Autonomous Corporate Lending: Sber는 신규 기업 대출 55%를 사람 손 없이 처리한다
Sber는 2026년 11월 12일 중견·대기업 신규 대출 거래의 55%를 직원 개입 없이 AI로 처리하고, AI 지원으로 나간 기업 대출이 약 8조 루블이라고 밝혔습니다. 1년 전 세운 '2026년 신규 거래 절반 자율 처리' 목표를 넘긴 수치입니다.
러시아 최대 은행 Sber는 기업 대출에서 오퍼 생성부터 입금까지 사람이 한 번도 손대지 않는 거래를 신규 건의 55%까지 늘렸습니다. 따라 하려면 모델보다 먼저 자율 처리 대상 상품, 사람에게 넘기는 조건, 권한을 넓히는 단계를 정해야 합니다.
요약
Sber 이사회 제1부회장 Alexander Vedyakhin은 2026년 11월 12일 투자자의 날(Investor Day)에서 기업 대출 수치를 내놨습니다. 신규 기업 대출 거래의 55%가 AI 기반 의사결정으로 처음부터 끝까지 직원 개입 없이 처리됩니다. 중견·대기업·초대형 기업에 AI 지원으로 나간 대출은 약 8조 루블입니다. 그는 AI 도입 효과가 가장 큰 곳으로 대출을 꼽았습니다. Sber는 1년 전인 2025년 11월 AI Journey 콘퍼런스에서 2026년 목표로 이 세 기업 고객군의 신규 거래 절반을 자율 처리하겠다고 했습니다. 이번 55%는 그 목표를 넘긴 결과입니다. The Asian Banker는 이 발표를 주간 정리 기사의 한 항목으로 다뤘습니다.
두 숫자는 재는 대상이 다릅니다. 8조 루블은 AI가 한 단계라도 거든 대출의 금액입니다. 55%는 사람이 전혀 손대지 않은 신규 거래의 건수 비중입니다. Vedyakhin은 변화의 핵심을 추천에서 실행으로 넘어가는 것으로 설명했습니다. 에이전트가 정보 분석, 거래상대 확인, 결제 준비, 회사 시스템 안의 작업을 맡습니다. 사람은 목표를 정하고 최종 결정을 내립니다. 같은 날 Sber는 2026년 9개월 순이익 1조 5,300억 루블(전년 대비 17% 증가)과 자기자본이익률 24%도 발표했습니다. 아래에서는 Sber가 밝힌 대출 처리 단계와 자율화 순서를 메커니즘으로 나누고 다른 회사가 실제로 돌릴 때 필요한 설계와 일정을 덧붙입니다.
핵심 메커니즘
Digital Credit Process: 오퍼에서 입금까지 한 줄로 이은 대출 처리
Sber가 기업 고객용으로 만든 대출 처리 흐름입니다. 2025년 11월 설명에 따르면 세 단계로 이어집니다. 기존 고객과 잠재 고객에게 개별 대출 오퍼를 만듭니다. 이어 한도와 조건을 온라인으로 계산해 승인한 뒤 고객 결제 계좌에 돈을 넣습니다. 당시 대출 서비스를 쓰는 기업 고객의 96%가 개별 오퍼를 받았습니다. 세 단계 모두 직원 없이 끝나면 그 거래가 autonomous(완전 자율) 거래로 잡힙니다. Sber는 2025년 11월 중견기업 고객에게 처음으로 이런 대출을 내줬습니다. 사람이 일부 단계를 맡은 거래는 자율 건수에 들지 않고 AI 지원 대출 금액 쪽에 잡히는 것으로 읽힙니다. 가상 예시로, 운전자금 한도를 갱신하려는 기존 거래처라면 오퍼가 미리 계산돼 있어 고객이 수락하는 순간 승인과 입금이 이어집니다.
