[ABC 2026] 이영수 "금융 AX '에이전트' 중심으로 재설계해야"

수많은 관련 사업 95% '수익화' 실패…"피드백 루프 부재 탓"

증기기관·전기 예시 '러닝 갭' 지적…"추론 역량 극대화 필요"

AX 완수 본질 대해 '선순환 구조' 필요…"진화 위한 동력 갖춰야"

[아시아타임즈=신도 기자]  이영수 신한은행 AX디지털솔루션부장은 14일 "비즈니스 업무 맥락에 대한 정비와 피드백 루프 시스템이 부재하다 보니 인공지능(AI)이 피드백을 하지 못하는 제자리 걸음 상태"라고 진단하고 "프로세스를 현장의 에이전트 중심으로 다시 재구축하는 '전면 재설계'가 필수적"이라고 진단했다.

14일 이영수 신한은행 AX디지털솔루션부장이 '아시아 비즈니스 컨퍼런스 2026(ABC2026)' 포럼에서 사례발표를 진행하고 있다. (사진=아시아타임즈)

advertisement

advertisement

이날 서울 여의도 FKI타워에서 아시아타임즈 주최로 열린 '아시아 비즈니스 컨퍼런스 2026(ABC2026)' 포럼에서 이영수 부장은 "금융권 인공지능 전환(AX)의 패러다임이 단순한 도입에 머물러서는 안된다"며 "이제는 진화의 단계로 넘어가야 한다"며 이같이 말했다.

이 부장은 현재 많은 기업이 매년 300억~400억 달러를 들여 생성형 AI에 막대한 자금을 투자하고 있음에도 실질적인 성과를 거두지 못하는 이유로 '맥락과 피드백 루프의 부재'를 지적했다.

현재의 AI는 기존 업무 흐름에 맞춰 작동하지 못해 매번 처음부터 상세한 지시를 반복해야 하는 '정적 AI' 수준에 머물러 있다. 매번 일을 새로 가르쳐야 하는 인턴 사원을 대거 고용한 것과 같은 비효율을 초래하고 있다는 것이다.

advertisement

advertisement

그는 과거 증기기관에서 전기로 동력이 변화하던 시기의 교훈을 인용했다. 증기기관 공장에 전기를 부분 도입했을 때는 생산성 향상이 미미했지만 공장 설계 자체를 전기 기반으로 바꿨을 때 '동력 전달'에서 '생산 공정'으로 철학이 옮겨가며 생산성이 폭발했다고 설명했다.

이 부장은 AI가 사업 발전 전환에 실패하는 원인으로 비즈니스 워크플로우와 AI가 맞물려 작동하지 못하는 '러닝 갭(Learning Gap)'을 지목했다. AI가 업무 맥락을 이해하지 못하고 피드백으로부터 학습하지 못해 매번 같은 지시를 반복해야 하는 구조적 한계가 존재한다는 것이다.

이 부장은 "비즈니스 업무 맥락에 대한 정비와 피드백 루프 시스템이 부재하다 보니 AI가 매번 제자리걸음인 상황"이라며 "이는 마치 업무를 시킬 때마다 매번 처음부터 일을 가르쳐야 하는 비효율을 만들어내고 있다"고 비판했다.

즉 '인간 중심'의 AI 딥러능 기능 부분 도입은 생산성 향상에 한계가 명확하다는 지적이다. 그는 처음부터 에이전트를 중심에 두고 워크플로우 전체를 다시 그리는 '에이전트 중심'의 전면 재설계, 즉 AI 네이티브로의 전환이 필수적이라고 역설했다.

AI 전환의 핵심 실행 전략으로는 현업 주도'와 'FDE(필드 개발 엔지니어) 지원 모델'을 복합해 활용하는 방안을 제시했다.

성공적인 AX를 위해서는 별도의 IT 조직이 주도하는 것이 아니라 현장의 인력이 에이전트를 직접 사용하고 피드백해 프롬프트를 개선해 나가는 방식이 돼야 AI 생산성 향상을 가져올 수 있다는 것이다.

