AX Implementation

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.

출처
The Asian Banker · Sheena Marie Gaboy
원문 제목
Microsoft outage disrupts banking communications, AI reshapes lending and staffing
유형
아티클
읽은 날
2026.11.16
원문 발행
2026.11.13

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.

2025.11 목표신규 기업 대출절반을 자율 처리(2026년 목표)2026.11 발표신규 거래 55%사람 개입 없이처리AI 지원 대출중견·대기업·초대형약 8조 루블
2025년 11월 AI Journey 발표 목표와 2026년 11월 투자자의 날 발표를 나란히 놓은 그림

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.

AI 지원 (assisted)완전 자율 (autonomous)· 대상: 중견·대기업·초대형· 단위: 대출 금액· 값: 약 8조 루블· 사람이 단계 일부를 맡을 수 있음· 대상: 신규 기업 대출 거래· 단위: 거래 건 비중· 값: 55%· 어느 단계에도 사람 손이 없음
두 숫자는 단위와 기준이 다름. 2026년 11월 12일 발표 보도 기준

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.

1. 오퍼 생성기존·잠재 고객에개별 대출 제안2. 산정·승인온라인으로 한도·조건 계산 후 승인3. 입금고객 결제 계좌로자금 지급결과모든 단계에 직원없이 끝난 거래 =autonomous
Sber가 2025년 11월 설명한 단계를 흐름으로 다시 그린 개념도

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.

상품AI 활용 정도사람 역할standard 먼저운전자금·단순 대출AI 결정 90% 이상예외 건만 검토복잡 상품 나중프로젝트 파이낸스 등아직 제외사람 판단 유지
보도에 나온 상품 구분을 표로 정리. 90% 이상은 2025년 11월 운전자금 대출 기준

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.

추천 단계 (prompts)실행 단계 (actions)· AI가 정보를 정리해 제안· 사람이 읽고 실행· 건마다 사람이 병목· 에이전트가 거래상대 확인· 결제 준비, 시스템에서 실행· 사람은 목표와 최종 결정
2026년 11월 투자자의 날 발언을 좌우 비교로 정리

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.

목표·권한 부여회사가 에이전트에목표와 권한 위임검증된 에이전트회사별 인증,전자서명, 평판A2A 거래상대 탐색, 입찰,조건 협상결제·기록에스크로, 신용한도블록체인 기록
2026년 6월 공개 당시 보도 내용을 흐름으로 다시 그린 개념도

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.

흔한 생각Sber 발표· 기업 대출은 심사역 판단 영역· 자동화는 소매 대출까지· AI는 추천, 실행은 사람· 신규 기업 대출 55% 무인 처리· 운전자금 결정 90% 이상 AI· 에이전트가 실행, 사람은 목표
Sber 수치는 2025년 11월, 2026년 11월 발표 보도 기준

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.

2024.03AI가 기업 대출결정 약 40%2025.11첫 완전 자율기업 대출2026.06GigaNetwork공개2026.08AI 지원 대출7조 루블 넘음2026.11신규 거래 55%자율, 약 8조 루블
보도 시점 기준 연표. 40%는 AI 결정 비중, 55%는 완전 자율 거래 비중으로 기준이 다름

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.

상황공급처 탐색·협상이손으로 몇 주 걸림한 일회사 에이전트끼리직접 거래하는플랫폼 시범 운영결과첫 에이전트 간 거래산업 장비 구매1분 안에 끝냄
2026년 6월 공개, 11월 발표 보도 기준

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"
}
게이트상품 유형·금액고객 이력 확인→ 대상 여부점수·규칙신용 모델 점수한도 규칙→ 승인안검사사기·제재 확인데이터 신선도→ 통과/보류실행약정·입금결정 로그 저장
가상 예시. 한 단계라도 통과 못 하면 심사역 대기열로

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.

AI가 하는 일사람 역할기간(예시)섀도AI 판정만 기록사람 결정과 비교6~8주승인 후 실행AI 승인안 생성심사역 확인 후 실행4~6주한도 내 자율금액 한도 안사람 없이 실행상시 감시
가상 예시. 기간은 건수가 충분히 쌓이는 데 걸리는 시간 기준
막히는 경우증상대응
재무 데이터 노후결산 반영 전 자료로 점수 계산financials_age_days가 기준을 넘으면 자동 보류
모델 드리프트금리·업황 변화로 부도율 예측이 어긋남월별 예측 대비 실제 연체율 비교, 기준 초과 시 섀도로 복귀
한도 쏠림같은 업종에 자율 승인이 몰림업종별 자율 승인 잔액 상한을 규칙에 추가
중복 입금재시도로 같은 약정이 두 번 실행decision_id를 멱등 키로 써서 한 번만 처리

현업 실행 디테일: 누가, 언제, 무엇을

아래 역할, 일정, 기준은 Sber 사례를 참고해 새로 짠 가상 예시입니다.

