Live AI Use Cases: UBS가 운영 중 AI 608개와 직원 에이전트 1만 2,700개를 실적에 공시하는 방식
UBS는 3분기 실적 발표에 운영 중 AI 사용 사례 608개(전년 대비 81% 증가), 개발 중 1,090개 이상, 직원 개인 에이전트 1만 2,700개 이상을 함께 적었습니다. 시범 수 대신 운영 단계 숫자로 AI 포트폴리오를 보고하는 구조에 등록부 설계와 8주 구축안을 붙였습니다.
UBS는 AI 성과를 시범 과제 수가 아니라 운영 중인 사용 사례 수, 개발 중 파이프라인, 직원이 쓰는 에이전트 수로 실적 발표에 공시합니다. 같은 방식으로 보고하려면 먼저 사용 사례 하나하나를 단계별로 기록하는 등록부와 "운영 중"의 정의가 있어야 합니다.
요약
스위스 은행 UBS는 2026년 10월 28일 3분기 실적을 발표하며 기술 투자 항목에 AI 지표를 따로 적었습니다. PYMNTS는 이튿날 이 발표를 직원 에이전트 숫자 중심으로 보도했습니다. 공시된 지표는 다섯 층입니다. 맨 위에는 end-to-end(업무 처음부터 끝까지를 다시 설계하는) 대형 전환 과제 9개가 있습니다. 그 아래에 실제 업무에 배포된 live use case(운영 중 AI 사용 사례) 608개와 개발 중인 애플리케이션 1,090개 이상이 있습니다. 현장 쪽에서는 직원이 일상 업무에 쓰는 personal agent(개인 AI 에이전트)가 1만 2,700개를 넘었고 개발자 1만 8,000명 이상이 개발 주기 전반에 AI 도구를 씁니다. 자산관리 어드바이저 팀용 도구인 STAAT는 올해 들어 고객 상담에 쓰일 인사이트를 3,000만 건 넘게 만들었습니다.
운영 중 사례 608개는 1년 전보다 81% 늘어난 숫자입니다. 개발 중인 애플리케이션이 운영 중 사례의 약 1.8배라서 다음 분기에도 운영 단계로 넘어올 후보가 쌓여 있습니다. UBS는 기술과 AI, 역량과 인재에 계속 투자해 고객 경험, 인프라, 효율을 함께 끌어올리겠다고 밝혔습니다. 외부 평가도 함께 실었습니다. 2026년 Evident AI Index(은행 AI 역량 평가 지수)에서 유럽 은행 가운데 1위로 세계 상위 10곳에 든 유일한 유럽 은행이었고 인재 개발 부문은 세계 1위였습니다. 같은 발표에서 UBS는 Credit Suisse 레거시 애플리케이션의 약 90%를 완전히 폐기했다고 밝혔고 누적 총비용 절감은 132억 달러였습니다. 다만 발표는 AI 지표와 비용 절감·인원 변화를 직접 연결하지 않았습니다. 아래에서는 다섯 층을 개념별로 풀고 같은 방식으로 AI 포트폴리오를 관리·보고하려는 기업에 필요한 등록부 설계와 일정을 붙였습니다.
핵심 메커니즘
Live Use Case: 시범이 아니라 운영 단계만 센다
UBS가 내세운 숫자는 “AI를 시험해 본 과제”가 아니라 운영 중인 사용 사례입니다. 기업 AI 보고에서는 시범 과제 수가 자주 쓰이지만 시범은 끝나도 업무에 남지 않는 경우가 많습니다. 운영 단계만 세면 숫자가 곧 실제로 업무를 바꾼 범위가 됩니다. 증가율(전년 대비 81%)과 개발 중 규모(1,090개 이상)를 함께 적으면 지금 얼마나 쓰는지와 앞으로 얼마나 늘지를 한 번에 보여 줄 수 있습니다. 이 방식이 통하려면 “운영 중”의 기준이 분기마다 같아야 합니다. 어떤 기준으로 운영 단계를 판정하는지는 발표에서 밝히지 않았습니다.
