Data readiness for agentic AI in financial services

개요

금융 서비스 산업에서 에이전트형 AI(Agentic AI)의 성공은 시스템의 정교함보다는 AI가 의존하는 데이터의 품질, 보안, 접근성에 크게 좌우됩니다.

주요 내용

* 금융 서비스 산업은 규제가 엄격하고 실시간 외부 이벤트에 대응해야 하는 고유한 환경에 있으며, 에이전트형 AI는 이러한 환경에서 실시간 데이터를 통합하고 복잡한 워크플로우를 최적화하는 잠재력을 지닙니다.
* Gartner에 따르면, 금융 서비스 팀의 절반 이상이 이미 에이전트형 AI를 구현했거나 구현할 계획입니다.
* 에이전트형 AI는 기반 데이터의 강점과 약점을 모두 증폭시키므로, 신속하고 자신 있게 AI를 배포하려면 데이터를 대규모로 검색, 보안, 맥락화하는 능력이 필수적입니다.
* 규제 준수를 위해 AI 모델이 어떤 정보를 찾았고 왜 해당 데이터를 다음 단계에 사용했는지에 대한 감사 가능하고 관리 가능한 설명을 제공해야 합니다.
* 시장 변화와 경쟁으로 인해 신속하고 정확한 데이터 처리가 중요하며, AI 모델은 구조화된 데이터뿐만 아니라 자연어(비정형 데이터)도 처리할 수 있어야 합니다.
* 에이전트형 AI 시스템은 안전하고 접근 가능하며 고품질의 잘 관리된 데이터에 대한 신속한 접근에 의존하며, 이는 거래, 고객 상호 작용, 위험 신호, 정책 및 과거 맥락을 포함합니다.
* 정형화되지 않은 자연어 데이터를 정리하고 통합하는 작업은 AI 모델의 일관성 없는 응답, 추적하기 어려운 의사 결정, 규제 기관 및 고객의 신뢰 저하를 방지하는 데 중요합니다.
* Forrester 연구에 따르면, 금융 기관의 57%는 에이전트형 AI를 완전히 활용하기 위한 내부 역량을 아직 개발 중입니다.
* 파편화되고 제대로 색인화되지 않으며 접근하기 어려운 데이터 문제를 해결하기 위해 효과적인 검색 플랫폼이 중요하며, AI 시스템은 데이터 접근성과 유용성을 고려하여 설계되어야 합니다.
* AI 기반 검색 및 자율 시스템은 고객 노출 모니터링, 거래 모니터링, 규제 보고와 같은 다양한 용도로 사용될 수 있으며, 이는 자동화, 효율성 및 확장성을 향상시킵니다.
* 에이전트형 AI 생태계를 구축하기 위해서는 강력한 보안 제어, 우수한 데이터 거버넌스, 시스템 성능 관리가 필요하며, 점진적인 파일럿 프로젝트를 통해 시스템을 개선하고 확장해야 합니다.

시사점

금융 서비스 기업이 에이전트형 AI를 성공적으로 도입하려면 데이터 준비, 검색, 보안 및 거버넌스에 대한 철저한 접근 방식이 필수적이며, 이를 통해 효율성, 정확성 및 규제 준수를 향상시키고 지속 가능한 경쟁 우위를 확보할 수 있습니다.