Hands-on Rollout: 북양은행이 생성형 AI 2,500 ID를 영업 현장에 정착시킨 1년
일본 홋카이도의 북양은행은 생성형 AI 약 2,500 ID를 전행에 배포한 뒤 영업점을 돌며 대면 실습을 했고, 1년 만에 이용 인원 약 3.0배·이용 횟수 약 7.1배, 영업 현장 이용률 70%에 이르렀습니다. 면담 기록 입력 시간은 체감 약 40% 줄었고, 이 경험으로 AI 교육·컨설팅 자회사 AI Ignition을 세웠습니다.
북양은행은 생성형 AI를 전 직원에게 나눠 주는 데서 멈추지 않았습니다. 영업점을 직접 돌며 실제 데이터로 실습시키고 바로 쓰는 프롬프트집을 깔아, 1년 만에 영업 현장 이용률을 70%까지 끌어올렸습니다. 따라 하려면 보안 기반, 현장 실습 인력, 그리고 AI가 읽을 업무 기록의 품질을 함께 준비해야 합니다.
요약
북양은행(北洋銀行)은 홋카이도의 금융기관입니다. 은행 전략의 바탕인 “완전 디지털화 전략”의 하나로 SoftBank의 “생성형 AI 패키지”를 들였습니다. Azure OpenAI Service를 보안 환경에서 쓰는 구성이고 2025년 6월 구축에 들어가 9월에 전 행원 대상 약 2,500 ID로 본격 가동했습니다. 이전에 쓰던 생성형 AI 환경은 요약 같은 일부 용도에 묶여 있었습니다. 게다가 도구를 배포하는 것만으로는 행원이 자기 업무에서 어떻게 쓸지 떠올리지 못해 정착이 더뎠습니다. 그래서 AI 추진 담당자들이 홋카이도 전역의 주요 영업점을 약 3개월 반 동안 돌며 대면 실습(hands-on 연수, 직접 손으로 해 보는 연수)을 했습니다. 목적별 프롬프트집을 만들고 다른 지점의 활용 사례도 행내에 나눴습니다.
1년이 지나 이용 인원은 본격 확산 이전보다 약 3.0배, 이용 횟수는 약 7.1배가 됐고 영업 현장 이용률은 70%에 이르러 계속 오르고 있습니다. 가장 뚜렷한 성과는 영업 담당자의 CRM 면담 기록입니다. 면담 내용을 텍스트로 옮겨 생성형 AI로 요약해 등록하자 입력 시간이 1인당 체감 약 40% 줄었고 기록 내용도 고르게 됐습니다. 융자 의견서 작성을 시도하는 과정에서는 CRM에 쌓인 정보가 모자란다는 점이 드러났습니다. 은행은 행내 데이터와 생성형 AI의 연계를 다음 과제로 잡았습니다. 2026년 8월에는 이 도입·정착 경험을 홋카이도 기업과 지자체에 파는 AI 사업 자회사 AI Ignition을 세웠습니다. 아래에서는 이 흐름을 다섯 가지 장치로 나누고, 실제로 돌릴 때 필요한 기술·현업 디테일을 붙입니다.
핵심 메커니즘
Secure Foundation: 감독 요건을 먼저 맞춘 보안 기반
무엇인가. 금융기관이 생성형 AI를 쓰려면 보안 요건과 법령·감독 지침을 먼저 통과해야 합니다. 북양은행은 이 조건을 도구 선정의 첫 기준으로 삼았습니다.
어떻게 작동하나. 직원은 이미 쓰던 Microsoft Entra ID(사내 계정 인증)로 로그인합니다. 요청은 보안 구성된 Azure OpenAI Service로 가고, 기밀 정보는 일본 국내에 두며 이용 로그를 관리합니다. 파일 업로드와 API 연계 같은 기능은 코어 패키지 위에 옵션으로 차례로 붙였습니다. SoftBank는 요건 정의, 설계, Azure 환경 구축과 설정을 맡고 운영까지 이어서 지원합니다. 도쿄와 삿포로 두 곳에서 지원하는 체제도 선정 이유였습니다.
