금융권은 인공지능(Artificial Intelligence, AI)을 기반으로 한 혁신을 빠르게 확장하고 있습니다. 무인 점포 운영을 시작으로, 생성형 AI를 활용한 내부 업무 혁신과 고객 맞춤형 서비스 제공까지 전 영역에서 AI 도입을 본격화하고 있습니다. 그러나 아직까지 보안, 데이터 품질, 체계 부족 등 여러 현실적 한계로 인해 금융 AI의 활용은 기대에 못 미치는 경우도 적지 않습니다.

이러한 상황을 반영해, 2024년 12월 금융위원회는 금융권 AI 활용을 적극 지원하는 새로운 정책을 발표했습니다. 주요 내용은 △금융권 AI 이원(Two-track) 활용 체계 마련 △금융 특화 데이터 구축 지원 △금융 AI 가이드라인 개정 추진입니다. 이는 기존 한계를 극복하고 금융 산업의 AI 도입을 가속화하려는 움직임으로 해석할 수 있습니다.

이번 글에서는 금융권의 AI 도입이 직면한 현실적 제약을 살펴보고, 이를 해결하기 위한 금융위원회의 주요 정책을 구체적으로 분석하여, 향후 금융 AI의 발전 가능성과 전망을 함께 조망해보겠습니다.

AI 도입 한계를 넘기 위한 금융위원회의 정책 발표

지금까지 금융권은 AI 기술 활용에 있어 여러 제약과 한계로 실질적인 AI 도입에 많은 어려움을 겪고 있었습니다.

먼저, 보안 환경의 제약을 예로 들 수 있습니다. 국내 금융권은 개인정보 유출 및 사이버 공격에 대한 위험을 최소화하고, 내부망과 외부 인터넷망 간의 접점을 차단하기 위해 망분리 정책을 시행하고 있습니다. 이러한 보안 규제로 인해, 외부 서버를 기반으로 하는 생성형 AI 서비스의 자유로운 활용에는 현실적인 제약이 따릅니다.

또한, 금융 특화 데이터의 부족도 금융권의 AI 도입을 어렵게 만드는 요인입니다. 대부분의 AI 모델은 일반 도메인 데이터를 중심으로 학습되어 있어, 금융권에 특화된 고도화된 서비스 제공에 한계가 있습니다. 예를 들어, 금융 특화 데이터가 아닌 일반 대화 데이터를 학습한 챗봇은 ‘ELS(Equity Linked Securities) 상품이 뭔가요?’와 같은 질문에 대해 정확한 금융 지식이나 투자 유의사항을 설명하기 어렵습니다. 이를 해결하고 고객 응대나 상품 추천 등에서 정확도와 신뢰도를 높이기 위해서는, 정제된 금융 전문 데이터셋의 확보와 활용이 필수적입니다.

마지막으로, AI 활용에 대한 불확실성과 거버넌스의 부재입니다. 거짓 정보 생성, 알고리즘 편향, 정보 유출 등의 리스크가 존재함에도 불구하고, 이를 통제하거나 대응할 명확한 기준과 체계가 아직 충분히 마련되지 않았습니다. 이러한 문제들은 이전부터 금융권 AI 도입에 극복해야 할 과제로 제동을 걸어왔습니다.

금융권 AI 도입에 현실적 문제를 인식한 금융위원회는 2024년 12월, 금융권의 AI 활용을 지원하기 위한 정책을 발표했습니다. 정책에는 ① 금융권 AI 이원(Two-track) 활용 체계 마련, ② 금융 특화 데이터 구축 지원, ③ 금융 AI 가이드라인 개정 추진에 대한 내용이 담겨있으며, 이를 통해 금융권의 AI 도입 한계를 극복하고자 다음과 같은 방안을 제시하고 있습니다.

① 금융권 AI 이원(Two-track) 활용 체계 마련

금융사는 망분리 및 보안 규제로 인해 AI 개발 환경 구축에 제약을 받고 있습니다. 이에 따라 정부는 ‘금융권 AI 플랫폼’을 통해 성능과 안전성이 검증된 오픈소스 모델과 데이터를 선별 제공하고, 금융사들이 다양한 모델을 테스트할 수 있는 PoC(Proof of Concept)환경과 내부망 설치 지원 인프라를 마련할 계획입니다.

