AI Benefits: Lloyds가 AI 효익을 작년의 두 배인 1억 파운드 넘게 키우는 중

Lloyds는 AI가 낸 이득을 해마다 금액 하나로 약속하고, 분기 실적 콜에서 진척을 말합니다. 2025년 생성형 AI로 약 5천만 파운드를 냈고, 2026년에는 1억 파운드를 넘길 궤도에 있다고 CFO가 밝혔습니다. 같은 방식으로 말하려면 과제마다 기준선과 재무 확인을 거친 효익 장부부터 있어야 합니다.

요약

Lloyds Banking Group CFO William Chalmers는 2026년 10월 29일 3분기 실적 콜에서 올해 AI benefits(AI 덕분에 생긴 이득을 금액으로 잡은 것)가 1억 파운드를 넘을 궤도에 있다고 말했습니다. 이 목표는 1월에 나왔습니다. Lloyds는 그때 생성형 AI가 2025년에 약 5천만 파운드의 가치를 냈다고 밝혔습니다. 2026년에는 생성형 AI와 agentic AI(여러 단계를 스스로 밟아 일을 처리하는 AI)를 넓혀 1억 파운드 넘는 가치를 더 내겠다고 했습니다. 3분기 발표 자료는 지금 넓히는 사례로 income verification(소득 확인), complaint investigation(민원 조사), 사기 대응을 꼽았습니다. AIM Media House의 Deployed는 11월 3일 이 발언을 실적 숫자와 함께 정리했습니다.

이 숫자는 분기 실적 한가운데에 놓여 있습니다. 3분기 underlying profit(일회성 항목을 뺀 이익)은 23억 7천만 파운드로 1년 전보다 83% 늘었습니다. 비용수익비율은 47.2%, RoTE(유형자기자본이익률)는 19.5%였습니다. UBS 애널리스트가 성장 투자와 비용 절감을 어떻게 함께 이어 갈지 묻자 Chalmers는 세 가지를 들었습니다. 클라우드 이전과 데이터센터 축소 같은 기술 비용 절감, 내부 프로세스와 고객 서비스 자동화, 인도 Lloyds Technology Centre입니다. Lloyds는 현 전략 기간에 총 비용 절감 20억 파운드 이상을 실현했고, 2027년 전략 투자 지출의 95% 이상을 Accelerate 2030에 먼저 배정했습니다. 사기 조사 플랫폼 자체의 구조는 10월 30일 노트에서 다뤘습니다. 이 노트는 그 플랫폼을 포함한 AI 효익이 회사 숫자 안에서 어디에 놓이는지 네 가지로 나눠 보고, 우리 회사가 같은 방식으로 약속하고 보고하려면 무엇을 갖춰야 하는지 덧붙입니다.

핵심 메커니즘

AI Benefits Target: 한 해 목표를 금액 하나로 내고 분기마다 점검

무엇인가. 그해 AI가 낼 이득을 연초에 금액 하나로 공개하고, 분기 실적 콜에서 궤도에 있는지 말하는 방식입니다.

어떻게 작동하나. 1월 연간 실적 때 전년 실적(약 5천만 파운드)과 올해 목표(1억 파운드 초과)를 함께 냅니다. 분기마다 CFO가 진척을 한 문장으로 확인하고, 연말 결과는 다음 연간 실적에서 나옵니다. 숫자가 두 배 넘게 커지는 사이에 세는 범위도 넓어졌습니다. 2025년 숫자는 생성형 AI만 셌고, 2026년 목표에는 agentic AI가 들어갑니다.

언제 쓰나. 이사회나 투자자에게 AI 투자의 대가를 약속해야 할 때 씁니다. 범위가 바뀐 해에는 전년과 같은 기준의 숫자를 따로 내야 비교가 됩니다.

원문의 예. Chalmers는 3분기 콜에서 2026년 AI 효익 1억 파운드 초과 목표를 달성할 궤도에 있다고 말했습니다. 기사가 전한 것은 목표 금액과 진척 판단입니다.

Investigation Use Cases: 여러 시스템을 뒤지는 조사 업무부터 넓히기

무엇인가. Lloyds가 지금 넓히는 세 사례는 모두 직원이 여러 곳의 자료를 모아 판단하는 일입니다. 소득 서류를 확인하는 일, 민원 경위를 조사하는 일, 사기 의심 거래를 조사하는 일입니다.

어떻게 작동하나. 운영 지표가 공개된 것은 사기 조사뿐입니다. 사기 의심 통화 한 건에 전문 직원이 오가던 시스템은 12~15개에서 약 절반으로 줄었고, Lloyds는 2026년 말까지 2~3개로 낮출 계획입니다. 최종 결정과 책임은 계속 훈련받은 전문 직원에게 있습니다.