역할맡는 일
기업금융 본부장(스폰서)자율 대상 상품과 금액 한도 승인, 단계 전환 최종 결정
여신기획대상 상품 정의, 한도 규칙 문서화, 자율 비중 지표 정의
리스크관리신용 모델 검증, 드리프트 기준 설정, 월별 연체율 점검
심사역섀도 기간 AI 판정과 자기 결정 비교, 보류 건 처리
데이터·IT재무·거래 데이터 연결, 네 관문과 결정 로그 구현
준법·내부통제감독 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.

준비섀도검증판정1~2주범위·기준선3~8주섀도·일치율9~12주승인 후 실행확대 판정
가상 예시 일정
기간할 일산출물
1~2주운전자금 갱신처럼 정형 상품 1개 선정, 처리 시간·승인율·연체율 기준선 측정범위 정의서, 기준선
3~8주섀도 운영, 심사역 결정과 AI 판정 비교일치율, 불일치 사례집
9~12주승인 후 실행 운영, 경영 보고수정률, 처리 시간, 확대 판정

심사역과 여신기획에 물을 것.

  1. 운전자금 갱신 한 건에 지금 며칠, 몇 사람이 붙나요?
  2. 갱신 건 중 조건을 바꾸지 않고 그대로 승인하는 비율은 얼마인가요?
  3. 사람이 판단을 뒤집는 대표 사유 세 가지는 무엇인가요?
  4. 절대 자동으로 내주면 안 되는 고객·업종·금액은 무엇인가요?
  5. 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

항목내용
기사The Asian Banker, Sheena Marie Gaboy, 주간 정리 기사의 Sber 항목(2026.11.13)
발표2026.11.12 Sber 투자자의 날, Alexander Vedyakhin 이사회 제1부회장
자율 처리신규 기업 대출 거래 55%를 직원 개입 없이 처리
AI 지원 대출중견·대기업·초대형 기업 대상 약 8조 루블
에이전트 업무정보 분석, 거래상대 검증, 결제 준비, 회사 시스템 작업
GigaNetwork첫 에이전트 간 거래 성사, 시범에서 산업 장비 1분 안에 구매
실적2026년 9개월 순이익 1조 5,300억 루블(+17%), ROE 24%
이전 목표2025.11 AI Journey: 2026년 신규 거래 절반 자율, 운전자금 결정 90% 이상 AI, AI 대출 포트폴리오 5조 루블
이전 수치2024.03 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.

Related

함께 읽으면 좋은 노트

AX Implementation아티클

The Frame: BBVA가 시범 AI 에이전트를 통제한 채 은행 전체로 넓히는 틀

Investing.com · BBVA 2026년 3분기 실적 발표 콜

BBVA CEO는 3분기 콜에서 AI 음성 비서가 시범 상호작용의 약 90%를 해결했고 일부 AI 에이전트가 기업 고객 리스크 금융 프로그램 준비 시간을 최대 30% 줄였다고 밝혔습니다. 이를 은행 전체로 넓히는 수단으로 에이전트를 만들고 배포·관리하는 틀 'The Frame'을 내세웠습니다. 따라 할 때의 측정 기준, 플랫폼 구성, 10주 계획을 붙였습니다.

CEOCIO·CTOAX 추진
#사례#에이전트 2026.11.01 ↗
AX Implementation아티클

Business Agent Foundry: AT&T가 업무를 통째로 다시 짜고 정확도로 자율 실행을 허락하는 방식

SiliconANGLE · Paul Gillin

AT&T는 에이전트 워크플로 약 500개를 운영 중이고 내년에 3배로 늘릴 계획입니다. 업무 하나가 아니라 프로세스 전체를 다시 짜고 모든 워크플로를 사람 감독으로 시작해 정확도가 90% 중후반에 이르면 자율 실행으로 넘깁니다. 고객에 닿는 워크플로는 Business Agent Foundry의 보안·개인정보·컴플라이언스 심사를 거칩니다.

CIO·CTOAX 추진CEO
#사례#에이전트 2026.11.15 ↗
AX Implementation아티클

Ruby and AI Squads: NAB가 직원 4만 명 AI 도구와 사업부 스쿼드 50개로 AI를 넓힌 방식

iTnews · Ry Crozier

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.

CEOAX 추진현업 리더
#사례#금융 2026.11.14 ↗