금융권 AI 통합 플랫폼의 등장

얼마전 금융위원회 (이하 금융위)에서 금융권 AI협회를 열고 ‘금융권 AI 통합 플랫폼’을 가동한다고 밝혔습니다. ‘금융권 AI 통합 플랫폼’은 금융회사, 핀테크기업 등이 자유롭게 AI 서비스를 개발·실험할 수 있는 AI 인프라입니다. 이제 국내 금융기업이라면 누구나, 전문가가 추천한 금융권에 가장 적합한 AI 모델, 애플리케이션, 데이터, 개발 및 테스트 환경을 사용할 수 있게되는 것입니다.

왜 금융기업에게 이런 플랫폼을 지원하는 걸까요? 그 이유는 금융산업이 각종 규제로 일반적인 IT인프라에 접근하기 쉽지 않기 때문입니다. 가령, 금융기업은 데이터를 해외로 전송할 수 없습니다. 이 때문에 경쟁력있는 해외 솔루션을 사용하지 못하고 국내 솔루션 중 울며 겨자먹기로 선택할 수밖에 없는 상황이 자주 나옵니다. 이런 상황을 개선하기 위해 입증된 솔루션과 데이터를 모아, 통제 가능한 환경 안에서 활용할 수 있도록 그 인프라를 만든 것입니다.

하지만 소비자로서는 “금융위원회는 각 금융사들의 DX 진행 수준을 조사하였고 또 AX로의 전환 상황을 정확히 파악하였는가?” 라는 의문점이 들고 있습니다.

성공적 디지털 전환? 글쎄…

최근 소비자들의 금융활동 비중이 직접 영업지점을 방문하는 대신, 모바일 앱을 통한 비대면 방식으로 전환되었습니다. 이로 인해, 금융권에서 굉장히 중요했던 종이 문서 기반의 작업과 정보들이 사라지게 되었고, 대부분의 고객 데이터는 디지털 형태로 저장, 관리되고 있습니다.

그리고 한국의 금융권에서는 이러한 변화를 DX(디지털전환) 성공사례로 전면적으로 홍보하고 있습니다.

하지만, 완성도가 높은 DX는 이보다도 훨씬 고도화되고 치밀해야 합니다. 진정한 의미의 성공적인 DX는 단순히 종이를 없애고 앱을 만드는 것을 넘어, 데이터를 기반으로 비즈니스 모델을 재설계하고 조직의 운영 체계를 근본적으로 바꾸는 과정이어야 합니다.

가령, 중앙 집중식 서버를 벗어나 마이크로서비스 아키텍처(MSA)를 도입하여 전체 시스템을 멈추지 않고도 특정 서비스를 업데이트할 수 있어야 합니다. 고객 행동 데이터를 기반으로 초개인화를 구현하고, 데이터 기반의 의사결정을 수행할 수 있어야 합니다. 하지만, 우리의 금융 서비스 사용 경험을 되돌아보면, 아직은 많은 앱들이 이를 제대로 구현하지 못하고 있는 것 같습니다.

AX시대에 드러난 DX 구멍들

금융기업의 DX가 여전히 부족하다는 증거는 생성형 AI 등장 이후 여실히 드러나고 있습니다. 많은 금융 기업이 AX(AI 대전환)를 준비하는 과정에서 문제에 직면하게 된 것인데요. 기존에 DX가 충실히 수행되어 있다면, AX 전환은 빠르고 매끄러울 수밖에 없습니다. DX를 통해 마련된 데이터 자산은 빠르게 AI 학습에 활용할 수 있고, 데이터 문화에 익숙한 실무자는 AI를 통해 문제를 개선하고 결과물의 품질을 올리는 일이 어렵지 않기 때문입니다.

AX를 실행하려고 했을 때 기업 프로세스와 서비스에 곧바로 적용이 불가능하다면, DX가 완료되지 않은 상태라는 것을 반증합니다. 앞서 언급한 한국 금융권이 홍보하는 성과는 엄밀히 말하면, 디지타이제이션(Digitization, 아날로그의 디지털화)'이나 '디지털라이제이션(Digitalization, 프로세스의 효율화)' 단계에 가깝습니다.