언제 쓰나. 판단은 사람이 하되 자료 모으기에 시간이 많이 드는 업무에 맞습니다. 소득 확인과 민원 조사는 공개된 성과 수치가 없으므로, 같은 업무를 고를 때는 우리 쪽 기준선을 먼저 재야 합니다.

Savings Stack: AI는 여러 비용 절감 수단 가운데 하나

무엇인가. Chalmers가 앞으로의 절감 원천을 설명할 때 AI는 단독 항목으로 나오지 않았습니다. 기술 비용 절감, 자동화, 인도 기술 센터와 나란히 놓였습니다.

어떻게 작동하나. 현 전략 기간의 총 비용 절감 20억 파운드 이상은 이 수단들을 모두 합친 숫자이고, AI만의 몫은 따로 나뉘어 있지 않습니다. 앞으로의 축은 Accelerate 2030입니다. 2027년 전략 투자 지출의 95% 이상이 여기에 배정됐고, 발표 자료는 이 계획이 기술로 생산성을 크게 끌어올리는 것을 겨냥한다고 설명합니다. Chalmers는 AI가 효율만이 아니라 고객 상품도 키운다고 보고, 사기 대응과 프로세스 자동화를 예로 들었습니다.

언제 쓰나. AI 효익을 따로 발표하는 회사라면, 같은 절감이 클라우드나 아웃소싱 항목에 두 번 잡히지 않도록 수단별 경계를 먼저 그어야 합니다.

P&L Scale: 1억 파운드를 비용 가이던스 옆에 놓고 보기

무엇인가. AI 효익 목표가 회사 전체 비용과 비교해 어느 정도 크기인지 보는 관점입니다.

어떻게 작동하나. Lloyds는 2026년 가이던스로 underlying NII(순이자이익) 149억 파운드 초과, 운영비 99억 파운드 미만을 다시 확인했습니다. 3분기 한 분기 운영비는 23억 7천만 파운드였습니다. 1억 파운드를 99억 파운드에 대 보면 약 1.0%입니다. 효익에 수익 쪽 개선이 섞여 있을 수 있어서 이 비율을 비용 절감률로 읽으면 안 됩니다. Chalmers는 2027년 NII 성장이 대출·예금 경쟁 때문에 2026년보다 느릴 것이라고 했습니다.

언제 쓰나. AI 효익 금액을 경영진에게 보고할 때 비용 기반 대비 비율을 함께 두면 기대 수준을 맞추기 쉽습니다. 1% 안팎이라는 크기는 AI 하나로 비용수익비율이 크게 움직이지는 않는다는 뜻이고, 그래서 Chalmers도 다른 절감 수단과 묶어 설명했습니다.

저자가 든 사례

사기 조사 플랫폼: 통화당 시스템 수를 목표로 관리

항목	내용
상황	직불카드 사기 의심 통화 한 건에 전문 직원이 12~15개 시스템을 오갔습니다.
한 일	중앙 시스템이 전문 AI 에이전트를 최대 9단계에 걸쳐 조정하고, 필요한 정보를 한곳에 모아 줍니다. 결정은 전문 직원이 내립니다.
결과	통화당 시스템 수가 약 절반이 됐고 연말 목표는 2~3개입니다. 90일간 실제 사건 1만 600건 이상에 쓰였습니다.
연결	Investigation Use Cases. 운영 지표가 금액 목표 아래에서 관리되는 예입니다.

고객 상품 쪽 계획: 효율과 함께 키우는 다른 한 갈래

항목	내용
상황	비용 절감과 성장 투자를 함께 이어 가야 한다는 질문을 받았습니다.
한 일	발표 자료에 주택보험 청구 자동화(고객이 직접 처리), 4분기 Lloyds Smart Wallet 출시, 4분기 InvestAI 안의 Targeted Support(영국의 새 금융 안내 범주) 도입을 실었습니다. Targeted Support는 규제 승인이 전제입니다.
결과	출시 전 계획이며 성과 수치는 원문에서 밝히지 않았습니다.
연결	Savings Stack. Chalmers는 “AI is clearly going to enhance our customer propositions”라고 말했습니다.

기술 디테일: AI 효익 장부를 실제로 돌리려면

아래는 원문에 없는 내용으로, 같은 방식을 우리 회사에서 돌릴 때 필요한 것을 새로 정리했습니다.