언제 쓰나. 규제 산업에서 전사 배포를 할 때 첫 단계입니다. 기존 클라우드·인증 기반이 있으면 그 위에 얹는 편이 승인 절차가 짧습니다.
Hands-on Rollout: 영업점을 돌며 하는 대면 실습
무엇인가. 온라인 강의에만 기대지 않고 추진 담당자가 영업점에 직접 가서 그 지점의 실제 업무 데이터로 함께 써 보는 연수입니다.
어떻게 작동하나. 대상은 영업점 관리자, 융자 담당, 외근 영업 담당입니다. 실습에서는 고객에게 낼 제안 이유를 작성하거나 가설을 세워 검증하는 일을 생성형 AI로 직접 해 봤습니다. AI Ignition 파트너인 하시사카 히데키(橋坂英樹)는 직접 손을 움직인 경험이 “小さな成功体験”(작은 성공 경험)을 낳았고 그것이 이용 확산으로 이어졌다고 설명했습니다.
언제 쓰나. 계정은 나눴는데 활성 사용자가 늘지 않을 때 씁니다. 지점이 넓게 흩어진 조직일수록 비용이 들지만 그만큼 현장 업무에 맞춘 예시를 만들 수 있습니다.
Prompt Library: 목적별 프롬프트집과 지점 사례 공유
무엇인가. 업무 목적별로 바로 꺼내 쓰는 프롬프트 모음과, 다른 영업점이 실제로 쓴 사례를 행내에 돌리는 장치입니다.
어떻게 작동하나. 실습에서 한 번 성공한 직원이 다음 날 혼자서도 같은 일을 할 수 있게 문안을 남겨 둡니다. 다른 지점의 사례는 “우리 지점에서도 되겠다”는 신호가 됩니다. 이용 인원은 약 3.0배, 이용 횟수는 약 7.1배로 늘었으니 두 값을 나누면 한 사람당 이용 횟수도 약 2.4배가 된 셈입니다(원문 수치로 계산한 값).
CRM Meeting Notes: 면담 기록을 요약해 등록
무엇인가. 영업 담당자가 고객 면담 뒤 CRM에 남기는 기록을 생성형 AI 요약으로 바꾼 사례입니다.
어떻게 작동하나. 면담 내용을 텍스트로 옮기고, 생성형 AI가 요약해 CRM에 등록합니다. 원문은 1인당 체감 기준으로 입력 시간이 약 40% 줄었고 담당자마다 들쭉날쭉하던 기록 내용이 고르게 됐다고 밝혔습니다. 부수 효과도 있었습니다. CRM에서 교섭 이력을 한꺼번에 내려받을 수 있다는 기능처럼 있던 시스템을 다시 발견해 쓰게 됐습니다.
언제 쓰나. 매일 반복되고, 입력 형식이 정해져 있고, 결과를 사람이 바로 확인할 수 있는 업무가 첫 사례로 알맞습니다.
Data Readiness: AI가 드러낸 기록 부족
무엇인가. 생성형 AI를 더 깊은 업무에 쓰려다 그 업무를 받칠 데이터가 모자라다는 사실을 알게 되는 단계입니다.
어떻게 작동하나. 북양은행은 CRM 정보로 융자 의견서를 쓰게 해 봤습니다. 그런데 CRM에 들어 있는 정보가 부족해 먼저 입력 내용을 채워야 한다는 결론이 났습니다. 그래서 행내 데이터와 생성형 AI를 API 등으로 매끄럽게 잇고 데이터를 손으로 옮겨 붙이는 일을 줄이는 것을 최우선 과제로 잡았습니다. 앞으로는 융자처 재무 분석과 영업 상품 후보 발굴 같은 사례를 검증합니다.
통념과 다른 주장
흔히 이렇게 봅니다전 직원에게 계정을 나눠 주고 온라인 강의를 열면 사용은 시간이 지나며 저절로 늘어납니다.
