국내 기업 AX 소식: 금융사 AI가 고객 창구에서 직원의 심사·상담 업무로 들어간다 (10월 31일 묶음)

10월 27일 나온 금융권 기사 2건에서 AI는 고객 화면을 넘어 직원 책상으로 들어왔습니다. 신한은행은 담보대출 감정평가서 점검 시간을 건당 약 70% 줄였고 해빗팩토리는 상담사 코칭에 드는 교육 매니저 시간을 60% 이상 줄였다고 밝혔습니다. 따라 하려면 AI가 무엇을 근거로 무엇을 표시했는지 남기고 최종 판단은 직원이 내리는 구조부터 갖춰야 합니다.

요약

이번 묶음은 10월 27일 국내 매체 두 곳이 낸 금융권 AI 기사입니다. 전자신문 박두호 기자는 고객의 이체나 상품 선택을 돕던 AI가 직원의 상담, 심사, 개발 업무로 넓어지고 있다고 정리했습니다. 기사는 이 흐름을 DIFM(Do It For Me, 일을 대신 해 주는 서비스) 경제가 금융사 안으로 들어온 것으로 봤습니다. 신한은행은 8월 부동산 담보대출 심사에서 감정평가서 점검을 돕는 AI 에이전트를 들였습니다. 해빗팩토리는 10월 상담사별 코칭 보고서를 만드는 AI를 도입했습니다. 카카오뱅크, 생명보험협회, 케이뱅크, 비씨카드 사례도 실렸습니다. 소비자가 만드는 신문 진선령 기자는 보험사 6곳을 다뤘습니다. 삼성생명은 AI 챗봇 25개로 영업 현장 문의를 월 29만 건 처리합니다. KB손해보험은 생성형 AI를 적용할 업무 과제 45개를 찾아 22개 개발을 마쳤습니다. 삼성화재, 신한라이프, 교보생명, DB손해보험의 영업 지원, 민원 예방, 보험금 심사, 사진 판독 사례도 함께 나옵니다. 수치는 모두 회사가 밝힌 값입니다.

두 기사에 나온 12곳의 AI가 맡은 일은 네 갈래로 나뉩니다. 서류와 사진을 먼저 읽어 사람이 볼 곳을 줄이고 상담 기록을 요약·분류해 다음 행동을 제안합니다. 영업 담당자에게는 누구에게 무엇을 말할지 알려 주며 개발과 교육으로 직원이 AI를 다루는 폭을 넓힙니다. 효과로 든 숫자도 주로 직원 시간에 관한 것입니다. 신한은행은 하루에 처리할 수 있는 업무량이 약 3배가 됐다고 했습니다. 교보생명은 3영업일 이내 지급 건의 평균 지급 소요기간이 올해 상반기 0.24일로 업계 평균 0.71일보다 짧았다고 밝혔습니다. 판단 책임은 사람에게 남습니다. 6월 시행된 금융분야 인공지능 가이드라인은 AI를 업무 보조 수단으로 쓰고 최종 결정과 책임은 임직원이 지라는 원칙을 담았습니다. 보험연구원 손재희 연구위원은 자동심사 오류가 소비자 피해와 신뢰 저하로 이어질 수 있다며 회사 차원의 위험관리 체계를 주문했습니다. KB손보는 앞으로 개발 건수보다 실제 활용도와 업무 기여도로 성과를 보겠다고 밝혔습니다. 아래에서 기사별 사실을 먼저 정리하고 네 갈래를 실제로 돌리는 방법을 기술과 현업 두 쪽으로 나눠 붙였습니다.