AI Benefits Target을 분기마다 말하려면 과제 단위 장부가 먼저 있어야 합니다. 회사 전체 숫자 하나를 위에서 추정하면 분기마다 근거를 대기 어렵습니다. 과제마다 한 줄씩 기록하고 재무가 확인한 줄만 합산합니다. 필드 예시는 다음과 같습니다(값은 가상 예시).

{
  "use_case_id": "FRD-01",
  "use_case": "card fraud investigation",
  "ai_type": "agentic",
  "benefit_type": "cost",
  "baseline": {"period": "2025-07..2025-09", "minutes_per_case": 38, "cases_per_month": 4000},
  "current": {"period": "2026-09", "minutes_per_case": 27, "cases_per_month": 4100},
  "unit_cost_gbp_per_minute": 0.55,
  "attribution_method": "holdout",
  "overlap_with": [],
  "finance_signoff": "2026-10-15",
  "fy_benefit_gbp": 297660
}

ai_type을 genai와 agentic으로 나눠 두면, Lloyds처럼 세는 범위가 넓어진 해에도 전년과 같은 범위의 숫자를 따로 뽑을 수 있습니다. benefit_type은 cost, revenue, loss_avoided(막은 손실) 셋으로 나눕니다. P&L Scale 비교에는 cost만 씁니다.

Investigation Use Cases를 계측하려면 사건 로그에서 직접 셉니다. 통화당 시스템 수는 사건 ID별로 조회 기록이 남은 애플리케이션 수로 정의합니다. 데스크톱 텔레메트리나 각 시스템의 감사 로그를 사건 ID로 묶어 주 단위 중앙값과 p90을 냅니다. 이 숫자에 건당 처리 시간과 건수를 붙여야 금액으로 바뀝니다. 소득 확인은 급여명세서·입출금 내역에서 필드를 뽑는 구조화 출력(JSON)을 temperature 0으로 돌립니다. 필드별 신뢰도가 0.9 미만이거나 신고 소득과 10% 넘게 어긋나면 사람 검토로 넘깁니다. 지표는 자동 확인 비율과 재작업률입니다. 민원 조사는 요약문의 문장마다 근거 문서 ID를 달게 하고, 조사 담당이 요약을 고치지 않고 받아들인 비율을 봅니다.

Savings Stack에서 이중 계산을 막으려면 금액마다 주인을 하나만 둡니다. 같은 인력 절감이 클라우드 이전 과제와 AI 과제에 동시에 잡히는 일이 흔합니다. overlap_with에 겹칠 수 있는 과제를 적고, 분기마다 전체 비용 절감 합계와 대사(맞춰 보기)해서 AI 몫이 전체를 넘지 않는지 확인합니다. holdout(일부 건을 일부러 AI 없이 처리하는 대조 집단)을 둘 수 없는 업무는 도입 전 3개월 평균을 기준선으로 쓰고, 계절성이 큰 업무는 전년 같은 달과 비교합니다. 건수가 기준선보다 30% 넘게 늘거나 줄면 금액 환산을 멈추고 건당 처리 시간만 보고합니다. 단가를 그대로 곱하면 업무량 변화가 AI 효익처럼 보이기 때문입니다.

현업 실행 디테일: 누가, 언제, 무엇을

역할	담당	하는 일
CFO 조직(재무 BP)	장부 기준·서명	효익 정의, 단가, 기준선 승인, finance_signoff
AX 추진	과제 목록·계측	과제 등록, 로그 계측 설계, 월간 집계
현업 리더(사기·민원·여신)	운영 지표	기준선 데이터 제공, 통화당 시스템 수 같은 운영 목표 관리
IR·홍보	외부 문구	실적 콜에서 쓸 문장과 범위(생성형만인지, agentic 포함인지) 확정
리스크·컴플라이언스	고객 영향 승인	고객에게 닿는 기능(예: Targeted Support 같은 안내 서비스)의 규제 검토

준비물. 진행 중인 AI 과제 목록, 과제별 도입 전 3개월 처리 시간과 건수, 직무별 분당 원가, 비용 절감 프로그램 전체 목록(클라우드·아웃소싱 포함)이 있어야 합니다.

첫 분기에 확인할 질문.

• 이 과제의 이득은 비용, 수익, 막은 손실 가운데 어디에 잡히나?
• 같은 절감이 다른 프로그램에도 잡혀 있지 않나?
• 기준선 기간은 언제이고, 그 기간에 업무량이 평소와 달랐나?
• 운영 지표(예: 통화당 시스템 수)가 줄면 몇 분, 몇 파운드로 바뀌나?
• 결정 책임은 여전히 사람에게 있나, 그 기록이 남나?