Two Tracks: 9개의 전사 과제와 1만 2,700개의 개인 에이전트
공시를 보면 AI가 두 갈래로 퍼집니다. 한쪽은 경영진이 고른 9개의 대형 end-to-end 전환 과제입니다. 업무 흐름 전체를 다시 짜는 일이라 수가 적고 오래 걸립니다. 다른 쪽은 직원이 일상 업무를 돕도록 쓰는 개인 에이전트 1만 2,700개 이상입니다. 숫자가 크고 현장에서 생겨납니다. 두 갈래는 관리 방식이 다릅니다. 전사 과제는 과제별 성과로 보고 개인 에이전트는 개수와 사용량, 접근 권한으로 봅니다. 발표는 개인 에이전트가 무엇인지, 누가 만들고 어떻게 관리하는지는 정의하지 않았습니다.
Developer Tooling: 개발자 1만 8,000명에게 AI 도구
UBS는 소프트웨어 개발자 1만 8,000명 이상이 개발 주기 전반에 AI 도구를 쓰고 있고 측정 가능한 생산성 향상이 있었다고 적었습니다. 은행의 AI 애플리케이션 1,090개 이상이 개발 중이라는 점과 이어서 보면 개발 도구는 다른 사용 사례를 더 빨리 만들어 내는 바탕이 됩니다. 생산성 향상의 구체 수치는 발표에 없습니다.
STAAT: 어드바이저가 고객 앞에서 쓰는 인사이트 도구
STAAT는 UBS가 상을 받은 도구로 소개한 어드바이저 팀용 AI입니다. 올해 들어 어드바이저가 고객과 대화할 때 쓰는 인사이트를 3,000만 건 넘게 만들었습니다. 이 지표는 사용 사례 수가 아니라 산출량입니다. 도구가 얼마나 많이 쓰였는지를 업무 단위(인사이트 건수)로 보여 줍니다. STAAT가 어떤 데이터와 모델로 인사이트를 만드는지는 발표에 나오지 않습니다.
통념과 다른 주장
흔히 이렇게 봅니다기업 AI 성과는 시범 과제 수나 도구 라이선스 수로 보고하고 실적 발표에서는 비용 절감액 정도만 말한다.
UBS의 공시 방식운영 중 사용 사례 수와 증가율, 개발 중 파이프라인, 직원 에이전트 수, 개발자 수, 도구의 산출 건수를 실적 발표에 함께 적는다.
근거3분기 발표에 운영 중 608개(+81%), 개발 중 1,090개 이상, 개인 에이전트 1만 2,700개 이상, 개발자 1만 8,000명 이상, STAAT 인사이트 3,000만 건 이상이 함께 실렸습니다.
공시에 나온 사례
| 항목 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| 운영 사례 | AI 과제가 부서마다 흩어짐 | 운영 단계에 들어간 사례만 집계 | 608개, 전년 대비 81% 증가 | Live Use Case |
| 개발 파이프라인 | 다음 운영 후보 관리 | 개발 중 애플리케이션 집계 | 1,090개 이상 | Live Use Case |
| 전사 과제 | 업무 전체 재설계 필요 | 대형 end-to-end 전환 과제 운영 | 9개 진행 중 | Two Tracks |
| 개인 에이전트 | 직원 일상 업무 지원 | 개인 AI 에이전트 사용 | 1만 2,700개 이상 | Two Tracks |
| 개발 도구 | 개발 속도 | 개발 주기 전반에 AI 도구 | 1만 8,000명 이상, 생산성 향상 | Developer Tooling |
| STAAT | 어드바이저의 고객 상담 준비 | 인사이트 자동 생성 | 연초 이후 3,000만 건 이상 | STAAT |
기술 디테일: AI 포트폴리오 등록부를 만든다면
아래 필드, 단계, 지표는 실행 제안이며 UBS가 밝힌 구현이 아닙니다.
Live Use Case를 세려면 사용 사례마다 한 줄씩 쌓이는 등록부가 먼저 있어야 합니다. 스프레드시트로 시작해도 되지만 분기 집계를 자동으로 내려면 데이터베이스 테이블과 간단한 입력 화면이 낫습니다. 단계 값은 idea, in_development, pilot, live, retired 다섯 개로 고정합니다. live는 실제 사용자가 업무에 쓴다, 운영 담당자가 지정돼 있다, 리스크 심사를 통과했다는 세 조건을 모두 채울 때만 붙입니다. 단계를 바꿀 때마다 날짜와 승인자를 남겨야 분기 증가율을 다시 계산할 수 있습니다.