사례별 정리

신한은행·해빗팩토리 외 4곳: AI가 감정평가서 점검과 상담사 코칭을 맡아 직원 시간이 줄었다

• 상황: 금융권 AI는 그동안 고객의 이체와 상품 선택을 돕는 데 주로 쓰였습니다. 기사는 이 AI가 직원의 상담, 심사, 개발 업무로 옮겨 가고 있다고 봤습니다.
• 한 일: 신한은행은 8월 부동산 담보대출 심사에서 사람이 하던 감정평가서 확인을 돕는 AI 에이전트를 도입했습니다. 해빗팩토리는 10월 상담사별 맞춤 코칭 AI를 들였습니다. 이 AI는 누적 3,000만 건이 넘는 상담 메시지와 교육 매니저의 코칭 내용, 우수 상담사의 상담 절차를 학습해 상담사마다 강점과 보완점을 보고서로 냅니다. 교육 매니저는 이 보고서를 들고 면담합니다. 지난달 도입한 해빗팩토리의 ‘넛지 AI’는 고객 여럿을 동시에 응대하는 설계사에게 고객별 진행 상황과 급한 후속 조치를 실시간으로 알려 줍니다. 보험 분석 기능을 쓰고 상담방을 열었지만 대화를 시작하지 않은 고객에게는 보험 데이터에 맞춘 메시지를 보냅니다. 카카오뱅크는 AI 기반 문의량 예측 모델과 지식관리시스템(KMS)에 연결한 AI 검색을 만들어 상담협력사 직원이 필요한 정보를 빨리 찾게 했습니다. 통화 내용을 자동으로 정리하는 후처리 자동화도 들였습니다. 생명보험협회는 지난달 민원 응대와 회원사 광고 심의를 돕는 AI를 가동하겠다고 밝혔습니다. 민원관리 AI가 통화를 텍스트로 바꾸고 민원 유형을 나눠 상담자에게 응대 자료를 줍니다. 임직원이 자연어로 물으면 내부 규정과 근거 조항을 찾아 줍니다. 케이뱅크는 8월 개발 업무에 에이전틱 AI(목표를 받아 단계를 짜고 도구를 쓰는 AI)를 들여 기능 설명을 받아 코드를 만들고 기존 시스템을 분석해 개선 방향을 제안하게 했습니다. 비씨카드는 지난달 중순부터 사내 AI 플랫폼 BC.AI 활용법, AI 거버넌스, 생성형 AI별 사용 기준을 가르치고 부서별 반복 업무를 AI로 바꾸도록 돕는 교육을 운영합니다.
• 결과(회사 발표): 신한은행은 감정평가서 건당 점검 시간이 약 70% 줄고 하루 처리 가능 업무량이 약 3배로 늘었습니다. 해빗팩토리는 교육 매니저가 코칭에 쓰는 시간이 60% 이상 줄었고 넛지 AI로 분석과 초기 안내를 자동화해 처리량이 약 10배 늘었다고 평가했습니다. 카카오뱅크는 상담 뒤 업무 부담이 줄었다고 했습니다. 케이뱅크, 생명보험협회, 비씨카드의 효과 수치는 기사에 나오지 않습니다. 업계 관계자는 앞으로 내부 업무에 얼마나 넓게 쓰고 실제 효율을 얼마나 높이느냐가 경쟁력이 된다고 말했습니다.
• 출처: 전자신문 박두호 기자, 10월 27일(지면 10월 28일 8면)