글로벌 기업의 DX

• Salesforce, Adobe, GA, AWS 등 SaaS 방식의 솔루션 도입
• 데이터를 글로벌 클라우드에 저장
• 빠른 실험과 확장

국내 금융권의 DX

• 법·규제 안에서 디지털 효율 극대화
• 데이터를 국내 저장 관리로 통제
• 기존 시스템을 유지한 채 점진적 개선

규제, DX 발목을 잡다

국내 금융권 DX의 발목을 잡은 것은 역시 규제였습니다. 가령 클라우드의 경우, 국외로의 데이터 이전이 원천 차단되어있기 때문에 국내 클라우드를 사용하게 됩니다. 하지만 국내 클라우드로는 대체할 수 없는 영역이 있을뿐더러, 많은 개발자들이 해외 클라우드 사용에 익숙하고 더 많은 레퍼런스가 익숙합니다. 이는 일부 국외 이전 가능한 데이터에 한해서 해외 클라우드를 사용하거나, 아예 고객의 개인정보를 디지털 전환을 하지 않는 방식으로 이어집니다. 관리의 복잡성이 증가하고, 더 중요한 DX 업무에 집중한 기회를 놓치게 됩니다.

이런 환경에서 한국 금융권이 할 수 있었던 DX에는 한계가 분명했습니다. 개인정보 보호를 위한 규제이기 때문에 준수해야 하는 사항임은 틀림없지만, 그만큼 데이터의 확장성과 유연성에는 제한이 될 수 밖에 없습니다.

물론 국내 금융 기업도 가만히 있지는 않았습니다. 해외의 유용한 클라우드나 SaaS를 직접 쓰지 못하는 대신, 아키텍처와 개념을 들여오는 전략들이 병행되었습니다. 그러나 데이터 레이크, 데이터 웨어하우스, 마이크로서비스, API 기반 구조 같은 개념이 적극적으로 도입됐음에도, 실제 구현은 대부분 국내 SI와 온프레미스로 이뤄졌습니다. 이는 불필요한 비용이 발생하고 관리 포인트가 늘어나는 등 해결하지 못한 문제는 남아있었습니다. 민첩성이 떨어져도, 최소한 “디지털로 운영할 수 있는 기반”은 힘들게 만들어졌기 때문에 현재의 DX 수준에 만족했을지도 모릅니다.

규제가 AX의 발목까지 잡지 않으려면

다시 AX 이야기로 돌아가, 국내 금융권이 직면한 위기를 짚어보겠습니다. 잘못된(혹은 한계에 부딪힌) DX는 AX의 발목을 잡고 있습니다. 금융위의 ‘금융권 AI 통합 플랫폼’이 그 돌파구가 될지는 지켜보아야 겠습니다.

생성형 AI는 기존의 분석형 AI와 본질적으로 다릅니다. 정형 데이터 몇 개를 학습해 특정 패턴을 예측하는 수준이 아니라, 방대한 비정형 데이터를 바탕으로 문맥을 이해하고, 지속적으로 학습과 업데이트를 반복합니다. 잘 정리된 데이터가 무엇보다 중요합니다. 현재 금융권의 복잡한 데이터 분산 구조로는 효율적인 AX는 기대하기 어렵습니다.

처음 던졌던 질문으로 돌아가보겠습니다.

“각 금융사들의 DX 진행 수준을 조사하였고 또 AX로의 전환 상황을 정확히 파악하였는가?”

기술적으로는 분명 AI를 활용하고 있지만, 이를 진정한 의미의 AX라고 부르기에는 분명한 거리감이 존재합니다. 이러한 맥락에서 “과연 제대로 된 DX가 선행되었는가”라는 질문은 매우 정당합니다. 진정한 DX와 AX가 어떤 것인지 깊은 이해를 바탕으로 개인정보보호와 기술 고도화 사이의 실질적이고 지혜로운 규제 정책이 수립되기를 희망합니다.