금융 서비스는 AI의 가장 큰 시장 가운데 하나가 될 수 있다. 그렇다고 최첨단 AI 모델을 만드는 연구소가 곧바로 지배적 은행이 된다는 뜻은 아니다. 은행은 단순한 앱이나 의사결정 엔진이 아니라, 자본을 보유하고 예금·신용·유동성 위험을 관리하며 돈이 움직일 때의 책임을 지는 규제기관이기 때문이다.

더 현실적인 그림은 이렇다. AI 연구소는 추론 모델, 고객·직원용 인터페이스, 에이전트 인프라를 제공하고, 은행·증권사·결제회사·핀테크는 인가된 상품과 실제 거래 집행을 맡는 구조다.

은행의 핵심 난제는 ‘위험을 누가 떠안는가’다

프런티어 모델은 분석, 고객 서비스, 소프트웨어 개발, 업무 자동화를 크게 개선할 수 있다. 하지만 예금을 받거나 대출을 내주기 위해 필요한 대차대조표를 자동으로 만들어주지는 않는다.

미국 통화감독청(OCC)은 신규 국법은행 인가 신청자에게 사업계획의 위험에 상응하는 자본을 요구한다. 인가 매뉴얼은 운영 첫 3년 또는 안정적 수익성이 예상될 때까지 보통주자본 기반 레버리지 비율을 최소 8%로 제시한다. 34 이는 은행이 신용, 유동성, 운영, 규제준수, 평판 위험을 장기간 흡수·관리해야 한다는 현실을 보여준다. OCC의 대형은행 감독도 이런 위험 범주를 명시적으로 평가한다. 37

AI 연구소가 규제 금융기관을 인수하거나 새로 설립하는 선택지는 있다. 그러나 그 순간 사업은 확장성 높은 기술 판매에서 규제 금융위험을 직접 부담하는 모델로 바뀐다. 모델 성능이 높다는 사실만으로 자연스럽게 따라오는 경로는 아니다.

외주를 줘도 책임은 은행에 남는다

은행은 외부 사업자를 활용할 수 있다. 그러나 안전하고 건전하며 적법하게 업무가 수행되도록 보장할 이사회와 경영진의 책임까지 넘길 수는 없다. OCC도 제3자 활용이 이런 책임을 줄이지 않는다고 밝힌다. 19

그래서 파트너십 모델이 구조적으로 유리하다. 은행은 AI 모델, 오케스트레이션 플랫폼, 구축 서비스를 도입할 수 있지만, 관계의 위험도와 복잡성에 맞춰 이를 통제해야 한다. 미국 은행 감독당국의 공동 지침은 모든 은행의 제3자 관계에 위험관리 원칙을 적용하며, OCC는 은행 업무를 지원하는 핀테크 및 하도급 사업자가 만드는 위험도 감독한다. 2818

규제준수 역시 범용 챗봇에 기능 하나를 붙여 해결할 문제가 아니다. 자금세탁방지(AML), 의심거래와 거래 보고, 은행비밀법(BSA) 관련 의무는 계속 운영돼야 한다. 33 OCC는 검사 주기마다 국법은행의 BSA 준수 여부를 점검한다. 43

에이전트 AI일수록 통제가 더 중요하다

금융에서 유용한 에이전트는 계좌에 광범위하게 접근하는 무제한 봇이 아니다. 허용된 데이터와 정해진 도구, 권한 한도, 승인 절차, 로그, 예외 처리 안에서 작동하는 시스템이다.

