오픈 토론: 뱅킹 업계를 위한 AI 전략

인공지능(AI)은 뱅킹 업계를 트랜스포메이션하고 있으며, 혁신, 운영 효율성, 고객 서비스 개선을 위한 전례 없는 기회를 제공하고 있습니다. 그러나 이러한 기회는 데이터 보안, 컴플라이언스, 윤리 고려 사항과 같은 과제 없이는 실현될 수 없습니다. 

이러한 주제는 최근 Finextra에서 주최한 웨비나인 확장성, 보안 및 컴플라이언트 뱅킹을 위한 AI 전략에서 논의되었습니다. 이 세션에서는 Red Hat 부사장 겸 금융 서비스 부문 글로벌 책임자인 Richard Harmon과 제품 매니저인 Will Caban이 Dwolla, Skylar Nesheim 그리고 Finextra의 Sharon Kimathi CTO와 함께 AI를 위한 모범 사례와 툴을 살펴보았으며, 오픈소스 모델, 생성형 AI(Generative AI), 합성 데이터 사용 및 규제 프레임워크의 중요성을 강조했습니다.

실험과 탐색

웨비나 중에 실시되고 웨비나 후 리포트에 발표된 설문조사에서, 설문조사 응답자의 58%는 대부분의 금융 서비스 기관이 아직 실험 단계 또는 탐색 단계에 있다는 입장을 지지했습니다. 동향과 활용 사례는 조직마다 다를 수 있지만, 세션에서는 은행들이 AI를 어떻게 실험하고 있는지에 대한 명확한 주제가 제시되었습니다.

• 생성형 AI: 고객에게 긍정적인 영향을 미치고 문의에 신속하게 응답하는 것으로 여겨집니다. 또한 Gen AI는 시장 분석 및 신제품 개발을 위한 강력한 툴이 될 수 있습니다.
• 금융 범죄 예방: AI 시스템은 방대한 양의 데이터를 분석하여 사기 행위를 나타내는 패턴과 이상 징후를 식별할 수 있습니다. 강력한 사기 감지 기능으로 은행 자산을 보호하고 고객의 신뢰를 향상합니다.
• 결제 처리: AI는 거래를 보다 효율적으로 단순화하고 최적화하여 보다 안전하고 빠르며 비용 효율적인 거래를 가능하게 하여 소비자와 기관 모두에게 이익을 제공합니다.
• 에이전트형 AI: 자율적으로 태스크를 수행하는 AI 에이전트는 금융 업계에 혁신을 가져올 것으로 기대됩니다. AI 에이전트는 시스템을 모니터링하고, 문제를 식별하고, 시정 조치를 취하여 운영 효율성과 고객 경험을 개선합니다.

합성(Synthetic) 데이터와 규제 관련 난제

합성 데이터는 AI, 특히 데이터 프라이버시가 필수적인 뱅킹 분야에서 매우 중요합니다. 알고리즘을 통해 생성되는 이 데이터는 민감한 정보를 노출하지 않고 실제 데이터를 복제하므로 새로운 데이터 공유 및 분석이 가능합니다. 이는 보안을 강화하고 혁신을 촉진하는데, 금융 범죄 탐지 사례에서 볼 수 있듯이 금융 기관들은 고객 데이터를 위험에 빠뜨리지 않고 모델 개발에 협력할 수 있습니다. 

합성 데이터는 기관과 국가 간 귀중한 데이터 공유를 크게 강화하여 공동의 노력을 강화합니다. 특히 높은 비용과 실제 데이터에 대한 제한된 액세스를 고려할 때 AI 학습에 매우 중요합니다. 합성 데이터를 사용하는 조직은 고급 AI 시스템을 학습하기 위한 대규모 데이터세트를 신속하게 생성하여 확장성과 경제성을 높일 수 있습니다. 또한 실제 데이터에서 발견되는 편향을 줄여 더 정확하고 공정한 AI 모델을 만들 수 있습니다. 

규제와 혁신의 균형을 유지하는 것은 AI를 윤리적으로 배포하는 데 필수적입니다. EU 인공지능(AI) 법과 같은 새로운 규정은 데이터 프라이버시, 투명성, 견고성을 강조하여 위험을 줄이고 신뢰를 구축합니다. 효과적인 규제는 혁신을 보호하는 동시에 안전성을 보장해야 하며, 관련된 기술을 철저히 이해해야 합니다. 

업계는 혁신을 지원하는 동시에 오용을 방지하는 보호 장치를 강화하는 프레임워크를 개발해야 합니다. 또 다른 설문조사에서 웨비나 참석자의 41%는 AI 기반 서비스를 전면 도입하는 이유로 컴플라이언스 문제를 꼽았습니다. 

활용 사례

AI 모범 사례는 빠르게 진화하고 있지만 은행이 고려해야 할 몇 가지 지침이 있습니다. Caban에 따르면 기억해야 할 가장 중요한 지침 중 하나는 "다음 단계를 추구하지 않는 것"입니다. 

“중요한 건, 다음에 어떤 큰 일이 일어날지가 아니라는 거예요. 누군가는 분명 따라 합니다. 이제 모방하는 것은 정말 쉬우니까요. 그 대신, 고객의 고충과 내부 고충에 집중하고, 조직에 지속 가능한 AI 혁신을 가져올 수 있는 반복적인 방식으로 실행해야 합니다.”라고 Caban은 강조합니다. 이는 현명한 조언입니다.

다음과 같이 다양한 모범 사례가 있습니다.

• AI를 뱅킹 활용 사례, 데이터 관리, 거버넌스에 연계하여 규정을 준수하고 안전한 엔터프라이즈 AI를 규모에 맞게 구축
• 오픈소스 AI 모델, 가중치, 알고리즘, 프레임워크를 사용하여 투명성, 커뮤니티 지원, EU AI 법과 같은 규정 준수 지원 기능을 제공하는 방안 고려
• 특정 문제 해결, 규정 준수 보장, 공감과 협업 문화 조성 등 AI 도입에 대한 균형 잡힌 접근 방식 지원

결론

뱅킹 분야의 AI에는 고유한 장점과 과제가 있습니다. 효율성과 고객 경험이 개선되면서 새로운 활용 사례에 대한 관심이 높아졌습니다. 은행은 성장과 고객 만족도를 최대화하기 위해 책임 있는 사례에 따라 AI 도입을 조정해야 합니다. AI 툴을 수용하고, 합성 데이터를 사용하고, 규정을 준수하는 것이 AI의 잠재력을 실현하는 데 핵심이 됩니다. 규제 환경에서 윤리적 문제와 편향을 해결하면 효율성과 혁신이 향상됩니다. 금융 부문은 고객의 요구 사항에 집중하고 공감대를 형성함으로써 올바른 전략과 보호 장치를 통해 성장과 혁신을 달성할 수 있습니다.

Red Hat은 금융 서비스 업계에 혁신적인 AI 기반 솔루션을 제공하기 위해 최선을 다하고 있습니다. Red Hat AI는 프로덕션 레디 서비스 도입을 가속화하도록 지원합니다. 자세한 내용은 Red Hat의 금융 서비스 페이지를 참조하세요. Red Hat은 Red Hat Enterprise Linux AI와 합성 데이터 생성기(Synthetic Data Generator, SDG)를 활용하여 사용자 정의 LLM 생성을 지원합니다. 이를 자세히 알아보려면 인터랙티브 데모를 확인하세요.