경영진은 이 전략을 비용 절감이 아니라 생산성 향상을 위한 기술 투자로 설명한다. 실제로 CEO 빌 윈터스는 AI가 일부 영역에서 "낮은 부가가치 인력"을 기술로 대체하게 될 것이라고 언급했다 .

이 계획은 향후 다른 글로벌 은행들이 AI 기반 인력 재편을 어떻게 진행할지 보여주는 기준 사례로 평가된다.

뱅크오브아메리카: 대규모 AI 비서

뱅크오브아메리카는 또 다른 접근 방식을 선택했다. 고객 서비스와 내부 업무 모두에 AI를 깊이 통합하는 전략이다.

대표적인 예가 모바일 앱에 탑재된 가상 비서 Erica다. 이 AI 시스템은 출시 이후 수십억 건의 고객 문의를 처리했으며 현재도 매달 수천만 건의 요청을 처리한다 . 고객의 소비 패턴을 분석하거나 계정 문제를 자동으로 알림으로 보내는 기능도 제공한다.

은행 내부에서도 AI가 적극 활용된다. Erica for Employees라는 내부 AI 비서는 21만 명 이상의 직원 대부분이 사용하고 있으며 비밀번호 재설정, 장비 요청, 내부 지원 문의 같은 반복 업무를 자동화한다 .

이러한 시스템 덕분에 직원들은 단순 지원 업무에서 벗어나 보다 복잡한 고객 대응이나 전문 업무에 집중할 수 있다는 것이 은행 측 설명이다.

JP모건체이스: 수백 개 AI 활용 사례

JP모건체이스는 기업 차원에서 AI 활용이 가장 앞선 은행 중 하나로 평가된다.

이 은행은 코딩 지원, 컴플라이언스 모니터링, 데이터 분석, 금융 리서치 등 다양한 분야에서 수백 개의 AI 활용 사례를 운영하고 있다 .

또한 20만 명이 넘는 직원이 내부 대형언어모델(LLM) 도구에 접근해 문서 작성, 데이터 분석, 업무 자동화를 지원받고 있다 .

이 전략의 핵심은 명확하다. 반복적인 지식 노동을 AI가 처리하도록 하고, 인간 직원은 고부가가치 분석이나 고객 관계 관리에 집중하도록 하는 것이다.

골드만삭스: 생성형 AI의 백오피스 도입

골드만삭스도 내부적으로 생성형 AI 도구를 확대하고 있다.

이 회사는 2025년부터 수천 명의 직원에게 AI 비서를 배포하기 시작했으며, 향후 전사 확대를 계획하고 있다 .

이 도구는 문서 요약, 자료 작성, 금융 데이터 분석 같은 업무를 지원한다. 회사 경영진은 AI로 생산성이 높아지면 갑작스러운 대규모 해고보다는 채용 증가 속도가 느려지고 일부 직무가 점진적으로 줄어들 가능성이 크다고 설명했다 .

현재 월가 전반에서는 공통적인 패턴이 나타난다. 반복적이거나 주니어 중심의 역할은 줄어들고, 대신 엔지니어·AI 전문가·모델 리스크 관리 전문가 같은 기술 중심 직무 수요는 늘어나고 있다.

규제당국이 우려하는 이유

금융 규제당국은 AI 혁신 자체에는 대체로 긍정적인 입장이지만, 도입 속도가 리스크 관리 체계를 앞지르고 있다는 점을 문제로 보고 있다.

1. AI 거버넌스의 부족

호주 건전성 규제기관(APRA)은 금융기관의 AI 도입 규모와 복잡성이 빠르게 커지는 반면, 거버넌스와 리스크 관리 체계는 그 속도를 따라가지 못하고 있다고 경고했다 .

호주 증권투자위원회(ASIC) 역시 금융사가 고객에게 영향을 미치는 AI 시스템을 관리하는 방식에서 거버넌스 공백이 존재할 수 있다고 지적했다 .

2. 인간 감독과 설명 가능성

대출 심사, 사기 탐지, 컴플라이언스 감시 같은 금융 분야의 AI 모델은 종종 복잡한 머신러닝 구조를 사용한다. 문제는 이런 모델이 왜 특정 결정을 내렸는지 설명하기 어려운 경우가 있다는 점이다.

