김한성 굿프롬프트 대표
▲김한성 굿프롬프트 대표
2023년이 세계가 생성형 AI(GenAI)를 주목한 해였다면, 2024년은 조직들이 이 기술을 사용해 비즈니스 가치를 창출하기 시작한 해가 될 것이다. 최신 맥킨지 글로벌 AI 서베이에 따르면, 응답자의 65%가 정기적으로 생성형 AI를 사용하고 있다고 보고했으며, 이는 10개월 전 33%에서 크게 증가한 수치이다. 기업들은 마켓팅과 판매, 제품 및 서비스 개발에 집중한 가운데 IT, 서비스 운영, 소프트 엔지니어링, HR 등 다양한 분야에서 생성형 AI를 적용하고 있다. 이는 인적 자원 비용 절감 및 공급망 및 재고 관리에서 수익 증대 등의 실질적 이익을 나타낸다.
산업별로 기술, 에너지 및 재료, 미디어 산업이 AI도입에 적극적이며, 대부분의 산업이 예산의 5% 이상을 생성형 AI에 지출하고 있다. 금융산업도 예외가 아니다. 지난 20여년 동안 금융기관들은 점진적으로 AI 기술을 그들의 운영에 통합해왔다. 2000년대 초, 머신러닝 알고리즘이 처음으로 사기성 신용카드 거래를 탐지하는 데 사용되었다. 이후 데이터와 컴퓨팅 파워가 증가하면서 AI 응용 분야는 급속도로 확장되었다. 2010년대 중반에는 로보어드바이저가 투자 관리 부문에서 큰 변화를 가져왔고, 최근에는 신용 평가, 리스크 관리, 알고리즘 거래, 고객 서비스 등 다양한 분야에서 AI가 활용되고 있다. 그리고 2023년 이후 생성형 AI의 도입으로 금융 분야는 새로운 AI 활용의 패러다임 변화를 경험하고 있다.
생성형 AI 이전에는 AI가 주로 대형 금융기관에서 제한적으로 도입되었지만, 이제는 개인화된 금융 상담, 복잡한 금융 문서 분석, 고급 자연어 기반 고객 상호작용 등으로 그 적용 범위가 확대되었다. 기술적으로, 생성형 AI는 비정형 데이터 처리와 자연어 이해 능력이 뛰어나 다양한 금융 업무에 활용된다. 또한, 데이터 과학자나 퀀트 분석가뿐만 아니라 일반 금융 전문가와 고객도 AI를 직접 활용할 수 있게 되었다. 비즈니스 측면에서도 운영 효율성 향상과 리스크 관리에서 새로운 금융상품 개발, 고객경험 혁신, 의사결정 가속화 등으로 가치 창출이 가능해졌다.
그러나 금융에서 AI의 유망한 잠재력에도 불구하고, 해결해야 할 몇 가지 중요한 도전 과제와 우려사항이 있다. 글로벌 금융 시장에서 AI 시스템들의 상호 연결성은 잠재적으로 위기 시에 충격을 증폭시켜 연쇄적인 실패로 이어질 수 있는 시스템적 리스크가 우려될 수 있다. 또한 생성형 AI 기반 시스템들이 “블랙박스"로 작동하여 그들이 어떻게 결정에 도달했는지 이해하기가 어렵다. 이러한 투명성 부족은 금융 소비자들로 하여금 신뢰를 약화시키고 규제 기관에는 혁신을 촉진하면서도 금융에서의 AI 사용을 감독할 프레임워크를 만드는 엄청난 과제에 직면케 한다. 그리고 AI 시스템은 그들이 학습한 데이터에 의존하는 알고리듬의 편향성이 본질적으로 존재함에 따라 금융 데이터에 축적된 역사적 편향이 차별적인 대출 관행이나 투자 결정을 부추킬 수 있는 우려도 있다.
이러한 도전 과제들을 해결하기 위해서는 금융 기관, 기술 기업, 규제 기관, 학계 간의 협력을 포함하는 다면적 접근이 필요하다. 왜냐하면 금융에 AI를 통합하는 것은 각자의 이해관계와 우려사항을 가진 광범위한 이해관계자들에 영향을 미칠 수 있기 때문이다. 은행과 금융 기관은 AI의 주요 채택자로 효율성과 수익성을 높일 수 있지만, 윤리적 책임도 지고 있다. 핀테크 스타트업은 혁신의 최전선에서 전통 기관에 도전하고 있다. 개인 투자자는 AI를 통해 정교한 투자 옵션을 얻을 수 있지만, 투명성과 시장 변동성에 대한 우려가 있다. 마지막으로, 금융부문 직원들은 AI로 인해 업무 변화와 일자리 대체에 대한 걱정이 크다.
그러나 생성형 AI는 금융 산업에 혁신적인 변화를 가져올 잠재력을 가지고 있다. 이에 성공적인 AI구현을 위해서는 리더십, 전략적 로드맵, 위험 관리, 인력 재구성에 대한 철저한 준비와 실행이 필수적이다. ㅍㅍ 우선 고위 리더십의 강력한 지원과 명확한 전략 로드맵이 필요하다. 이 로드맵에는 우선순위 사용 사례 식별, 인재 및 기술 역량 개발, 유연한 운영 모델 유지가 포함된다. 또한 생성형 AI는 일상 작업을 자동화하고, 전문가의 품질과 전략적 통찰력을 향상시켜 회계 및 재무 보고를 혁신하고 있다. 그러나 데이터 프라이버시, 지적 재산권 침해, 출력의 부정확성 등 몇 가지 중요한 위험도 수반된다. 이러한 위험을 인식하고 완화하기 위한 조치가 필요하며, 거버넌스와 워크플로우 통합에는 도전이 따른다.
특히, 생성형 AI의 도입은 금융부문의 인력을 재구성하는 변화를 가져온다. 프롬프트 엔지니어와 모델 파인튜너 같은 새로운 인재 프로필의 수요가 증가하고 있으며, 기존 직원들은 기술 발전에 맞춰 지속적인 업스킬링이 필요하다. 이 과정에서 직무 축소에 대한 우려를 관리하고, 자동화가 생산성과 직원 경험에 미치는 긍정적 영향을 강조하기 위해 투명성과 명확한 의사소통이 중요하다.
;){kind=link}