북양은행은 이렇게 봤습니다배포만으로는 직원이 자기 업무에서 쓰는 모습을 떠올리지 못합니다. 현장에 가서 그 지점의 데이터로 직접 해 보게 해야 정착합니다.
근거영업점 순회 실습과 프롬프트집 공유 뒤 이용 인원은 약 3.0배, 이용 횟수는 약 7.1배가 됐고 영업 현장 이용률은 70%에 이르렀습니다.
저자가 든 사례
북양은행 × SoftBank: 생성형 AI 전행 도입 1년
| 구분 | 내용 |
|---|---|
| 상황 | 이전 생성형 AI 환경은 요약 등 일부 용도에 한정됐고, 도구를 배포해도 행원이 업무에 쓰는 모습을 떠올리지 못해 정착이 더뎠음 |
| 한 일 | Azure OpenAI Service 기반 보안 환경으로 약 2,500 ID 전행 배포(2025.9), 주요 영업점 순회 대면 실습 약 3.5개월, 목적별 프롬프트집과 지점 사례 공유, CRM 면담 기록 요약 운영 |
| 결과 | 이용 인원 약 3.0배, 이용 횟수 약 7.1배, 영업 현장 이용률 70%, 면담 기록 입력 시간 1인당 체감 약 40% 감소, 기록 품질 균일화 |
| 연결 | Hands-on Rollout과 Prompt Library가 사용을 넓혔고, CRM Meeting Notes가 첫 성과를, Data Readiness가 다음 과제를 정함 |
AI Ignition: 행내 경험을 지역 사업으로
| 구분 | 내용 |
|---|---|
| 상황 | 행내 도입·정착에서 쌓은 노하우를 홋카이도 기업과 지자체에도 전하려 함 |
| 한 일 | 2026년 8월 AI 사업 전문 자회사 AI Ignition 설립. 사업은 AI 교육 연수, AI 컨설팅, 광고 제작 세 가지 |
| 결과 | 원문에서 사업 실적은 밝히지 않음 |
| 연결 | 내부에서 효과가 확인된 Hands-on Rollout 방식을 외부 고객에게 상품으로 내놓는 단계 |
기술 디테일: 면담 기록 요약과 확산 측정을 실제로 돌리려면
아래는 원문 사례를 따라 할 때 필요한 것을 새로 정리한 내용입니다.
CRM Meeting Notes를 돌리려면 출력 틀부터 고정합니다. 자유 요약을 받으면 담당자마다 다시 고쳐 쓰게 되어 시간이 줄지 않습니다. 모델에 JSON 스키마를 주고 필드만 채우게 합니다. 예시 필드는 customer_id, meeting_date, attendees, purpose, customer_needs(고객이 말한 필요), proposed_products, concerns(우려·이의), next_action, due_date 아홉 개입니다. 면담에서 나오지 않은 내용은 null로 두고 추측하지 말라고 지시합니다. temperature는 0~0.2로 낮춥니다. 처음 2주는 같은 면담 20건을 세 번씩 돌려 필드별 일치율을 보고, next_action과 due_date가 80% 아래로 흔들리면 프롬프트에 날짜 표기 규칙을 더합니다.
사람 확인 단계를 남깁니다. 요약은 담당자 화면에 초안으로 띄우고, 담당자가 고치거나 승인한 뒤에만 CRM에 기록합니다. 원본 텍스트와 AI 초안, 최종본을 함께 저장해 두면 나중에 수정률(초안에서 바뀐 필드 비율)로 품질을 잴 수 있습니다. 수정률이 30%를 넘는 필드는 프롬프트나 필드 정의를 다시 봅니다.
Secure Foundation을 맞추려면 다음 네 가지를 점검표로 만듭니다. 기존 인증(Entra ID 같은 SSO)과 그룹별 권한, 데이터 저장 지역(국내 리전), 프롬프트·응답 로그 보존 기간과 열람 권한, 개인정보 마스킹 규칙(계좌번호, 주민번호에 해당하는 식별자, 전화번호)입니다. 모델 호출은 한 관문을 거치게 해 사용자 ID, 시간, 기능, 토큰 수를 남깁니다. 이 로그가 그대로 이용률 측정의 원천이 됩니다.
