Ruby and AI Squads: NAB가 직원 4만 명 AI 도구와 사업부 스쿼드 50개로 AI를 넓힌 방식
호주 NAB는 Anthropic 플랫폼으로 만든 사내 AI Ruby를 직원 4만여 명에게 열고 지난 1년간 사업부가 이끄는 교차 조직 스쿼드 약 50개를 꾸렸습니다. 에이전틱 AI로 기업대출 승인 시간을 20% 줄였고 변경 배포 주기는 18% 개선했다고 밝혔습니다.
NAB는 전 직원에게 범용 AI 도구 Ruby를 열었습니다. 동시에 사업부가 이끄는 스쿼드 약 50개로 대출 승인 같은 핵심 업무를 바꾸고 그 바탕에 하나의 AI 플랫폼과 관리 체계를 두었습니다. 넓게 여는 도구와 깊게 파는 팀을 함께 굴리는 구조입니다. 따라 하려면 플랫폼과 관리 체계를 먼저 깔고 사례마다 기준값과 측정 구간을 정해 두어야 합니다.
요약
호주 4대 은행 중 하나인 National Australia Bank(NAB)의 Andrew Irvine 최고경영자는 2026 회계연도 실적 미디어 콜에서 사내 AI 도구 Ruby를 공개했습니다. Ruby는 Anthropic 플랫폼 위에 만든 도구이고 특정 업무용이 아니라 개인 생산성(personal productivity, 직원 각자의 문서 작성·정리·검색 같은 일상 업무를 돕는 용도)을 겨냥합니다. Irvine은 “Over 40,000 of our colleagues will have access to Ruby”라고 말했습니다. 이와 별도로 NAB는 지난 12개월 동안 사업부가 이끄는 교차 조직 스쿼드(squad, 여러 부서 인원이 스타트업처럼 움직이는 소규모 팀) 약 50개를 꾸렸습니다. 이 기간에 AI 활동을 관리하는 틀과 하나의 AI 플랫폼도 마련했고 스쿼드는 전략 파트너인 Anthropic, AWS와 함께 일합니다.
성과는 금액이 아니라 비율로 나왔습니다. 에이전틱 AI(agentic AI, 여러 단계를 스스로 밟아 일을 처리하는 AI)를 적용해 기업대출 승인 시간을 20% 줄였고 변경 배포 주기(change delivery cycle)는 18% 개선돼 투자 과제에서 더 많은 기능을 고객에게 냈다고 밝혔습니다. 기업금융 뱅커의 신용 메모(credit memo) 작성도 크게 빨라졌다고 했습니다. 사용 사례는 기업금융 성장, 예금 성장, 자체 주택담보대출 성장이라는 세 우선순위에 맞췄고 실적 자료에서는 성장과 생산성 두 목표로 나눴습니다. iTnews는 다른 대형 은행들이 AI 효과를 금액으로 제시한 것과 달리 NAB는 비율 개선만 내놓았다고 짚었습니다. 같은 시기 NAB는 약 2,500명 감원 계획을 발표했고 금융노조는 AI 투자가 감원에 영향을 줬다고 우려했습니다. 아래에서는 이 구조를 네 가지 메커니즘으로 나누고 실제로 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.
핵심 메커니즘
Ruby: 4만여 명이 쓰는 개인 생산성 AI
Ruby는 NAB가 Anthropic 플랫폼으로 만들어 전 직원에게 여는 사내 AI 도구입니다. 특정 부서의 특정 업무를 자동화하는 대신, 직원 각자가 자기 일에 맞게 쓰도록 넓게 엽니다. 입력은 직원의 일상 업무이고 출력은 개인 단위의 시간 절약입니다. 이런 범용 도구는 조직 전체가 AI 쓰는 법을 익히는 데 쓰입니다. 반대로 대출 승인처럼 규정과 결재가 얽힌 업무는 범용 도구만으로 바뀌지 않으므로, NAB는 이 부분을 스쿼드에 맡겼습니다. 원문은 Ruby의 기능 목록이나 실제 사용률은 밝히지 않았습니다.
Single AI Platform: 모든 AI 활동을 묶는 하나의 플랫폼과 관리 체계
NAB는 스쿼드를 꾸리면서 AI 활동을 관리하는 틀과 하나의 AI 플랫폼을 함께 세웠다고 밝혔습니다. 플랫폼이 하나면 모델 계약, 접근 권한, 로그, 비용을 한곳에서 봅니다. 팀이 50개로 늘어도 어느 사례가 얼마나 쓰이는지 같은 잣대로 비교할 수 있습니다. 팀 몇 개가 실험하는 단계라면 이 틀이 속도를 늦출 수 있습니다. 직원 4만 명과 팀 50개가 동시에 움직이는 규모라면 먼저 깔아 두는 편이 낫습니다. 플랫폼의 구성 요소는 원문에서 밝히지 않았습니다.
