제논 ″금융사 AI 도입 활발, 1000억대 AI 예산 투입 변화 주목″

금융권 정보기술(IT) 예산이 단순 챗봇 실험을 넘어 핵심 업무를 수행하는 에이전트 인공지능(AI) 중심으로 이동하고 있다. 기술 검증(PoC)과 시범 도입에 머물렀던 AI 활용이 실제 업무 적용 단계로 확대되면서, 연간 4000억원이 넘는 금융권 IT 예산에서도 AI 관련 인프라와 서비스 투자가 늘고 있다. 이처럼 AI가 금융사의 실제 업무에 들어가는 사례가 늘면서 금융권의 AI 활용 또한 에이전트 AI 중심으로 확대되며 생성형 AI(GenAI) 2.0 시대로의 전환이 이어지고 있다는 게 AI 기술 전문기업 제논의 분석이다.

고석태 제논 대표는 22일 서울 영등포구 여의도에서 바이라인네트워크 주최로 열린 ‘금융 테크 컨퍼런스 2026 – AI × Security × Finance’에 참석해 차세대 AI 기술 흐름을 짚었다. ‘제너레이티브 AI 2.0: 차세대 생성형 AI가 여는 금융 분야 AI 전환(AX)의 진화’를 주제로 발표한 고 대표는 전날 한국거래소로부터 기업공개(IPO) 예비 심사 승인을 받았다는 소식을 전하며 발표를 시작했다.

고 대표는 먼저 금융권의 기존 AI 도입이 실제 업무로 이어지는 데 한계가 있었다고 설명했다. 과거 금융사들은 AI 시범 도입에 적극적이었지만 실제 상용화 비율은 5% 미만에 그쳤다. 폐쇄망 환경과 비정형 문서 구문 분석의 한계로 AI 환각 현상 위험을 충분히 줄이지 못했고, 문서 중심의 검색증강생성(RAG) 기능에 머물러 기존 핵심 업무와 연계하기 어려웠기 때문이다. 그러나 최근에는 AI를 실제 업무에 적용하는 사례가 늘면서 상용화 전환율도 높아지고 있으며, 올해는 기업의 AI 상용화 전환율이 최대 40% 이상 증가할 전망이다. 예산 편성 방식도 달라져 4000억~5000억원 규모의 전체 정보기술(IT) 예산 가운데 1000억원 이상을 AI 인프라에 투입하는 사례가 나타나고 있다.

고 대표는 “이전에는 기술 검증(PoC)이나 채팅, 질의응답에 머물렀다면 앞으로는 태스크를 완결하고 금융사의 핵심적인 업무를 해결할 수 있어야 한다”며 “일부 은행의 경우 연간 4000억에서 5000억원 정도의 IT 예산이 있는데, 100억~200억원을 어떻게 증액할까의 문제가 아니라 1000억원 이상이 AI 예산으로 전환되는 패러다임의 변화를 주목해 볼 필요가 있다”고 말했다.

변화의 구체적인 방향으로 그는 생성형 인공지능 2.0 시대 5대 핵심 변화를 제시했다. 먼저 PoC 중심에서 핵심 업무 상용화로, 단순 챗봇에서 실행 중심 에이전트로 활용 범위가 확대되고 있다고 설명했다. 이어 개인 생산성 보조에서 기업 운영체계 혁신으로, 문서 기반 질의응답에서 정형·비정형 데이터 통합 분석으로, 별도 혁신 예산에서 핵심 정보기술 예산 재편으로 투자 방향도 달라지고 있다고 진단했다.

이러한 변화는 금융사들의 실제 투자와 업무 적용에서도 확인된다. 실제 우리은행은 단일 은행 최대 규모인 880억원을 투입해 175개 에이전트를 개발하고 있으며, KB금융그룹은 300개 이상 에이전트 구축을 목표로 세웠다. 신한금융그룹도 부서별 2개 에이전트 도입을 추진 중이며, 삼성화재는 가입 설계부터 보험 심사, 보상 청구까지 일반 보험 업무 전반을 2년에 걸쳐 인공지능 기반으로 개편했다.