삼성생명·KB손보 외 4곳: 챗봇·OCR·이미지 인식이 영업 문의와 보험금 심사를 처리한다

• 상황: 보험사의 AI는 설계사 상담 지원에서 출발해 고객 불편을 미리 찾고 보험금 심사를 자동화하는 쪽으로 넓어지고 있습니다. 기사는 반복 업무를 자동화해 직원 부담을 줄이고 고객에게 맞춘 서비스를 내는 데 초점이 있다고 봤습니다.
• 한 일: 삼성화재는 26일 AI 영업지원 시스템 ‘AI Advisor’를 열었습니다. 계약 만기, 보험금 지급 같은 고객 정보를 분석해 설계사(RC)에게 고객별 소통 방식과 상담 정보를 제안합니다. 가상 고객과 상담을 연습하는 AI 롤플레잉도 제공합니다. 삼성생명은 AI센터를 AI기획팀, AI추진팀, AI혁신팀 3개 조직으로 운영하고 6월 AI 위원회를 중심으로 AI 윤리·위험관리 규정을 만들었습니다. 보험금 청구서류는 AI OCR(광학문자인식)로 자동 인식합니다. 신한라이프는 21일 ‘민원 예방 AI Agent’를 열었습니다. 콜센터 상담을 텍스트로 바꾸고 고객 정보·계약 정보와 엮어 불편 사항을 분석한 뒤 VOC(고객의 소리)로 등록해 후속 조치를 돕습니다. 교보생명은 AI와 OCR로 청구서류 정보를 뽑아 심사 절차를 자동화하고 있습니다. 자동심사 대상 건은 따로 하던 수작업 심사를 줄여 지급이 빨라집니다. DB손해보험은 9월 자동차보험 가입 때 고객이 낸 사진에서 ADAS(첨단운전자보조시스템) 장치를 AI 이미지 인식으로 판독해 할인특약 적용 확인을 돕기 시작했습니다. 사진 7만 장 이상으로 학습했습니다. KB손해보험은 자동차 사고 과실비율 안내, 보상, 인수심사, 민원 등에 생성형 AI를 붙이고 있습니다. 할인특약과 담보 구성을 안내하고 보험료 산출부터 계약 체결까지 이어 주는 ‘다이렉트 자동차AI 챗봇’을 개발하고 있습니다.
• 결과(회사 발표): 삼성생명 챗봇 25개는 영업 현장 문의를 월 29만 건 처리합니다. 교보생명의 3영업일 이내 지급 건 평균 지급 소요기간은 올해 상반기 0.24일로 업계 평균 0.71일보다 짧았습니다. KB손보는 과제 45개 중 22개를 개발했고 앞으로는 활용도와 업무 기여도로 성과를 관리합니다. 신한라이프는 11월부터 고객 서비스에 본격적으로 쓸 계획이며 삼성화재는 상품·계약·보상 업무로 넓힐 계획입니다.
• 규제와 경고: 금융위원회는 4월 보안 위험이 낮은 생성형 AI 모델을 단순 변경할 때 혁신금융서비스 재지정 절차를 간소화했습니다. 6월 시행된 금융분야 인공지능 가이드라인은 AI를 업무 보조로 쓰고 최종 결정과 책임은 임직원이 맡는다는 원칙과 함께 신뢰할 수 있는 데이터, 소비자 이익 우선, 보안을 담았습니다. 손재희 연구위원은 불완전판매나 자동심사 오류가 소비자 피해로 이어질 수 있으니 도입보다 책임 있게 운영하는 역량이 중요하다고 지적했습니다.
• 출처: 소비자가 만드는 신문 진선령 기자, 10월 27일

기술 디테일: 직원 업무에 붙는 AI를 실제로 돌리려면

아래는 두 기사의 공통 패턴을 시스템으로 옮길 때 필요한 것입니다. 기사에 나온 내용이 아니라 AX Review가 덧붙인 실행 방법이고 필드명과 수치는 모두 가상 예시입니다.

서류 점검 에이전트를 따라 하려면 AI가 ‘문제없음’을 판정하게 하지 말고 항목별 대조표를 내게 합니다(신한은행·교보생명·삼성생명 패턴). OCR이나 문서 이해 모델로 문서에서 필드를 뽑고 필드마다 field, value, page, confidence를 JSON으로 받습니다. 대조는 LLM이 아니라 코드로 합니다. 대출 신청 원장이나 계약 원장의 값(source_value)과 비교해 match를 일치·불일치·누락 셋 중 하나로 붙입니다. 어떤 항목을 대조할지는 지금 심사자가 쓰는 점검 체크리스트에서 그대로 가져옵니다. confidence가 0.9 아래인 필드와 불일치·누락 항목만 심사자 화면에 올리고 나머지는 ‘확인됨’으로 접어 둡니다. 추출은 temperature 0으로 두 번 돌려 값이 다르면 저신뢰로 처리합니다. 검증은 사람이 이미 점검한 과거 300건을 다시 돌려 사람이 찾은 오류 중 AI가 표시한 비율(재현율)이 95% 이상인지로 봅니다. DB손보의 사진 판독도 같은 틀입니다. has_adas, evidence_region(장치가 보이는 영역), confidence를 내고 애매한 사진만 사람이 봅니다.