Business-led Squads: 사업부가 이끄는 교차 조직 팀 약 50개
NAB의 스쿼드는 IT 부서가 아니라 사업부가 이끕니다. 사업부가 풀 문제를 정하고 여러 부서 인원이 한 팀으로 움직이며 Anthropic·AWS 같은 파트너가 기술을 받칩니다. Irvine은 고객·직원·주주에게 큰 가치가 있는 사례만 골라 추진한다고 설명했습니다. 스쿼드 약 50개는 모두 지난 1년 안에 만들어졌습니다. 이 방식은 업무 규정과 결재선을 아는 사람이 팀 안에 있어야 하는 대출·심사 같은 업무에 맞습니다. 누가 각 스쿼드를 이끄는지는 원문에서 밝히지 않았습니다.
Priority-aligned Use Cases: 세 성장 우선순위에 묶은 사용 사례
사용 사례는 기업금융 성장, 예금 성장, 자체 주택담보대출 성장이라는 은행의 세 우선순위에 맞춰 고릅니다. NAB는 실적 자료에서 각 사례를 성장 목표와 생산성 목표 가운데 하나로 분류했습니다. 이렇게 묶으면 AI 과제가 경영 목표와 따로 놀지 않고 실적 발표에서 어느 우선순위에 기여했는지 말할 수 있습니다. 원문에 이름이 나온 사례는 신용 메모 작성 지원, 기업대출 승인, 뱅커가 고객 서비스를 개인화하도록 돕는 인사이트 제공입니다.
저자가 든 사례
기업대출 승인: 에이전틱 AI로 승인 시간 20% 단축
| 구분 | 내용 |
|---|---|
| 상황 | 기업대출 승인에 걸리는 시간 |
| 한 일 | 에이전틱 AI를 승인 과정에 적용 |
| 결과 | 승인 시간 20% 단축. 기준값, 적용 범위, 측정 구간은 원문에서 밝히지 않음 |
| 연결 | Business-led Squads, Priority-aligned Use Cases(기업금융 성장) |
신용 메모 작성: 기업금융 뱅커의 문서 작업
| 구분 | 내용 |
|---|---|
| 상황 | 기업금융 뱅커가 대출 심사용 신용 메모를 작성 |
| 한 일 | AI로 메모 작성을 지원. Irvine이 대표 사례로 언급 |
| 결과 | 작성 속도가 아주 크게 빨라졌다고 설명. 수치는 원문에서 밝히지 않음 |
| 연결 | Priority-aligned Use Cases(기업금융 성장) |
변경 배포 주기: 18% 개선
| 구분 | 내용 |
|---|---|
| 상황 | 투자 과제에서 고객에게 기능을 내놓는 속도 |
| 한 일 | AI 적용(세부 방식은 원문에서 밝히지 않음) |
| 결과 | 변경 배포 주기 18% 개선, 더 많은 기능과 혜택을 고객에게 제공 |
| 연결 | Single AI Platform, 생산성 목표 |
같은 시기의 인력 계획
| 구분 | 내용 |
|---|---|
| 상황 | NAB가 10월에 약 2,500명 감원 계획을 발표 |
| 한 일 | Australian Financial Review는 그중 약 1,200명이 기술·AI 팀에서 나온다고 보도 |
| 결과 | 금융노조(Finance Sector Union)는 AI 투자가 감원에 영향을 줬다고 우려 |
| 연결 | 확산 규모가 커질수록 인력 계획과 함께 설명해야 하는 맥락 |
기술 디테일: 4만 명 도구와 대출 에이전트를 실제로 돌리려면
아래는 원문에 없는 내용으로, 비슷한 구조를 만들 때 필요한 것을 정리한 가상 예시입니다.
단일 플랫폼을 구현하려면 (Single AI Platform과 연결) 모든 모델 호출이 하나의 AI 게이트웨이를 지나게 합니다. 게이트웨이는 사내 SSO로 사용자를 확인하고 주민번호·계좌번호 같은 개인정보를 마스킹한 뒤 모델로 넘깁니다. 호출마다 user_id, use_case_id, model_version, input_tokens, output_tokens, latency_ms, cost를 남겨 Ruby와 스쿼드 사례를 같은 표에서 봅니다. 모델은 Anthropic API나 AWS Bedrock으로 붙이되 용도별로 버전을 고정하고 버전을 바꿀 때는 사례별 평가 세트로 회귀 시험을 돌립니다.