{
"use_case_id": "UC-2026-0417",
"name": "기업여신 심사 메모 초안",
"business_unit": "기업금융",
"owner": "여신심사팀 김OO",
"stage": "live",
"stage_changed_at": "2026-09-15",
"approved_by": "AI 리스크위원회",
"model": "사내 LLM 게이트웨이 경유",
"data_class": "고객 기밀",
"active_users_30d": 142,
"output_count_qtd": 3810,
"kpi": "메모 작성 시간",
"flagship_initiative": null
}Two Tracks를 나눠 관리하려면 전사 과제와 개인 에이전트를 같은 표에 섞지 않습니다. 전사 과제는 위 등록부의 flagship_initiative 필드로 묶고 개인 에이전트는 별도 목록을 둡니다. 개인 에이전트 목록에는 agent_id, 만든 직원, 쓰는 데이터 범위, 연결된 시스템 권한, 최근 30일 사용 여부를 남깁니다. 개수는 “최근 30일 안에 한 번 이상 실행된 에이전트”로 세야 만들어 두고 안 쓰는 에이전트가 숫자를 부풀리지 않습니다. 사내 에이전트 플랫폼이나 LLM 게이트웨이의 호출 로그에서 이 값을 매일 뽑습니다.
Developer Tooling 효과를 재려면 도구 배포 전후 4주씩 같은 팀의 지표를 비교합니다. 후보는 변경 요청(PR) 한 건이 병합될 때까지 걸린 시간, 주당 배포 횟수, 코드 리뷰 대기 시간입니다. 좌석 수가 아니라 주 1회 이상 실제로 쓴 개발자 수를 따로 셉니다.
STAAT 같은 산출형 도구를 재려면 생성 건수만 보지 않고 어드바이저가 실제로 쓴 비율을 함께 봅니다. 인사이트마다 insight_id, 생성 시각, 대상 고객, 어드바이저가 열람했는지, 고객 상담 기록에 인용했는지를 남깁니다. 생성 대비 사용 비율이 낮은 인사이트 유형은 분기마다 끄거나 고칩니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| “운영 중” 기준이 부서마다 다름 | 분기 숫자가 들쭉날쭉 | 세 조건 정의를 문서로 고정, 리스크위원회가 판정 |
| 안 쓰는 에이전트가 쌓임 | 개수는 늘고 사용은 정체 | 최근 30일 실행 기준으로 집계, 90일 미사용은 정리 |
| 사례 중복 등록 | 같은 기능이 부서별로 따로 집계 | 등록 시 유사 사례 검색, 공통 사례는 하나로 병합 |
| 산출 건수만 늘어남 | 생성은 많고 활용은 낮음 | 사용 비율 함께 보고, 기준 미달 유형은 중단 |
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| AX 추진 조직(CAIO·PMO) | 등록부 운영, 단계 정의 관리, 분기 보고서 작성 |
| 사업부 사례 소유자 | 사례 등록, 단계 변경 요청, 사용자 수·KPI 입력 |
| 리스크·컴플라이언스 | 운영 전환 심사, 데이터 등급 확인 |
| IT·플랫폼 팀 | 에이전트 호출 로그 연결, 개인 에이전트 목록 자동 수집 |
| 재무(IR) | 공시 문구와 숫자 검토, 전년 비교 기준 유지 |
준비물. 부서별로 흩어진 AI 과제 목록, 사용 중인 AI 도구와 라이선스 현황, 에이전트 플랫폼과 LLM 게이트웨이 로그 접근 권한, 기존 리스크 심사 절차 문서가 필요합니다.
현업에 물을 것.
- 지금 부서에서 실제 사용자가 매주 쓰는 AI 기능은 몇 개이고 시범으로 끝난 것은 몇 개인가요?
- 그 기능이 멈추면 누가 알아채고 누가 고치나요?
- 직원이 직접 만든 에이전트는 어떤 데이터와 시스템에 접근하나요?
- 이 기능이 바꾼 업무 지표를 하나만 고른다면 무엇인가요?