금융사의 AI 활용이 개별 서비스 도입을 넘어 업무 단위로 확대되면서 실무 방식도 AI 활용을 중심으로 달라지고 있다. 이런 변화의 바탕에는 제논의 생성형 AI 플랫폼 ‘제노스(GenOS)’가 있다. 제노스는 거대언어모델(LLM)을 운영·관리하는 운영 체계 LLMOps와 AI 검색 기능을 갖춰 모델 교체와 유지보수 효율을 높였다. 예적금처럼 대규모 정합성이 필요한 코어 시스템은 기존 IT 부서가 담당하는 반면, 현업 부서의 개별 업무 포털은 AI를 활용해 직접 구축한다.

현업 중심의 개발을 지원하는 도구가 제논의 ‘젠빌더(GenBuilder)’이다. 젠빌더는 코딩 없이 자연어 대화만으로 웹 애플리케이션(앱)을 개발할 수 있는 풀스택 도구다. 사용자가 자연어로 “프로젝트별 인력 투입 현황 대시보드를 만들어 달라”고 지시하면 LLM이 코드를 생성한다. 이어 기존 시스템에 영향을 주지 않고 안전하게 코드를 실행하고 테스트할 수 있는 격리된 가상 공간 도커(Docker) 샌드박스 환경에서 결과를 실시간으로 확인할 수 있으며, 복잡한 인프라 설정 없이 원클릭 배포까지 가능하다. 실제 적용 사례로 미래에셋증권에서는 전체 임직원 3700여명 가운데 3000명 이상이 사내 규정 안내용 AI 서비스를 활용하고 있으며, 현업 부서가 직접 구축한 에이전트도 1000여개에 이른다.

AI가 현업 업무에 직접 참여하고 자율 실행 AI를 뒷받침 하기 위해서는 업무 데이터에 안전하게 접근할 수 있는 인프라도 필요하다. 제논은 기업 데이터를 AI가 안전하게 탐색하고 분석할 수 있도록 ‘젠디(GenD)’ 플랫폼을 구축했다. 기존에는 관계형 데이터베이스(RDB), 벡터 데이터베이스, 그래프 데이터베이스가 분리돼 있었지만, 젠디는 이를 통합 적재해 하나로 연결한다. 다만 AI가 핵심 정보계 서버에 무작위로 접속할 경우 시스템에 영향을 줄 수 있어, 복제와 비식별화 처리를 거친 별도의 AI 샌드박스 전용 계층을 두고 질의를 수행하며 모의실험할 수 있도록 구성했다.

고 대표는 “정보계 서버에는 수많은 레거시 시스템이 연결돼 있어 AI가 잘못된 질의를 날리면 전체 시스템이 다운되는 리스크가 존재한다”며 “AI가 자유롭게 접속하고 분석할 수 있는 별도의 안전한 공간이 반드시 필요하다”고 설명했다.

또 젠디는 역할 기반 접근제어(RBAC)와 4축 품질 점수 등을 적용해 데이터 접근 통제와 품질 관리도 동시에 수행한다. 젠디를 활용한 실제 사례로 비씨카드는 가맹점주가 직접 데이터를 조회하고 분석할 수 있는 빅데이터 서비스를 구축했다. 가맹점주가 자연어로 필요한 정보를 요청하면 에이전트가 데이터베이스에서 관련 자료를 추출하고, 자연어 기반 데이터 분석(NL2SQL)을 통해 데이터를 분석한 뒤 맞춤형 차트를 생성한다.

AI 활용 범위는 데이터 분석을 넘어 증권사 리서치 등 금융권 전문 업무로 확대되고 있다. 애널리스트가 환율 변동이나 특정 해외 정책 변화가 국내 주가에 미치는 영향을 파악해 종목 보고서를 발간하기까지 통상 3주가량 걸리던 작업 시간이 3~4일로 단축됐다. 지난해 미국 조지아주 이민국 단속 이슈가 현대차 주가에 미친 영향 등 방대한 뉴스 맥락을 AI가 실시간으로 요약하고, 기존 문서 형식을 유지한 채 영문 번역까지 지원한 결과다.

