최근 은행을 필두로 한 증권사, 보험사 등 금융산업의 기업들은 ChatGPT와 같은 생성형 AI를 적극적으로 활용하여 업무의 생산성을 높이기 위한 노력을 하고 있습니다.
금융산업의 경우 고객(개인고객 및 기업고객)을 응대하는 비중이 높은 사무직종이기 때문에 생성형 AI를 도입하여 Back-end 업무를 자동화하고, 직원들은 고객대응이라는 핵심업무에 집중하는 전략을 추진하는 것으로 보입니다.
이번 포스트에서는 금융산업에서 생성형 AI(Generative AI)를 어떤 방식으로 적용했는지, 또는 적용하려 하는지를 사례를 통해 말씀드리겠습니다.
1. 배경
금융산업은 전통적으로 높은 전문성을 요구하고, 강력하면서도 복잡한 법/규제 등으로 인하여 높은 임금을 지급하는 대표적인 화이트컬러 업종입니다. 때문에 많은 금융기업들은 업무생산성을 높이기 위하여 IT기술을 적극적으로 활용하는 모습들을 보여왔습니다.
최근에는 토스나 카카오뱅크로 대표되는 핀테크 기업들이 등장하여 IT기술을 바탕으로 만족도가 높은 서비스를 제공함으로써 금융산업 내의 경쟁이 심화되었고, 그에 따라 전통적인 금융기업들 역시 더 적극적으로 IT기술에 투자를 많이 하고 있습니다.
또한, '사람처럼' 능숙하게 대화할 수 있는 ChatGPT가 등장함에 따라서 다양한 영역에 AI를 활용할 수 있게 되었고, 금융산업 내의 많은 기업들도 마찬가지로 내부 업무의 효율화, 고객 만족도 제고, 데이터 기반의 의사결정 등을 목적으로 생성형 AI를 도입하여 활용하려 하는 것입니다.
글로벌컨설팅펌인 맥킨지(McKinsey)에서 최근 발표한 자료에서 생성형 AI는 글로벌 은행산업 내에서 약 2,000 ~ 3,400억 달러의 가치를 창출할 것으로 전망한다고 했으며, 특히나 '마케팅, 판매, 고객지원/관리, 프로그래밍, 규제 준수' 분야에서 두각을 나타낼 것이라고 예상하기도 했습니다.
2. 적용사례
금용회사들은 내부업무 효율화 및 고객만족도 향상이라는 관점에서 생성형 AI를 적용하고 있다고 보입니다. 내부적으로는 직원들의 업무 수행을 지원하고 자동화하면서 자연어 기반으로 정보를 수집/분석하여 전략적 판단을 할 수 있도록 하기 위해 활용하고 있으며, 고객에게는 기존 제공되는 챗봇을 고도화하는 방향으로 많이 활용되고 있다고 할 수 있습니다.
1) 고객용 챗봇
가장 대표적인 사례가 고객을 위한 챗봇에 생성형 AI를 적용하여 고도화하는 것입니다. 여러 금융기업들은 기존에도 고객응대를 위해 다양한 챗봇, 키오스크, 보이는 ARS 등의 서비스를 지원해 왔으나 사전에 설정된 규칙기반으로 서비스가 제공되기 때문에 어색하거나 일부 불편한 부분이 있었던 것이 사실입니다. 하지만 생성형 AI가 등장함에 따라 자연어 처리가 가능하게 되었고, 이를 기반으로 챗봇을 고도화하는 프로젝트를 많은 기업이 진행하고 있습니다.
- JP Morgan은 고객 요청에 따라 금융자산을 분석하고, 투자 의사 결정을 지원하는 AI 투자상담사 서비스인 ‘IndexGPT’ 서비스를 준비하고 있습니다.
- 우리은행은 생성형 AI기반의 'AI뱅커' 서비스를 구축하고 있으며, 영업점에서 예적금 상품 상담을 받는 것과 같은 수준의 상담서비스를 제공하는 것을 목표로 하고 있습니다.
- 신한카드는 AI 음성봇 서비스를 도입하여 결제내역 확인, 분실 신고 등 카드 관련 업무에 활용하고 있습니다.
2) 고객대응 업무 보조
금융시장은 거시적/미시적 경제환경에 따라 실시간으로 변화하고 있고, 매우 복잡한 형태를 띠고 있습니다. 이에 따라 각종 금융상품들도 복잡한 로직에 따라 설계되어 판매되고 있기 때문에 고객뿐만 아니라 내부직원들 마저도 완벽히 이해하지 못하는 경우 들이 있습니다.
이러한 애로사항들을 해결하고자 적시에 최적의 정보를 요약하여 전달하거나, 적법한 절차에 따라 금융상품이 판매되는지를 모니터링하는 등 내부직원들이 고객에 대응하여 업무를 처리하는 과정을 보조하는 방법으로 생성형 AI를 활용하고 있습니다.
