핀다 AI CFO 뒤 숨은 클로드 소넷 모델
미토스 공포 마케팅 맞물린 데이터 장사
여신 심사 외주화···銀 본업 빅테크 종속
KB금융지주가 앤트로픽의 클로드 소넷에 대출심사 해석권을 넘긴 것이 인공지능 모델들 사이의 조롱거리가 되고 있다. / GPT-5.5 이미지 2.0
KB국민은행과 삼성금융네트웍스가 핀다의 인공지능(AI) 에이전틱 구조를 어디까지 검증했는지 의문이 제기된다. 모니모(monimo)와 연동된 핀다의 스타트업 전용 AI 뱅킹 플랫폼 ‘핀다유니콘’은 표면적으로 재무 관리를 돕는 AI CFO 서비스지만, 실제 구조는 클로드 3.5 소넷 v2를 활용하는 방식이다.
기업의 현금 흐름, 비용 패턴, 런웨이, 리스크 판단이 외부 거대모델의 연산 경로에 올라가는 만큼, 한국 스타트업의 재무 전략이 클로드의 프롬프트·임베딩·출력 양식으로 재가공되는 ‘가중치 흡수형 종속 구조’를 경계해야 한다는 지적이 나온다.
11일 여성경제신문 취재를 종합하면 스타트업에 실제 돈을 빌려주는 쪽은 국민은행이고 핀다는 대출중계서비스다. 기업금융의 본질은 자금 공급이 아니라 심사다. 하지만 핀다유니콘 구조에서는 돈을 빌릴 회사를 읽는 첫 해석권이 앤스로픽의 클로드 모델 쪽으로 이동한다. 돈은 국민은행이 빌려주면서, 정작 돈을 빌려줄 회사를 해석하는 첫 관문은 외부 AI 플랫폼에 내주는 모양새다.
핀다유니콘의 핵심 기능은 ‘AI CFO’다. 이 서비스는 AWS의 생성형 AI 서비스인 아마존 베드록을 기반으로 작동하며, 앤스로픽의 클로드 3.5 소넷 v2 모델을 활용한다. 핀다는 자체 개발한 재무 로직 전용 언어 ‘프리즘(PRism)’을 적용해 사용자의 시나리오를 재무 예측 설계도로 바꾸고 계산하는 구조라고 설명한다.
문제는 이 서비스가 단순 문서 요약이 아니라 스타트업의 재무 생존 영역을 다룬다는 점이다. 기업의 거래 내역, 매출, 비용 패턴을 분석한 결과인 런웨이는 스타트업이 추가 투자 없이 얼마나 버틸 수 있는지를 뜻한다. 회계 보조가 아니라 기업의 생존 기간, 투자 전략, 비용 절감 판단, 자금 조달 계획과 직결되는 대출 심사를 위한 핵심 정보다.
이 과정에서 아마존웹서비스(AWS)는 고객 입력과 모델 출력을 저장하거나 제3자 모델 제공자와 공유하거나 모델 학습에 사용하지 않는다고 설명한다. AWS의 제3자 모델 약관에는 앤스로픽이 베드록 서비스를 통해 들어온 고객 콘텐츠로 모델을 학습할 수 없다는 내용이 포함돼 있다. 따라서 “핀다유니콘을 쓰면 스타트업 재무 데이터가 곧바로 앤스로픽 파라미터 업데이트에 쓰인다”고 단정할 수 없다.
양종희 KB금융그룹 회장과 이환주 KB국민은행장/ KB국민은행
개인 정보 보호에 치명적인 것은 파라미터 흡수만이 아니다. 고객 데이터가 모델에 저장되지 않더라도 은행의 의사결정 체계는 외부 모델 친화적으로 재배열된다. 다시 말해 데이터가 클로드의 파라미터에 박히지 않아도, 기업의 문서 양식·분석 절차·판단 습관이 모델 출력에 맞춰지는 가중치 흡수형 종속 구조가 나타난다. 국민은행 사례는 외부 AI 플랫폼에 본업이 잠식될 수 있다는 위험을 드러낸다.