규제당국은 자동화된 시스템이 고객 결과나 규제 판단에 영향을 줄 경우 반드시 인간의 감독과 명확한 책임 체계가 유지돼야 한다고 강조한다 .

3. 사이버보안과 운영 안정성

AI 시스템은 새로운 기술적 위험도 만든다. 핵심 금융 시스템에 AI를 통합하면 사이버 공격 표면이 확대될 수 있고, 클라우드나 외부 벤더 의존도도 높아질 수 있기 때문이다 .

금융기관이 위기 상황에서도 서비스를 유지할 수 있는 ‘운영 복원력(operational resilience)’은 따라서 규제의 핵심 이슈가 되고 있다.

4. 이사회와 경영진의 책임

여러 국가 규제당국은 AI 시스템이 자동화돼 있더라도 책임은 여전히 기업 이사회와 경영진에게 있다고 강조한다.

영국의 금융행위감독청(FCA) 역시 AI에 대한 별도의 규정이 없더라도 기존 규제—소비자 보호, 모델 리스크 관리, 운영 복원력 규정—이 그대로 적용된다고 명확히 하고 있다 .

은행 산업의 구조적 변화

결국 AI는 금융 산업의 운영 방식 자체를 바꾸고 있다.

이제 AI는 은행의 거의 모든 업무 레이어에 들어가고 있으며 과거에는 많은 분석가와 운영 인력이 필요했던 작업을 소프트웨어가 처리하기 시작했다.

이 변화가 인간 노동을 완전히 없애는 것은 아니다. 대신 은행이 필요로 하는 기술과 역할의 종류를 바꾸고 있다.

반복적인 행정·분석 업무는 자동화되고, 대신 AI 감독, 시스템 설계, 사이버보안, 고객 관계 관리 같은 영역의 중요성이 커지고 있다.

따라서 금융 산업에서 AI는 단순한 효율성 도구를 넘어 새로운 규제 과제를 만드는 핵심 기술로 자리 잡고 있다. 은행은 생산성과 경쟁력을 높이기 위한 도구로 보고 있고, 규제당국은 금융 안정성과 소비자 보호를 위해 반드시 통제돼야 할 기술로 보고 있다.

경영진은 이 전략을 비용 절감이 아니라 생산성 향상을 위한 기술 투자로 설명한다. 실제로 CEO 빌 윈터스는 AI가 일부 영역에서 "낮은 부가가치 인력"을 기술로 대체하게 될 것이라고 언급했다 .

이 계획은 향후 다른 글로벌 은행들이 AI 기반 인력 재편을 어떻게 진행할지 보여주는 기준 사례로 평가된다.

뱅크오브아메리카: 대규모 AI 비서

뱅크오브아메리카는 또 다른 접근 방식을 선택했다. 고객 서비스와 내부 업무 모두에 AI를 깊이 통합하는 전략이다.

대표적인 예가 모바일 앱에 탑재된 가상 비서 Erica다. 이 AI 시스템은 출시 이후 수십억 건의 고객 문의를 처리했으며 현재도 매달 수천만 건의 요청을 처리한다 . 고객의 소비 패턴을 분석하거나 계정 문제를 자동으로 알림으로 보내는 기능도 제공한다.

은행 내부에서도 AI가 적극 활용된다. Erica for Employees라는 내부 AI 비서는 21만 명 이상의 직원 대부분이 사용하고 있으며 비밀번호 재설정, 장비 요청, 내부 지원 문의 같은 반복 업무를 자동화한다 .

이러한 시스템 덕분에 직원들은 단순 지원 업무에서 벗어나 보다 복잡한 고객 대응이나 전문 업무에 집중할 수 있다는 것이 은행 측 설명이다.

JP모건체이스: 수백 개 AI 활용 사례

JP모건체이스는 기업 차원에서 AI 활용이 가장 앞선 은행 중 하나로 평가된다.

이 은행은 코딩 지원, 컴플라이언스 모니터링, 데이터 분석, 금융 리서치 등 다양한 분야에서 수백 개의 AI 활용 사례를 운영하고 있다 .

또한 20만 명이 넘는 직원이 내부 대형언어모델(LLM) 도구에 접근해 문서 작성, 데이터 분석, 업무 자동화를 지원받고 있다 .