이는 기술 문제이면서 동시에 거버넌스 문제다. OCC의 2026년 모델 위험관리 지침은 모델 개발·검증·모니터링, 거버넌스와 통제, 외부 공급업체 제품을 다룬다. 다만 생성형 AI와 에이전트 AI는 새롭고 빠르게 변하는 분야여서 해당 지침의 적용 범위에는 포함되지 않는다고 명시한다. 기존의 모델 위험관리 관행만으로 자율 금융 에이전트의 모든 문제를 해결할 수 없다는 뜻이다. 21

보안과 개인정보도 제약이다. 국제통화기금(IMF)은 클라우드 사업자, 모델 엔드포인트, 금융 서비스에 의존하는 자율 에이전트가 은행 자격증명이나 카드 번호, 암호화폐 지갑 키 같은 민감 정보를 필요로 할 수 있으며, 이는 데이터 유출과 취약성 집중 위험을 키운다고 지적한다. 13

따라서 어려운 일은 최고 성능 모델을 고르는 데만 있지 않다. 기관이 통제하는 데이터와 시스템에 모델을 연결하되, 행동을 검토 가능하고 제한 가능하며 가능한 한 되돌릴 수 있게 만드는 데 있다.

기존 금융사는 이미 중요한 자산을 갖고 있다

은행과 결제회사는 고객 관계, 본인확인과 온보딩, 권한이 부여된 거래 데이터, 상품 정책, 부정거래 통제, 결제를 집행하는 인프라를 보유하고 있다. 코어뱅킹 시스템, 원장, 고객 관리 도구, 사건 관리 프로세스에 축적된 운영 지식도 있다.

AI 연구소가 경험 계층에서 상당한 가치를 가져갈 수는 있다. 소비자가 AI 비서 안에서 금융상품을 검색·비교·관리하기 시작한다면, AI 비서는 발견과 유통의 중요한 관문이 될 수 있다. 그러나 이는 예금을 보유하거나 대출을 심사하고, 자산을 수탁하거나, 거래의 법적·규제상 책임 주체가 되는 것과는 다르다.

실무에서는 AI 성능만큼 데이터 접근과 운영 규칙이 중요하다. 마이크로소프트의 자본시장 분석은 안전하고 허가된 데이터 접근, 감사 가능성, 계약 규칙, 데이터 소유권과 가치 배분 문제가 에이전트 활용 사례의 확장 여부를 결정한다고 본다. 14

AI 연구소가 가장 큰 가치를 만들 영역

1. 코파일럿에서 제한형 금융 에이전트로

단기적으로는 범위가 명확한 업무의 자동화가 유망하다. 신청서 준비, 계좌 대사, 이상 징후 탐지, 고객 안내문 초안, 사건 요약, 조사·고객관리 업무 지원 등이 해당한다. 규제 금융기관은 어떤 행동에 사람의 승인이 필요한지, 어떤 행동을 정책 한도 내에서 자동 처리할지를 정할 수 있다.

OCC는 은행들이 사기 탐지, 의심활동 식별, 자동매매, 대출 실행 절차, 마케팅, 고객 서비스에 AI를 사용하는 사례를 관찰했다고 밝혔다. 22

2. 명시적 안전장치를 갖춘 ‘자동 운용 자금’

고객이 권한을 명확히 부여한 에이전트는 정기 청구서 관리, 현금흐름 관리, 저축 규칙 적용, 부채 상환 우선순위 설정, 리밸런싱 지시, 기업 자금관리 업무를 도울 수 있다. 이때도 은행·증권사·결제 제공업체는 수탁자, 대출기관, 거래 집행처, 규제 책임 주체로 남는다.

업계에서는 이를 ‘은행이 되지 않고 은행에 가까워지는’ 방향으로 묘사한다. 규제기관과의 제휴를 통해 AI 에이전트가 자금을 이동·지급·리밸런싱하고, 상거래와 결제가 초기 진입점이 될 수 있다는 관점이다. 2

3. 상거래와 결제

상품 탐색과 비교, 결제, 청구, 환불, 정기 구매는 에이전트 인터페이스가 특히 유용한 고빈도 업무다. 다만 에이전트 결제에는 소비자, 판매자, AI 제공업체, 은행, 데이터 수집·연결 사업자, 결제 처리업체, 핀테크, 가상자산 사업자 등 다양한 참여자가 얽힌다. 6

이 구조는 협업에 유리하다. AI 비서가 행동을 제안하거나 시작할 수는 있어도, 토큰화, 인증, 승인, 정산, 분쟁 처리, 규제준수는 기존 금융·결제 인프라의 기능으로 남는다.