진행 판정 기준(예시). 8주 안에 세 조건을 채우면 분기 보고를 시작합니다. 전체 사례의 90% 이상이 등록부에 단계와 소유자가 적혀 있어야 합니다. live 사례 전부에 리스크 심사 기록이 있어야 하고 개인 에이전트 수는 로그에서 자동으로 집계돼야 합니다. 하나라도 못 채우면 보고를 한 분기 미루고 빠진 항목부터 채웁니다.
AX 적용 제언. 국내 금융사나 대기업이 AI 성과를 이사회에 보고할 때는 시범 과제 수보다 UBS처럼 운영 중 사례 수와 개발 중 파이프라인을 먼저 보여 주는 편이 낫습니다. 처음부터 외부에 공시할 필요는 없습니다. 내부 분기 보고에서 2~3분기 동안 같은 기준으로 숫자를 쌓으면 전년 대비 증가율을 말할 수 있게 됩니다. 그때 IR 자료로 옮기면 됩니다. 개인 에이전트처럼 아래에서 생기는 숫자는 확산의 지표이면서 관리 대상이기도 합니다. 그래서 개수를 늘리는 목표와 권한·데이터 범위를 점검하는 절차를 함께 세워야 합니다. 9개 같은 소수의 전사 과제는 경영진이 직접 맡고 나머지 수백 개 사례는 등록부와 단계 정의로 굴러가게 나누는 것이 운영 부담을 줄이는 방법입니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 보도 | PYMNTS, 2026.10.29 (UBS 3분기 실적 발표 보도) |
| 1차 자료 | UBS 3분기 실적 보도자료, 2026.10.28 |
| AI 과제 | 대형 end-to-end 전환 과제 9개 진행 |
| 사용 사례 | 운영 중 608개(전년 대비 81% 증가), 개발 중 애플리케이션 1,090개 이상 |
| 직원 사용 | 개인 AI 에이전트 1만 2,700개 이상, AI 개발 도구 사용 개발자 1만 8,000명 이상 |
| STAAT | 어드바이저 팀용, 연초 이후 인사이트 3,000만 건 이상 |
| 외부 평가 | 2026 Evident AI Index 유럽 은행 1위, 세계 상위 10곳 중 유일한 유럽 은행, 인재 개발 세계 1위 |
| 협력 | Oxford, IDSIA와 학술 협력 |
| 같은 발표의 다른 수치 | 순이익 26억 9,000만 달러, Credit Suisse 레거시 앱 약 90% 폐기, 누적 총비용 절감 132억 달러(연말 약 137억 달러 예상) |
| 기사의 업계 맥락 | PYMNTS Intelligence 조사에서 금융사 AI 도입은 수익 인식·회계(65%), 신용 위험 평가·매출 예측(60%) 같은 백오피스에 몰림, 85%가 향후 12개월 AI 예산 증액 계획 |
핵심 개념
- live use case
- 시범을 마치고 실제 업무에 배포돼 쓰이는 AI 사용 사례. UBS 공시의 핵심 집계 단위입니다.
- personal agent
- 직원 개인이 일상 업무를 돕도록 쓰는 AI 에이전트. UBS는 1만 2,700개 이상이라고 밝혔지만 정의는 공개하지 않았습니다.
- end-to-end transformation
- 업무 하나의 시작부터 끝까지를 AI 전제로 다시 짜는 대형 과제. UBS는 9개를 진행 중입니다.
- Evident AI Index
- 은행의 AI 역량을 순위로 매기는 외부 지수. UBS는 2026년 지수에서 인재 개발 부문 세계 1위였습니다.
- STAAT
- UBS 어드바이저 팀이 고객 상담에 쓰는 인사이트를 만들어 주는 AI 도구입니다.
내 메모
TODO: 내 생각 추가
원문은 PYMNTS 기사 「UBS Employees Run 12,700 AI Agents as Bank Automation Accelerates」(2026.10.29)입니다. 수치는 기사가 근거로 삼은 UBS 3분기 실적 보도자료(2026.10.28)로 확인했습니다. 요약, 핵심 메커니즘의 공시 내용, 통념과 다른 주장, 사례, 원문 사례 표는 UBS가 밝힌 내용을 AX Review가 다시 정리했으며 수치와 효과는 회사 측 설명입니다. 층 구분, 관리 방식 해석, 기술·현업 실행 디테일, JSON 예시, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 원문 전체는 PYMNTS 기사 페이지에서 볼 수 있습니다.