AI vs Analysts: 공개 자료만 쓴 AI가 3분기 실적 50건 중 40건을 컨센서스보다 가깝게 맞힌 실험
Fortune이 금융 AI 스타트업 Samaya에 3분기 실적 50건을 발표 하루 전까지 예측하게 하고 Bloomberg 컨센서스와 겨루게 했더니 40건에서 AI가 실제치에 더 가까웠습니다. 사적 리서치가 몰리는 Amazon·Google 같은 초대형주에서는 애널리스트가 더 맞았습니다.
Agentic Payment Controls: Deutsche Bank가 AI 에이전트에게 결제 제안만 맡기고 실행 직전에 다시 확인하는 설계
Deutsche Bank는 Ant Digital Technologies와 낸 11월 백서에서 자금·국경 간 결제·무역금융 에이전트가 혼자 판단·승인·실행하지 못하게 나누고, 위임은 범위를 정해 언제든 거둘 수 있게 하며, 제재·유동성·신용 익스포저·계좌 적격성은 실행 직전에 다시 확인하자고 제안했습니다. QA Financial은 여기서 단계 경계 테스트와 자동 재시도 중복 결제 점검을 끌어냅니다.
Agentic Finance at Runtime: 싱가포르 금융권이 AI 에이전트에 권한을 단계적으로 넘기고 실행 전에 검증하는 법
싱가포르 Insights 2040 첫날 논의를 정리한 글입니다. 금융사가 AI로 돈을 벌려면 업무 하나가 아니라 프로세스 전체를 바꾸고 운영비를 사용 사례별로 나눠 따져야 한다고 봅니다. 또 에이전트마다 책임자와 결정 한도를 정해 권한을 보조, 권고, 감시 하 실행 순으로 넓히라고 제안합니다. 실행 직전 행동을 검증하고 기록하는 SAFR 체크포인트도 함께 다룹니다.
ChatGPT Enterprise Pilot: Credit Saison이 직원 10% 시범으로 ROI 954%를 확인하고 한 달 만에 전사 도입한 방법
일본 카드사 Credit Saison은 사장을 포함한 전 임원과 각 부서 직원 315명으로 ChatGPT Enterprise 시범을 돌렸습니다. 목표로 잡은 ROI 500%, 1인 월 7.5시간 절감을 ROI 954%, 월 14시간으로 넘겼고 시범이 끝난 뒤 한 달 안에 전 직원 도입을 결정했습니다.
Chief AI Officer: 은행 AI 책임자는 시험 결과로 배포를 멈출 수 있어야 의미가 있다
Barclays, HSBC, ANZ, Bank of Ireland, Liberty Bank가 잇따라 최고AI책임자(CAIO)를 세웠습니다. QA Financial은 직함보다 시험·검증 결과가 배포를 늦추거나 멈출 수 있는 사람에게 닿는지가 성숙도를 가른다고 봅니다. Liberty Bank는 COO·CFO·CRO가 AI 센터를 함께 이끌고 Bank of Ireland는 하루 약 290만 건 거래를 AI로 사기 심사합니다.
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.
Agentic AI Investigator: Starling Bank의 17초 자금세탁 경보 조사 에이전트, 무엇으로 믿을 수 있나
영국 Starling Bank는 거래 모니터링 경보 1건을 조사하고 기록을 남겨 결정까지 내리는 에이전트를 코어뱅킹 안에 넣어 17초에 처리한다고 밝혔습니다. QA Financial은 속도와 별개로 놓친 증거, 상향 보고 시점, 기록의 충실도, 장애 때의 행동을 시험해야 신뢰할 수 있다고 봅니다.
Client Onboarding Agent: Northern Trust, 기관 고객 데이터 준비를 2.5주에서 3일로
Northern Trust는 기관 고객이 가져오는 수년치 거래·현금흐름 기록을 자사 표준 형식으로 바꾸는 매핑을 에이전트에 맡기고 분석가는 검토와 예외 처리만 합니다. 데이터 준비 기간은 2.5주에서 3일로 83% 줄었고 첫 매핑 F1은 96.5%입니다. Microsoft Frontier Company의 FDE 팀과 함께 만들었습니다.