4. 금융 인프라 사업자와의 기업용 구축

지속 가능한 상업 모델은 파운데이션 모델에 안전한 데이터 접근, 업무 오케스트레이션, 평가, 감사 로그, 금융기관 구축 역량을 결합하는 형태가 될 가능성이 크다.

FIS와 앤트로픽의 협력은 이를 보여주는 사례다. 두 회사는 Claude의 추론 능력과 FIS의 은행 데이터·규제 인프라를 결합한 금융범죄 AI 에이전트를 공동 설계한다고 밝혔다. FIS는 고객 데이터가 FIS 통제 인프라 안에 머무르고, 에이전트의 모든 결정이 추적·감사 가능하도록 하겠다고도 설명했다. 11

금융 AI의 유력한 역할 분담

가장 그럴듯한 결과는 AI 연구소가 은행을 통째로 대체하는 것이 아니라, 역할이 나뉜 다층 시장이다.

• AI 연구소: 모델, 추론 시스템, 에이전트 도구, 소비자·직원용 인터페이스 제공
• 금융기관: 인가 상품, 고객 권한, 규제준수 프로그램, 위험 부담, 수탁, 신용, 최종 거래 권한 제공
• 결제·핀테크 인프라 사업자: 신원확인, 데이터, 코어뱅킹, 처리, 정산 기능으로 시스템 연결

이 구도가 AI 연구소를 주변부로 밀어낸다는 뜻은 아니다. 널리 쓰이는 AI 비서를 보유하거나 뛰어난 기업용 에이전트 플랫폼을 제공하는 연구소는 강력한 유통력과 수익을 확보할 수 있다. 다만 규제 금융에서 오래가는 경쟁력은 모델 성능만이 아니라, 감독 체계 안에서 위험을 감당하고 통제를 운영하며 거래를 안정적으로 집행하는 능력에 있다.

금융 서비스는 AI의 가장 큰 시장 가운데 하나가 될 수 있다. 그렇다고 최첨단 AI 모델을 만드는 연구소가 곧바로 지배적 은행이 된다는 뜻은 아니다. 은행은 단순한 앱이나 의사결정 엔진이 아니라, 자본을 보유하고 예금·신용·유동성 위험을 관리하며 돈이 움직일 때의 책임을 지는 규제기관이기 때문이다.

더 현실적인 그림은 이렇다. AI 연구소는 추론 모델, 고객·직원용 인터페이스, 에이전트 인프라를 제공하고, 은행·증권사·결제회사·핀테크는 인가된 상품과 실제 거래 집행을 맡는 구조다.

은행의 핵심 난제는 ‘위험을 누가 떠안는가’다

프런티어 모델은 분석, 고객 서비스, 소프트웨어 개발, 업무 자동화를 크게 개선할 수 있다. 하지만 예금을 받거나 대출을 내주기 위해 필요한 대차대조표를 자동으로 만들어주지는 않는다.

미국 통화감독청(OCC)은 신규 국법은행 인가 신청자에게 사업계획의 위험에 상응하는 자본을 요구한다. 인가 매뉴얼은 운영 첫 3년 또는 안정적 수익성이 예상될 때까지 보통주자본 기반 레버리지 비율을 최소 8%로 제시한다. 34 이는 은행이 신용, 유동성, 운영, 규제준수, 평판 위험을 장기간 흡수·관리해야 한다는 현실을 보여준다. OCC의 대형은행 감독도 이런 위험 범주를 명시적으로 평가한다. 37

AI 연구소가 규제 금융기관을 인수하거나 새로 설립하는 선택지는 있다. 그러나 그 순간 사업은 확장성 높은 기술 판매에서 규제 금융위험을 직접 부담하는 모델로 바뀐다. 모델 성능이 높다는 사실만으로 자연스럽게 따라오는 경로는 아니다.

