Quality and Consistency: Standard Chartered가 자산관리 AI를 비용 절감보다 응대 품질에 먼저 쓰는 이유
Standard Chartered의 Bill Winters CEO는 3분기 콜에서 자산관리 AI의 1순위 use case를 고객 응대의 품질과 일관성으로 꼽았습니다. 목표는 비용 절감보다 고객 만족과 매출 생산성이라고 했고, AI로 아낀 금액이나 인력 수치는 내놓지 않았습니다. 13억 달러를 들인 Fit for Growth는 AI 이전 원가 프로그램이라 따로 봅니다. 응대 품질 채점 방식과 8주 시범안을 붙였습니다.
Standard Chartered는 자산관리 AI를 비용을 줄이는 도구보다 고객 응대의 품질과 일관성을 맞추는 도구로 먼저 씁니다. 따라 하려면 AI 성과를 절감액이 아니라 응대 품질 점수, 고객 만족, RM(relationship manager, 고객 담당 직원)당 매출로 재야 합니다. 이 성과는 기존 원가 프로그램 장부와 따로 적습니다.
요약
Standard Chartered는 2026년 10월 28일 아침 3분기 실적 콜을 열었습니다. Bill Winters CEO는 생산성 이야기를 Fit for Growth에서 시작했습니다. 약 15억 달러를 계획한 3년짜리 원가 프로그램이고, 실제로는 13억 달러를 써서 비슷한 규모의 구조적 절감을 냈습니다. 방법은 수작업 자동화, 업무를 처음부터 끝까지 다시 설계하는 end-to-end 재설계, 조직 개편이었습니다. 이 프로그램은 AI 도구가 들어오기 전부터 돌던 것이라 그 숫자를 AI 효과로 읽으면 안 됩니다. Winters는 프로그램이 끝나도 생산성 개선은 이어진다고 했고, 그 수단으로 새로 들어온 강력한 AI 도구를 들었습니다.
AI를 어디에 쓰는지 설명하면서 Winters는 자산관리(wealth)를 예로 들었습니다. 자산관리 AI의 주된 목적은 비용 절감이 아니라 고객 만족과 매출 생산성이며 효율 개선은 함께 따라온다고 봤습니다. AI 구축에서 1순위 use case(활용 과제)도 고객 응대의 품질과 일관성을 높이는 일이라고 했습니다. 이유는 회사의 사업 방향에 있습니다. Standard Chartered는 상품을 파는 방식에서 고객에게 조언하는 방식으로 옮겨 가는 중이고, RM과 기술에 넣은 투자가 성과를 내고 있다고 말했습니다. 고객 만족이 오르면 예금도 는다고 봤습니다. AI로 줄인 인력이나 절감액은 공개하지 않았습니다. 아래에서는 이 판단을 세 가지 작동 원리로 풀고, 은행 자산관리 조직이 같은 방식을 시범으로 돌릴 때 필요한 채점 방식과 일정을 덧붙였습니다.
핵심 메커니즘
Quality and Consistency: AI의 1순위 일은 응대를 고르게 만드는 것
Winters가 AI 구축에서 가장 먼저 꼽은 use case는 고객 응대의 품질과 일관성입니다. 일관성을 풀어 쓰면 이렇습니다. 같은 은행 고객이라도 어느 RM을 만나느냐에 따라 받는 설명과 조언의 수준이 다를 수 있습니다. AI가 이 편차를 줄이면 고객 만족이 오르고 매출 생산성이 따라온다는 것이 Winters의 논리입니다. Winters는 이 목표를 “customer satisfaction and revenue productivity as opposed to cost savings”라는 말로 정리했습니다. 어떤 모델이나 도구를 쓰는지, 응대 품질을 어떻게 재는지는 콜에서 나오지 않았습니다. 이 방식은 고객 한 명과의 관계가 길고 상담 한 번의 질이 매출로 이어지는 사업에 맞습니다. 거래 한 건이 짧고 표준화된 업무는 비용 절감형 자동화가 더 잘 맞습니다.
