챗GPT 다음 단계는 AI Agent ②
: 금융 사례로 살펴보는 Prebuilt Agent의 업무 내재화 전략![]()
- 해당 아티클은 2026년 11월 3일에 진행된 LG CNS 월간 D-Talks ‘Prebuilt Agent로 앞당기는 엔터프라이즈 AX혁신’ 내용을 기반으로 작성되었습니다.
지난 1편에서는 LG CNS의 AgenticWorks를 중심으로 AI 에이전트(AI Agent)의 개발·실행·운영에 필요한 플랫폼 기능과 활용 방법을 살펴봤습니다. 기업은 필요한 모듈을 선택해 에이전트를 개발하고 운영할 수 있는 환경을 갖출 수 있습니다. 그렇다면 이러한 환경에서 실제 업무를 수행할 에이전트는 어떻게 구성할 수 있을까요?
업무에 필요한 에이전트와 처리 흐름, 적용할 규칙과 도구를 사전에 구성해 제공하는 것이 프리빌트 에이전트(Prebuilt Agent)입니다. 기업은 준비된 자산을 활용해 에이전트를 처음부터 직접 구성하는 부담을 줄일 수 있습니다. 표준화된 구조와 통제 체계를 기반으로 에이전트를 도입할 수 있다는 점도 중요합니다.
이번 글에서는 프리빌트 에이전트의 유형과 기업별 업무에 맞춰 적용하는 방식을 살펴보겠습니다. 금융 업무에 활용되는 CIM NBA, 법인심사, 보험금 청구 자동화 사례를 통해 에이전트가 고객정보를 분석해 다음 행동을 제안하고, 심사에 필요한 판단 근거를 제공하며, 조건에 따라 업무 처리 경로를 나누는 과정을 알아보겠습니다.
기업마다 다른 업무에 맞춰 활용하는 Prebuilt Agent
미리 만들어진 에이전트를 도입할 때는 우리 회사의 업무와 맞지 않는 기성품이 될 수 있다는 우려가 있습니다. 기업마다 사용하는 데이터와 시스템, 업무 규칙이 다르기 때문입니다. 에이전트와 워크플로, 규칙과 도구를 사전에 구성한 자산인 프리빌트 에셋(Prebuilt Asset)은 기업의 상황에 맞게 적용할 수 있도록 크게 2가지 유형으로 나뉩니다.

스탠더드 프리빌트(Standard Prebuilt)는 표준 데이터와 워크플로, 공통 규칙이 사전에 구성되어 별도 개발 없이 바로 활용하는 유형입니다. 커스터마이저블 프리빌트(Customizable Prebuilt)는 준비된 공통 자산을 바탕으로 기업의 데이터와 시스템을 연계하고, 필요한 업무 로직을 맞춤 개발해 활용하는 유형입니다. 두 유형 모두 사전에 구성된 자산에서 출발하지만, 기업별로 연계와 개발이 필요한 범위가 다릅니다.
금융사도 AI를 도입할 때 어떤 업무부터 시작할지, 어떤 에이전트를 구성할지 고민하게 됩니다. LG CNS는 여러 금융사에서 활용할 수 있는 업무 케이스를 선정하고, 에이전트와 워크플로, 규칙과 도구를 사전에 자산으로 준비합니다. 금융사는 처음부터 에이전트를 구상하기보다 준비된 금융 자산을 출발점으로 삼아 자사 업무에 적용할 수 있습니다.
고객정보와 업무 규칙을 연결해 다음 행동을 제안하는 CIM NBA
CIM은 고객정보 관리, NBA는 넥스트 베스트 액션(Next Best Action), 즉 ‘다음 최적 행동’을 의미합니다. CIM NBA는 고객정보와 은행의 업무 규칙을 연결해 누구에게 어떤 상품을 제안할지, 그 근거는 무엇인지 함께 찾는 에이전트입니다.
예를 들어, 고객이 큰 금액의 대출을 갑자기 상환하면 CIM NBA는 이를 고객의 변화를 나타내는 신호로 감지합니다. 고객의 보유 자산과 고객등급, 거래 내역을 금융 업무 규칙인 파이낸스 룰(Finance Rule)과 함께 분석해 추가로 운용할 수 있는 자금이 있는지 판단합니다. 분석 결과를 바탕으로 고객에게 적합한 상품이나 다음 행동을 제안하고, 제안의 근거도 제공합니다. 상품 검색을 넘어 고객에게 발생한 변화를 감지하고, 지금 어떤 행동이 필요한지 판단하도록 지원하는 것입니다.
추천 정보는 담당자의 역할에 따라 다르게 활용됩니다. 본부는 지점별 제안 대상 규모를 확인하고, 지점 관리자는 영업 대상과 리스크 관리 대상을 확인합니다. 고객 상담과 영업을 담당하는 RM(Relationship Manager)은 개별 고객에게 제안할 상품과 적용된 규칙을 확인할 수 있습니다. 담당자는 대상 고객, 추천 행동, 선정 사유와 실행 시나리오를 실제 상담과 영업 준비에 활용합니다.