② 금융 특화 데이터 구축 지원

대부분의 오픈소스 AI 모델은 금융 전문성과 한국어 대응력이 부족하다는 한계가 있습니다. 이를 해결하기 위해 금융위원회는 유관기관과 협력해 △금융 법규 및 가이드라인 △업권별 보도자료 △금융연수원·보험연수원 연수자료 등으로 구성된 한글 말뭉치를 구축하고, RAG(Retrieval-Augmented Generation)용 데이터 및 성능 평가용 데이터 등을 중심으로 AI 학습에 필요한 고품질 금융 데이터를 제공할 예정입니다.

③ 금융 AI 가이드라인 개정 추진

생성형 AI 확산과 함께 금융사 내부에서도 명확한 거버넌스 수립 요구가 커지고 있습니다. 이에 금융위원회는 금융 AI 개발·활용에 필요한 7대 원칙을 정립하고, 이를 바탕으로 구체적인 가이드라인과 안내서를 마련해 나갈 것을 발표했습니다.

이처럼 새로운 정책 마련으로 금융권의 AI 도입이 한층 원활해질 것으로 예상되는 가운데, 최근 신한은행은 외부 생성형 AI를 연계한 'AI ONE 플랫폼'을 도입해 시간이 많이 소요되는 업무의 효율성을 높이는 방향으로 실질적인 AI 활용을 시작했습니다. 이는 외부 거대 언어 모델(Large Language Model, LLM)을 연계한 사례로, 내부 모델보다 더 자연스럽고 정교한 응답을 얻을 수 있는 것은 물론 학습 비용 부담도 줄일 수 있습니다. 이러한 사례는 정부의 정책적 기반 위에 금융사의 실행력이 더해질 때, AI 기술이 실무 전반에 정착하고 새로운 운영 방식으로 자리잡을 수 있음을 보여주고 있습니다.

금융위원회의 정책으로 본 금융 AI 전망

금융위원회의 정책적 기반 마련은 금융권의 AI 활용 방향성과 실행 여건을 보다 효율적으로 만들어줄 것으로 기대됩니다.

우선, AI 이원 활용 체계는 금융사들이 보안 요건을 고려해 상용·오픈소스 모델을 유연하게 선택하고, 실무 환경에 맞춘 AI 도입 전략을 세울 수 있는 발판이 되고 있습니다. 여기에 금융 특화 데이터의 안정적 확보는 이상거래 탐지, 리스크 평가 등 고도화된 AI 서비스 개발을 가능하게 할 것입니다.

또한, 가이드라인 개정을 통한 명확한 거버넌스 정립은 AI 도입을 둘러싼 불확실성을 줄이고, 실무 적용에 대한 부담을 덜어줄 수 있습니다. 기술 도입의 속도는 물론 방향의 신뢰성까지 함께 확보하게 되는 셈입니다.

금융위원회의 AI 활용 지원 정책으로 LLM을 포함한 AI 도입이 가속화되는 지금, 금융 서비스에 적합한 모델을 선별하고 검증할 수 있는 역량의 중요성이 더욱 커지고 있습니다. 금융 분야는 전문 용어와 고도의 정확성이 요구되는 산업이기 때문에, AI가 이를 제대로 이해하지 못한다면 신뢰할 수 있는 답변을 도출하기 어렵습니다. 따라서 금융 산업에 특화된 파인 튜닝(Fine-tuning)과 함께, 해당 모델의 성능을 평가할 수 있는 정량적 기준과 평가 체계 마련이 필수적입니다.

특히, 금융 업무 특성에 맞춘 LLM 평가 도구는 향후 AI 모델 도입과 활용 수준을 결정짓는 핵심 요소가 될 수 있습니다. 여기에는 △할루시네이션 발생률 △금융 지식 이해도 △용어 정확도 등 금융 특화 지표가 포함되어야 합니다. 이를 기반으로 금융권은 보다 적합한 모델을 선택하고, 실제 업무에 안정적으로 적용하는 방향으로 발전할 수 있을 것입니다.

이제 금융 업계는 ‘어떤 기술을 도입할 것인가’에 머무를 것이 아니라, ‘금융에 최적화된 방식으로 어떻게 구현하고 효과적으로 운영할 것인가’를 본격적으로 고민해야 합니다. 금융위원회의 정책적 지원과 함께 금융 AI 시장은 빠르게 활성화될 전망입니다. 이에 대비해, 지금부터 체계적인 전략을 수립하고 기술 내재화를 추진하는 기업만이 다가오는 경쟁 속에서 한발 앞선 성장을 이끌어낼 수 있을 것입니다.

본 콘텐츠는 저작권법에 의해 보호 받는 저작물로 LG CNS에 저작권이 있습니다.
사전 동의 없이 2차 가공 및 영리적인 이용을 금합니다