2023년 한 해, 은행권 금융사고 4,318억 9,700만 원. 역대 최고다. IBK기업은행 48억, 우리은행 40억, 신한은행 21억. 모두 같은 수법이다. 할인분양을 미끼로 허위 계약서를 만들어 대출을 부풀렸다. 사람이 서류를 검토하는 한, 수년 된 패턴에 4천억이 뚫린다. 지금 금융권은 이 낡은 방정식을 AI로 다시 쓰고 있다.

은행권, 이상거래 4,318억 원의 빈틈을 AI가 메운다

인력 감축과 비대면 확산으로 심사 인력은 줄었는데, 검토할 건수는 늘었다. 그 틈새로 할인분양 사기가 4,318억 원을 빼갔다. 답은 복합 신호를 한 번에 읽는 AI다. 동일 시행사 집중 대출, 분양가 대비 과도한 감정가, 문서 서식 불일치 — 사람이 따로따로 보던 위험 신호를 AI는 동시에 포착한다.

신한은행은 감정평가서 AI 점검 에이전트(LLM+OCR+RPA)를 도입해 검토 시간을 70% 단축하고 처리량을 3배로 늘렸다. AX운영위원회 14명(그룹장+CISO+컴플라이언스+소비자보호)이 분기마다 고위험 AI 배포를 심의한다. 우리은행은 시나리오 기반 FDS를 AI 자기학습 방식으로 전환했다. 더 이상 과거 사고 패턴에만 의존하지 않고, 신규 금융사고 유형까지 잡아낸다. NH농협은행은 금융권 최초로 AI 감리역 특허를 획득했고, EW-AR 기술로 부실차주를 조기 예측한다. 연내 에이전틱 AI 자동 감리 2.0도 준비 중이다.

카카오뱅크는 3,800여 변수 신용평가모형으로 중저신용 대출 1조 원을 추가 공급했다. 통신인증 결합 FDS로 피해 예방 385억 원, 명의도용 방지 450만 명. SBI저축은행은 금융권 최초로 '페이크파인더 iOS'를 도입해 통화 상태·원격제어 앱·VPN을 감지한다. 아이폰 특화 피싱 차단이다. 하나은행은 기업 신용평가 심사의견을 수십 분에서 수 초로 단축했고, KB국민은행은 AI-OCR로 신분증·금융서류를 초 단위로 인식한다. AI가 더 이상 '심사 보조'가 아니다. 핵심 인프라다.

보험사, 자동심사 50%·지급 2시간 — AX 조직이 무기다

보험금 심사는 더 극적으로 변했다. 2023년 기준 보험사에 접수된 사고보험금 청구는 연 585만 건, 하루 평균 16,027건. 이걸 사람이 일일이 검토하는 구조엔 한계가 명확했다.

삼성생명은 업스테이지 AI OCR(인식률 95% 이상)로 사고보험금 하루 497건을 자동 처리한다. 전체의 3.1%지만, 비중은 빠르게 커지고 있다. 챗봇 25개가 월 29만 건, 음성봇 9개가 월 18만 건을 처리한다. CX 글쓰기 시스템이 약관을 쉽게 풀어 전달한다. 삼성화재는 AI로 암 진단·수술 급여 심사를 자동화했고, OCR+생성형 AI 결합으로 수기 검토를 대폭 줄였다. 삼성금융 계열사 합산 AI 센터 인력은 126명. 전 휴매나(Humana) 리드 데이터 사이언티스트 김성철 상무를 영입하며 투자를 가속하고 있다.

한화생명은 1,100만 건 청구데이터를 학습한 딥러닝 모델로 자동심사 비중을 25%에서 50%까지 끌어올리는 게 목표다. AI 번역·가입설계 AI 에이전트로 1,681명의 외국인 설계사를 지원한다. 샌프란시스코 HAC(한화AI센터)는 스탠퍼드 HAI와 공동연구를 진행 중이고, ICAIF 2025에서 'AI 통계적 차익거래' 논문을 구두 발표했다. 교보생명은 13종 청구서류 OCR, 실손·입원·통원 위험점수 머신러닝 모델로 보험금 지급 평균 소요시간을 0.24일(약 2시간)까지 줄였다. 부지급률은 1% 미만. 자동심사 비중 40%를 목표로 하고 있다. 오너 2세 신중하 상무가 AX지원담당으로 100명 규모 조직을 직접 총괄한다.

공통된 패턴이 있다. 삼성생명은 AI 위원회(CAIO 산하·CISO·컴플라이언스·소비자보호팀장 구성)를 출범했고, 한화생명은 대표이사 직속 AX전략실을 신설했다. 단순히 기술만 도입한 게 아니라 거버넌스와 조직을 함께 설계했다는 점이 중요하다. 판단은 사람이 하되, 속도·정확도·일관성은 AI가 만든다. 2시간 만에 지급되는 보험금, 50% 자동 심사 처리율 — 이게 거버넌스가 따라붙은 AX의 실체다.

