[2025전망 금융IT이노베이션] HS효성 "금융 AI 혁신, AI만 생각하면 실패한다"

실시간
뉴스

일반

[2025전망 금융IT이노베이션] HS효성 "금융 AI 혁신, AI만 생각하면 실패한다"

디지털데일리 발행일 2024-12-12 16:56:52

이건한 기자

URL복사

[디지털데일리 이건한 기자] "그동안 금융권에서 AI 도입 프로젝트에 실패했던 이유는 대부분 단지 AI만 적용하려 했기 때문이었습니다. 확장성을 반드시 고려하되 내외부로 들어오는 금융 데이터를 잘 이해하는 것, 주요 기술적 지침까지 정확하게 적용되어야 성공할 수 있습니다."

권동수 HS효성인포메이션시스템 전문위원은 12일 롯데호텔서울에서 디지털데일리가 개최한 '2025 전망 금융IT이노베이션' 행사에서 이렇게 강조했다. '금융 혁신을 위한 AI 적용 및 확장 방안'을 주제로 진행된 해당 세션에는 최근영 지음AI CTO(최고기술책임자)도 참여해 금융권이 AI 도입 시 기술 및 전략적 측면에서 간과하지 말아야 할 점들에 대한 여러 인사이트를 공유했다.

확장성, 지속가능성은 필수…시작은 '명확한 목표 설정'부터

권 위원은 현재 초고속 발전이 이뤄지고 있는 AI 산업에서 금융권은 명확한 AI 도입 목표 설정과 서비스 확장성, 재학습 기반의 지속 가능성 확보, 양질의 AI 구축 파트너십 우선 확보가 필수적이라고 봤다.

우선 목표 설정과 확장성의 중요성은 '선택과 집중'을 강조한 대목이다. 생성형 AI는 기본적으로 굉장히 다양한 형태로 가공될 수 있는 잠재력이 있다. 금융에서도 마찬가지인데, 먼저 각 도입처 특성에 걸맞은 맞춤형 목표부터 설정한 뒤 해당 AI가 점차 넓은 서비스 범위로 확장될 수 있는 로드맵을 첫 단계로 마련해야 한다는 의미다.

권 위원은 "단순히 하나의 AI만 구성하고 끝나는 것이 아니라, 맞춤형 목표 수립으로 시작해 그것을 바탕으로 확장 가능한 시스템을 설계할 때 우리는 결국 '성과 지향적인 생성형 AI' 구축에 가까워진다"고 설명했다.

또한 이를 위해선 마이데이터를 비롯한 여러 표준화 데이터 수집도 중요하지만, 결과적으로 AI 기술에 잘 녹일 수 있도록 데이터를 가져와 융합하는 노하우도 필요하다. 특히 금융은 보안을 위해 내부 구축형(온프레미스) 환경에 데이터를 보관하는 경우가 많다.

그러나 금융은 동시에 외부 서비스와 모델, 퍼블릭 클라우드에서도 실시간 데이터가 쏟아진다. 내부 데이터만 가지고 제대로 된 금융 AI 시스템을 구축하긴 어렵다. 따라서 내부 데이터와 외부 데이터 모두 AI가 쉽게 접근하고 활용할 수 있는 하이브리드 데이터 관리 인프라 확보도 중요하다는 것이 권 위원의 설명이다.

목표 설정과 하이브리드 데이터 연계 시스템 설정 다음은 재학습을 통한 개선이다. 이는 AI 시스템의 최신화 상태를 유지하면서 운영 비용은 절감하는 '가성비' 확보를 위한 단계다. 애초에 데이터 기반으로 학습되는 AI는 계속해서 양질의 데이터와 시나리오가 공급될수록 이를 재학습해 성능을 향상할 수 있는 구조다. 한번 구축하고 끝나는 일반 솔루션과 달리 AI의 이런 특성을 이해하고, 확보된 데이터가 지속적으로 성능과 운영비 최적화에 활용되도록 함으로써 AI 도입 효율을 극대화해야 한다는 의미로 풀이할 수 있다.

나아가 앞선 시스템 구축의 완성도를 높이기 위한 외부 기업 파트너십의 중요성도 강조됐다. 권 위원은 "현장에서 직접 프로젝트와 개념실증(PoC) 등을 해보니, 금융 분야는 금융업에 대한 이해, 동시에 AI 기술을 잘 적용해줄 수 있는 파트너 확보가 성공 여부에 영향을 미쳤다"며 "AI 인프라부터 서비스까지 제공할 수 있는 업체와의 협력이 성공적인 금융 AI 도입 프로젝트로 진행된다"고 말했다.

이 대목에서 효성HS인포메이션시스템 역시 대기업 중심으로 LLM(대형언어모델) 프로젝트, AI 플랫폼 구축에 풍부한 실전 경험을 보유한 플레이어로 분류된다. 이어 지음AI의 최근영 CTO가 금융 AI 프로젝트 진행 시 기술적 측면에서 유의해야 할 점들을 소개했다.

데이터는 양보다 질, 기술 도입은 안정성 중요

최 CTO는 "그동안 다양한 PoC, 시범사업 진행을 통해 깨달은 교훈"이라며 AI 프로젝트의 성공 요인과 실패 요인을 비교 분석한 결과를 공유했다.

첫째는 '다량의 데이터보다 양질의 데이터를 준비할 것'이다. AI는 보통 많은 데이터가 주어질 때 좋은 응답 처리가 가능하다고 생각되지만, 실제 일반 업무에서 쓰이려면 양질의 데이터는 물론이고 실시간 업무 데이터가 적절히 제공되는 균형이 중요하단 설명이다.

다음은 '단계적 혁신 로드맵' 마련이다. 한번에 모든 업무에 AI를 도입하면 성공률이 오히려 떨어진다. 최 CTO는 현재 기술 발전 및 환경에 따라 당장 적용 가능한 업무상 AI 혁신 요인부터 분류한 뒤 업무 수행 과정에서 로드맵을 유연하게 확장하라는 조언이다.

이어 최신 기술의 도입시기 결정이 적절해야 한다. 현재 AI 분야는 기술 발전 속도가 빠르고 사소한 버전 업데이트, 기능 라이브러리가 쏟아진다. 이때 무조건 최신 모델을 유지하다 유지 운영에 어려움을 겪기보다는 최신 기술에 발맞춰 새로 등장할 문제가 있음을 인지하고, 어떤 문제의 해결이 가능한지 알아야 최신 기술도 AI 업무 혁신에 보다 적절히 도입할 수 있다는 말이다.

최 CTO도 풍부한 도메인(전문분야) 지식과 기술을 보유한 파트너 확보의 중요성을 재차 강조했다. 그는 "기업이 집중할 대목은 결국 비즈니스다. 만약 서울에서 부산까지 운전을 해야 할 때, 중간에 차량이 고장 날 걱정으로 자동차 정비 자격증부터 취득 후 출발한다고 생각하는 게 아니라 보험사 번호부터 확인하지 않냐"며 "기업의 비즈니스 역량 역량도 시기 적절하게 대응 가능한 파트너를 찾아 함께 혁신성을 유지하는 것이 중요한 문제"라고 말했다.

이 밖에도 실제 시스템 구축 과정에서 ▲철저한 개인정보 비식별화 환경 ▲변화한 금융 망분리 트렌드에 따라 제로트러스트에 기반한 내부 보안체제 강화 ▲기존 시스템과 연동 가능한 유연성과 확장성 등을 기술 고려 단계에서 중요하게 확인해야 한다고 강조했다.