Advice-driven Model: 상품 판매에서 조언 중심으로
Winters는 자산관리를 상품 판매 중심에서 조언 중심, 고객 중심 모델로 옮기고 있다고 했습니다. 이 전환에 들어간 돈은 기술과 RM 양쪽입니다. Manus Boyle CFO는 새 RM 채용, wealth center(자산관리 고객 전용 지점), 플랫폼에 돈을 쓰고 있다고 말했습니다. RM 생산성을 높이려는 투자가 이미 성과를 내고 있다고도 했습니다. 실물 wealth center에도 큰 자본 투자를 했습니다. AI는 이 모델 안에서 RM이 더 고르고 나은 조언을 하도록 돕는 자리에 있습니다. 예금 쪽에서 Winters는 가격 조건을 낫게 하거나 서비스를 낫게 하는 두 길이 있다고 했고, 고객 만족이 오르면 CASA(요구불·저축 예금) 증가에 도움이 된다고 봤습니다.
Productivity Ledger: AI 이전 절감과 AI 이후 생산성을 나눠 적기
Fit for Growth는 2026년에 마무리됩니다. Boyle CFO는 프로그램이 계획대로 가고 있으며 이번 분기에 cost to achieve(절감을 내기 위해 쓴 비용) 1억 2,800만 달러를 잡았다고 했습니다. 2026년 cost-to-income ratio(영업비용을 영업수익으로 나눈 비율)는 약 60%로 2025년보다 약 300bp(3%p) 낫고, 2028년 목표는 약 57%입니다. 3분기 영업비용은 약 34억 달러로 전년보다 9% 늘었는데, 지난해 3분기 비용이 낮았던 영향도 있다고 했습니다. CFO는 계획 기간 내내 매년 positive jaws(수익 증가율이 비용 증가율보다 높은 상태)를 지키겠다고 했습니다. 다른 곳에서 생산성을 얻으면 그만큼 계속 투자하겠다는 방침도 밝혔습니다. Winters 표현으로는 알고 있는 생산성 과제를 꾸준히 깎아 나가는 중입니다. 정리하면 AI 이전 절감은 Fit for Growth 장부에, 그 뒤의 생산성은 새 AI 도구와 재투자 쪽에 놓입니다.
통념과 다른 주장
흔히 이렇게 봅니다은행이 AI를 들이는 첫째 이유는 인력과 비용을 줄이는 것이고, 성과도 절감액으로 보고한다.
Winters는 이렇게 봅니다자산관리 AI의 목표는 고객 만족과 매출 생산성이며, 1순위 use case는 응대의 품질과 일관성이다. 효율 개선은 함께 따라오는 효과로 본다.
근거Winters는 자산관리를 조언 중심 모델로 옮기는 중이고 RM과 기술 투자가 성과를 내고 있다고 말했습니다. 원가 절감은 AI 이전의 Fit for Growth가 이미 맡아 왔고, 콜에서 AI 절감액이나 인력 수치는 내놓지 않았습니다.
콜에서 나온 사례
| 사례 | 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|---|
| 자산관리 AI | 응대 품질·일관성을 높일 여지(풀어 씀) | 응대 품질·일관성을 AI 구축의 1순위 use case로 둠 | 고객 만족·매출 생산성을 기대(수치 미공개) | Quality and Consistency |
| 자산관리 모델 전환 | 상품 판매 중심 영업 | 조언 중심으로 전환, RM·wealth center·기술에 투자 | RM 생산성 투자가 성과를 낸다고 설명(수치 미공개) | Advice-driven Model |
| Fit for Growth (AI 이전) | 3년 원가 프로그램, 약 15억 달러 계획 | 수작업 자동화, end-to-end 재설계, 조직 개편 | 13억 달러 투자로 비슷한 규모의 구조적 절감, 2026년 종료 | Productivity Ledger |
| 전자·알고리즘 트레이딩 | 시장 부문 투자 | 전자·알고리즘 트레이딩에 많이 투자 | 성과를 내고 있다고 설명(수치 미공개) | Productivity Ledger |
기술 디테일: 응대 품질을 AI로 재려면
아래 데이터, 모델, 필드, 설정값은 실제로 돌릴 때 필요한 것을 정리한 실행 제안이며 Standard Chartered가 밝힌 구현이 아닙니다.
