금융권 AI 투자는 급증했지만, ROI는 여전히 잡히지 않는다

금융회사들은 AI 예산을 계속 늘리고 있다. 하지만 투자와 실험이 곧바로 측정 가능한 경영 성과로 이어지는 것은 아니다. 컨설팅사 퀸랜 앤드 어소시에이츠(Quinlan & Associates)의 핵심 메시지는 분명하다. 금융권의 과제는 더 이상 ‘AI를 도입할 것인가’가 아니라, 어떤 적용 사례가 매출·비용·리스크·고객 경험을 실제로 개선하는지 증명하는 데 있다.

투자 규모는 커지는데, ROI는 왜 불분명한가

퀸랜 앤드 어소시에이츠는 금융서비스 업계의 2025년 AI 관련 지출을 760억 달러로 추산했으며, 2030년에는 업계 지출이 1,300억 달러를 넘어설 것으로 전망했다. 14 동시에 전통 금융기관의 95%는 AI를 검토 중이거나 이미 업무에 활용하고 있지만, 71%는 명확한 투자수익률(ROI)을 달성하거나 입증하는 데 어려움을 겪는다고 답했다. 3

이 간극은 중요하다. AI의 광범위한 도입은 조직의 의지를 보여줄 수는 있어도, 개별 프로젝트가 지속 가능한 가치를 만들고 있다는 증거는 아니다. 퀸랜 관련 분석에 따르면 AI 이니셔티브의 43%가 취소된다. 많은 시도가 운영 환경에 안착하지 못한다는 뜻이다. 15

수익으로 이어지지 않는 세 가지 이유

퀸랜은 가치 실현을 막는 장애물을 서로 연결된 세 가지 문제로 정리한다.

1. 기술부터 정하는 전략: 해결해야 할 사업 문제, 고객 여정, 업무 병목, 목표 가치보다 먼저 사용 가능한 도구를 택하는 경우다. 이 방식에서는 실질적 효과로 이어질 가능성이 높은 사용 사례를 고르기 어렵다. 6
2. 너무 늦게 시작하는 거버넌스: 리스크·컴플라이언스·통제를 설계 이후의 승인 절차로 취급하면, 상당한 시간과 비용을 투입한 뒤에야 제약 조건이 드러날 수 있다. 6
3. 확장을 전제로 설계되지 않은 운영 모델: 분절된 데이터, 취약한 구현 기반, AI를 관리·배포·확장할 역량 부족은 유망한 프로젝트를 파일럿 단계와 전사 도입 사이에 묶어둘 수 있다. 6

이는 단순히 모델 성능이나 도구 부족의 문제가 아니라 실행의 문제다. 금융회사는 모델을 도입하고 개념검증(PoC)을 여러 건 진행할 수 있다. 그러나 재무적 성과를 만들려면 그에 맞는 업무 흐름과 책임 구조까지 바꿔야 한다.

거버넌스는 ROI를 늦추는 비용이 아니라, ROI를 가능하게 하는 장치

금융업에서 신뢰할 수 있는 AI 거버넌스는 상업적 성과와 분리된 문제가 아니다. 사업성이 있는 AI 사용 사례가 승인되고, 실제 환경에 배포되며, 지속적으로 모니터링되고, 필요한 수준의 자율성을 갖춘 채 신뢰받을 수 있는지를 결정한다.

세계경제포럼(WEF)의 금융서비스 AI 플레이북은 리스크 관리와 책임 있는 AI 원칙을 모든 계층에 내재화할 것을 권고한다. 초기부터 위험선호도(risk appetite)를 정하고, 모델을 엄격하게 검증하며, AI의 행동이 설명 가능하고 추적 가능하며 통제 가능하도록 해야 한다는 것이다. 1 특히 AI가 단순 보조 기능을 넘어 여러 단계의 작업을 수행하는 시스템으로 발전할수록 이런 원칙은 중요해진다. 명확한 권한 경계, 이관·승인 절차, 사람의 감독은 가치 있는 사용 사례의 확산을 막는 운영상 불확실성을 줄일 수 있다.

기반 여건의 중요성도 확인된다. 국제금융협회(IIF)와 EY의 설문은 AI를 실제 운영 환경에 배포할 때 데이터 품질과 데이터 가용성이 가장 큰 과제 가운데 하나이며, 숙련 인력과 거버넌스 안전장치도 필요하다고 지적했다. 4

BCG와 엔비디아 조사에서는 무엇이 보이나

다른 조사들도 표본과 측정 방식은 다르지만 퀸랜의 진단과 대체로 같은 방향을 가리킨다.

BCG가 280명 이상의 재무 임원을 대상으로 실시한 조사에서는 AI 및 생성형 AI의 **중앙값 기준 보고 ROI가 10%**에 그쳤다. 응답자 다수가 목표로 잡은 20%에 못 미치는 수준이며, 약 3분의 1은 제한적인 효과만 봤다고 답했다. 43 또 다른 BCG 조사에서는 1,250여 개 기업 가운데 AI 가치를 대규모로 실현한 곳은 5%에 불과했고, 60%는 상당한 투자에도 뚜렷한 가치를 얻지 못했다고 응답했다.

반면 엔비디아의 2025년 금융서비스 조사에서는 실제 배포된 일부 사례가 가시적 효과를 내고 있다는 결과가 나왔다. 응답자의 약 70%는 AI가 최소 5%의 매출 증가를 이끌었다고 답했고, 60% 이상은 연간 비용을 최소 5% 줄였다고 답했다. 보고된 ROI 기준으로는 트레이딩·포트폴리오 최적화와 고객 경험이 생성형 AI의 주요 활용 사례였다.

이 결과들은 서로 모순되지 않는다. AI는 수익을 만들 수 있다. 다만 배포 자체가 성과는 아니다. 고가치 사용 사례를 선택했는지, 관련 업무 흐름을 바꿨는지, 신뢰할 수 있는 데이터와 통제를 갖췄는지, 그리고 운영·재무 성과를 측정했는지가 차이를 만든다.

이제 경쟁은 ‘도입’이 아니라 ‘실행’에서 갈린다

퀸랜 보고서가 보여주는 가장 선명한 신호는 투자, 참여도, 실현 가치의 불일치다. 2025년 760억 달러의 투자 기반과 광범위한 AI 활동이 존재하지만, 여전히 다수 기관은 수익을 입증하지 못하고 있다. 14 3

금융권 리더에게 필요한 대응은 AI를 서로 분리된 파일럿의 묶음이 아니라 사업 전환 프로그램으로 다루는 것이다. 먼저 측정 가능한 사업 목표를 정하고, 개발 이전에 리스크와 거버넌스 요구사항을 설계하며, 성과 책임자를 분명히 하고, 배포 뒤에도 전 과정의 지표를 추적해야 한다. BCG 역시 의미 있는 가치를 만든 기업들은 소수의 이니셔티브에 집중하고, 이를 빠르게 확장하며, 핵심 프로세스를 바꾸고, 인력을 재교육하고, 운영·재무 수익을 체계적으로 측정한다고 분석했다.

따라서 다음 경쟁 구도는 AI를 보유한 금융회사와 그렇지 않은 금융회사 사이에서 형성되기보다, 핵심 업무에서 AI를 안전하게 운영하면서 성과를 수치로 증명할 수 있는 회사와 실험만 계속 쌓는 회사 사이에서 형성될 가능성이 크다.