금융 서비스, 생성형 AI 도입의 기회와 도전: Discover Financial Services 사례 분석
최근 생성형 AI(Generative AI, genAI) 기술의 발전과 함께 많은 Fortune 500대 기업들이 데이터 기반 의사 결정을 통해 운영 효율성을 높이는 데 주목하고 있습니다. 특히 금융 서비스 분야에서는 엄격한 규제와 민감한 고객 데이터 보호라는 과제 속에서 AI 도입에 신중한 접근이 요구됩니다. 본 글에서는 Discover Financial Services (DFS)의 사례를 통해 금융 서비스 기업이 생성형 AI를 도입하면서 겪는 기회와 도전을 살펴보고, 성공적인 AI 활용을 위한 핵심 고려 사항을 제시합니다.
데이터 보안과 규제 준수: 금융 서비스 AI 도입의 핵심 과제
Discover Financial Services는 2년 이상 생성형 AI를 활용하여 서비스 품질 향상과 효율성 증대를 모색해 왔습니다. 하지만 금융 서비스 산업의 특성상 고객 데이터 보호가 최우선 과제이며, 이는 AI 기술의 더 발전된 활용 사례를 제한하는 요인으로 작용합니다. 특히, 인간의 개입 없이 자율적으로 의사 결정을 내릴 수 있는 Agentic AI의 등장으로 데이터 보안 및 규제 준수에 대한 우려가 더욱 커지고 있습니다.
Discover Financial Services의 AI 도입 전략
DFS의 Credit and Decision Management 부문 사장인 Keith Toney는 AI 기술 도입에 있어 데이터 분류, 보안, 그리고 가이드라인 설정의 중요성을 강조합니다. DFS는 데이터 분류 체계를 5~6단계로 세분화하여 관리하고 있으며, Microsoft Copilot과 같은 AI 도구를 활용할 때에도 데이터 접근 권한을 엄격하게 통제합니다. 이를 통해 일반 직원들에게는 AI 도구를 통해 데이터 접근성을 높이면서도, 동시에 민감한 정보에 대한 접근은 제한하여 데이터 유출 위험을 최소화하고 있습니다.
AI 도입 속도 조절과 점진적 접근 방식
Toney는 생성형 AI 도입 속도가 늦춰지고 있는 이유로 보안, 개인 정보 보호, 데이터 구조 문제 등을 지적합니다. DFS는 특정 영역에서 AI 사용에 대한 확신이 부족한 경우, 해당 영역을 격리하고 AI 도구 접근을 제한하는 신중한 접근 방식을 채택하고 있습니다. 예를 들어, 법률 및 규정 준수 관련 문서와 같이 민감한 정보가 담긴 영역은 AI 도구 접근을 제한하여 정보 유출 가능성을 차단합니다. 이처럼 점진적인 접근 방식을 통해 AI 도입에 따른 잠재적 위험을 최소화하고 있습니다.
AI 활용의 ROI: 일자리 감소보다 생산성 향상에 초점
Toney는 AI가 일자리를 대체할 것이라는 일각의 주장에 대해 회의적인 입장을 표명합니다. 그는 AI가 단기적으로는 기존 직원의 효율성을 높이고 업무 백로그를 해소하는 데 기여할 것으로 예상합니다. DFS는 AI 도구를 활용하여 개발자의 생산성을 향상시키고, 결과적으로 제품 및 서비스 개발 속도를 높이는 데 집중하고 있습니다. 장기적으로는 AI가 일부 개발 직무에 대한 수요를 감소시킬 수 있지만, 동시에 직원들의 기술 숙련도를 높이는 데 기여할 것으로 전망합니다.
Agentic AI 도입의 신중한 접근
DFS는 아직 Agentic AI를 도입하지 않았으며, AI 활용에 있어 "Human in the Loop" 방식을 고수하고 있습니다. 현재는 콜센터 상담원의 업무를 지원하는 AI 어시스턴트 역할을 주로 활용하고 있으며, 고객 응대 과정에서 인간 상담원의 통제 하에 정보가 공유되도록 관리합니다. Agentic AI의 잠재력은 인정하지만, 완전한 자율성에 대한 우려로 인해 신중한 태도를 유지하고 있습니다.
데이터 시각화와 이상 징후 탐지
DFS는 데이터 시각화를 통해 비즈니스 성과, 소비자 행동, 쇼핑 패턴 등을 분석하고 있습니다. 특히, 사기 행위 탐지를 위한 조기 경보 시스템 구축에 데이터 시각화 기술을 활용하고 있습니다. 머신러닝 기술을 활용하여 이상 징후를 탐지하고, 사기 행위자 또는 조직을 식별하는 데 주력합니다. 또한, 자금 세탁 방지를 위한 거래 흐름 분석에도 AI 기술을 활용하고 있습니다.
생성형 AI의 미래: 고객 경험 향상에 주목
DFS는 생성형 AI의 가장 유망한 활용 분야로 콜센터 경험과 고객 경험 향상을 꼽습니다. 모바일 앱, 웹사이트, 콜센터 경험을 통합하여 고객에게 최적화된 서비스를 제공하는 데 AI 기술을 활용할 계획입니다. 반면, 신용 평가와 같이 민감한 의사 결정이 필요한 영역에서는 AI의 "환각(Hallucination)" 현상으로 인해 AI 도입에 신중한 입장을 취하고 있습니다.
직원 교육과 AI 리터러시 강화
DFS는 AI 관련 교육을 직원 그룹별로 차별화하여 제공하고 있습니다. AI 연구자 그룹에게는 심층적인 기술 교육을 제공하고, 제품 개발팀에게는 AI 활용 방안 교육을 제공합니다. 일반 직원들에게는 Copilot 사용법과 데이터 보호 교육을 제공하여 AI 리터러시를 강화하고 있습니다. 또한, Advanced Analytic Resource Center (AARC)를 통해 신규 졸업생들에게 AI 관련 교육을 제공하고, AI 전문가로 육성하는 프로그램을 운영하고 있습니다.
결론
Discover Financial Services의 사례는 금융 서비스 기업이 생성형 AI를 도입하는 과정에서 데이터 보안, 규제 준수, 그리고 윤리적 고려 사항을 신중하게 검토해야 함을 보여줍니다. 단기적인 비용 절감보다는 장기적인 생산성 향상과 고객 경험 개선에 초점을 맞추고, 점진적인 접근 방식을 통해 AI 도입의 성공 가능성을 높여야 할 것입니다. 생성형 AI의 잠재력을 최대한 활용하기 위해서는 데이터 거버넌스 체계를 강화하고, AI 리터러시 교육을 확대하여 조직 전체의 AI 역량을 강화하는 것이 중요합니다.