JPMorgan과 Stripe, 70조 데이터로 푸는 글로벌 표준

국내 금융권이 'AI 보조, 판단은 사람' 원칙 아래 거버넌스를 다듬는 동안, 글로벌 탑티어는 완전히 다른 레이어에서 움직인다. 데이터 규모 자체가 무기다.

JPMorgan은 524M 파라미터의 TradeFM을 자체 개발했다. 107억 토큰 — 9,000개 미국 주식, 368일 치 틱 단위 주문 흐름을 언어 모델링했다. 16,384 토큰 어휘로 아시아태평양 시장(일본·중국)에서 제로샷 일반화에 성공했다. AI 투자 에이전트를 20년간 백테스트한 결과, 전통적 60/40 포트폴리오 대비 연 0.7%p 초과수익을 냈다. 변동성은 더 낮으면서. 골드만삭스 2026년 2분기 실적은 AI가 금융 수익에 직결되는 현실을 단적으로 보여준다. 주식트레이딩 매출 72% 증가한 74.2억 달러, IB 수수료 55% 증가한 34억 달러. 데이비드 솔로몬 CEO는 "3~5년 AI 케이팩스 슈퍼사이클 초기 단계"라고 말한다. AI 데이터센터 파이낸싱, 스페이스X IPO 주관, 알파벳 900억 달러 증자 — 모두 자금 흐름의 단면이다.

Stripe Radar는 연 1.9조 달러 결제 데이터를 처리하며 70조 개 데이터포인트로 모델을 학습한다. 카드·디바이스·구매 이력·행동 패턴 등 수백 개 신호를 밀리초 안에 분석해 사기 가능성을 스코어링한다. 5개월 만에 71% 사기 감소 효과를 냈고, 커스텀 모델은 15% 더 탐지하면서도 오탐을 늘리지 않았다. ElevenLabs는 하루 2,000개 무료티어 남용 계정을 Radar로 차단했고, Smart Disputes는 AI 추천 증거를 추가했을 때 승률이 3배로 뛰었다. 사기 웹사이트·고위험 가맹점·연체 위험 시그널을 플랫폼 차원에서 통합 관리한다는 발상이다.

국내 금융사가 '심사 자동화'에 집중할 때, JPMorgan은 트레이딩 AI로 알파를 만들고 Stripe은 70조 데이터로 리스크를 상품화한다. '데이터→모델→매출·리스크' 선순환을 이미 돌리고 있다.

AX 위원회, 설명요구권, 긴급정지 — 국내 금융권이 쌓는 신뢰 인프라

국내 금융권이 느리다고만 볼 수 없는 이유가 여기 있다. 속도만 추구하다 4,318억 원 사고를 키운 교훈이 있기 때문에, 오히려 거버넌스를 병행 설계하는 전략을 택했다.

신한은행 AX운영위원회는 고영향·고위험 AI 배포를 심의하고, 삼성생명 AI위원회는 설명요구권·이의제기권·삭제요구권을 지속가능경영보고서에 명시했다. 한화생명은 AX전략실을 CEO 직속으로 두고, 교보생명은 100명 규모 AX 조직을 오너 2세가 직접 이끈다. 조직 구조 자체가 'AI는 도구, 판단은 사람'이라는 원칙의 증거다. AI 기본법과 금융위 가이드라인이 시행되는 한국 시장에서, 이 거버넌스 체계는 글로벌 IB와의 규제 격차를 상쇄하는 자산이 될 수 있다. JPMorgan의 0.7%p 알파와 신한의 AX운영위는 같은 방정식의 다른 변수일 뿐이다. 하나는 수익 창출, 하나는 신뢰 구축. 둘 다 AI 도입의 필수 조건이다.

당신 조직의 첫 AI 심사 에이전트

4,318억 원 사고가 터지고 나서야 AI FDS 고도화가 시작됐다. 1조 원 중저신용 대출은 3,800개 변수 AI 신용모형 없이 불가능했다. 70조 데이터포인트가 71% 사기를 막았다. 신한 감정평가서 70% 단축, 삼성 하루 497건 자동지급, JPMorgan 트레이딩 AI 0.7%p 알파. 모두 데이터가 답이다.

국내 금융권은 여전히 'AI는 보조, 판단은 사람'이라는 원칙을 지킨다. AX위원회, AI위원회, 설명요구권, 긴급정지 권한 — 이 모든 장치가 그 증거다. 하지만 심사 속도, 처리 일관성, 데이터 규모에서 AI는 이미 사람의 한계를 넘었다. 문제는 'AI를 쓸 것인가'가 아니라 '어디서부터 AI가 판단하고 어디까지 사람이 책임질 것인가'다. 당신 조직의 첫 AI 심사 에이전트는 대출 심사인가, 보험금 지급인가, 아니면 이상거래 탐지인가.