Standard First: 단순 상품부터 사람을 뺀다
Sber는 모든 기업 대출을 한꺼번에 자동화하지 않았습니다. 2025년 11월 기준으로 운전자금 대출 결정의 90% 이상을 AI 모델이 내렸습니다. Herman Gref CEO는 Finopolis 포럼에서 사람 개입 없는 대출이 표준 상품(plain vanilla, 조건이 정형화된 상품)에 한정되고 프로젝트 파이낸스 같은 상품은 아직 들어가지 않았다고 말했습니다. 2025년 12월 Anatoly Popov 부회장은 중견기업의 단순·표준화 대출 거래 절반을 사람 없이 처리하는 목표를 소개하면서, 시험 운영에서 신청부터 입금까지 약 10분이 걸렸다고 밝혔습니다. 반복 건수가 많고 조건이 정형화된 상품이 자율화의 첫 대상입니다. 담보 구조나 사업 전망을 따져야 하는 거래는 뒤로 미룹니다.
From Prompts to Actions: AI가 제안하던 일을 실행까지 맡는다
Vedyakhin은 이번 발표에서 Sber가 AI 에이전트에 더 복잡한 일을 넘기고 있다고 했습니다. 예로 든 일은 정보 분석, 거래상대 검증, 결제 준비, 회사 시스템 안의 특정 작업입니다. 추천 단계에서는 AI가 결과를 정리해도 사람이 읽고 버튼을 눌러야 일이 진행됩니다. 실행 단계에서는 에이전트가 그 버튼까지 누릅니다. 사람은 목표와 권한 범위를 정하고 최종 결정을 맡습니다. 2026년 7월 인터뷰에서 그는 이 방식을 controlled autonomy(통제된 자율)라고 불렀습니다. 대출은 항공권 예약보다 오류 비용이 훨씬 크기 때문에, 반복 업무에서 신뢰도 통계를 쌓은 뒤에야 에이전트를 중요한 영역에 넣는다는 설명입니다.
GigaNetwork: 회사 에이전트끼리 거래하는 플랫폼
대출 다음 단계로 Sber가 내놓은 것이 GigaNetwork입니다. 2026년 6월 상트페테르부르크 국제경제포럼에서 공개한 A2A(agent-to-agent, 에이전트 간) 거래 플랫폼입니다. 회사마다 검증을 거친 에이전트가 위임받은 권한 안에서 거래상대를 찾고 입찰을 열어 조건을 협상한 뒤 결제까지 진행합니다. 은행 수준의 신원 확인, 전자서명, 참여자 평판 점수, 거래상대 점검이 신뢰 장치로 붙습니다. 주요 이벤트는 블록체인에 기록됩니다. 에스크로, 스마트 계약, 신용한도 유예 같은 금융 기능은 해당 단계에서 자동으로 걸립니다. Sber는 거래 비용을 최대 90% 줄이고 몇 주 걸리던 거래를 몇 시간으로 줄일 수 있다고 설명했습니다.
통념과 다른 주장
흔히 이렇게 봅니다기업 대출은 심사역이 재무제표와 사업을 직접 따져야 하는 영역이라, 완전 자동화는 소비자 대출까지라고 봅니다.
Sber는 이렇게 봅니다정형화된 기업 대출은 사람 없이 처리할 수 있으며 이미 신규 거래의 절반 넘게 그렇게 처리합니다. 사람은 개별 건 대신 목표와 최종 결정을 맡습니다.
근거신규 기업 대출 거래 55%가 완전 자율로 처리되고, 운전자금 대출 결정의 90% 이상을 AI 모델이 내립니다. 2024년 3월에는 기업 대출 결정의 약 40%를 AI가 내린다고 밝혔습니다.