외주를 줘도 책임은 은행에 남는다

은행은 외부 사업자를 활용할 수 있다. 그러나 안전하고 건전하며 적법하게 업무가 수행되도록 보장할 이사회와 경영진의 책임까지 넘길 수는 없다. OCC도 제3자 활용이 이런 책임을 줄이지 않는다고 밝힌다. 19

그래서 파트너십 모델이 구조적으로 유리하다. 은행은 AI 모델, 오케스트레이션 플랫폼, 구축 서비스를 도입할 수 있지만, 관계의 위험도와 복잡성에 맞춰 이를 통제해야 한다. 미국 은행 감독당국의 공동 지침은 모든 은행의 제3자 관계에 위험관리 원칙을 적용하며, OCC는 은행 업무를 지원하는 핀테크 및 하도급 사업자가 만드는 위험도 감독한다. 2818

규제준수 역시 범용 챗봇에 기능 하나를 붙여 해결할 문제가 아니다. 자금세탁방지(AML), 의심거래와 거래 보고, 은행비밀법(BSA) 관련 의무는 계속 운영돼야 한다. 33 OCC는 검사 주기마다 국법은행의 BSA 준수 여부를 점검한다. 43

에이전트 AI일수록 통제가 더 중요하다

금융에서 유용한 에이전트는 계좌에 광범위하게 접근하는 무제한 봇이 아니다. 허용된 데이터와 정해진 도구, 권한 한도, 승인 절차, 로그, 예외 처리 안에서 작동하는 시스템이다.

이는 기술 문제이면서 동시에 거버넌스 문제다. OCC의 2026년 모델 위험관리 지침은 모델 개발·검증·모니터링, 거버넌스와 통제, 외부 공급업체 제품을 다룬다. 다만 생성형 AI와 에이전트 AI는 새롭고 빠르게 변하는 분야여서 해당 지침의 적용 범위에는 포함되지 않는다고 명시한다. 기존의 모델 위험관리 관행만으로 자율 금융 에이전트의 모든 문제를 해결할 수 없다는 뜻이다. 21

보안과 개인정보도 제약이다. 국제통화기금(IMF)은 클라우드 사업자, 모델 엔드포인트, 금융 서비스에 의존하는 자율 에이전트가 은행 자격증명이나 카드 번호, 암호화폐 지갑 키 같은 민감 정보를 필요로 할 수 있으며, 이는 데이터 유출과 취약성 집중 위험을 키운다고 지적한다. 13

따라서 어려운 일은 최고 성능 모델을 고르는 데만 있지 않다. 기관이 통제하는 데이터와 시스템에 모델을 연결하되, 행동을 검토 가능하고 제한 가능하며 가능한 한 되돌릴 수 있게 만드는 데 있다.

기존 금융사는 이미 중요한 자산을 갖고 있다

은행과 결제회사는 고객 관계, 본인확인과 온보딩, 권한이 부여된 거래 데이터, 상품 정책, 부정거래 통제, 결제를 집행하는 인프라를 보유하고 있다. 코어뱅킹 시스템, 원장, 고객 관리 도구, 사건 관리 프로세스에 축적된 운영 지식도 있다.

AI 연구소가 경험 계층에서 상당한 가치를 가져갈 수는 있다. 소비자가 AI 비서 안에서 금융상품을 검색·비교·관리하기 시작한다면, AI 비서는 발견과 유통의 중요한 관문이 될 수 있다. 그러나 이는 예금을 보유하거나 대출을 심사하고, 자산을 수탁하거나, 거래의 법적·규제상 책임 주체가 되는 것과는 다르다.

