그럼에도 다른 어떤 산업보다 데이터에 근간을 두고 있는 금융업은 여전히 생성 AI의 효과를 가장 기대할 수 있는 분야 중 하나다. 구글 클라우드와 협업 중인 국내 주요 금융 기업 고객들을 만나면 C 레벨과 이사회가 예전보다 기술 도입 및 정보기술(IT) 의사결정에 훨씬 적극적으로 관여하고 있다고 한다. 특히 생성 AI의 비용 절감 효과에 대한 관심이 크다는 이야기를 자주 듣는다. 이러한 경영진의 기대에 따라 고객 경험 개인화, 업무 자동화, 신규 서비스 개발 등 기술에 대한 비즈니스 리더들의 투자는 지속될 전망이다.
생성 AI 열풍과 함께 대규모 데이터를 학습하는 대규모언어모델(LLM) 역시 폭발적으로 증가했다. 학습 대상 및 분야에 따라 LLM이 더욱 차별화되면서, 금융 서비스에서도 고유 용어와 맥락에 맞춰 미세 조정된 LLM이 증가할 것이다. 보다 구체적인 데이터 세트로 조정된 AI 모델은 규제 변화, 재무 보고 기준 등 특정 주제와 관련된 질의를 더 잘 이해하고 응답할 수 있다. 여기에 생성된 텍스트를 현실 세계 정보 및 문맥과 연결하는 ‘모델 그라운딩’을 적용하면 생성 AI의 결과물 수준을 한층 더 높일 수 있다. 금융 기관은 고객에게 의사결정 과정을 투명하게 설명해 AI 서비스에 대한 신뢰를 쌓을 수 있다.
기술의 발전과 투자가 지속된다고 해서 AI 프로젝트가 항상 성공하는 것은 아니다. 금융권의 생성 AI 도입을 가로막는 요인 중 하나는 바로 인력이다. 실제로 많은 고객이 인력 및 기술 격차를 생성 AI 도입 장벽으로 토로하고 있다. 단순 업무 자동화에 따라 임직원의 업스킬링은 더욱 활성화되고 AI 품질 보증, 프롬프트 엔지니어, AI 전략 컨설턴트와 같은 새로운 직무들이 등장할 것이다. 스킬 측면에서는 클라우드 및 프로그래밍 언어 기술, 비즈니스와 AI의 상호 관계에 대한 이해력이 핵심 역량으로 부상할 전망이다.
이러한 변화 속에서도 사람의 역할은 여전히 중요하다. 고객의 의사결정에 영향을 미치는 AI 시스템을 감독하고 제어하는 것은 결국 사람이 해야 할 일이기 때문이다. 사람과 AI 협업이 지속돼야 은행은 AI 모델의 규정 준수를 보장하고 위험을 완화하며 고객의 신뢰를 유지할 수 있다.
2024년은 금융 산업에서 초기 단계에 머물러 있던 생성 AI 기술들이 실제 비즈니스로 전환되는 시기가 될 것이다. 생성 AI 도입의 성공은 얼마나 많은 임직원이 혁신에 함께 참여하는지에 달렸다. 지난 몇 년간 데이터 현대화에 힘쓰며 분석 기반 의사결정 프로세스를 구축한 기업이 AI 경쟁에서 유리한 위치를 선점하게 될 것은 분명하다. 비즈니스 리더들은 생성 AI가 창출해낼 새로운 기회와 인사이트에 집중하며, 사람과 기술의 협업을 통해 기업 운영을 혁신하고 경쟁력을 확보해야 할 것이다.