지금 꼭 알아야 할 3대 디지털 금융 트렌드와 활용 전략

2024-07-10 홍은주

- 이 아티클은 2024년 4월, 삼성SDS가 금융 고객을 대상으로 진행한 「삼성SDS Gen AI Day」 세미나 중, ‘지금 꼭 알아야 할 3대 디지털 금융 트렌드’와 ‘금융기관의 생성형 AI 활용 전략’ 세션 내용을 기반으로 작성하였습니다. -

전통적인 금융산업의 디지털 전환은 클라우드 컴퓨팅과 스마트폰의 보급을 통해 시작되었고, 이를 통해 금융서비스에 대한 경험뿐만 아니라 전 인류의 생활 자체가 크게 변화했습니다. 2024년 현재 '디지털 금융'이라고 하면 어떤 키워드가 떠오르나요? 글로벌 리서치사의 보고서나 금융기관의 IT 및 디지털 담당자와 사업을 협의하면서 논의되었던 내용으로 생각해 볼 때, 'GPT', 'LLM', 'Generative AI', 'Token Economy', 'STO', 'Open Pay', 'SuperApp', 'FinTech', 'Hyper-personalization', 'Embedded finance', 'Data Economy', 'Cloud Platform' 등의 키워드들로 정리할 수 있습니다.

2024 디지털 금융 Keywords (출처: 삼성SDS)

이러한 다양한 키워드 중, 2024년에 반드시 주목하고 넘어가야 할 △생성형 AI(Generative AI), △디지털 자산, 토큰의 제도권 편입(STO, CBDC), △금융 채널의 변화와 확장(SuperApp, Embedded Finance)라는 3가지 핵심 트렌드와 변화하는 시장을 수용하기 위한 기업의 전략에 대해 중점적으로 살펴보겠습니다.

생성형 AI(Generative AI)

먼저, '생성형 AI'는 어떤 의미가 있을까요? 국내 금융권의 텍스트 분석 히스토리를 기반으로 생각해 보겠습니다.

10여 년 전, 국내 금융기관은 문장 내 텍스트에 대한 - 명사, 동사, 형용사, 부사, 조사 등의 - 형태소 분석을 통해 유의미한 텍스트가 문장 내에서 얼마나 자주 등장하는지 분석하는 솔루션을 많이 도입했습니다. 해당 분석을 잘 하기 위해서는 유의어, 복수형 등에 대한 용어 사전을 수작업으로 정리해 입력해야 했습니다. 또 다른 하나는 어떤 질문을 하면 어떤 답변을 할지를 정의한 시나리오 룰 기반의 챗봇 솔루션입니다. 두 가지 솔루션 모두 많은 수작업과 문장 인식 및 분석에 있어 한계가 많았습니다. 얼마간의 정체기 이후 2019년 하반기, 구글에서 'BERT*'라는 트랜스포머 기반의 딥러닝 언어 모델에 대한 논문을 발표하면서 금융기관들이 관심을 가지게 되었습니다. 텍스트를 수치화하는 임베딩(Vectorization) 기술을 통해 정형화된 데이터를 Input으로 학습한 모델이었으나, 제대로 된 학습을 위해서는 많은 데이터와 고비용의 인프라 자원이 필요했고, BP 사례 부족으로 시범 사업에 그쳤습니다. * BERT((Bidirectional Encoder Representations from Transformers): 트랜스포머의 인코더(encoder)만을 사용하여 문장을 양방향으로 학습시킨 언어 모델로, Pre-training 단계에서 라벨링이 되지 않은 대규모의 데이터를 학습시켜 임베딩이 만들어지면, Fine-tuning 단계에서는 이를 기반으로 라벨링 된 작은 규모의 데이터를 학습시켜 구체적인 과제를 수행하는 언어 모델