분석과 문서 작성 등 개별 업무를 지원하는 것을 넘어, AI가 업무 전체 과정 자체를 스스로 수행하는 액셔너블 AI 기술도 활용되고 있다. 제논의 ‘원 에이전트’는 사람처럼 브라우저와 PC 화면을 직접 인식하고 클릭하며 여러 앱을 자유롭게 조작한다. 원 에이전트는 웹페이지를 탐색하는 브라우저 유즈와 네이티브 앱을 조작하는 컴퓨터 유즈 기술을 접목해 화면 인터페이스를 통해 실제 업무를 수행한다.

고 대표는 “금융사나 폐쇄망 환경에서 액셔너블 AI 기술을 적용하는 것에 대해 보안 리스크를 우려하거나 기술 성숙도에 의구심을 갖는 분들이 많다”면서 “실제 국정원에서 관리하는 엄격한 폐쇄망 안에서도 이 기술이 성공적으로 작동하고 있다”고 말했다.

에이전트의 실제 업무 수행 방식은 폐쇄망 환경에서도 적용할 수 있다. 이날 고 대표는 폐쇄망 환경을 사용하는 한국중부발전의 실제 적용 모습과 사례를 시연 영상으로 소개했다. 비전 언어 모델(VLM)을 탑재한 에이전트가 직원 출근 시 읽지 않은 메일 4개를 직접 열어 내용을 요약하고, 특정 메일에 포함된 회의 일정을 파악해 사내 캘린더 앱에 자동으로 등록했다. 직원이 텍스트로 연차 신청을 지시하면 웹 포털에 직접 접속해 잔여 휴가를 확인하고 상신 버튼을 누르는 작업까지 처리했다. 더불어 사용자가 모바일 기기를 통해 원격으로 데스크톱 환경을 실시간 제어할 수 있는 원링크(ONELINK) 기능도 함께 제공한다.

제논이 제시하는 AI 활용 영역은 소프트웨어 기반의 사무 업무를 넘어 현실 세계의 물리적 환경으로도 확장되고 있다. 제논은 KB금융그룹과 공동으로 시니어 자산 관리 및 돌봄 연구개발(R&D)을 진행하고 있으며, 피지컬 AI 솔루션 ‘젠피(GenP)’를 활용해 지방의 돌봄 공백 문제에 대응하고 있다.

초기 대화 기반 안부 확인인 1단계부터 약병을 챙기거나 쓰레기를 치우는 비접촉 보조 2단계를 연구하고 있으며, 향후 휠체어를 밀어주는 물리적 도움 3단계를 거쳐 환자의 자세를 직접 교정하는 4단계까지 서비스 범위를 확대할 계획이다. 이 과정에서는 물리적 반응과 고차원적 판단을 분리하는 뇌·신체 분업 시스템을 적용했다. 현장 기기가 즉각적인 제어를 담당하고, 2350억개 매개변수를 지닌 ‘훈민’ 시각언어모델이 전체 임무를 설계한다. 회사는 3D 모의실험 공간에서 기업 특화 임무를 학습한 뒤 강화학습(RL) 등을 거쳐 4주 이내에 실제 현장에 투입할 수 있는 기술 체계까지 마련했다.

고 대표는 “생성형 AI 기술이 빠르게 변화하는 가운데, 금융사들 역시 한두 개의 애플리케이션 도입을 넘어 대대적인 업무 과정 혁신을 도모하는 흐름이 늘고 있다”며 “생성형 인공지능 2.0 시대는 정형·비정형 데이터를 통합하는 데이터 영역의 확장, 다채로운 웹 서비스로 넓어지는 서비스의 확장, 스스로 행동해 업무를 완결하는 액션의 확장, 물리적 세계로 나아가는 공간의 확장으로 요약할 수 있다”고 강조했다.

글. 바이라인네트워크
<김원민 기자>wmkim627@byline.network