서비스에서 AI의 미래는 누가 가장 화려한 모델을 가지고 있느냐가 아니라, 누가 데이터를 활용하고, AI를 책임감 있게 구축하며, 복잡하고 규정 준수 중심적인 세상에서 일관된 가치를 제공할 수 있느냐에 따라 결정될 것입니다.