에이전트 엔지니어링은 현재 프롬프트 엔지니어링, 콘텍스트 엔지니어링의 시기를 넘어 '하네스 엔지니어링' 단계로 접어들었다고 설명했다. 하네스 엔지니어링 에이전트가 실수하면 실수가 반복되지 않도록 시스템을 바꿔 AI의 신뢰성을 높이는 과정이 수반된다.

이를 통해 정보 주입을 포함한 현업 인력의 개입을 통해 데이터의 일관성과 정확성을 확보해야 한다고 강조했다. 규제를 준수하면서 안전한 AI 운영을 위한 체계적인 프레임워크를 구축해야 한다는 설명이다.

이 부장은 "AI 학습에서 데이터의 경계는 엄격히 고정하면서, 모델 경계는 가변적으로 운영해 비용과 성능, 리스크의 최적 균형을 달성해야 한다"며 "온톨로지 방식으로 데이터 맥락과 관계를 구성해 추론 역량을 극대화하는 방식으로 발전해 나가야 한다"고 발언했다.

이 부장은 현재 신한은행이 특히 개인정보 포함 여부에 맞춰 상용 프론티어 LLM과 자체 구축한 온프레미스 sLLM을 이원화해 운영하는 '하이브리드 AI 아키텍처'를 통해 보안과 성능의 균형을 꾀하고 있다고 강조했다.

데이터 파운데이션 측면에서는 파편화된 정형·비정형 데이터를 온톨로지 및 지식 그래프로 연결함으로써 데이터의 일관성과 추론 역량을 극대화하는 전략을 취하고 있다는 설명이다.

특히 단순 검색(RAG)의 한계를 극복하기 위해 비정형 데이터 속의 노이즈를 제거하고 의미 있는 ‘신호’만을 정제해 전달할 수 있는 구조화된 지식 체계 구축에 집중하는 단계에 들어섰다고도 진단했다.

금융 AI 거버넌스에 있어서는 업무의 위험도에 따라 인간이 직접 개입하는 HITL부터 사후 모니터링 중심의 HOTL, 완전 자동화인 OOTL까지 3계층 프레임워크를 적용해 규제 준수와 안전성을 확보하고 있다.

이를 기준으로, 이 부장은 신한은행이 향후 '10대 버티컬 전문 특화 에이전트'와 '부서별 범용 에이전트' 이원화 전략을 통해 자산관리, 여신심사, 내부통제 등 은행 본업의 경쟁력을 강화할 계획이라고 소개했다.

고객 분석 에이전트가 최적의 상품을 제안하고, 고객 관리 에이전트가 적시에 접촉하며, 자산관리 에이전트가 정교한 상담을 제공하는 유기적인 체계를 구축하는 걸 목표로 삼고 있다.

이 부장은 "AX 본질은 계층을 축소하고 현장의 피드백을 즉각 반영해 에이전트의 완결성을 높이는 선순환 구조를 만드는 것으로 정의했다. 신한은행은 직원이 고부가가치 의사결정에 집중할 수 있는 환경을 조성하고 지속 가능한 성장을 추구하는 방안을 추진하고 있다는 설명이다.

그는 한 번에 모든 것을 해결하려 하기보다 업무 절차를 가시화하고, 핵심 업무에 대해 지식 그래프를 구축하며, 도메인 전문가와 협업하는 단계적 접근이 필요하다고 제언했다. AX의 성공적 완수 본질은 계층을 축소하고 현장의 피드백을 즉각 반영하고 에이전트의 완결성을 높이는 선순환 구조를 만드는 데 있다는 점을 재차 강조했다.

이 부장은 "sLLM의 성능 저하는 모델 자체의 문제라기보다 업무 맥락과 판단 기준이 비구조화된 암묵지 상태에 놓였기 때문이라고 진단했다.

이어 "일하는 방식을 재설계해야 하고, 현장의 피드백을 즉각 반영하면서 사용할수록 에이전트 완결성이 높아지는 선순환 실행 체계는 진화의 속도를 가속화하는 핵심 동력을 갖춰야 한다"며 "은행도 금융도 AI 네이티브로 다시 그려져야 하고 그 일은 현업이 주도하고 기술이 인베딩되어 따라가는 방식이 이상적이라 생각한다"고 덧붙였다.