저자가 든 사례
Sber 기업 대출: 2년 반 동안 자율 처리 비중을 올린 과정
상황. 2024년 3월 Gref CEO는 기업 대출 결정의 약 40%를 AI가 내린다고 했습니다. 목표는 2024년 말 60%, 2026년 말 80%였습니다. 소비자 신용, 주택담보, 자동차 대출은 그때 이미 AI가 전부 결정하고 있었습니다. 한 일. 기업 고객용 Digital Credit Process로 오퍼, 승인, 입금을 온라인으로 묶었습니다. 2025년 11월에는 첫 완전 자율 기업 대출을 내줬습니다. 그 자리에서 2026년 목표를 신규 거래 절반 자율 처리로 잡았습니다. 결과. 2026년 11월 신규 기업 대출 거래 55%가 완전 자율로 처리됐습니다. AI 지원 대출은 약 8조 루블에 이르렀습니다. 8월 보도 제목은 이 금액을 7조 루블 넘음으로 전했습니다. 연결. Standard First와 Digital Credit Process가 실제로 어떤 속도로 넓어졌는지 보여 주는 사례입니다.
GigaNetwork 시범: 공급처 탐색을 에이전트 간 거래로
상황. Vedyakhin은 플랫폼 밖에서는 공급처를 찾고 검증하고 조건을 맞추는 일이 여전히 손으로 이뤄져 거래까지 몇 주가 걸린다고 짚었습니다. 한 일. 2026년 6월 GigaNetwork 시범에서 PhosAgro와 ETM은 전기 부품을, Aeroflot과 Sber는 직원 항공권을, 다른 두 회사는 감속기를 에이전트로 사고팔았습니다. 결과. 11월 발표 기준으로 플랫폼의 첫 에이전트 간 거래가 성사됐고, 시범에서 에이전트가 산업 장비를 1분 안에 구매했습니다. 연결. From Prompts to Actions가 은행 안을 넘어 고객사 구매 업무로 이어진 사례입니다.
기술 디테일: 자율 대출 파이프라인을 직접 만든다면
아래 필드명, 설정값, 기간은 실제로 돌릴 때 필요한 것을 새로 쓴 가상 예시입니다. Sber가 쓰는 모델과 데이터 항목은 보도에 나오지 않습니다.
Digital Credit Process를 흉내 내려면 결정을 네 관문으로 나눕니다. 첫 관문은 자율 처리 대상인지 거르는 규칙입니다. 상품 유형, 금액, 거래 이력 기간으로 판정합니다. 둘째 관문에서 신용 점수 모델(그래디언트 부스팅 같은 표 데이터 모델)이 부도 확률을 내면 한도 규칙이 승인 금액을 계산합니다. LLM은 숫자를 정하지 않습니다. 재무제표 PDF나 공시에서 값을 뽑아 구조화하고, 보류 건을 심사역에게 설명하는 문장을 씁니다. 추출은 temperature 0으로 두 번 돌려 값이 다르면 그 건을 보류합니다. 셋째 관문은 사기·제재 명단 확인과 입력 데이터의 신선도 검사입니다. 넷째 관문에서 약정과 입금을 실행합니다. 결정 한 건은 아래처럼 남깁니다.
{
"decision_id": "CL-2611-00412",
"client_id": "기업 고객 번호",
"product": "working_capital_renewal",
"amount_rub": 150000000,
"eligibility": {"standard_product": true, "relationship_months": 38, "amount_cap_ok": true},
"pd_score": 0.012,
"limit_rule": "min(매출의 15%, 기존 한도의 1.2배)",
"checks": {"sanctions": "pass", "fraud": "pass", "financials_age_days": 41},
"mode": "autonomous",
"fallback_reason": null,
"model_version": "pd-v7.3"
}
자율 비중을 숫자로 관리하려면 지표 정의부터 고정합니다. Sber의 두 숫자처럼 건수 기준 자율 비중과 금액 기준 AI 지원 규모를 따로 셉니다. 자율 비중은 mode가 autonomous인 신규 건 수를 전체 신규 건 수로 나눕니다. 직원이 한 번이라도 화면을 열어 값을 고친 건은 AI 지원으로 분류합니다. 이 정의가 흔들리면 비중이 실제보다 높게 보고됩니다.
