데이터 플랫폼이라는 승부: 금융 AI 이니셔티브의 정체 원인과 승자의 확장 전략

금융 서비스 기업에게 AI는 더 이상 낯선 기술이 아니지만, 생성형 및 에이전틱 AI의 요구는 기존 인프라의 치명적인 결함을 드러내고 있습니다. 오늘날 시장을 선도하는 기업은 수년 전부터 데이터 아키텍처를 개선하기 시작했습니다. 배치(batch) 처리와 단편화된 데이터 저장소에 의존하는 조직은 점점 뒤처지고 있습니다.

"금융 서비스 기업의 40% 이상이 여전히 스프레드시트로 데이터를 관리하고 있습니다."라고 필라리노 박사는 설명합니다. "50% 이상은 데이터가 처음 생성된 개별 시스템 내에 그대로 갇혀 있는 실정입니다."

데이터가 사일로에 갇혀 있을 때, AI 모델은 정확한 결정을 내리는 데 필요한 컨텍스트를 파악하지 못합니다. 이로 인해 팀은 데이터를 수동으로 정리하고 라우팅하는 데 과도한 시간을 소비해야 합니다. 비즈니스에 미치는 영향은 심각합니다. 데이터 접근이 느려지면 실시간 사기 탐지가 가로막히고, 고객 서비스 응답이 지연되며 엄청난 규정 준수 위험이 초래하게 됩니다.

많은 조직이 기존 데이터 레이크나 워크플로우 자동화 도구가 AI에 충분하다고 판단합니다. 이러한 시스템은 분석 및 보고 목적으로는 제 역할을 다할지 모르지만, 최신 AI 에이전트의 즉각적인 요구 사항을 충족하도록 설계된 것은 아닙니다. 데이터 레이크가 과거의 기록을 담고 있다면, AI는 즉각적인 컨텍스트를 필요로 합니다.

필라리노 박사는 이 시스템이 규제를 준수하는 방식으로 적절한 데이터를 적절한 모델에 전달해야 하는 핵심 과제를 전혀 해결하지 못하고 있다고 지적합니다. 고도화된 AI를 지원하려면 통합 데이터 플랫폼이 다음과 같은 기능을 제공해야 합니다.

• 초당이 아닌 밀리초 단위의 신속한 데이터 접근

• 모든 쿼리에 연관된 배경 정보를 제공하는 맥락 중심의 검색

• 서로 다른 레거시 스키마를 아우르는 크로스 사일로 역량

• 감사 추적을 유지관리하고 올바른 접근 제어를 보장하는 기본 제공 거버넌스 기능

플랫폼이 고객 온보딩, 거래, 행동 신호에서 얻은 인사이트를 하나로 통합할 때, 조직은 시장 변화에 즉각적으로 대응할 수 있습니다. 이러한 전환을 통해 기업은 사후 대응적 보고에서 벗어나, 기계적인 속도로 선제적 의사 결정을 내릴 수 있습니다.

"데이터는 모든 AI 성공의 핵심입니다."라고 시스크는 덧붙였습니다. "견고한 인프라가 없으면 아무리 훌륭한 모델이라도 성과를 낼 수 없습니다."

레거시 시스템은 수십 년간 축적된 서로 다른 데이터 구조를 가지고 있습니다. 이러한 핵심 시스템을 뜯어내어 교체하는 것은 대규모 조직에서 거의 실현 가능하지 않습니다. 대신 조직은 서로 다른 출처에 걸쳐 데이터를 통합하는 증강 계층을 도입해야 합니다.

통합 스키마는 컨텍스트의 중요성을 이해해야 합니다. 메타데이터는 사용자가 데이터의 용도를 이해하도록 도울 뿐만 아니라, AI 에이전트나 대규모 언어 모델(LLM)이 의사 결정을 내리는 데 필요한 컨텍스트도 제공합니다.

기존 운영에 지장을 주지 않으면서 이러한 통합을 달성하기 위해, 리더는 다음 사항에 집중해야 합니다.

1. 전면 교체를 시도하기보다 기존 시스템 강화

2. 인간과 대규모 언어 모델이 모두 읽을 수 있는 공통 스키마 생성

3. 초고속 데이터 호출 성능을 갖춘 검색 엔진의 최우선 도입

이러한 접근 방식을 적용함으로써, 금융 기업은 메인프레임의 거래 내역을 추출하고, 여기에 풍부한 컨텍스트를 결합할 수 있습니다. 이 풍부해진 데이터는 사기 예방과 고객 행동 분석을 위한 즉각적인 인사이트를 도출하는 핵심 동력입니다.

AI 모델이 더욱 자율적으로 작동함에 따라 기존의 위험 관리 프레임워크는 쓸모없어지고 있습니다. 조직은 비결정론적 모델을 규칙 기반의 모니터링 방식에 의존해 관리할 수 없습니다. 데이터 플랫폼에 신뢰가 엔지니어링 단계부터 직접 내재화되어야 합니다.

"시장의 가장 큰 공백은 분명히 거버넌스입니다."라고 필라리노 박사는 말합니다.

이러한 점은 조직이 모든 단계에서 로깅을 구현할 필요성을 강조합니다. 이를 통해 AI가 수행하는 모든 행동에 대해 감사 가능성과 설명 가능성을 확보할 수 있습니다. AI 모델이 의사 결정에 도달한 경로를 명확하게 입증할 수 있을 때, 기업은 규제 기관과 고객으로부터 신뢰를 얻게 됩니다. 거버넌스는 규정 준수 부담에서 경쟁 우위로 전환됩니다. 미래 확장을 위한 기반을 구축합니다.

AI로 성공하는 기업은 단순히 더 우수한 모델을 도입하는 데 그치지 않습니다. 장기적인 관점에서 더 나은 플랫폼과 데이터 아키텍처를 설계하는 의사 결정을 내리고 있습니다. 통합되고 유연하며 실시간으로 작동하는 데이터 플랫폼만이 시범 운영의 난관에서 벗어날 수 있는 유일한 길입니다.

데이터 통합과 개방형 표준, 철저한 거버넌스를 최우선 과제로 삼음으로써, 금융 기업은 비로소 안전하게 AI를 실무에 전면 적용하고 가동할 수 있습니다. 먼저 데이터 문제를 해결하는 데 집중해야 합니다.