속도보다 중요한 것, 금융권 AI 도입의 진짜 과제

 

 

인공지능(AI) 기술의 빠른 확산은 금융 산업의 혁신을 가속화하는 동시에 새로운 과제도 던져주고 있다. 방대한 데이터를 다루는 금융권에서 AI를 도입하기 위해서는 핵심 인프라 전반에 대한 보안, 데이터 품질, 시스템 안정성 등을 복합적으로 고려해야 한다. 그러나 많은 금융 기관들이 빠른 AI 도입에 비해 체계적인 준비는 아직 미흡한 상황이다.

 

 

AI가 불러온 금융권 데이터 인프라 위기

 

전 세계 금융권 IT 및 비즈니스 리더 231명을 대상으로 조사한 히타치 밴타라의 2024 데이터 인프라 현황 보고서에 따르면, 응답자의 84%가 데이터 유실이 발생할 경우 그 피해가 치명적일 것이라 답했다. 그러나 AI 성능을 좌우하는 핵심 요소인 데이터 품질 관리는 상대적으로 소홀한 것으로 나타났다.  

 

특히 보고서는 금융권이 효과적인 AI 활용에 어려움을 겪고 있음을 보여준다. 금융 기업들이 필요할 때 데이터를 적절하게 활용할 수 있는 비율은 25%에 불과했으며, AI 모델의 평균 분석·예측 정확도도 21%에 머물렀다. 

 

응답자의 36%는 내부 AI 시스템이 데이터 유출을 초래할 수 있다는 우려를, 38%는 랜섬웨어 공격 시 데이터 복구 불능 가능성에 대한 우려를 나타냈다. 잘못된 AI 판단으로 보안 사고가 발생할 수 있다는 응답도 36%에 달했다. 이는 AI 활용이 오히려 보안 위험을 증대시킬 수 있다는 점에서 우려가 커진다.  

 

 

AI 도입 속도는 빨라지지만 준비 부족이 문제

 

AI 기술에 대한 관심과 투자는 지속적으로 증가하고 있지만, 많은 금융 기업은 체계적인 사전 준비 없이 AI를 도입하고 있다. 보고서에 따르면, 응답자의 71%가 실험 테스트 없이 바로 실무에 AI를 적용하는 것으로 나타났고, 안전한 샌드박스 환경에서 AI를 테스트하고 있다는 비율은 4%에 불과했다. 이는 AI의 보안성과 신뢰도를 저해하고 장기적인 활용 가능성을 제한하는 요인이 된다.

 

금융 산업에서 생성형 AI의 빠른 확산은 주목할 만한 흐름이지만, 이에 대응하는 전략적이고 신중한 접근이 요구된다. 보안·정확성·윤리적 책임을 고려한 체계적 준비가 이뤄질 때 비로소 AI의 잠재력을 온전히 실현할 수 있다.

 

 

금융권 AI 인프라 강화를 위한 4가지 전략

 

금융 서비스 기업이 AI 도입의 효과를 극대화하고 리스크를 최소화하기 위해서는 ▲안전한 테스트 환경 구축 ▲지속 가능한 데이터 관리 체계 수립 ▲데이터 통합 및 시스템 단순화 ▲데이터 복원력 확보 및 AI 기반 보안 강화의 네 가지 전략을 중심으로 인프라를 강화할 필요가 있다. 

 

#1. 안전한 테스트 환경 구축
실무 환경에 AI를 바로 적용하기보다는 보안이 강화된 샌드박스 환경에서 충분한 테스트를 진행해 위험을 사전에 식별하고 대응할 수 있어야 한다.

 

#2. 지속 가능한 데이터 관리 체계 수립 
에너지 효율성과 확장성을 갖춘 데이터 저장 및 관리 시스템을 기반으로 장기적인 AI 운영에 적합한 인프라를 구축해야 한다.

 

#3. 데이터 통합 및 시스템 단순화
하이브리드 및 멀티 클라우드 환경에서 데이터가 분산된 상황이라면, 데이터 통합과 시스템 간소화가 AI 성능 향상에 중요한 전제 조건이 된다.

 

#4. 데이터 복원력 확보 및 AI 기반 보안 강화
랜섬웨어나 내부 침해 가능성 등 AI 시스템이 직면할 수 있는 다양한 위협에 대비한 데이터 백업, 복구, 보안 솔루션을 사전에 갖추는 것이 필수적이다.

 

HS효성의 AI 플랫폼을 선택해야 하는 이유