[이데일리 김현아 기자] 스마트폰 대중화가 카카오뱅크·토스뱅크 등 모바일 네이티브 뱅크의 성장을 이끌었다면, 생성형 인공지능(AI)과 AI 에이전트의 확산은 금융산업의 판도를 다시 바꿀 ‘AI 네이티브 뱅크(AI-Native Bank)’ 시대를 열 것이라는 전망이 나왔다. AI가 단순 업무 보조를 넘어 대출 심사, 자산관리, 고객 응대 등 핵심 금융 업무의 판단과 실행까지 담당하는 단계로 진화한다는 분석이다. 국내 핀테크 기업 핀다의 이혜민 대표는 지난 19일 서울 중구 한국프레스센터에서 열린 고려대학교 기술법정책센터 마이데이터·AI 포럼(회장 이성엽 고려대 교수) 제12회 정기 세미나에서 ‘AI Native Bank, Why Now’를 주제로 발표했다. 이 대표는 금융산업의 진화 과정을 ‘레거시 뱅크→모바일 네이티브 뱅크→AI 네이티브 뱅크’로 제시했다. 과거 지. 중심 은행이 스마트폰 확산을 계기로 시공간의 제약을 줄였다면, AI 시대에는 인공지능이 은행의 핵심 인프라로 자리 잡아 24시간 의사결정과 업무 효율화를 지원하는 구조로 바뀔 것이라는 설명이다. 이 대표는 “AI는 금융서비스의 단순한 디지털 전환을 넘어 금융산업의 경쟁 패러다임을 근본적으로 변화시키는 핵심 기술”이라며 “모바일 시대에 모바일 네이티브 은행이 새로운 주역으로 부상했듯, AI 시대에는 AI를 설계 단계부터 내재화한 금융사가 시장 기회를 선.할 것”이라고 강조했다. 이혜민 핀다 대표. 사진=고려대학교 기술법정책센터 마이데이터·AI 포럼 금융소외 43.1%…AI로 중소 금융사·씬파일러 포용 이 대표는 AI 네이티브 뱅크가 필요한 배경으로 기존 금융시장의 구조적 한계와 데이터 격차를 꼽았다. 모바일 바다이야기 게임장 핀다 분석에 따르면 플랫폼에서 대출 한도를 조회한 고객 중 43.1%는 정책 금융상품을 포함해도 2금융권에서조차 전 금융사 대출 승인을 받지 못한 ‘금융 소외’ 상태인 것으로 나타났다. 저축은행 가계신용대출의 78.9%가 상위 10개사에 집중된 반면, 자산 1조원 이하 중소형 저축은행의 신용대출 비중은 4% 미만에 그쳤다. 중소 금융사의 디지털·데이터 역량 격차가 금융 접근성의 차이로 이어지고 있다는 지적이다. 이 대표는 BCG컨설팅 자료를 인용해 “전통 금융사는 복잡한 레거시 시스템과 조직 단절로 인해 신규 서비스 출시에 네오뱅크(Neobank) 대비 5~10배의 시간이 소요된다”며 “AI 네이티브 환경을 구축하면 언더라이팅(대출 심사) 승인 시간을 약 30% 줄이고 신용평가 생산성을 20~60% 높일 수 있다”고 설명했다. 이어 “AI를 활용하면 기존 신용평가 방식으로 충분히 평가받지 못했던 씬파일러(금융이력 부족자) 등 금융소외 계층을 포용할 새로운 기회를 만들 수 있다”고 덧붙였다. 핀다 “공동대출·AI 에이전트·AI PB로 확장” 핀다는 금융상품 비교·중개 과정에서 축적한 고객 데이터와 금융기관 네트워크를 AI와 결합해 차세대 금융 모델로 확장한다는 전략이다. 핀다 회원은 약 350만명이며 월 40만명이 대출 조건을 확인한다. 2020년부터 올해 상반기까지 누적 대출 중개액은 15조원, 제휴 금융기관은 96개사다. 상권 데이터 분석 서비스 ‘오픈업’을 통해 362만 사업자의 1억3000만개 이상 상권 데이터를 확보하고 있다. 모바일 야마토추천 스타트업 전용 금융서비스 ‘핀다 유니콘’에서는 JB전북은행과 협업해 거래 데이터와 세금계산서 등을 기반으로 AI 재무자동화 및 CFO 에이전트 서비스를 개발하고 있다. 