Ruby 사용을 재려면 (Ruby와 연결) 계정 발급 수가 아니라 주간 활성 사용자 비율, 1인당 주간 대화 수, 부서별 상위 작업 유형을 봅니다. 대화 내용을 사람이 읽지 않고도 작업 유형을 알려면 대화마다 모델에게 task_type(요약, 초안, 번역, 분석, 기타) 하나를 고르게 하고 그 값만 집계합니다. 부서별로 많이 쓰는 작업 유형은 다음 스쿼드 후보 목록이 됩니다.
신용 메모 초안을 만들려면 (신용 메모 사례와 연결) 메모 전체를 한 번에 쓰게 하지 말고 차주 개요, 재무 분석, 상환 능력, 담보, 위험 요인처럼 섹션마다 따로 호출합니다. 출력은 아래처럼 숫자마다 출처 문서를 다는 JSON으로 받습니다.
{
"section": "financial_analysis",
"claims": [
{"text": "최근 3년 매출 연평균 8% 증가", "value": 0.08, "source_doc": "FS-2025-03", "page": 4},
{"text": "부채비율 145%", "value": 1.45, "source_doc": "FS-2025-03", "page": 7}
],
"missing_inputs": ["2025년 4분기 관리 회계 자료"],
"model_version": "memo-2026.11"
}claims[].value는 원본 재무 데이터와 자동 대조해 1%를 넘게 어긋나면 빨간 표시를 합니다. missing_inputs가 비어 있지 않으면 제출 버튼을 막습니다. temperature는 0~0.2로 두고 같은 입력으로 3회 돌려 숫자가 한 번이라도 갈리는 섹션은 뱅커 검토 대상으로 올립니다. 뱅커가 고친 글자 수를 기록하면 어느 섹션이 약한지 보입니다.
승인 시간 단축을 재려면 (기업대출 승인 사례와 연결) “20% 단축” 같은 숫자를 내부에서 재현하려면 시작과 끝 시각을 먼저 정해야 합니다. 신청 완료(t0), 마지막 서류 보완 도착(t1), 메모 제출(t2), 결재 완료(t3)를 모두 기록하고 고객이 서류를 늦게 낸 시간(t0~t1)은 따로 봅니다. 에이전트를 넣기 전 8~12주 치를 기준값으로 잡고 대출 규모 구간별 중앙값으로 비교합니다. 에이전트가 맡는 단계는 서류 완결성 점검, 메모 초안, 정책 기준 대조처럼 승인 전 준비 작업으로 한정하고 승인 결정은 사람이 내립니다.
사례를 등록하려면 (Priority-aligned Use Cases와 연결) 스쿼드가 사례를 시작할 때 use_case_id, squad, priority(business_banking·deposits·home_lending), goal_type(growth·productivity), metric, baseline, target, owner를 적은 등록 카드를 만듭니다. 게이트웨이 로그의 use_case_id와 이 카드를 묶으면 실적 발표 때 우선순위별 성과를 바로 뽑을 수 있습니다.
현업 실행 디테일: 누가, 언제, 무엇을
아래 역할과 일정은 원문에 없는 내용으로, 비슷한 확산을 계획하는 금융사가 실제로 돌릴 때 필요한 것을 정리한 가상 예시입니다.
| 역할 | 하는 일 | 산출물 |
|---|---|---|
| CEO·경영위원회 | 세 우선순위 확정, 스쿼드 승인 | 우선순위별 사례 목록 |
| AI 플랫폼 팀 | 게이트웨이, 모델 계약, 로그·비용 집계 | 단일 플랫폼, 월간 사용 리포트 |
| 사업부 스쿼드 리더 | 문제 정의, 기준값 측정, 확대 판정 요청 | 사례 등록 카드, 판정 자료 |
| 여신 심사역·기업금융 뱅커 | 메모 초안 검토, 수정 기록 | 검토 로그 |
| 리스크·준법 | 에이전트가 할 일과 사람이 할 일 경계 승인 | 위임 범위 문서 |
| 인사 | 역할 변화와 재배치 계획, 직원 소통 | 직무 영향 평가 |
시작 전 준비물: 최근 12개월 기업대출 건별 단계 시각(t0~t3), 신용 메모 샘플 50건과 심사역 수정 이력, 부서별 직원 수와 Ruby 계정 발급 계획, 우선순위별 기존 KPI, 모델 계약과 데이터 보관 조건을 모읍니다.
인터뷰·확인 질문
- 신용 메모에서 뱅커가 가장 오래 붙잡는 섹션은 무엇인가?
- 승인 시간 가운데 고객 서류를 기다리는 시간은 얼마나 되는가?