금융위원회는 이를 혁신으로 포장한다. 반복되는 계좌 확인, 분류, 보고서 작성을 AI CFO가 대신하고, 정리된 숫자가 재무 인사이트로 이어진다고 설명한다. 하지만 돈은 국민은행이 빌려주면서, 돈을 빌릴 기업에 대한 판단은 클로드가 내리는 셈이다. 은행이 주인으로 서야 할 심사 자리에서 플랫폼의 신뢰 보증 도장처럼 쓰인다면 혁신 금융이 아닌 여신 업무의 외주화다.
국민은행이 AI보다 CFO 업무를 못해서 이런 상황이 발생한 것도 아니다. 기업금융, 여신심사, 현금흐름 분석, 신용평가, 리스크 관리, 자금 조달 구조 설계는 은행이 빅테크보다 훨씬 오래 해온 본업이다. 그런데도 고객의 재무 체력과 상환 가능성에 대한 최종 진단을 클로드에 맡긴다면, 이는 단순 AI 활용이 아니라 여신심사권을 외부 플랫폼에 넘기는 구조다.
핀테크가 스타트업 재무 데이터를 외부 모델 연산망에 올리는 구조를 먼저 만들고, 금융지주가 이를 혁신 사례로 따라가면 은행권은 더 큰 단위의 종속을 자초할 수 있다. 개인사업자, 중소기업, 스타트업의 매출·비용·대출·상환·리스크 정보가 외부 모델에 연결되는 순간, 금융사는 외부 모델이 이해하는 방식으로 금융 업무를 재배열하게 된다.
국민은행 사례는 다른 시중은행이 같은 구조를 계정계 주변 업무, 대출 심사, 기업금융, 리스크 관리, 내부 코드 리뷰에 들이는 것은 차원이 다르다. 외부 모델은 쓸 수 있지만 전단 프롬프트 관리는 반드시 국내산 AI가 맡아야 하는 이유다.
고객과 직원의 자연어 요청을 국내산 AI가 먼저 읽고, 민감정보를 제거하고, 업무 목적을 분류하고, 외부 모델에 던질 명령문을 만들어야 한다. 외부 거대모델은 후단에서 제한된 연산만 수행해야 한다. 클로드가 똑똑하다면 더 잘 부리면 된다. 그러나 클로드가 첫 해석권을 가져서는 안 된다.
미토스(Mythos)는 어원부터 '신화' 혹은 '꾸며낸 이야기'를 의미한다. 앤스로픽 미토스 역시 실질적인 효용보다는 과장된 서사와 신비주의로 시장을 현혹해 왔다. 1638년겸 피터 파울 루벤스(Peter Paul Rubens)가 그린 이 작품에서 수호신 페메(Pheme)는 소문과 허위를 퍼뜨리는 흉측한 괴물의 형상을 띄고 있다. / 해설 = 이상헌 기자
혁신금융 지정 후 손 놓은 금융위
돈은 은행이 내고 첫 해석은 AI가
업무 외주화 결과는 시스템 종속
AI 금융의 진짜 권력은 모델 성능이 아니라 입력에 있다. 스타트업의 재무 데이터가 어떤 형식으로 정리되고, 어떤 모델에 전달되고, 어떤 출력으로 돌아오며, 그 결과가 다시 기업 의사결정에 반영되는지를 분석하고 결정을 내리는 것은 빅테크가 아닌 은행 고유의 업무다. 자동화라는 편의를 위해 판단권을 포기한 금융사는 AI를 도입한 것이 아닌 AI 연산망의 하청 구조에 편입된다.
국민은행은 돈을 빌려주는 기관이지, 외부 AI CFO가 정리해준 스타트업 재무 서사를 뒤에서 승인하는 보조기관이 아니다. 여신심사와 리스크 판단은 은행의 심장이다. 하지만 이미 주요 본업을 핀다의 서비스 화면과 앤스로픽 클로드의 재무 분석에 선점당한 실정이다.