CIM NBA를 기업의 업무에 적용하는 구성은 Core, Finance Rule Pack, Configure의 세 부분으로 나뉩니다.
Core는 공통 실행 구조입니다. 입력된 질문을 정제하고, 필요한 규칙을 검색한 뒤, 도구를 호출해 답변을 생성하는 흐름으로 구성됩니다.
Finance Rule Pack은 LG CNS가 제공하는 기본 업무 규칙과 실행 도구의 패키지입니다. 기업은 필요한 규칙을 선택해 적용하고, 기업 고유의 업무 규칙이 있으면 추가할 수 있습니다.
Configure는 기업의 시스템을 연계하고 업무에 맞게 설정하는 부분입니다. 에이전트가 고객·상품 데이터베이스에 접근할 수 있도록 MCP(Model Context Protocol) 기반의 연계 기능을 기업별로 개발합니다. 시스템 연계 과정에서는 인증·권한과 데이터 구조인 스키마를 연결하고, 적용할 업무 규칙과 판단 기준값인 임계값 등을 설정합니다.
정보 수집부터 판단 근거까지, 법인심사를 지원하는 Agent

법인심사 에이전트는 법인고객의 가입 및 거래 심사를 지원합니다. 담당자가 법인명이나 법인번호를 입력하면 에이전트는 DART, CRETOP 등 외부 기업·신용정보와 내부 정보를 수집하고 분석합니다. 기업정보와 재무현황, 신용정보, 주요 리스크 요인을 분석해 해당 법인을 고객으로 승인할 수 있는지 판단하는 데 필요한 AI 의견과 근거를 제공합니다.
분석 결과는 종합 심사 보고서로 정리됩니다. 담당자는 판단 요약부터 상세 분석까지 확인하며 심사에 필요한 내용을 검토할 수 있습니다.
판단 요약에서는 적극적·보수적·부정적으로 구분된 판단 결과를 확인합니다. 소스 비교에서는 내부정보와 외부 자료별 분석 결과를 비교하고, 기업의 강점·약점·기회·위협을 정리한 SWOT 분석도 살펴볼 수 있습니다.
보고서의 종합의견에는 에이전트가 분석한 핵심 리스크와 최종의견, 검토 시 주의사항이 담깁니다. 추가 검토가 필요한 경우 상세 분석에서 재무상태표와 항목별 분석 내용을 확인할 수 있습니다. 담당자는 보고서의 요약으로 전체 판단을 파악하고, 세부 자료를 검토하며 판단 근거를 확인합니다.
법인심사 에이전트는 자료와 분석 내용을 하나의 보고서로 정리하고 기존 업무 시스템과 연계해 담당자의 의사결정을 지원합니다. 최종 심사 판단과 승인은 담당자가 수행합니다.
조건에 따라 처리 경로를 나누는 보험금 청구 자동화 Agent

보험금 청구 자동화 에이전트는 자동차 사고 보험금 청구 업무를 지원합니다. 에이전트는 수리 견적, 손상 증빙, 청구 신청 서류를 받아 필요한 서류가 모두 갖춰졌는지 먼저 확인합니다. 서류가 부족하면 보완 요청 이메일을 보내고, 서류가 완비된 건은 고객 이력과 약관을 확인해 보장 여부를 판단합니다.
보장 불가 건은 안내로 마무리하고, 보장 가능 건은 사기 위험을 분석합니다. 에이전트는 사기 위험 분석 결과에 따라 자동 승인, 담당자 검토, SIU 알림으로 처리 경로를 나눕니다. SIU(Special Investigation Unit)는 보험사기 조사팀으로, SIU 알림은 전문 조사를 요청하는 절차입니다. 사기가 확정됐다는 의미는 아닙니다.
담당자는 실행 결과에서 청구 건의 처리 상태와 판단 보고서를 확인할 수 있습니다. 자동 승인으로 처리된 건에서는 최종 승인 상태를 확인하고, 사고 지점과 리스크 스코어링의 판단 근거 등 상세 정보도 살펴볼 수 있습니다.
보험금 청구 자동화 에이전트는 서류 완결성, 보장 여부, 사기 위험에 따라 다음 처리 단계를 선택합니다. 청구 건의 조건에 따라 자동으로 처리하거나 담당자의 검토와 전문 조사로 연결합니다.
금융 사례를 통해 살펴봤듯이, 기업은 업무에 필요한 모든 에이전트를 처음부터 구성할 필요가 없습니다. 준비된 업무별 자산을 선택하고, 자사 데이터와 시스템을 연결하거나 필요한 업무 로직을 맞춤 개발해 활용할 수 있습니다.
금융 업무에서 구성한 공통 자산은 다른 기업이나 업무에 필요한 연계·설정과 맞춤 개발을 더해 재사용할 수 있습니다. 기업은 재사용할 수 있는 자산을 축적해 새로운 AX 과제를 더 빠르게 시작할 수 있습니다.