상담 기록을 코칭과 민원 예방에 쓰려면 STT, 분류, 근거 발화 연결을 한 파이프라인으로 묶습니다(해빗팩토리·신한라이프·생보협회 패턴). 통화는 STT(음성 인식)로 텍스트로 바꾸고 화자를 나눈 뒤 주민번호·계좌번호 같은 개인정보를 가리고 나서 LLM에 넣습니다. LLM은 대화마다 intent(문의 유형), complaint_risk(0~3), missed_steps(우수 상담 절차 대비 빠진 단계), evidence_utterances(근거 발화 번호)를 냅니다. 우수 상담 절차는 해빗팩토리처럼 잘하는 상담사의 대화에서 단계 8~12개짜리 체크리스트로 뽑아 프롬프트에 넣습니다. 상담사별 보고서는 주 단위로 모아 강점 2개, 보완점 2개, 근거 대화 링크로 만듭니다. complaint_risk가 3인 대화는 VOC 등록 초안까지 만들되 등록 버튼은 담당자가 누릅니다. 분류 정확도는 사람이 라벨을 붙인 대화 200건으로 매달 다시 재고 유형별 정확도가 80% 아래로 떨어지면 프롬프트와 유형 정의를 고칩니다.

사내 규정·지식 검색은 답보다 근거 조항을 먼저 보여 주게 만듭니다(생보협회·카카오뱅크 패턴). 규정 문서를 조항 단위로 쪼개 doc, article_no, effective_date, text를 메타데이터로 저장하고 검색 근거(RAG)로 씁니다. 답변은 answer와 citations(조항 번호, 시행일) 두 필드로 받습니다. 인용할 조항이 없으면 답을 만들지 말고 ‘찾지 못함’과 담당 부서를 돌려줍니다. 규정이 개정되면 그날 다시 색인하고 폐지된 조항은 검색에서 뺍니다. 평가는 직원이 실제로 물었던 질문 100개와 정답 조항을 짝지은 세트로 하고 상위 5개 검색 결과에 정답 조항이 들어간 비율을 봅니다.

AI 과제를 개발 건수가 아니라 활용도로 관리하려면 처음부터 사용 로그를 남깁니다(KB손보 패턴). AI가 결과를 낼 때마다 task_id, user_role, output_id, action(채택·수정·폐기), time_spent_sec, approver_id를 기록합니다. 주간 지표는 대상 직원 중 실제로 쓴 비율, 채택률, 건당 처리 시간 대비 기준선 세 가지면 충분합니다. 채택률이 낮은 과제는 폐기 사유를 모아 입력 데이터 문제인지 업무 흐름 문제인지 가립니다. approver_id는 가이드라인이 말하는 ‘최종 결정은 임직원’ 원칙을 증명하는 감사 기록이 됩니다.

현업 실행 디테일: 누가, 언제, 무엇을

서류 점검이나 상담 정리처럼 반복이 많은 직원 업무 하나를 골라 한 팀에 8주 동안 붙이는 파일럿을 예로 듭니다. 역할과 일정, 판정 기준은 모두 가상 예시입니다.

역할	담당	하는 일
현업 스폰서	여신심사부장, 고객센터장 등 해당 업무 임원	과제·지표 승인, 확대 여부 결정
업무 검토자	지금 그 일을 하는 심사역·상담사·교육 매니저 2~3명	점검 체크리스트 제공, 병행 운영에서 AI 결과 확인
데이터·AI 개발	데이터 엔지니어 1명, AI 개발자 1~2명	추출·분류·검색 구현, 과거 건 재생, 사용 로그
준법·소비자보호	준법감시·소비자보호 담당 1명	가이드라인 대조, 고객 고지, 최종 결정권 문서화
정보보호	보안 담당 1명	개인정보 마스킹, 외부 모델 사용 범위 승인

준비물은 네 가지입니다. 지금 쓰는 점검 체크리스트나 상담 절차서, 최근 6개월 처리 건과 그 결과(사람이 찾은 오류, 민원 여부), 건당 처리 시간과 하루 처리량 같은 기준선, AI가 결정하면 안 되는 항목 목록입니다. 1~2주차에 과제 하나를 고르고 기준선을 잽니다. 3~4주차에는 과거 300건을 다시 돌려 AI가 그때 무엇을 표시했을지 사람의 결과와 비교합니다. 5~6주차에는 직원이 평소대로 일하고 AI 결과는 옆에 기록만 하는 병행 운영을 합니다. 7~8주차에는 AI가 예외로 표시한 건만 사람이 자세히 보는 방식으로 바꾸고 확대 여부를 판정합니다.