이 전략의 핵심은 명확하다. 반복적인 지식 노동을 AI가 처리하도록 하고, 인간 직원은 고부가가치 분석이나 고객 관계 관리에 집중하도록 하는 것이다.

골드만삭스: 생성형 AI의 백오피스 도입

골드만삭스도 내부적으로 생성형 AI 도구를 확대하고 있다.

이 회사는 2025년부터 수천 명의 직원에게 AI 비서를 배포하기 시작했으며, 향후 전사 확대를 계획하고 있다 .

이 도구는 문서 요약, 자료 작성, 금융 데이터 분석 같은 업무를 지원한다. 회사 경영진은 AI로 생산성이 높아지면 갑작스러운 대규모 해고보다는 채용 증가 속도가 느려지고 일부 직무가 점진적으로 줄어들 가능성이 크다고 설명했다 .

현재 월가 전반에서는 공통적인 패턴이 나타난다. 반복적이거나 주니어 중심의 역할은 줄어들고, 대신 엔지니어·AI 전문가·모델 리스크 관리 전문가 같은 기술 중심 직무 수요는 늘어나고 있다.

규제당국이 우려하는 이유

금융 규제당국은 AI 혁신 자체에는 대체로 긍정적인 입장이지만, 도입 속도가 리스크 관리 체계를 앞지르고 있다는 점을 문제로 보고 있다.

1. AI 거버넌스의 부족

호주 건전성 규제기관(APRA)은 금융기관의 AI 도입 규모와 복잡성이 빠르게 커지는 반면, 거버넌스와 리스크 관리 체계는 그 속도를 따라가지 못하고 있다고 경고했다 .

호주 증권투자위원회(ASIC) 역시 금융사가 고객에게 영향을 미치는 AI 시스템을 관리하는 방식에서 거버넌스 공백이 존재할 수 있다고 지적했다 .

2. 인간 감독과 설명 가능성

대출 심사, 사기 탐지, 컴플라이언스 감시 같은 금융 분야의 AI 모델은 종종 복잡한 머신러닝 구조를 사용한다. 문제는 이런 모델이 왜 특정 결정을 내렸는지 설명하기 어려운 경우가 있다는 점이다.

규제당국은 자동화된 시스템이 고객 결과나 규제 판단에 영향을 줄 경우 반드시 인간의 감독과 명확한 책임 체계가 유지돼야 한다고 강조한다 .

3. 사이버보안과 운영 안정성

AI 시스템은 새로운 기술적 위험도 만든다. 핵심 금융 시스템에 AI를 통합하면 사이버 공격 표면이 확대될 수 있고, 클라우드나 외부 벤더 의존도도 높아질 수 있기 때문이다 .

금융기관이 위기 상황에서도 서비스를 유지할 수 있는 ‘운영 복원력(operational resilience)’은 따라서 규제의 핵심 이슈가 되고 있다.

4. 이사회와 경영진의 책임

여러 국가 규제당국은 AI 시스템이 자동화돼 있더라도 책임은 여전히 기업 이사회와 경영진에게 있다고 강조한다.

영국의 금융행위감독청(FCA) 역시 AI에 대한 별도의 규정이 없더라도 기존 규제—소비자 보호, 모델 리스크 관리, 운영 복원력 규정—이 그대로 적용된다고 명확히 하고 있다 .

은행 산업의 구조적 변화

결국 AI는 금융 산업의 운영 방식 자체를 바꾸고 있다.

이제 AI는 은행의 거의 모든 업무 레이어에 들어가고 있으며 과거에는 많은 분석가와 운영 인력이 필요했던 작업을 소프트웨어가 처리하기 시작했다.

이 변화가 인간 노동을 완전히 없애는 것은 아니다. 대신 은행이 필요로 하는 기술과 역할의 종류를 바꾸고 있다.

반복적인 행정·분석 업무는 자동화되고, 대신 AI 감독, 시스템 설계, 사이버보안, 고객 관계 관리 같은 영역의 중요성이 커지고 있다.

따라서 금융 산업에서 AI는 단순한 효율성 도구를 넘어 새로운 규제 과제를 만드는 핵심 기술로 자리 잡고 있다. 은행은 생산성과 경쟁력을 높이기 위한 도구로 보고 있고, 규제당국은 금융 안정성과 소비자 보호를 위해 반드시 통제돼야 할 기술로 보고 있다.