다음 편에서는 AI FinOps와 AI PMO 사례를 통해 프리빌트 에이전트가 기업의 AI 비용 관리와 프로젝트 관리 업무에 어떻게 활용되는지 살펴보겠습니다.
2026년 11월에 진행한 월간 D-Talks 전체 내용은 아래의 다시보기 링크를 통해 확인할 수 있습니다.
▌요약
- 프리빌트 에이전트(Prebuilt Agent)는 업무에 필요한 에이전트와 처리 흐름, 적용할 규칙과 도구를 사전에 구성해 제공하는 자산입니다. 기업은 준비된 자산을 활용해 에이전트를 처음부터 직접 구성하는 부담을 줄일 수 있습니다.
- 스탠더드 프리빌트(Standard Prebuilt)는 표준 데이터와 워크플로, 공통 규칙이 사전에 구성되어 별도 개발 없이 활용하는 유형입니다. 커스터마이저블 프리빌트(Customizable Prebuilt)는 준비된 공통 자산을 바탕으로 기업의 데이터와 시스템을 연계하고, 필요한 업무 로직을 맞춤 개발해 활용하는 유형입니다.
- CIM NBA는 고객정보와 은행의 업무 규칙을 연결해 상품을 제안할 고객과 추천 상품, 제안 근거를 함께 찾는 에이전트입니다. 담당자는 대상 고객, 추천 행동, 선정 사유와 실행 시나리오를 상담과 영업 준비에 활용합니다.
- 법인심사 에이전트는 외부 기업·신용정보와 내부 정보를 수집·분석하고, 분석 결과와 AI 의견, 판단 근거를 종합 심사 보고서로 정리합니다. 최종 심사 판단과 승인은 담당자가 수행합니다.
- 보험금 청구 자동화 에이전트는 필요한 서류가 모두 갖춰졌는지 확인하고, 고객 이력과 약관을 검토해 보장 여부를 판단합니다. 보장 가능 건은 사기 위험을 분석해 자동 승인, 담당자 검토, 보험사기 조사팀(SIU) 알림으로 처리 경로를 나눕니다.
▌FAQ
Q1. 프리빌트 에이전트를 도입해도 별도 개발이 필요한가요?
A1. 프리빌트 에이전트는 유형에 따라 별도 개발이 필요한 범위가 다릅니다. 스탠더드 프리빌트는 표준 데이터와 워크플로, 공통 규칙이 사전에 구성되어 별도 개발 없이 활용합니다. 커스터마이저블 프리빌트는 준비된 공통 자산을 바탕으로 기업의 데이터와 시스템을 연계하고, 필요한 업무 로직을 맞춤 개발해 활용합니다.
Q2. CIM NBA 도입 시 사전에 준비된 부분과 기업별로 연계·개발해야 할 부분은 무엇인가요?
A2. CIM NBA는 공통 실행 구조인 Core와 기본 업무 규칙·실행 도구 패키지인 Finance Rule Pack을 제공합니다. 기업별 시스템 연계와 설정은 Configure에서 수행합니다. 고객·상품 데이터베이스에 연결하는 MCP 기반의 연계 기능을 기업별로 개발하고, 인증·권한과 데이터 구조를 연결합니다. 기업 고유의 업무 규칙을 추가하고 적용 규칙과 임계값도 설정할 수 있습니다.
Q3. 법인심사 에이전트는 어떤 업무를 지원하고, 최종 판단은 누가 하나요?
A3. 법인심사 에이전트는 외부 기업·신용정보와 내부 정보를 수집·분석하고, 기업정보와 재무현황, 신용정보, 주요 리스크 요인을 종합 심사 보고서로 정리합니다. 담당자는 보고서에 담긴 AI 의견과 판단 근거를 검토합니다. 최종 심사 판단과 승인은 담당자가 수행합니다.
Q4. 보험금 청구 자동화 에이전트는 모든 청구를 자동 승인하나요?
A4. 보험금 청구 자동화 에이전트는 모든 청구를 자동 승인하지 않습니다. 필요한 서류가 모두 갖춰졌는지 확인하고 보장 여부를 판단한 뒤, 보장 가능 건의 사기 위험을 분석합니다. 분석 결과에 따라 자동 승인, 담당자 검토, 보험사기 조사팀(SIU) 알림으로 처리 경로를 나눕니다. SIU 알림은 전문 조사 요청이며, 사기가 확정됐다는 의미는 아닙니다.
▌연관 콘텐츠 목록
- 1편 - 처음부터 만들 필요 없는 기업용 ‘Agentic AI’ 도입 가이드
- 2편 - 금융 사례로 살펴보는 Prebuilt Agent의 업무 내재화 전략
▌관련 오퍼링 및 문의하기
본 콘텐츠는 저작권법에 의해 보호받는 저작물로 LG CNS에 저작권이 있습니다.
사전 동의 없이 2차 가공 및 영리적인 이용을 금합니다.