Quality and Consistency를 돌리려면 먼저 “좋은 응대”를 채점할 수 있는 루브릭(채점 기준표)으로 바꿉니다. 가상 예시로 여섯 항목을 둡니다. 고객 니즈 확인, 상품 적합성 설명, 위험 고지, 수수료 설명, 다음 행동 합의, 상담 기록 완결성입니다. 항목마다 0점(없음), 3점(일부), 5점(충분) 기준 문장을 적습니다. 입력은 상담 메모나 통화 녹취를 받아 적은 텍스트, 고객 위험 성향, 보유 상품입니다. 고객 동의를 받은 기록만 쓰고 이름·계좌번호는 넣기 전에 가립니다. 채점은 LLM에 구조화 출력(JSON)으로 시키고 temperature는 0으로 둡니다. 같은 기록을 3회 채점해 항목 점수 편차가 1점을 넘으면 사람 검토로 넘깁니다. 점수마다 근거 문장을 함께 내게 하고, 근거가 없는 점수는 0점으로 처리해 모델이 짐작으로 점수를 주지 못하게 합니다.
{
"interaction_id": "WC01-2026-11-04-0153",
"channel": "meeting_note",
"rm_id": "RM-0412",
"rubric_version": "wealth-qa-v1",
"scores": {
"needs_discovery": 5,
"suitability_explained": 3,
"risk_disclosed": 5,
"fees_explained": 0,
"next_step_agreed": 3,
"record_complete": 5
},
"evidence": {
"fees_explained": null,
"suitability_explained": "고객 위험 성향과 상품 등급을 함께 언급"
},
"runs": 3,
"score_stdev_max": 0.6,
"needs_human_review": false,
"coaching_point": "수수료 구조를 상담 중에 설명하지 않음",
"model_version": "qa-scorer-2026-11"
}일관성을 맞추려면 채점만 하지 말고 상담 전 준비 자료도 같은 기준으로 만듭니다. 고객의 보유 상품, 최근 문의, 회사의 투자 의견 문서를 검색(RAG)해 RM에게 한 장짜리 브리프로 줍니다. 브리프에는 근거 문서의 이름, 버전, 확인 날짜를 붙여 RM이 지난 의견을 고객에게 전하지 않게 합니다. 브리프는 RM이 읽고 고쳐 쓰는 초안이며 고객에게 바로 보내지 않습니다.
Productivity Ledger를 쓰려면 AI 과제의 성과표를 원가 프로그램 장부와 따로 둡니다. 응대 품질 점수 평균과 RM 사이 편차, 고객 만족 점수, RM 1인당 매출, CASA 잔액 증가를 시범 센터와 비교 센터로 나눠 적습니다. 효율 지표(상담 준비 시간 등)는 별도 줄에 둬서 목표가 비용 절감으로 바뀌지 않게 합니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 상담 기록이 짧거나 비어 있음 | 대부분 항목이 0점 | 기록 완결성 항목을 먼저 코칭하고, 2주간 기록 양식을 고정 |
| 채점 편차가 큼 | 같은 기록이 2점 이상 오감 | 루브릭 기준 문장을 구체적으로 다시 쓰고 예시 기록 3개를 프롬프트에 넣음 |
| 사람과 AI 채점이 다름 | QA 이중 채점 일치율 80% 미만 | 불일치 기록을 모아 루브릭 수정 후 재채점 |
| RM 반발 | 점수를 평가 도구로 받아들임 | 시범 기간에는 인사 평가에 쓰지 않고 코칭에만 씀 |
| 지난 투자 의견 인용 | 브리프 근거가 오래됨 | 문서 확인 날짜 30일 초과 시 브리프에서 제외 |
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 맡는 일 |
|---|---|
| 자산관리 사업 책임자 | 시범 센터 선정, 성과 지표 승인, 확대 판정 |
| wealth center 센터장 | 시범 RM 선정, 주간 코칭 회의 진행 |
| RM 리더 | 루브릭 항목과 0·3·5점 기준 작성, 코칭 |
| 준법 담당 | 위험 고지·적합성 항목 기준 확인, 고객 동의 절차 점검 |
| QA 담당 | 표본 이중 채점, 불일치 검토 |
| 데이터·AI 엔지니어 | 기록 연결, 채점 파이프라인 운영, 주간 리포트 |
| 재무 담당 | 비교 센터 설정, AI 성과표와 원가 장부 분리 |
준비물. 시범 센터의 최근 3개월 상담 기록, 고객 동의 현황, 고객 만족 조사 결과, RM별 매출과 예금 실적, 투자 의견 문서 목록이 필요합니다. 비교할 센터 1곳을 같은 기간 실적으로 함께 잡습니다.
현업에 물을 것.