핀다유니콘의 구조는 유럽식 AI 대출심사 핀테크와 유사한데, 이를 ‘AI CFO’로 포장한 점은 국민을 기만하는 대목이다. 유럽에서는 오픈뱅킹 데이터를 기반으로 기업의 현금흐름과 매출 변동, 비용 구조, 상환 능력을 분석해 중소기업 대출심사와 신용평가에 연결하는 AI 핀테크 모델이 확산돼 왔다.
핵심은 회계 보조가 아니라 “이 기업이 돈을 빌려도 버틸 수 있는가”를 미리 읽는 것이다. 핀다유니콘도 런웨이와 리스크, 재무 체력을 분석한다는 점에서 유사하지만 이를 AI CFO라는 이름으로 포장하는 방식으로 대출심사 플랫폼을 재무관리 서비스처럼 보이게 만든 셈이다.
또한 핀다는 단독 핀테크가 아니라 JB금융그룹 자본이 추가로 들어간 회사다. JB금융은 핀다 지분 15%를 확보해 2대 주주가 됐고, 전북은행까지 지분 구조에 올라 있다. 이런 회사의 플랫폼 뒤에 클로드 기반 AI가 놓인 것을 단순 제휴나 혁신 서비스로만 봤다면, 심사 주권뿐 아니라 금융권 전체의 AI 데이터 주권 문제를 놓친 셈이다.
대출심사는 은행의 본연 업무다. 금융위원회도 은행대리업 설명에서 상담·서류 접수 같은 대고객 접점업무는 제3자가 할 수 있어도, 신용평가·담보평가·금리 산정·대출 승인 같은 의사결정 업무는 은행이 직접 수행해야 한다고 설명했다.
미토스 공포를 팔아온 다리오 아모데이의 그림자가 보이는 핀다 플랫폼의 위험성은 더 선명해진다. 현재 신한은행조차 창구 직원이 GPT를 보조적으로 돌리는 수준에 머물러 금융위 안팎에서 발전 방향이 논의됐고, 유럽식 AI 대출심사 핀테크 모델 근처에도 가지 못한 상태다.
즉 은행권은 아직 “직원이 AI를 어떻게 안전하게 참고할 것인가”를 연구하고 해외 사례를 검토하는 단계인데도, 일부 금융지주 경영진의 과도한 AX 전환 의지가 검증되지 않은 외부 거대모델 기반 금융 서비스를 혁신처럼 밀어 올린 셈이다.
국민은행이 자금을 공급하고 핀다가 스타트업 데이터를 수집·분석하는 구조 속에서, AWS 베드록을 거쳐 앤스로픽의 클로드 3.5 소넷 v2가 런웨이·현금흐름·비용 패턴·리스크 등을 해석하는 흐름을 도식화한 인포그래픽. AI CFO로 포장된 서비스 구조가 실제로는 외부 거대모델이 여신심사의 전단 해석권을 가져가는 구조로 이어질 수 있다는 문제의식을 담았다. / 그래픽=ChatGPT(DALL·E)
☞ 런웨이·현금흐름·비용 패턴·리스크 예측
= 은행 대출 업무에 있어서 여신심사의 핵심 데이터다. 런웨이는 기업이 추가 자금 없이 얼마나 버틸 수 있는지를 보여주고, 현금흐름은 실제 상환 여력을 드러내며, 비용 패턴은 자금 소진 속도와 구조적 부담을 보여준다. 여기에 리스크 예측까지 붙으면 단순 재무관리 조언이 아니라 “이 기업에 돈을 빌려줘도 되는가”를 판단하는 자료가 된다.
금융사가 대출 한도와 금리, 상환 가능성을 판단할 때 보는 정보가 바로 매출, 비용, 현금흐름, 생존 기간, 위험 신호다. 은행이 내부 본업 차원에서 이를 분석하기 위해 인공지능 모델 API를 활용하는 것 자체는 가능하다. 문제는 판단 구조가 외주화되는 순간이다. 특정 핀테크와 외부 거대모델이 여신심사의 해석권을 쥐게 되면, 은행은 본업인 심사를 빅테크 연산망에 종속시키는 상황을 자초하게 된다.
여성경제신문 이상헌 기자
댓글
0