권한은 controlled autonomy처럼 단계로 엽니다. 섀도 단계에서는 AI 판정을 기록만 하고 심사역 결정과 비교합니다. 일치율이 기준을 넘으면 AI 승인안을 심사역이 확인하는 단계로, 수정률이 낮게 유지되면 금액 한도 안에서 자율 실행으로 넘어갑니다.
| 막히는 경우 | 증상 | 대응 |
|---|---|---|
| 재무 데이터 노후 | 결산 반영 전 자료로 점수 계산 | financials_age_days가 기준을 넘으면 자동 보류 |
| 모델 드리프트 | 금리·업황 변화로 부도율 예측이 어긋남 | 월별 예측 대비 실제 연체율 비교, 기준 초과 시 섀도로 복귀 |
| 한도 쏠림 | 같은 업종에 자율 승인이 몰림 | 업종별 자율 승인 잔액 상한을 규칙에 추가 |
| 중복 입금 | 재시도로 같은 약정이 두 번 실행 | decision_id를 멱등 키로 써서 한 번만 처리 |
현업 실행 디테일: 누가, 언제, 무엇을
아래 역할, 일정, 기준은 Sber 사례를 참고해 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| 기업금융 본부장(스폰서) | 자율 대상 상품과 금액 한도 승인, 단계 전환 최종 결정 |
| 여신기획 | 대상 상품 정의, 한도 규칙 문서화, 자율 비중 지표 정의 |
| 리스크관리 | 신용 모델 검증, 드리프트 기준 설정, 월별 연체율 점검 |
| 심사역 | 섀도 기간 AI 판정과 자기 결정 비교, 보류 건 처리 |
| 데이터·IT | 재무·거래 데이터 연결, 네 관문과 결정 로그 구현 |
| 준법·내부통제 | 감독 규정 대조, 자율 결정 설명 자료와 감사 추적 검토 |
준비물. 최근 3년 기업 대출 신청과 결정 이력, 사람이 바꾼 한도와 그 사유, 운전자금 갱신 건 목록, 재무제표 수집 주기, 연체 이력, 자율 처리에서 뺄 상품 목록이 필요합니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 운전자금 갱신처럼 정형 상품 1개 선정, 처리 시간·승인율·연체율 기준선 측정 | 범위 정의서, 기준선 |
| 3~8주 | 섀도 운영, 심사역 결정과 AI 판정 비교 | 일치율, 불일치 사례집 |
| 9~12주 | 승인 후 실행 운영, 경영 보고 | 수정률, 처리 시간, 확대 판정 |
심사역과 여신기획에 물을 것.
- 운전자금 갱신 한 건에 지금 며칠, 몇 사람이 붙나요?
- 갱신 건 중 조건을 바꾸지 않고 그대로 승인하는 비율은 얼마인가요?
- 사람이 판단을 뒤집는 대표 사유 세 가지는 무엇인가요?
- 절대 자동으로 내주면 안 되는 고객·업종·금액은 무엇인가요?
- 자율 승인 건이 부실화되면 누가 언제 알아채고 어떻게 멈추나요?
진행 판정 기준(예시). 섀도 기간 일치율이 90% 이상이고 불일치 건의 절반 이상을 AI 쪽 판단이 맞았다고 리스크관리가 판정하면 승인 후 실행으로 갑니다. 그 단계에서 수정률이 5% 미만이고 연체율이 기준선보다 나빠지지 않으면 한도 내 자율로 넘어갑니다. 자율 건에서 규정 위반이 한 건이라도 나오면 이전 단계로 돌아갑니다.
