북미와 유럽의 일부 대형 은행들은 영업팀에 조언을 제공하고, 신용 의사결정을 자동화하며, 코드를 생성할 수 있는 AI 툴을 활용해 매출을 창출하고 비용을 절감하고 있습니다. 하지만 아직 이 기술을 고객에게 널리 선보이지는 않았으며, 대부분의 생성형 AI 배포는 아직 최소 1년은 더 걸릴 전망입니다.
JP Morgan Chase(JPMC), HSBC, Deutsche Bank, Royal Bank of Canada(RBC)는 신용카드 사기 적발, 대출 승인, 고객 팀 안내, 컴퓨터 코드 작성 등 백오피스 기능 관리를 지원하기 위해 패턴을 포착하고 프로세스를 자동화하는 AI 소프트웨어를 학습시키고 있다고, 2023년 11월 뉴욕에서 열린 Evident AI Symposium에서 임원들이 밝혔습니다.
JPMC는 런던 소재 리서치 기관 Evident의 최신 글로벌 은행 AI 성숙도 순위에서 1위를 차지했으며, 신용카드 고객에게 맞춤형 혜택을 제공하고 기업 고객을 담당하는 영업팀에 추천을 제공하며 사기를 줄이는 데 AI를 활용하고 있습니다. JPMC는 방대한 양의 인터넷 및 비공개 데이터를 학습한 대규모 언어 모델을 사용해 텍스트를 작성하고, 문서를 요약하며, 투자 전략을 수립하는 분야인 생성형 AI에서 아직 매출을 실현하지 못하고 있습니다. Deutsche Bank는 자금 세탁 방지를 위해 AI를 도입했지만, 고객이 사용하는 소프트웨어에 해당 기술을 적용하는 데에는 신중한 입장을 보이고 있습니다.
| AI에 기대를 걸다 |
|---|
| 1. JP Morgan Chase (US) |
| 2. Capital One (US) |
| 3. Royal Bank of Canada(캐나다) |
| 4. Wells Fargo (미국) |
| 5. UBS(스위스) |
| 6. Commonwealth Bank (Australia) |
| 7. Goldman Sachs (미국) |
| 8. ING(네덜란드) |
| 9. Citigroup (US) |
| 10. DBS(싱가포르) |
출처: Evident AI Index, 2023년 11월
컨퍼런스에 참석한 은행 및 증권거래소 임원들은 고객의 투자 리서치 질의에 답변하거나, 기업의 실적을 요약하거나, 상세한 고객 미팅 브리핑을 준비할 수 있는 생성형 AI 앱은 아직 프로덕션에 도입되지 않았으며 2025년경까지는 도입되지 않을 것이라고 밝혔습니다.
“사람들이 기대하는 만큼 쉽게 얻을 수 있는 성과가 무르익어 있지는 않습니다.”라고 JPMC의 최고 데이터 및 분석 책임자인 Teresa Heitsenrether는 말했습니다. Heitsenrether는 이 은행이 운영 간소화, 사기 탐지, 잠재적 제재 위반 거래 선별, 신용 결정 수행을 위해 AI 도구를 운영함으로써 올해 15억 달러 이상의 가치를 실현할 것이라고 말했습니다. 수익은 더 나은 카드 혜택이나 영업팀을 위한 추천 차기 조치에서 창출되고 있습니다. “우리는 방대한 양의 데이터를 보유하고 있으며 투자할 수 있는 역량도 갖추고 있습니다.”라고 그녀는 말했습니다.
올해 전사적 AI 도입을 이끌 책임자로 임명된 JPMC의 베테랑 Heitsenrether는 “현재까지 회사가 얻은 모든 가치는 패턴을 찾고 예측을 수행할 수 있는 비즈니스 인텔리전스 도구와 머신러닝 같은 보다 전통적인 AI 방법을 통해 창출되었으며, 아직 생성형 AI에서 나온 것은 아니다”라고 말했습니다. “우리는 그곳에서 분명 엄청난 잠재력을 보고 있습니다.”라고 그녀는 진행 중인 JPMC의 수백 가지 사용 사례를 언급하며 말했습니다.
Evident 순위에서 3위를 차지한 캐나다의 RBC도 기업 고객에게 생성형 기술을 제공하는 데 신중한 접근 방식을 취하고 있습니다. “2024년에 많은 은행 고객이 재무 상담을 받기 위해 챗봇과 상호 작용할 것으로 예상하지는 않습니다.”라고 RBC의 최고 과학 책임자이자 Borealis AI 인큐베이터 책임자인 Foteini Agrafioti는 컨퍼런스에서 말했습니다.
RBC는 생성형 AI가 고객 대면 앱에 “본격적으로 활용될 준비가 되어 있다”고 생각하지 않는다고 Agrafioti는 말했습니다. 대신, 대규모 언어 모델이 리서치 애널리스트와 어소시에이트가 보고서를 신속하게 작성하도록 지원할 수 있는지, 또는 콜센터 비용을 절감할 수 있는지를 판단하기 위해 테스트베드를 구축하고 있습니다.
대규모 시장 형성 전망
은행들은 자본 시장 리서치 요약, 고객 투자 포트폴리오의 리스크 및 리밸런싱 검토, 고객 조사 등의 애플리케이션을 위해 방대한 문서와 데이터베이스에 저장되지 않은 기타 비정형 정보를 분석하는 생성형 AI 시스템을 시범 운영하고 있습니다.