확산을 재려면 지표 정의를 먼저 정합니다. 원문의 “이용 인원”, “이용 횟수”, “영업 현장 이용률” 같은 수치를 내 조직에서 재려면 분모와 기간을 고정해야 합니다. 예를 들어 이용률은 “영업점 소속 ID 가운데 해당 월에 1회 이상 호출한 ID의 비율”, 이용 횟수는 “월간 호출 수”로 둡니다(예시 정의). 지점별·직무별로 쪼개면 순회 실습 전후를 비교할 수 있습니다.
Data Readiness를 점검하려면 의견서처럼 깊은 문서를 만들기 전에 필요한 CRM 필드의 채움률을 먼저 계산합니다. 예를 들어 융자 의견서에 재무 요약, 거래 이력, 최근 면담 3건, 담보 정보가 필요하다면, 이 넷 가운데 빈 항목이 있으면 생성하지 않고 “빈 항목 목록”을 돌려주게 합니다. 행내 데이터 연계는 읽기 전용 API로 시작하고, 생성형 AI가 쓰는 필드 목록을 문서로 남겨 감사에 대비합니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 하는 일 | 북양은행에서 대응하는 자리 |
|---|---|---|
| 디지털 전략 책임자 | 전사 전략 안에서 생성형 AI의 위치와 예산 결정 | 디지털사업본부장 |
| 추진 리더 | 도입 프로젝트 총괄, 벤더 선정, 연수 설계 | 디지털추진부 실무 책임자 |
| 순회 강사 2~4명 | 영업점 방문 실습, 프롬프트집 작성 | AI 추진 담당자 |
| 지점 챔피언 | 지점별 사례 모으기, 동료 질문 받기 | 원문에 없음(추가 제안) |
| 정보보안·준법 | 감독 지침 대응, 로그·마스킹 규칙 승인 | 원문에 없음(추가 제안) |
| 벤더 | 환경 구축, 설정, 운영 지원 | SoftBank |
시작 전 준비물. 직무별 반복 업무 목록(영업, 융자, 관리자 각 10개 안팎), 지점별 실습에 쓸 비식별 실제 데이터 묶음, 목적별 프롬프트 초안 20~30개, 이용 로그 대시보드, 지점 방문 일정표.
지점 방문 때 물을 질문(예시). 하루에 가장 오래 걸리는 기록·문서 작업은 무엇인가? 고객 면담 뒤 CRM 입력에 몇 분을 쓰는가? 같은 내용을 여러 시스템에 두 번 입력하는 일이 있는가? 오늘 실습한 것 가운데 내일 혼자 다시 할 일은 무엇인가? 프롬프트집에 없어서 막힌 일은 무엇인가?
진행 판정 기준(예시). 순회 실습 뒤 2개월 안에 그 지점 이용률이 50%를 넘으면 다음 지점으로 넘어갑니다. 넘지 못하면 지점 챔피언과 함께 한 번 더 방문합니다. 면담 기록 사례는 담당자 수정률 30% 미만, 입력 시간 자가 보고 30% 이상 감소면 전 지점으로 넓힙니다. 의견서 같은 깊은 사례는 필요 필드 채움률이 80%를 넘을 때만 시작합니다.
