뱅킹 분야에서의 인공 지능이란 무엇입니까?

뱅킹 분야에서의 인공 지능은 은행이 어떻게 더 많은 유형의 데이터를 분석하고 의사 결정을 위한 정보를 지원하며 사이버 범죄를 방지하는 데 인공 지능을 활용하고 있는지 보여줍니다. 이러한 신규 도구 세트는 뱅킹 분야의 디지털 혁신을 위한 초석이며, 마케팅, 고객 서비스, 인수, 사기 감지 등의 일상적인 워크플로를 지원합니다.

뱅킹 분야에서의 인공 지능이 필요한 이유는 무엇입니까?

금융 기관들은 특히 원활한 디지털 서비스에 대한 고객의 기대치가 계속 높아짐에 따라 경쟁력을 강화해야 한다는 지속적인 압박에 직면하고 있습니다. 은행은 또한 규제 요구 사항과 점점 더 정교해지는 사이버 공격에 앞서면서 경쟁자와 차별화를 꾀해야 합니다. 머신 러닝 및 생성형 인공 지능(genAI)은 은행이 이러한 과제에 적응하고 또한 이를 극복하는 데 도움이 될 수 있습니다. 뱅킹 분야에서의 인공 지능은 신규 도구 세트를 도입하여 작업자의 생산성을 높이고, 향상된 자동화와 더 많은 양의 비정형 데이터를 이해하고 대처하는 능력을 통해 기존의 워크플로를 개선할 수 있습니다.

뱅킹 분야를 위한 RAG(검색 증강 생성)

은행이 인공 지능 챗봇과 개인 어시스턴트를 통해 고객 참여를 돕고 직원을 지원하기 위해 ChatGPT와 같은 LLM(대규모 언어 모델)의 잠재적 가치를 평가하는 가운데, RAG는 부정확한 응답으로 발생하는 책임을 완화하는데 도움이 될 수 있습니다. RAG는 LLM 배포에 대한 혁신적인 접근 방식으로, 인공 지능 모델이 쿼리에 응답할 때 기업별 지식 베이스를 참조합니다. 그 결과, 인공 지능 생성 응답은 특정 제품 오퍼링, 은행 프로토콜 및 브랜딩에 대해 더욱 규정을 준수하는 방식으로 지식을 많이 갖출 수 있습니다.

뱅킹 분야에서 인공 지능 활용의 이점

인공 지능은 개인화된 경험과 제품 오퍼링을 창출하고, 보다 포괄적인 데이터 분석을 기반으로 시장 동향을 더 잘 예측하며, 사이버 공격이나 사기의 사례일 수 있는 이상 행동을 인식할 수 있는 잠재력을 가지고 있습니다. 고급 인공 지능 도구 세트를 활용하여 은행은 더 많은 고객을 유치 및 유지하고, 더 현명한 의사결정을 내리고, 사이버 범죄에 대해 보다 빠르고 효율적으로 예방 및 대응할 수 있습니다. McKinsey는 genAI가 완전히 구현될 경우 뱅킹 산업에서 매년 2000억~3500억 미국 달러의 가치가 추가로 창출될 수 있을 것으로 추정합니다.¹

뱅킹 분야에서의 인공 지능 사용 사례

머신 러닝과 genAI는 뱅킹 분야에서 여러 실제 및 잠재적 사용 사례를 지원합니다. 몇 가지 예를 소개합니다:

• 맞춤형 고객 서비스 및 마케팅 자동화: 지능형 인공 지능 챗봇은 고객 문의에 보다 포괄적이고 공감을 표시하는 답변을 제공하여 만족도 점수를 높이는 데 도움이 될 수 있습니다. 또한 genAI는 잠재 고객을 위한 맞춤형 지원 활동 계획을 수립하여 적절한 채널, 시간, 연락 빈도를 지정하여 잠재적으로 의사 소통의 영향을 개선할 수 있습니다.
• 고객 온보딩, 대출 평가, 인수: genAI는 비정형 데이터 및 업계 또는 뉴스 보고서와 같은 텍스트가 많은 문서를 분석하여 KYC(Know Your Customer) 과정의 심화에 도움이 될 수 있습니다. 은행은 또한 genAI를 사용하여 규정을 준수하는 방식으로 대출 인수를 가속화할 수 있습니다.
• 직원 생산성: 엔터프라이즈 genAI 서비스는 받은 편지함 관리, 회의 노트 및 작업 요약 초안 작성, 과중한 부하가 걸리는 분석 요약을 검색 가능한 대화형 콘텐츠로 요약하는 것과 같은 지루한 작업을 자동화하여 개인의 생산성을 향상시킬 수 있습니다.
• AML(자금 세탁 방지) 및 사기 감지: AI 기반 사이버 보안 시스템은 거래 패턴을 거의 실시간으로 분석하여 의심스러운 활동을 식별할 수 있으며, 원활하고 효율적인 운영을 위해 사기 감지, 경고, 문제 해결 프로세스를 자동화할 수도 있습니다.
• 기밀 컴퓨팅: 강화된 플랫폼은 하드웨어 지원 격리를 사용하여 데이터를 메모리 또는 가상 머신 수준에서 데이터 침해로부터 보호합니다. 또한 기밀 컴퓨팅은 인공 지능 모델 교육 및 추론을 위한 연합 학습을 지원하여 고객 기밀과 개인정보를 보호하면서도 여러 은행이 동일한 공유 데이터 풀에서 학습하고 패턴을 식별할 수 있도록 지원합니다.

뱅킹 분야에서 인공 지능의 미래

뱅킹 분야에서 인공 지능은 계속해서 더 정교해지고 더 복잡한 작업을 성공적으로 수행할 수 있게 될 것입니다. 은행이 인공 지능의 가치를 극대화하려면, 규정을 준수하고 고객과의 신뢰를 유지할 수 있도록 엄격하고 설명 가능하고 책임 있는 AI 표준을 구현해야 할 것입니다.

인공 지능 배포가 더욱 고도화되고 복잡해짐에 따라 엄격한 규제 요구 사항, 개인정보 보호에 대한 고객의 기대치, 민감한 금융 데이터에 대한 높아진 위협 프로필을 충족하기 위해 AI 배포는 더욱 투명해야 합니다. 다른 산업보다 특히 은행 업계는 XAI(설명 가능한 인공 지능)와 책임 있는 AI의 원칙을 따라, 머신 러닝과 genAI 시스템이 특정 결과와 출력을 생성하는 방법을 이해하고 전달하여야 합니다. 이는 대출 자격과 같이 금융 기회에 대한 고객의 접근성에 영향을 미치는 결정에 특히 중요합니다.