실무에서는 AI 성능만큼 데이터 접근과 운영 규칙이 중요하다. 마이크로소프트의 자본시장 분석은 안전하고 허가된 데이터 접근, 감사 가능성, 계약 규칙, 데이터 소유권과 가치 배분 문제가 에이전트 활용 사례의 확장 여부를 결정한다고 본다. 14

AI 연구소가 가장 큰 가치를 만들 영역

1. 코파일럿에서 제한형 금융 에이전트로

단기적으로는 범위가 명확한 업무의 자동화가 유망하다. 신청서 준비, 계좌 대사, 이상 징후 탐지, 고객 안내문 초안, 사건 요약, 조사·고객관리 업무 지원 등이 해당한다. 규제 금융기관은 어떤 행동에 사람의 승인이 필요한지, 어떤 행동을 정책 한도 내에서 자동 처리할지를 정할 수 있다.

OCC는 은행들이 사기 탐지, 의심활동 식별, 자동매매, 대출 실행 절차, 마케팅, 고객 서비스에 AI를 사용하는 사례를 관찰했다고 밝혔다. 22

2. 명시적 안전장치를 갖춘 ‘자동 운용 자금’

고객이 권한을 명확히 부여한 에이전트는 정기 청구서 관리, 현금흐름 관리, 저축 규칙 적용, 부채 상환 우선순위 설정, 리밸런싱 지시, 기업 자금관리 업무를 도울 수 있다. 이때도 은행·증권사·결제 제공업체는 수탁자, 대출기관, 거래 집행처, 규제 책임 주체로 남는다.

업계에서는 이를 ‘은행이 되지 않고 은행에 가까워지는’ 방향으로 묘사한다. 규제기관과의 제휴를 통해 AI 에이전트가 자금을 이동·지급·리밸런싱하고, 상거래와 결제가 초기 진입점이 될 수 있다는 관점이다. 2

3. 상거래와 결제

상품 탐색과 비교, 결제, 청구, 환불, 정기 구매는 에이전트 인터페이스가 특히 유용한 고빈도 업무다. 다만 에이전트 결제에는 소비자, 판매자, AI 제공업체, 은행, 데이터 수집·연결 사업자, 결제 처리업체, 핀테크, 가상자산 사업자 등 다양한 참여자가 얽힌다. 6

이 구조는 협업에 유리하다. AI 비서가 행동을 제안하거나 시작할 수는 있어도, 토큰화, 인증, 승인, 정산, 분쟁 처리, 규제준수는 기존 금융·결제 인프라의 기능으로 남는다.

4. 금융 인프라 사업자와의 기업용 구축

지속 가능한 상업 모델은 파운데이션 모델에 안전한 데이터 접근, 업무 오케스트레이션, 평가, 감사 로그, 금융기관 구축 역량을 결합하는 형태가 될 가능성이 크다.

FIS와 앤트로픽의 협력은 이를 보여주는 사례다. 두 회사는 Claude의 추론 능력과 FIS의 은행 데이터·규제 인프라를 결합한 금융범죄 AI 에이전트를 공동 설계한다고 밝혔다. FIS는 고객 데이터가 FIS 통제 인프라 안에 머무르고, 에이전트의 모든 결정이 추적·감사 가능하도록 하겠다고도 설명했다. 11

금융 AI의 유력한 역할 분담

가장 그럴듯한 결과는 AI 연구소가 은행을 통째로 대체하는 것이 아니라, 역할이 나뉜 다층 시장이다.

• AI 연구소: 모델, 추론 시스템, 에이전트 도구, 소비자·직원용 인터페이스 제공
• 금융기관: 인가 상품, 고객 권한, 규제준수 프로그램, 위험 부담, 수탁, 신용, 최종 거래 권한 제공
• 결제·핀테크 인프라 사업자: 신원확인, 데이터, 코어뱅킹, 처리, 정산 기능으로 시스템 연결

이 구도가 AI 연구소를 주변부로 밀어낸다는 뜻은 아니다. 널리 쓰이는 AI 비서를 보유하거나 뛰어난 기업용 에이전트 플랫폼을 제공하는 연구소는 강력한 유통력과 수익을 확보할 수 있다. 다만 규제 금융에서 오래가는 경쟁력은 모델 성능만이 아니라, 감독 체계 안에서 위험을 감당하고 통제를 운영하며 거래를 안정적으로 집행하는 능력에 있다.