- 이 사례는 세 우선순위 중 어디에 기여하고 성장과 생산성 중 어느 쪽인가?
- 에이전트가 틀렸을 때 누가 발견하고 어디에 기록하는가?
- 이 사례가 확대되면 어떤 역할의 업무량이 줄고 그 인력은 어디로 가는가?
진행 판정 기준(가상 예시): 섀도 운영 4주 동안 메모 숫자 불일치 0건, 뱅커 수정량이 초안의 30% 이하, 대상 구간의 승인 시간 중앙값이 기준값보다 10% 이상 줄면 다음 단계로 넘어갑니다. 하나라도 못 맞추면 해당 섹션만 고쳐 4주를 다시 돌립니다.
적용 제언. 국내 은행·카드사에는 아래 순서를 권합니다. 먼저 모델 계약과 게이트웨이를 하나로 묶고 전 직원용 도구를 열어 부서별 사용 패턴을 3개월 모읍니다. 그 패턴과 경영 우선순위가 겹치는 곳에 사업부 스쿼드를 붙입니다. 첫 스쿼드 후보는 기업여신 심사 메모처럼 문서량이 많고 결재선이 분명한 업무입니다. 성과는 NAB처럼 비율 지표로 먼저 말하고 기준값과 측정 구간을 공개할 수 있을 때 금액으로 바꿉니다. 인력 계획은 확산 계획과 같은 문서에 두어 직원과 노조에 함께 설명합니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | iTnews, Ry Crozier, 2026년 11월 6일 |
| 발표 자리 | NAB 2026 회계연도 실적 미디어 콜, Andrew Irvine 최고경영자 |
| Ruby | Anthropic 플랫폼 기반 사내 AI, 직원 4만여 명 접근, 개인 생산성 용도 |
| 관리 체계 | AI 활동 관리 틀과 단일 AI 플랫폼 마련 |
| 스쿼드 | 사업부 주도 교차 조직 약 50개, 지난 12개월 안에 구성 |
| 파트너 | Anthropic, AWS(글로벌 전략 파트너) |
| 우선순위 | 기업금융 성장, 예금 성장, 자체 주택담보대출 성장. 사례는 성장·생산성으로 분류 |
| 성과 | 기업대출 승인 시간 20% 단축(에이전틱 AI), 변경 배포 주기 18% 개선, 신용 메모 작성 가속, 인사이트 접근 가속 |
| 공개 방식 | 금액이 아닌 비율. 다른 대형 은행은 금액 제시 |
| 인력 | 10월 약 2,500명 감원 계획 발표, AFR 보도로 약 1,200명이 기술·AI 팀, 금융노조 우려 |
| 실적 | FY26 순이익 61.4억 호주달러 |
핵심 개념
- Personal productivity
- 특정 업무 자동화가 아니라 직원 각자가 문서 작성, 요약, 검색 같은 일상 업무를 빠르게 하도록 돕는 AI 활용 방식입니다.
- Squad
- 여러 부서 인원이 한 팀으로 묶여 스타트업처럼 빠르게 움직이는 애자일 조직 단위입니다.
- Agentic AI
- 여러 단계를 스스로 계획하고 도구를 불러 일을 처리하는 AI입니다. 여기서는 기업대출 승인 과정에 쓰였습니다.
- Credit memo
- 대출 심사 때 차주의 재무 상태, 상환 능력, 담보, 위험을 정리해 결재권자에게 올리는 문서입니다.
- Change delivery cycle
- 시스템 변경이나 새 기능이 계획에서 고객에게 나가기까지 거치는 주기입니다.
- AI gateway
- 모든 모델 호출이 지나는 관문입니다. 권한 확인, 개인정보 마스킹, 로그와 비용 기록을 한곳에서 합니다.
내 메모
TODO: 내 생각 추가
원문은 iTnews 「NAB deploys AI for staff called ‘Ruby’ that is built on Anthropic」(Ry Crozier, 2026.11.6)입니다. Andrew Irvine의 발언과 수치는 원문이 전한 FY26 실적 미디어 콜 내용이며 감원 규모 가운데 기술·AI 팀 몫은 원문이 Australian Financial Review 보도를 인용한 것입니다. 요약, 핵심 메커니즘의 원문 내용, 저자가 든 사례, 원문 사례 표는 원문이 언급한 내용을 AX Partners가 다시 정리했습니다. 기술 디테일의 게이트웨이 구조·스키마·설정값, 현업 실행 디테일의 역할·일정·판정 기준, 적용 제언, 인포그래픽은 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시입니다. 전체 내용은 원문에서 볼 수 있습니다.