2022년, OpenAI의 'ChatGPT' 등장은 금융기관들이 생성형 AI와 LLM(Large Language Model)에 대해 큰 관심을 가지게 된 계기가 되었습니다. ChatGPT의 LLM인 'GPT-n'은 트랜스포머라는 딥러닝 언어 모델로, 많은 데이터의 학습을 통해 수려하게 질문에 대답할 수 있고 그 능력은 인간의 두뇌 수준을 향하고 있습니다. 2018년 발표된 GPT-1.0의 1.17억 개 파라미터(Parameter)를 시작으로 2020년 GPT-3.0는 1,750억 개로 증가했고, 2023년 공개된 GPT-4.0는 파라미터 수가 공개되지 않았지만, 전문가들의 의견에 따르면 1조 개가 넘는 수준이라고 합니다. 딥러닝은 인간 두뇌의 신경 세포인 뉴런이 연결된 형태를 참고한 수학 모델, 즉 '인공 신경망'을 사용하여 복잡한 패턴을 학습하는 기계학습 알고리즘이며, 파라미터는 딥러닝 모델의 각 특성 요소라 할 수 있는 뉴런이 가지는 가중치(weight)나 편향(bias) 등의 매개 변수로 모델의 성능을 결정하는 데 중요한 역할을 합니다. [1] 인간의 뇌는 딥러닝과 유사한 뉴런과 파라미터에 해당하는 100조 개 정도의 시냅스로 구성됩니다. 아직까지 LLM의 파라미터 수는 인간 뇌의 시냅스 수준까지는 도달하지 못했으나, 급격한 발전을 통해 머지않아 인간의 뇌 수준에 도달할 수 있을 것입니다. 또 하나 중요한 것은 인간의 뇌는 지식과 경험이 한정되어 있으나 LLM은 훨씬 더 많은 정보를 학습할 수 있기 때문에 뇌 수준의 시냅스에 도달하지 않더라도 인간을 뛰어넘는 LLM이 짧은 시간 내에 등장할 것이라 생각합니다.

국내 금융권 Text 분석 History (출처: 삼성SDS)

(1) 금융권 Use Case

그렇다면, 생성형 AI는 금융 업무에 어떻게 활용할 수 있을까요? 삼성SDS는 2023년부터 금융기관뿐만 아니라 모든 인더스트리별로 Use Case를 수집했고 3개월간의 분석을 통해 실제 도입 가능한 200여 건의 Use Case를 확보했습니다. 현재, 정의된 Use Case를 기반으로 PoC를 진행하거나, 성공적인 PoC 이후 실제 구축 및 운영 중인 케이스도 있습니다.

금융의 경우에는 ‘대출/보상 심사’, ‘광고/안내장 생성’, ‘포트폴리오 추천’, 투자 운용 정보 생성’, 'AI 휴먼 지점 텔러' 등 다양한 Use Case를 정의할 수 있는데, 두 가지 Use Case에 대해 자세히 살펴보겠습니다.

① 금융 전문 통역 Agent - 은행 지점의 외국인 응대
외국인 노동자 수가 급격히 증가하면서 계좌 개설 등 금융 거래가 많아지고 있습니다. 행안부에서 발표한 자료에 따르면, 외국인 노동자 대다수는 영어를 못하고, 지점 방문 시 의사소통에 어려움이 있어 직원들이 번역 프로그램을 활용해 어렵게 소통하고 있습니다. 금융 용어는 일반인에게도 굉장히 낯설고 어렵기 때문에 외국인 고객이 일반적인 번역 내용을 이해하기는 쉽지 않습니다. 부연 설명을 계속하다 보면 계좌 개설만 2시간까지 소요될 수 있고, 모 은행은 비용을 고려해 지역별로 전문 통역사를 고용하고 예약제로 운영하고 있습니다. '금융 전문 통역 Agent'는 생성형 AI를 활용해 미국, 중국뿐만 아니라 실제 외국인들이 많이 거주하는 캄보디아, 몽골, 베트남, 필리핀 등 20개국 이상의 실시간 통역을 지원하고, 모바일 디바이스를 통해 상호 대화하면서 응대 시간을 단축할 수 있습니다. 기존 번역 프로그램과의 차이점은 '금융 표준 스크립트'에 대한 RAG(Retrieval-Augmented Generation, 검색 증강 생성) 기술 적용으로 직원의 질문을 금융 표준 스크립트로 변환 후 통역해 불완전 판매를 최소화할 수 있습니다.

금융 전문 통역 Agent UX (출처: 삼성SDS)

② 실시간 투자 정보 검색 Agent
증권사나 은행의 투자 관리 담당자는 매일 아침 자문을 위해 준비합니다. 대형 종목 위주로 미국 증권거래위원회(SEC)의 전자공시 사이트 등에 게시되는 해외 변동 공시 정보를 검토하고, 중요한 이벤트의 경우 번역해 콘텐츠를 작성하고 있습니다. 이러한 작업은 최소 40분에서 1시간 이상이 소요되는데, 시간상 중소형 종목은 제외되고 실시간 뉴스나 소셜 미디어의 중요 정보, 타사 주요 리포트 내용은 누락되는 경우가 많습니다. 분석가들은 모든 종목에 대해 종합적인 분석이 필요합니다. 이를 위해, 블룸버그를 포함한 150여 개의 유관 사이트에서 변동 공시, 뉴스, 주요 리포트를 수집해 번역 및 요약한 후 리포트를 작성해 주는 '실시간 투자 정보 검색 Agent'를 서비스할 수 있습니다. 다양한 웹사이트에서 수집한 내용은 메뉴, 광고 등을 정제하고 전처리한 콘텐츠로서, 이를 활용해 언제든지 모든 종목에 대한 투자 정보를 확인할 수 있습니다.