과제를 고를 때 현업에 물을 질문입니다.

1. 이 일을 하루에 몇 건 하고 한 건에 몇 분 걸립니까?
2. 확인할 때 보는 항목은 체크리스트로 적혀 있습니까, 사람 머릿속에 있습니까?
3. 확인 결과가 틀렸다는 것은 언제 무엇으로 알게 됩니까(재심사, 민원, 감사 지적)?
4. 고객에게 직접 영향을 주는 결정은 어디서 내려지며 그 결정권자는 누구입니까?
5. 이 일에 쓰는 문서와 기록에 개인정보가 어디까지 들어 있습니까?

진행 판정 기준(예시)은 이렇게 둡니다. 과거 건 재생에서 사람이 찾은 오류의 95% 이상을 AI가 예외로 표시해야 병행 운영으로 넘어갑니다. 병행 운영에서 직원이 AI 결과를 그대로 채택한 비율이 70% 이상이고 건당 처리 시간이 기준선보다 30% 이상 줄면 다른 팀으로 넓힙니다. AI가 놓친 오류가 고객에게 닿은 사례가 한 건이라도 나오면 확대를 멈추고 원인을 먼저 봅니다.

AX 적용 제언. 가장 먼저 옮기기 좋은 것은 신한은행·교보생명 유형의 서류 점검입니다. 점검 항목이 이미 체크리스트로 있고 원장과 대조할 수 있어 AI가 남긴 근거를 사람이 바로 검증할 수 있습니다. 같은 구조는 금융권 밖의 계약서 검토, 세금계산서 대조, 품질 성적서 확인에도 그대로 씁니다. 해빗팩토리 유형의 상담 코칭은 효과가 크지만 상담사 평가로 오해받기 쉽습니다. 첫 단계에서는 인사평가에 쓰지 않는다고 문서로 밝히고 코칭 면담 자료로만 씁니다. 과제를 여러 개 동시에 벌이는 조직이라면 KB손보처럼 과제 목록을 만들 때 활용도 지표와 승인자 기록을 함께 정해야 개발 건수 경쟁으로 흐르지 않습니다. 어느 경우든 첫 주에 고객에게 영향을 주는 최종 결정권이 누구에게 있는지 문서로 정해 둡니다.

원문 사례

회사	내용	수치(회사 발표)	기사
신한은행	8월 부동산 담보대출 감정평가서 점검 AI 에이전트 도입	건당 점검 시간 약 70% 단축, 하루 처리량 약 3배	전자신문
해빗팩토리	10월 상담사별 코칭 AI 도입, 지난달 설계사용 넛지 AI 도입	학습 상담 메시지 3,000만 건 이상, 코칭 시간 60% 이상 감소, 넛지 AI 처리량 약 10배	전자신문
카카오뱅크	문의량 예측 모델, KMS 연계 AI 검색, 통화 후처리 자동화	기사에 수치 없음	전자신문
생명보험협회	민원 응대(STT·유형 분류)와 광고 심의 AI, 자연어 규정 검색	가동 예정	전자신문
케이뱅크	8월 개발 업무에 에이전틱 AI 도입	기사에 수치 없음	전자신문
비씨카드	BC.AI 활용·AI 거버넌스 교육, 부서별 반복 업무 AI 전환 지원	기사에 수치 없음	전자신문
삼성화재	26일 AI 영업지원 시스템 AI Advisor, AI 롤플레잉	기사에 수치 없음	소비자가 만드는 신문
삼성생명	AI센터 3개 팀, 6월 AI 윤리·위험관리 규정, OCR 청구서류 인식	챗봇 25개, 영업 현장 문의 월 29만 건	소비자가 만드는 신문
신한라이프	21일 민원 예방 AI Agent, 상담 텍스트 분석 후 VOC 등록	11월 본격 활용 계획	소비자가 만드는 신문
교보생명	AI·OCR 청구서류 추출과 심사 자동화	상반기 평균 지급 소요기간 0.24일(업계 0.71일)	소비자가 만드는 신문
DB손해보험	9월 ADAS 장착 사진 AI 판독	학습 사진 7만 장 이상	소비자가 만드는 신문
KB손해보험	과실비율 안내·보상·인수심사·민원 생성형 AI, 다이렉트 자동차AI 챗봇 개발 중	과제 45개 중 22개 개발 완료	소비자가 만드는 신문