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.
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.
Capacity Is a Resource, Not a Return: AI로 아낀 시간을 재무 성과로 바꾸는 CFO의 세 단계
Gartner가 기능 부서 리더 1,303명을 조사해 보니 AI로 인원이 줄었다는 답은 23%, 늘었다는 답은 17%였습니다. AI로 아낀 시간은 그냥 두면 흩어지니 행선지를 이사회에서 정하고 팀 목표에 재배치를 넣어 절약 시간 대신 매출·비용 회피·예측 정확도로 재라고 CFO에게 권합니다.
Next Big Delivery Is Data: FedEx가 소포 1,700만 개의 데이터를 대출 심사·경기 지수로 파는 법
FedEx Dataworks는 하루 약 1,700만 개 소포 데이터를 ML에 넣어 배송 예측 산출 시간을 몇 달 만에 절반으로 줄였고, 같은 데이터를 Stripe의 소상공인 대출 심사와 정부 통계보다 4~6주 빠른 D&B 소매 지수로 밖에 팝니다. 지금까지 절감액은 연 약 1,000만 달러이고, 다음 단계는 새 매출입니다.
End-to-End Redesign: Citi는 프로세스 약 100개를 통째로 다시 짜는데, 은행 13%만 그렇게 한다
American Banker 조사에서 AI를 도입할 때 업무 흐름을 처음부터 끝까지 다시 짠다는 은행 실무자는 13%였고, 대부분은 기존 흐름에 AI를 덧붙였습니다. Citi는 수작업이 가장 많은 프로세스 약 100개를 AI와 자동화로 다시 짜며 매주 점검합니다.
AI Chief Investment Officer: Blackstone 투자위원회에 투표권 없이 올라가는 AI 평가 메모
Blackstone은 월요일 투자위원회에 올라가는 거의 모든 투자 건에 딜팀 메모와 별도로 AI가 쓴 평가 메모를 붙입니다. 이 AI는 14년 넘는 내부 투자 메모와 위원회 토론을 바탕으로 하며, 승인·거절 권한은 없고 결정은 경영진이 내립니다.
Bots in the Boardroom: Lloyds·IQ-EQ가 이사회 준비와 의사록에 AI를 쓰는 방식
Lloyds Banking Group은 FTSE 100 가운데 처음으로 이사회 준비에 AI 에이전트를 쓰고, 연 3만 회 이사회를 운영하는 IQ-EQ는 자료 요약과 의사록에 AI를 씁니다. 반면 미국 상장사 절반은 이사회 전용 AI 정책이 없습니다.
국내 기업 AX 소식: 현업 병목을 실제 데이터로 먼저 시험하고 넓힌다 (11월 7일 묶음)
11월 5~6일 국내 기업 AX 소식 3건을 묶었습니다. NH농협은행은 직원 제안 39건에서 업무 에이전트 10개를 골라 PF 보고서 초안을 5영업일 이상에서 약 4시간으로 줄일 것으로 보고, 창신INC는 실제 데이터로 에이전트를 시험한 뒤 Palantir 플랫폼을 개발~생산에 붙였고, SKT는 AI 망 운영에 체감품질 지표를 더했습니다.
Semantic Layer: DB에 모델만 붙였다 실패한 Franklin Templeton이 주식 리서치를 다시 짠 방법
Franklin Templeton은 주식 리서치부터 애널리스트의 1차 분석과 리서치·리스크·컴플라이언스·트레이딩 관점을 포트폴리오 매니저가 한 번에 비교하는 AI 워크플로를 만들고 있습니다. DB에 모델만 연결한 첫 시도는 데이터 관계를 몰라 실패했고 에이전트와 Semantic Layer를 더해 방향을 바꿨습니다. OpenAI 고객 사례이며 수치는 공개하지 않았습니다.