- 지금 좋은 상담과 나쁜 상담을 누가, 무엇을 보고 가르나요?
- 상담 기록은 어디에 어떤 형식으로 남고, 고객 동의는 받고 있나요?
- RM 사이 실적 차이 중 상담 방식 차이로 설명되는 부분은 어디인가요?
- 고객 만족 조사는 상담 건별로 연결되나요, 센터 단위로만 나오나요?
- AI 과제 성과를 지금은 절감액으로 보고하나요? 매출·만족 지표로 보고할 길이 있나요?
진행 판정 기준(예시). 시범 4주 동안 다음을 채우면 둘째 센터로 넓힙니다. QA 이중 채점과 AI 채점의 일치율이 80% 이상이고, 시범 RM의 응대 품질 점수 평균이 기준선보다 오르면서 RM 사이 편차가 줄어야 합니다. 고객 만족 점수는 비교 센터보다 낮아지면 안 됩니다. 매출과 예금은 4주로 판단하기 짧으므로 추세만 기록하고 확대 뒤에도 계속 봅니다.
AX 적용 제언. 국내 은행·증권사의 자산관리 조직이라면 AI 과제를 인력 절감 목표로 시작하기보다 응대 품질 채점과 상담 준비 브리프부터 고르는 편이 낫습니다. RM과 고객의 관계가 매출을 좌우하는 사업에서는 RM이 AI를 경쟁자가 아니라 코치로 받아들여야 기록이 쌓이고 채점이 정확해지기 때문입니다. 경영 보고에서는 Standard Chartered처럼 기존 원가 프로그램의 절감과 AI 과제의 성과를 다른 장부에 적습니다. 원가 프로그램 숫자를 AI 효과로 섞어 보고하면 AI 과제를 계속할지 판단할 근거가 흐려집니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 발표 | Standard Chartered 2026년 3분기 실적 발표 콜, 2026.10.28 아침 (Investing.com 녹취 같은 날 게재) |
| 발언자 | Bill Winters(CEO), Manus Boyle(CFO) |
| AI 1순위 use case | 고객 응대의 품질과 일관성 |
| AI 목표 | 자산관리 AI는 비용 절감보다 고객 만족과 매출 생산성, 효율 개선도 기대 |
| 자산관리 전환 | 상품 판매 중심에서 조언 중심·고객 중심 모델로, RM·wealth center·기술 투자가 성과를 낸다고 설명 |
| Fit for Growth (AI 이전) | 3년 프로그램, 약 15억 달러 계획, 13억 달러 투자로 비슷한 규모의 구조적 절감, 이번 분기 cost to achieve 1억 2,800만 달러, 2026년 종료 |
| 비용 지표 | 2026년 cost-to-income 약 60%(2025년보다 약 300bp 개선), 2028년 목표 약 57%, 3분기 영업비용 약 34억 달러(전년 대비 9%↑) |
| 기타 투자 | 전자·알고리즘 트레이딩, 거래 은행·시장·기업 금융 플랫폼 |
| 공개하지 않은 것 | AI로 줄인 인력, AI 절감액 |
핵심 개념
- RM
- Relationship Manager. 고객 한 명 또는 한 기업을 맡아 관계를 관리하고 상품과 조언을 제공하는 은행 직원입니다.
- wealth center
- 자산관리 고객을 위한 전용 지점. 이번 콜에서 CFO가 실물 투자 대상으로 언급했습니다.
- CASA
- Current Account Savings Account. 요구불 예금과 저축 예금처럼 조달 비용이 낮은 예금을 묶어 부르는 말입니다.
- cost to achieve
- 원가 절감을 내기 위해 먼저 쓰는 일회성 비용입니다.
- positive jaws
- 수익 증가율이 비용 증가율보다 높아 두 선의 간격이 벌어지는 상태입니다.
- use case
- AI를 적용할 구체적인 업무 과제 하나를 가리킵니다.
내 메모
TODO: 내 생각 추가
원문은 Investing.com에 실린 「Earnings call transcript: Standard Chartered lifts Q3 2026 outlook on strong growth」(2026.10.28 게재, 콜은 같은 날 아침)입니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 Standard Chartered 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. Fit for Growth의 투자액과 절감은 AI 도구 도입 이전부터 진행한 원가 프로그램의 수치로, AI 효과가 아닙니다. 기술·현업 실행 디테일, JSON 예시, 루브릭, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.