AX 적용 제언. 국내 은행과 캐피탈사라면 Sber처럼 운전자금 갱신, 한도 증액 같은 반복 건부터 자율 비중을 재는 것이 출발점입니다. 경영 보고에는 건수 기준 자율 비중과 금액 기준 AI 지원 규모를 나란히 두어야 과장 없이 진척을 보여 줄 수 있습니다. 은행이 아닌 제조·유통 기업에는 GigaNetwork 쪽이 가깝습니다. 견적 요청, 공급사 검증, 발주처럼 몇 주 걸리는 구매 업무를 에이전트에 위임할 때도 같은 단계식 권한 확대와 결정 로그 원칙이 그대로 쓰입니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 기사 | The Asian Banker, Sheena Marie Gaboy, 주간 정리 기사의 Sber 항목(2026.11.13) |
| 발표 | 2026.11.12 Sber 투자자의 날, Alexander Vedyakhin 이사회 제1부회장 |
| 자율 처리 | 신규 기업 대출 거래 55%를 직원 개입 없이 처리 |
| AI 지원 대출 | 중견·대기업·초대형 기업 대상 약 8조 루블 |
| 에이전트 업무 | 정보 분석, 거래상대 검증, 결제 준비, 회사 시스템 작업 |
| GigaNetwork | 첫 에이전트 간 거래 성사, 시범에서 산업 장비 1분 안에 구매 |
| 실적 | 2026년 9개월 순이익 1조 5,300억 루블(+17%), ROE 24% |
| 이전 목표 | 2025.11 AI Journey: 2026년 신규 거래 절반 자율, 운전자금 결정 90% 이상 AI, AI 대출 포트폴리오 5조 루블 |
| 이전 수치 | 2024.03 기업 대출 결정 약 40% AI(Gref) |
핵심 개념
- Autonomous deal
- 신청부터 입금까지 어느 단계에도 직원이 개입하지 않은 대출 거래입니다.
- AI-assisted lending
- AI가 오퍼, 산정, 승인 가운데 일부라도 맡은 대출입니다. 사람이 일부 단계를 맡아도 여기에 들어갑니다.
- Plain vanilla
- 조건과 구조가 정형화돼 규칙과 모델로 판정하기 쉬운 표준 금융 상품입니다.
- Controlled autonomy
- 사람이 목표와 권한 범위를 정하고, 그 안에서만 AI가 스스로 실행하게 하는 운영 방식입니다.
- A2A
- 서로 다른 회사의 AI 에이전트가 사람을 거치지 않고 직접 협상하고 거래하는 방식입니다.
- Shadow mode
- AI가 판정을 내리되 실행하지 않고 사람 결정과 나란히 기록만 하는 운영 방식입니다.
내 메모
TODO: 내 생각 추가
원문은 The Asian Banker의 「Microsoft outage disrupts banking communications, AI reshapes lending and staffing」(Sheena Marie Gaboy, 2026.11.13)의 Sber 항목입니다. 기사 페이지를 직접 열 수 없어 같은 발표를 다룬 공개 보도로 사실을 확인했습니다. 2026년 11월 발표는 Lenta.ru와 Gazeta.ru(2026.11.12) 보도를, 이전 경과는 Finance Mail의 AI Journey 보도(2025.11.20), Reuters 보도(2024.03.05), Interfax의 Finopolis 보도, Gazeta.ru의 FI Day 보도(2025.12), 인공지능 연합(a-ai.ru) 인터뷰(2026.07), kod.ru의 GigaNetwork 보도(2026.06)를 근거로 했습니다. Sber 공식 보도자료 원문은 확인하지 못했습니다. 요약, 핵심 메커니즘, 통념과 다른 주장, 사례는 이 자료에 나온 내용을 AX Partners가 다시 정리했습니다. 기술·현업 디테일의 필드명, 설정값, 일정, 질문, 판정 기준과 인포그래픽, 표는 실제로 돌릴 때 필요한 것을 새로 작성한 가상 예시입니다. 원문 전체는 The Asian Banker 기사에서 볼 수 있습니다.