Robin: BILL 리스크팀이 에이전트 3개로 신용 한도 심사 대기를 3시간에서 12분으로
BILL은 신용 한도 심사 요청을 심사역에게 배정하고 고객 데이터를 한 장으로 요약해 원클릭 결정 링크를 붙이는 일을 에이전트 3개 묶음 Robin에 맡겨 건당 대기를 약 3시간에서 12분으로 줄였습니다. 리스크팀은 1년간 24시간 도는 에이전트를 100개 넘게 만들어 매달 1,400시간 이상(정규직 약 8명분)을 돌려받는다고 밝혔습니다.
Governance as Infrastructure: AWS가 본 에이전트 확산 조건과 독일 은행의 대출 프로세스 재설계
AWS 상주 임원 Matthias Patzak은 고객이 가장 걱정하는 것이 거버넌스, 그다음이 가치라고 봅니다. 거버넌스는 정책 문서가 아니라 에이전트가 도는 플랫폼에 경계로 넣으라고 권했습니다. 독일 대형 은행 CIO가 핵심 인력 50명과 1주 합숙해 주택담보대출을 처음부터 다시 그리게 한 사례와 현업 전문가가 만든 에이전트를 동료 200명이 쓰는 사례를 들었습니다.
Invisible Utility: LLM이 계좌를 쥐면 은행이 잃는 고객 관계와 지킬 해자
북미 상위 40개 리테일 은행 절반을 고객으로 둔 Personetics의 CEO Udi Ziv는 고객이 계좌를 LLM에 연결하면 은행이 관계를 잃고 뒤로 숨은 유틸리티가 될 수 있다고 봤습니다. 은행의 무기로 공유 의무 없는 거래 데이터와 RM·지점·콜센터 같은 사람 채널을 꼽았고, 이를 실제로 돌리기 위한 접근 정책·이탈 신호·뱅커 리드 설계와 8주 계획을 붙였습니다.
Multi-Agent Orchestration: 금융사 59%가 쓰지만 전사로 조율한 곳은 10%
Capgemini가 금융사 경영진 1,100명을 조사했더니 59%가 멀티에이전트를 시험하거나 배포했지만 전사로 조율한 곳은 10%였고, 절반가량은 투자 수익을 꾸준히 입증하지 못했습니다. 90%는 모델 라우팅으로 토큰 비용을 통제하려 합니다. 라우팅 로그 JSON과 6주 실행안을 붙였습니다.
Banking's AI Job Squeeze: NatWest·Barclays가 감원과 AI를 각자 어떻게 설명했나
NatWest는 3분기에만 약 1,000 FTE를 줄여 연초 이후 transformation 순감축이 1,400 FTE가 됐고, 단순화와 신기술로 9개월간 약 4억 2,000만 파운드를 절감했다고 밝혔습니다. 회사는 감원을 AI의 결과로 못 박지 않았고, Barclays는 AI가 효율 개선의 대부분을 이끈다고 말했습니다. 인력 변화를 원인별로 나눠 적는 FTE bridge와 12주 준비안을 붙였습니다.
Advisor-Built Agents: Morgan Stanley가 어드바이저 에이전트 5만 건 중 쓰이는 것만 골라 키우는 법
Morgan Stanley 자산관리 부문은 어드바이저가 자연어로 에이전트를 직접 만들게 했고 시도가 5만 건 가까이 쌓였습니다. 팀에서 실제로 쓰는 것만 정확성·완전성을 검토해 전사로 넓히고 회사가 만든 AI@MS 어시스턴트는 어드바이저 문의 절반을 먼저 받습니다. 사용량 기반 검토 관문과 8주 계획을 붙였습니다.
AI Benefits: Lloyds가 AI 효익을 작년의 두 배인 1억 파운드 넘게 키우는 중
Lloyds CFO는 10월 29일 3분기 콜에서 올해 AI 효익이 1억 파운드를 넘을 궤도에 있다고 밝혔습니다. 2025년 생성형 AI 몫 약 5천만 파운드의 두 배이며, 비용수익비율 47.2%와 누적 비용 절감 20억 파운드 옆에 놓인 숫자입니다. 과제별 효익 장부와 분기 일정을 붙였습니다.