핀다가 제시한 전략은 △플랫폼과 공동대출을 통한 신속한 스케일업 △AI 에이전트 기반 업무 자동화와 의사결정 고도화 △AI PB(프라이빗 뱅커)를 결합한 종합 자산관리 허브 구축이다. AI 에이전트가 대출 심사, 자산관리, 고객 상담 등 업무별 데이터를 분석하고 판단한 뒤 필요한 업무 실행까지 연결해 금융사의 생산성과 서비스 경쟁력을 높이겠다는 구상이다. 싱가포르·미국·영국 금융권, AI 에이전트로 업무 혁신 글로벌 금융권에서는 이미 AI 에이전트를 실제 업무에 적용해 성과를 내고 있다. 싱가포르 디지털은행 트러스트뱅크는 자금세탁방지(AML) 업무에 소형 AI 에이전트 협업 체계를 도입해 전체 경보의 60%를 AI로 자동 처리하고, 처리 시간을 100분에서 20~30분으로 약 70% 단축했다. 미국 로켓 모기지는 8개 이상의 도메인 에이전트를 협업시키는 구조를 통해 대출 리드 전환율을 33% 높이고 일반 문의에서 상담사가 개입하는 비율을 85% 낮췄다. 영국 내트웨스트 역시 AI 기반 맥락 맞춤형 추천을 활용해 콘텐츠 클릭률을 4배 끌어올렸다. 이 대표는 이 같은 사례를 들어 AI 에이전트가 금융사의 업무 자동화를 넘어 의사결정과 실행을 연결하는 핵심 인프라가 될 것으로 전망했다. “LLM 판단 넘어, 금융시스템 닿는 ‘행동(Tool)’ 통제가 핵심” AI 에이전트가 금융시스템에 직접 접근하는 단계로 발전하면서 금융 AI 거버넌스 역시 기존과 달라져야 한다는 제언도 나왔다. 온라인 바다이야기 게임 AI 에이전트가 단순히 답변하는 것을 넘어 실제 금융 업무를 실행할수록 생산성은 높아지지만, 잘못된 판단이나 권한 밖의 행동이 실제 금융 거래로 이어질 위험도 커진다는 것이다. 기존 금융 AI 규제가 대형언어모델(LLM)의 답변 정확성과 윤리성 등 ‘판단’을 검증하는 데 초。을 맞췄다면, AI 에이전트 시대에는 AI가 실제 고객 계좌나 금융시스템에 어떤 명령을 내리고 어떤 행동을 실행하는지에 대한 ‘도구(Tool) 통제’가 중요하다는 설명이다. 이 대표는 AI의 판단을 관리하는 ‘LLM 영역’과 금융 응용프로그램인터페이스(API) 실행을 통제하는 ‘Tool 영역’을 분리하는 이원화된 아키텍처를 제시했다. 사전에 등록·인가되지 않은 외부 도구가 금융시스템에 접근하는 경로 자체를 차단해 AI 에이전트의 오작동이나 무단 실행 위험을 최소화해야 한다는 것이다. 이 대표는 “에이전트가 금융 업무를 실제로 수행하게 되면 모델이 무엇을 답했는지만 보는 것으로는 충분하지 않다”며 “어떤 도구를 호출하고 어떤 금융 행위를 실행하는지까지 통제하는 거버넌스가 필수적”이라고 강조했다. 발표 후 이어진 토론에서는 AI 에이전트 시대에 적합한 금융 AI 거버넌스 방향이 논의됐다. 참석자들은 AI 활용을 지나치게 제약하지 않으면서 금융서비스의 안전성과 신뢰성을 확보할 수 있는 합리적인 규제 체계가 필요하다고 입을 모았다. 개인정보 보호와 데이터 활용의 균형, AI 서비스의 책임성과 신뢰성을 확보하기 위한 관리체계 마련, 산업계와 정책당국 간 협력체계 구축 등도 주요 과제로 제시됐다. 이성엽 마이데이터·AI 포럼 회장은 “AI는 금융산업의 업무 효율화를 넘어 새로운 금융서비스를 창출하는 핵심 기술로 자리매김하고 있다”며, “이번 세미나는 마이데이터와 AI 활용에 따른 금융산업의 미래와 AI 거버넌스 체계의 발전 방향을 함께 모색하는 뜻깊은 자리였다”고 밝혔다. 김현아 () 실제로 수행하게