기사	매체 · 기자	날짜	다룬 곳	링크
상담사 코칭·대출심사·코딩까지, 금융권 AI가 직원 업무를 맡다	전자신문 · 박두호	2026-10-27	신한은행, 해빗팩토리, 카카오뱅크, 생명보험협회, 케이뱅크, 비씨카드	기사
영업 지원부터 민원 예방·보험금 심사까지 보험사 AI 확대	소비자가 만드는 신문 · 진선령	2026-10-27	삼성화재, 삼성생명, 신한라이프, 교보생명, DB손해보험, KB손해보험	기사

핵심 개념

DIFM(Do It For Me)

사용자가 직접 하던 일을 서비스가 대신 해 주는 흐름. 전자신문 기사는 금융권 AI가 고객 대신에서 직원 대신으로 넓어지는 것을 이 말로 묶었다.

감정평가서

담보로 잡을 부동산의 가치를 감정평가사가 매긴 문서. 담보대출 심사에서 은행 직원이 내용을 확인한다.

OCR(광학문자인식)

스캔한 서류나 사진 속 글자를 데이터로 읽어 내는 기술. 교보생명과 삼성생명이 보험금 청구서류 처리에 쓴다.

VOC(고객의 소리)

고객의 불만과 요청을 모아 후속 조치로 잇는 관리 체계. 신한라이프는 AI 분석 결과를 VOC로 등록한다.

ADAS(첨단운전자보조시스템)

차선 유지, 긴급 제동 같은 운전 보조 장치. 장착 차량에는 자동차보험 할인특약이 붙을 수 있어 DB손보가 사진으로 확인한다.

인수심사

보험 가입 신청을 받아줄지, 어떤 조건으로 받을지 정하는 심사.

KMS(지식관리시스템)

업무 매뉴얼과 상담 지식을 모아 둔 사내 시스템. 카카오뱅크는 여기에 AI 검색을 연결했다.

혁신금융서비스

금융위원회가 규제 특례를 주고 새 금융 서비스를 시험하게 하는 제도. 4월 생성형 AI 모델 단순 변경 때의 재지정 절차가 간소화됐다.

금융분야 인공지능 가이드라인

6월 시행된 금융권 AI 운영 원칙. AI는 업무 보조로 쓰고 최종 결정과 책임은 임직원이 진다.

STT(Speech-to-Text)

통화 음성을 텍스트로 바꾸는 기술. 생명보험협회와 신한라이프의 상담 분석이 이 단계에서 시작한다.

내 메모

TODO: 내 생각 추가

원문: 전자신문(박두호) 「상담사 코칭·대출심사·코딩까지…금융권 AI, 직원 업무 대신한다」, 소비자가 만드는 신문(진선령) 「영업 지원부터 민원 예방·보험금 심사까지…삼성화재·신한라이프·DB손보 등 AI 전방위 확대」(모두 2026.10.27). 함께 후보에 올랐던 서울신문의 5대 은행 AI 서비스 기사(10월 29일)는 페이지를 불러오지 못했고 조쉬의 프로덕트 레터의 토스 앱인토스 대담(10월 30일)은 본문을 열지 못해 이 노트에서 뺐습니다. 요약, 사례별 정리, 원문 사례 표는 기사 내용을 AX Review가 다시 정리했으며 수치는 기사에 실린 회사 발표 값입니다. 네 갈래 분류, 기술 디테일(대조표 형식, 상담 분류 필드, 조항 검색, 사용 로그), 현업 실행 디테일, 인포그래픽, 일정과 판정 기준은 AX Review가 새로 작성했으며 예시 값은 가상입니다. 기사 전문은 각 링크에서 볼 수 있습니다.