Engineers Only: Goldman Sachs가 Claude Code·GitHub 사용을 엔지니어로 좁힌 결정
Goldman Sachs가 10월 내부 지침으로 Claude Code와 GitHub 코딩 도구를 엔지니어만 쓰게 했습니다. 7월에는 CIO가 비개발자의 vibe coding을 칭찬했지만 회사는 실험 뒤 가장 잘 쓸 사람에게 도구를 모은다고 설명합니다. 역할별 권한 정책 JSON과 6주 재배치 계획을 붙였습니다.
More Loans, Not Fewer People: AI 에이전트로 대출 심사를 87% 줄이고 남은 시간은 영업 확대에
First Internet Bank는 AI 에이전트에게 SBA 대출 신청자의 기록 수집, 실소유자 확인, 제재·사기 점검을 맡겨 건당 심사를 8~10시간에서 1시간 미만으로 줄였습니다. 네 업무에서 연 2만 4,300시간이 풀리지만 CEO는 감원 대신 두 배의 거래를 주문했습니다. 보고서 필드, route 규칙, 8주 시범안을 붙였습니다.
Autonomy Within Bounds: Barclays의 첫 CAIO 임명과 에이전트를 묶어 두는 권한·관측·kill switch
Barclays가 그룹 비서실장 Anita Tanna를 첫 최고AI책임자(CAIO)로 임명했습니다. QA Financial은 이 소식을 사내 AI 엔지니어가 말한 에이전트 운영 원칙과 묶어 읽습니다. 관측을 먼저 갖추고, 허용된 권한 안에서만 움직이게 하고, kill switch를 코드로 거는 일입니다. 텔레메트리 필드, 통제 단계, 8주 계획을 붙였습니다.
AI P&L Impact: 3분기 실적에서 AI 효과를 금액으로 밝힌 회사는 Santander뿐이었다
2026년 3분기 실적 시즌에 Novartis, Standard Chartered, Carlsberg 경영진이 CNBC에 AI 효과를 말했지만 금액을 밝힌 곳은 Santander(9개월 €194M) 하나였고 계산법은 없었습니다. 과제별 AI 가치 장부와 분기 일정을 붙였습니다.
Quality and Consistency: Standard Chartered가 자산관리 AI를 비용 절감보다 응대 품질에 먼저 쓰는 이유
Standard Chartered의 Bill Winters CEO는 3분기 콜에서 자산관리 AI의 1순위 use case를 고객 응대의 품질과 일관성으로 꼽았습니다. 목표는 비용 절감보다 고객 만족과 매출 생산성이라고 했고, AI로 아낀 금액이나 인력 수치는 내놓지 않았습니다. 13억 달러를 들인 Fit for Growth는 AI 이전 원가 프로그램이라 따로 봅니다. 응대 품질 채점 방식과 8주 시범안을 붙였습니다.
Liability Shift: AI 쇼핑 에이전트가 잘못 산 결제를 누가 떠안을지 갈리는 카드사·은행
AI 쇼핑 에이전트 결제는 빠르게 늘고 있지만 에이전트가 잘못 샀을 때 누가 책임지는지 정한 업계 공통 규칙은 아직 없습니다. 기사에 나온 소비자 보호 정책은 Amex의 등록 에이전트·purchase intent 문서와 Stripe Link 구매 보호 두 가지이고, 은행들은 업계 공통 규칙과 기술 기업의 책임 분담을 요구합니다.
The Frame: BBVA가 시범 AI 에이전트를 통제한 채 은행 전체로 넓히는 틀
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.
Live AI Use Cases: UBS가 운영 중 AI 608개와 직원 에이전트 1만 2,700개를 실적에 공시하는 방식
UBS는 3분기 실적 발표에 운영 중 AI 사용 사례 608개(전년 대비 81% 증가), 개발 중 1,090개 이상, 직원 개인 에이전트 1만 2,700개 이상을 함께 적었습니다. 시범 수 대신 운영 단계 숫자로 AI 포트폴리오를 보고하는 구조에 등록부 설계와 8주 구축안을 붙였습니다.