- 미국의 투자은행인 모건스탠리(MorganStanley)는 GPT4를 기반으로 자체 금융데이터를 학습시켜 내부 자산관리 전문가들이 필요한 정보를 빠르게 검색할 수 있게 하고, 이를 통해 최적의 고객 자문서비스를 제공할 수 있도록 하고 있습니다.
- 신한은행은 직원용 내부 콜센터에 생성형 AI를 적용할 계획을 갖고 있습니다. 생성형 AI가 상품 정책 등의 데이터를 사전에 학습하여 직원들이 쉽고 빠르게 정보를 찾을 수 있게 지원하여, 고객의 상품 문의 대응이 용이하도록 하는 것을 목표로 하고 있습니다.
3) 백엔드(Back-end) 업무 자동화
고객을 대응하는 업무 외에도 각종 보고서 작성, 증빙서류 제출 등 직장인이라면 피할 수 없는 서류업무들도 업무비중을 많이 차지하고 있습니다. 이러한 백엔드 업무를 자동화함으로써 내부 직원들이 고객 대응이라는 핵심적인 업무에 집중할 수 있도록 지원하고, 혹시라도 발생할 수 있는 인적실수를 방지하는 측면에서 생성형 AI를 활용하거나 활용하려 하고 있습니다.
- NH농협은행은 정해진 포맷에 내용만 바뀌는 문서작업이 많은 것으로 판단하고, 이를 생성형 AI가 기본적인 내용을 작성하여 직원들을 지원하는 시스템을 계획 중에 있습니다.
- JP Morgan은 기업 대출 계약서와 같은 계약 및 약정 서류 등을 분석하여 유형을 분류하고, 핵심적인 문구를 추출하는 등 문서를 분석하는 업무를 대신 수행함으로써 직원이 서류를 분석하는 시간을 줄이고 정확도를 높이고 있습니다.
- KB금융은 최신 뉴스 키워드와 요약문 제공, 내부 사업과제에 대한 검토 결과서 작성 등 내부 직원이 처리하는 문서 작업을 효율화하는 파일럿을 진행 중입니다.
4) 리스크 관리
금융산업은 정부의 규제가 강력하고 변동성이 높은 산업이므로, 정부 규제에 대한 리스크관리가 필수적입니다. 또한 피싱, 스캠 등과 같은 금융사고가 점점 증가하고 있기 때문에 이상거래를 추적 모니터링 할 수 있어야 하는데요. 최근에는 이 리스크 관리 업무영역까지 AI를 적용하려는 추세를 보이고 있습니다.
- JP Morgan은 미 연준의 정책변화를 예측하기 위해 과거 25년 동안의 미 연준 성명서를 분석하여 'Hawk-Dove Score' 모델을 설계했습니다.
- 하나은행은 자금세탁이 의심되는 금융거래를 탐지/모니터링하기 위해서 '자금세탁방지 모형'을 만들고 도입할 계획을 갖고 있습니다.
5) 기타
위에 언급한 케이스 외에도 직원 훈련, 사내 시스템 유지보수를 위한 개발/운영, 고객만족도 분석 등 다양한 분야에도 생성형 AI가 적용되거나 적용을 추진하고 있습니다.
- 골드만삭스(Goldman Sachs)는 소프트웨어 개발자가 생성형 AI를 활용하여 코드를 자동으로 작성할 수 있는 서비스를 시범 운영 중이며, 현재 코드의 40% 정도를 AI가 생성한다고 합니다.
- NH농협은행은 AI 콜봇을 활용해 고객 만족도 조사를 자동화하고, 조사 결과에 대한 통계 추출 및 분석까지 자동으로 진행하고 있습니다.
3. 고려사항
이처럼 금융산업 내 다양한 기업들은 생성형 AI를 적극적으로 도입하여 생산성 및 고객 만족도를 향상하기 위해 노력을 하고 있습니다. 하지만, 금융산업은 타 산업 대비 신뢰성이 높아야 하고, 소비자 보호 규제 등 각종 규제사항을 준수해야 하는 특수성을 갖고 있기 때문에 리스크 대비가 중요하다고 생각합니다.
생성형 AI의 대표적인 오류인 할루시네이션 현상이 발생하는 경우 신뢰도에 큰 영향을 줄 수 있고 생성형 AI로 인해 보안에 구멍이 생길 수도 있기 때문에, 금융산업 고유의 특수성을 고려하여 관련 리스크들을 사전에 면밀히 검토하고 안전한 모델을 지속적으로 보완해 나가며 적용해야 할 것입니다.
참고자료
1) [훅 들어온 생성형 AI 시대] 모건스탠리도 "챗GPT 굿"… 글로벌 금융사들 영역 확장 (디지털타임스, 2023.07)
2) 은행권, 생성형 AI로 업무 혁신 돌입.. 직원용 챗봇, 콜센터 적용 나서 (전자신문, 2023.09)
3) ChatGPT의 탄생과 진화 (하나금융경영연구소, 2023.10)
4) 4대 은행, 생성형 AI로 금융 서비스 지원한다 (서울신문, 2023.11)
5) 금융에 스며든 생성형 AI (THE Ai, 2023.12)