AX 적용 제언. 한국의 지방은행이나 지점 영업 조직이 따라 할 첫 사례는 북양은행처럼 “면담 기록”이 좋습니다. 매일 반복되고, 성과를 시간으로 잴 수 있고, 위험이 낮기 때문입니다. 순서는 보안 기반과 로그 → 2~3개 지점 파일럿 → 전사 배포와 순회 실습 → 이용률이 오른 뒤 데이터 연계와 깊은 업무입니다. 처음부터 의견서 자동화를 노리면 CRM 기록 부족에 걸립니다. 면담 기록을 먼저 고르게 만들면 그것이 다음 사례의 재료가 됩니다. 현업 스폰서는 영업 담당 임원이 맡아야 지점 방문 시간이 확보됩니다. AI Ignition처럼 외부 사업으로 넓히는 일은 내부 이용률과 성과 수치가 쌓인 다음에 검토할 일입니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | SoftBank 보도자료(2026.11.10)와 같은 날 공개된 SoftBank 도입 사례 페이지 |
| 회사 | 북양은행(北洋銀行), 홋카이도 |
| 도입 제품 | SoftBank “생성형 AI 패키지”, Azure OpenAI Service 기반 보안 환경 |
| 규모·시기 | 2025.6 구축 착수, 2025.9 약 2,500 ID 전행 본격 가동 |
| 선정 이유 | 금융기관 보안 요건과 법령·감독 지침 대응, 기밀 정보 국내 보관과 로그 관리, 기존 Entra ID·Azure 기반과의 궁합, 파일 업로드·API 연계 확장성, 도쿄·삿포로 지원 체제 |
| 정착 활동 | 주요 영업점 순회 대면 실습 약 3.5개월(관리자·융자·외근 담당), 목적별 프롬프트집, 지점 사례 행내 공유 |
| 활용 업무 | 문장 생성·교정, 회의록, 영업 활동, 융자 업무 |
| 성과 | 이용 인원 약 3.0배, 이용 횟수 약 7.1배, 영업 현장 이용률 70%, 면담 기록 입력 시간 1인당 체감 약 40% 감소 |
| 과제·계획 | 행내 데이터와 API 연계, 융자처 재무 분석, 영업 상품 후보 발굴 |
| 자회사 | AI Ignition(2026.8 설립): AI 교육 연수, AI 컨설팅, 광고 제작 |
| 고지 | 수치는 북양은행 사례 기준이며 다른 이용자에게 같은 효과를 보장하지 않음(원문 고지) |
핵심 개념
- 生成AIパッケージ
- SoftBank가 기업용으로 묶어 파는 생성형 AI 환경입니다. 코어 기능 위에 옵션 기능을 차례로 더하는 구성입니다.
- Azure OpenAI Service
- Microsoft 클라우드 안에서 OpenAI 모델을 쓰는 서비스입니다. 기업의 네트워크·인증·로그 정책을 함께 적용할 수 있습니다.
- Microsoft Entra ID
- Microsoft의 사내 계정·인증 서비스입니다. 기존 계정으로 새 도구에 로그인하게 해 줍니다.
- 完全デジタル化戦略
- 북양은행의 완전 디지털화 전략입니다. 화면·사용 경험 개편, 디지털 거래 강화, AI 업무 효율화를 묶습니다.
- CRM 면담 기록
- 영업 담당자가 고객을 만난 뒤 고객관리 시스템에 남기는 대화 내용과 다음 할 일입니다.
- AI Ignition
- 북양은행이 2026년 8월 세운 AI 사업 자회사입니다. 홋카이도 기업과 지자체에 연수와 컨설팅을 제공합니다.
내 메모
TODO: 내 생각 추가
원문은 SoftBank 보도자료 「北洋銀行の生成AI活用を「生成AIパッケージ」で支援、合計約2,500IDを全行へ導入」(2026.11.10)이고, 세부 내용은 보도자료가 안내하는 SoftBank 도입 사례 페이지(softbank.jp/business/case/202611/hokuyobank)를 함께 읽어 정리했습니다. 벤더가 낸 자료이며, 수치는 북양은행 사례 기준입니다. 요약, 핵심 메커니즘의 원문 내용, 사례와 원문 사례 표는 원문에 나온 사실을 AX Partners가 다시 정리한 것입니다. 기술 디테일, 현업 실행 디테일, 판정 기준, 일정, 인포그래픽과 표지는 새로 작성했고 예시 값은 북양은행의 실제 값이 아닙니다. 전체 내용은 원문에서 볼 수 있습니다.