컨설팅 회사 McKinsey & Company는 은행이 규제 준수, 고객 서비스, 코딩, 리스크 관리에 이 기술의 활용을 극대화할 경우 이 기술이 업계 전반에서 연간 2,000억 달러에서 3,400억 달러의 추가 가치를 창출할 수 있을 것으로 추산합니다. 하지만 많은 은행이 프로덕션 환경에 생성형 AI를 도입하는 데 신중한 태도를 보여 왔으며, Evident CEO Alexandra Mousavizadeh에 따르면 상용 프로젝트는 2024년에 처음 선보이고 2025년에 수익에 영향을 미칠 것으로 예상됩니다.
은행과 거래소가 추진 중인 생성형 AI 프로젝트로는 엔터프라이즈 검색 기능 개선, 은행 고위 임원과 고객 간 회의를 위한 브리핑 자료집 작성, 스프레드시트와 비즈니스 인텔리전스 대시보드에서 수작업으로 작성하던 보고서 대체, 고객이 자본 시장 리서치 자료를 질의할 수 있도록 지원하는 것 등이 있습니다. “경쟁하려면 그러한 방식으로 머신을 사용할 수 있어야 합니다.”라고 Goldman Sachs의 응용 혁신 부문 공동 책임자인 George Lee가 말했습니다.
한 가지 제약 요인: 은행들은 어떤 생성형 AI 사용 사례가 규제 장벽을 먼저 통과하는지 여전히 지켜봐야 한다고 Deutsche Bank의 경영 이사회 멤버이자 미주 지역 총괄인 Stefan Simon은 말했습니다. “많은 은행들이 선도 주자가 되려는 의지가 그다지 강하지 않습니다.”라고 그는 말했다. 규제 환경은 이러한 경쟁에 독특한 양상을 더합니다.
AI 인재 확보 경쟁
Evident는 하향식 리더십, 인재, 혁신, 투명성이라는 네 가지 기준을 사용해 북미, 유럽, 아시아의 50대 대형 은행을 AI 역량별로 순위를 매긴 지수를 연 2회 발표합니다. JP Morgan Chase가 연구, 특허, 인재 유지, 벤처, 파트너십 등 100개 이상의 기준을 측정하는 11월 지수에서 1위를 차지했으며, 그 뒤를 Capital One, RBC, Wells Fargo, UBS가 이었습니다.
은행들은 다른 분야에서는 인력을 감축하는 가운데서도 데이터 과학자, 엔지니어, 소프트웨어 개발자 및 기타 AI 전문가를 대거 채용하고 있습니다. Evident 연구에서 순위에 오른 기관들은 2023년 5월부터 9월 사이 AI 직무 수를 10% 늘린 반면, 전체 인력은 2.5% 감축했습니다.
데이터, 분석, AI 분야 임원들의 보수가 상승하고 있습니다. 채용 컨설팅 회사 Heidrick & Struggles에 따르면, 주식 보상을 포함한 이들 임원의 중앙값 보상(PDF)은 2021년 미국에서 901,000달러, 유럽에서 676,000달러였습니다. 유럽 금융 서비스 분야의 AI 및 데이터 분석 임원들은 중앙값 기준 96만 1,000달러를 벌어 모든 분야 중 가장 높은 수준을 기록했습니다.
비용 관리에 집중
그렇지만 은행들은 여전히 비용을 주시하고 있습니다. 생성형 AI 모델은 학습 및 보정에 막대한 비용이 듭니다. 대부분의 은행은 자체적으로 모델을 구축하고 학습시키기보다는 퍼블릭 클라우드에서 실행되는 상용 대규모 언어 모델을 활용하고 있습니다.
“손쉽게 얻을 수 있는 성과는 사람들이 원하는 만큼 무르익어 있지 않습니다.”
“우선, 여러분이 이러한 것들을 직접 구축하지는 않을 것입니다. 적어도 올해는 아닙니다.”라고 Morgan Stanley의 최고 분석 및 데이터 책임자인 Jeff McMillan은 말했습니다. “주요 제공업체 중 어느 곳과도 협력할 수 있으며, 법무, 컴플라이언스 및 리스크 관련 사항만 제대로 갖추면 현재 마련된 기반만으로도 세상을 바꿀 수 있습니다.”
Oracle, Meta, IBM 및 기타 기술 기업은 물론 대학과 연구 기관들은 2023년 12월 AI Alliance를 출범시켜 조직들이 공유할 수 있는 소프트웨어 도구, 모델 설명, 벤치마크 및 표준을 만들고, 기술 업계 외부의 조직에는 작동 방식이 더 폐쇄적일 수 있는 AI 모델을 구매하는 것에 대한 대안을 기업에 제공합니다.
은행들은 단일 생성형 AI 공급업체에 너무 많은 비즈니스를 집중시키는 데 따른 위험을 이해하고 있다고 McMillan과 JPMC의 Heitsenrether는 말했습니다. “핵심은 다각화입니다.”라고 그녀는 말했다. “우리는 멀티클라우드 환경을 운영하고 있으며, 앞으로 멀티모델 환경도 운영하게 될 것입니다.”
-
자사와 더욱 관련성 있는 정보를 제공하는 AI 개발을 위한 기업의 '라스트 마일' 학습
현재 은행, 병원 및 여러 전문 분야에서는 과도한 비용을 들여 모델을 처음부터 다시 학습시키는 대신, 전문화된 분야별 데이터를 사용하여 대규모 언어 모델을 미세 조정함으로써 AI의 정확도를 향상시키고 있습니다.
-
위기 이후 은행업의 할 일 목록: 가장 가능성 높은 변화에 대비하기
규제 당국이 유동성 강화에 주력함에 따라 대출기관은 리스크 관리, 금리 모델링, 스트레스 테스트를 보강해야 합니다.