진행 판정 기준(예시). 외부에 금액을 말하려면 합산액의 80% 이상이 재무 서명을 마친 과제에서 나와야 합니다. 운영 지표가 2분기 연속 기준선보다 나아야 하고, 대사에서 겹치는 금액이 0이어야 합니다. 하나라도 못 맞추면 금액 대신 운영 지표만 보고합니다.

적용 제언. AI 효익을 금액으로 말하려는 금융·보험사라면 Lloyds처럼 조사형 업무 두세 개에서 시작하는 것이 현실적입니다. 사기 조사, 민원 처리, 여신 서류 확인처럼 건수와 처리 시간이 이미 기록되는 업무라야 기준선을 빨리 세울 수 있습니다. 순서는 장부 양식과 재무 합의를 먼저 하고, 운영 지표 계측을 그다음, 외부 발표 여부는 두 분기 숫자가 쌓인 뒤에 정합니다. 현업 스폰서는 운영 지표를 가진 부서장이 맡고, 금액의 주인은 CFO 조직이 맡게 나누면 숫자를 둘러싼 다툼이 줄어듭니다.

원문 사례

항목	내용
원문	Deployed(AIM Media House), Sachin Mohan, 2026.11.3
근거 행사	Lloyds Banking Group 2026년 3분기 실적 콜(10.29)과 발표 자료
AI 효익	2025년 생성형 AI 약 £50M → 2026년 £100M 초과 목표, 3분기 기준 궤도 위
확산 사례	income verification, complaint investigation, 사기 대응
사기 조사	통화당 시스템 12~15개 → 약 절반, 2026년 말 2~3개 목표, 결정은 전문 직원
절감 수단	클라우드 이전, 데이터센터 축소, 프로세스·고객 서비스 자동화, 인도 Lloyds Technology Centre
누적 절감	현 전략 기간 총 비용 절감 £2bn 이상(AI 몫 구분 없음)
투자 배정	2027년 전략 투자 지출의 95% 이상을 Accelerate 2030에 배정
3분기 실적	underlying profit £2.37bn(+83%), 세전이익 £2.33bn, NII £3.81bn(+10%), NIM 3.25%, 운영비 £2.37bn, 비용수익비율 47.2%, RoTE 19.5%
2026 가이던스	NII £14.9bn 초과, 운영비 £9.9bn 미만(재확인)
고객 상품 계획	주택보험 청구 자동화, 4분기 Smart Wallet, 4분기 InvestAI Targeted Support(규제 승인 전제)
기타	Evident AI 지수의 인재·리더십·투명성 부문 상위 10위

핵심 개념

cost-to-income ratio

영업수익 대비 운영비 비율입니다. 낮을수록 같은 수익을 적은 비용으로 냅니다.

RoTE

무형자산을 뺀 자기자본으로 낸 이익의 비율로, 은행 수익성을 비교할 때 씁니다.

NIM

대출 이자와 예금 이자의 차이를 이자 자산 규모로 나눈 순이자마진입니다.

underlying profit

일회성 항목을 뺀 이익으로, 회사가 기본 수익력을 보여 줄 때 씁니다.

Accelerate 2030

Lloyds가 2027년 전략 투자를 먼저 배정한 다음 단계 계획으로, 기술로 생산성을 끌어올리는 것을 겨냥합니다.

Targeted Support

영국에서 새로 생긴 금융 안내 범주로, 개인 맞춤 자문보다 가벼운 수준의 안내를 말합니다.

Evident AI index

은행의 AI 준비 수준을 인재, 리더십, 투명성 같은 항목으로 비교하는 외부 지수입니다.

내 메모

TODO: 내 생각 추가

이 노트는 Deployed(AIM Media House) 기사 “Lloyds Is on Track for More Than £100 Million in AI Benefits This Year”(Sachin Mohan, 2026.11.3)를 원문으로 썼습니다. 요약, 핵심 메커니즘의 사실, 저자가 든 사례, 원문 사례 표는 기사가 전한 Lloyds 3분기 실적 콜(2026.10.29)과 발표 자료 내용을 AX Review가 다시 정리한 것입니다. 사기 조사 플랫폼의 구조는 10월 30일 노트에서 다뤘으므로 여기서는 수치만 짧게 옮겼습니다. 1억 파운드를 운영비 가이던스에 대 본 비율(약 1.0%), 기술·현업 실행 디테일, JSON 예시와 설정값, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했습니다. Targeted Support와 Evident AI index 풀이는 일반적인 설명을 덧붙인 것입니다. 전체 내용은 원문에서 볼 수 있습니다.