금융 분야의 AI

금융권에서는 AML 경보 수천 건과 KYC 지연이 여전히 일상이다. 규제 감시, 분절된 데이터, 높은 정밀도 요구 앞에서 범용 AI는 쉽게 한계를 드러낸다.

McKinsey는 금융서비스 기업의 **71%**가 생성형 AI를 최소 한 기능에 도입했다고 봤지만, BCG는 **75%**가 여전히 파일럿이나 POC 단계에 머문다고 지적했다. Evident Insights는 2025년 1~6월 은행의 신규 AI 활용 사례가 117건으로, 직전 6개월의 두 배를 넘었다고 밝혔다.

성과를 낸 사례도 있다. Bank of America의 Erica는 월 5,800만 건 이상 상호작용을 처리하고, 직원의 90% 이상이 일상 업무에 활용한다. 또 1만7,000명 개발자에게 AI 코딩 도구를 배포해 비용을 줄이고 개발 속도를 높였다.

핵심 장벽은 trust다. Deloitte는 금융·회계 워크플로에서 신뢰 부족을 주요 장애물로 꼽았고, Basel III, SR 11-7, EU AI Act, SEC 감독 아래서는 데이터 계보, human-in-the-loop 통제, 감사 가능한 출력이 필수다.

• AI가 잘하는 일: 반복 지식업무 자동화, 컴플라이언스 리뷰, 고객 응대, RAG와 context engineering을 통한 내부 데이터 활용
• AI가 혼자 못하는 일: 분절된 민감 데이터 정리, 검증 없는 정확성 보장, 규제 워크플로에 맞는 생산 배치, 거버넌스·보안·감사 대체

파일럿에서 생산으로 넘어가려면 모델만으로는 부족하다. 오케스트레이션, 도메인 전문성, 거버넌스가 함께 있어야 하며, 파트너 기반 접근은 검증된 컴포넌트와 통합 패턴, private deployment 옵션, 구조화된 지식 이전까지 포함한다. Maestro는 계획·검증·실행을, Jamba는 long-context 기반 retrieval과 reasoning을 뒷받침한다. 결국 다음 물결의 금융 AI는 신뢰를 확보하면서도 측정 가능한 가치를 내는 쪽이 승리한다.