실시간 투자 정보 검색 Agent (출처: 삼성SDS)

(2) 도입 전략 유형

현재 많은 금융기관들이 생성형 AI 도입을 진행하고 있는데, 도입 전략 유형은 크게 세 가지로 정리할 수 있습니다.

첫째, 전사 혹은 전 그룹에서 공통으로 활용할 수 있는 플랫폼을 도입하는 경우입니다. 생성형 AI 기술에 대한 비전과 확신을 가진 대형 금융기관의 경우, 플랫폼 도입을 추진하거나 실제 플랫폼을 구축하고 있습니다. 기술을 내재화하면서 점차적으로 Use Case와 AI 적용 영역을 확장해 나가는 방법으로 초기 비용은 많이 들 수 있으나, 중장기적으로 유사한 Use Case 구현을 위한 중복 투자를 줄일 수 있습니다.

둘째, 선행 Use Case 적용으로 해당 Use Case에 특화된 생성형 AI의 특정 기술 요소를 적용해 서비스를 론칭하는 것입니다. 초기 비용은 플랫폼 도입보다 적을 수 있지만, 생성형 AI가 정착되었을 경우 Use Case마다 생성형 AI 서비스를 적용해야 하는 중복 투자의 위험이 크다고 할 수 있습니다.

셋째, PoC나 Pilot을 수행하는 것으로 중소형 금융기관들이 주로 진행하는 방식입니다. 생성형 AI에 대한 관심이 높다 보니 기술 검증을 해야 하나, 투자의 부담이 있어 업계의 도입 추이를 보면서 Best Practice 투자를 고려하는 케이스입니다.

국내 금융권 생성형 AI 도입 전략 유형 (출처: 삼성SDS)

LLM 모델의 발전 속도와 함께 생성형 AI에 대한 니즈는 굉장히 확대될 것이라 예상되기 때문에 세 가지 유형 중 초기 비용은 크지만, 중장기적으로 중복되는 비용을 줄이고 빠른 개발 및 변화 관리가 가능한 '플랫폼 기반의 접근'이 가장 적합하다고 볼 수 있습니다. 삼성SDS의 경우에도 고효율/고보안 인프라부터 최적화된 LLM 서빙, 사내 데이터/시스템과 사외 시스템과의 연계, 사용자를 위한 Portal이나 Chat Service, 레거시 시스템의 Copilot 개발을 지원하는 생성형 AI 서비스 플랫폼인, 'FabriX'를 제공하고 있습니다.

(3) 발전 방향

많은 정보를 학습한 생성형 AI는 엄청난 속도로 발전하고 있지만, 기업에 적용하기에는 고민해야 할 여러 한계점이 있습니다.

기업에서는 안정성뿐만 아니라 정확도도 매우 중요합니다. 잘못된 답을 마치 정답처럼 대답하는 '할루시네이션(Hallucination)'의 경우, 금융기관에 대한 민원이나 소송의 위험까지 갈 수 있기 때문에 정확도를 확보하기 위한 여러 가지 기술적인 노력들이 진행되고 있습니다. 그 예로, 도메인에 특화된 데이터로 'Fine-tuning' 하거나, LLM 모델에 대한 Fine-tuning 없이 도메인에 해당하는 문서들을 Vector DB화하고 질의를 던졌을 때 해당 DB에서 검색한 후 LLM과 연결해 자연스럽게 답변해 주는 'RAG(Retrieval-Augmented Generation, 검색 증강 생성)' 기술을 적용할 수 있습니다. 또한, LLM이 잘 답변할 수 있도록 질문을 잘 던지기 위한 '프롬프트 최적화(Prompt Optimization)' 기술이나, 각 도메인에 특화된 애플리케이션을 LLM과 연계/활용할 수 있는 '플러그인(Plug-in) 기능'을 활용할 수 있습니다. 이러한 기술들은 생성형 AI 도입 시 정확도를 높이는 방안으로 굉장히 발전하고 있으며, 기업의 생성형 AI 도입을 촉진할 것입니다.

이러한 기술적 노력과 더불어 정책적인 노력 또한 중요해지고 있습니다. 인공지능은 완벽하지 않기 때문에 안전한 AI 서비스를 위한 안전장치가 필요하며, 기업들이 어떤 기준으로 AI 서비스를 안전하게 운영할지에 대한 'AI 거버넌스 체계'나 개인/회사 정보의 유출 방지를 위한 '정보 보호'에 대해 각종 노력이 이루어지고 있습니다. 또한, 금융기관 규제 완화에 따른 'AI 활성화 정책'이 진행되고 있습니다. 2024년 3월 금융위원회에서는 '금융권 AI 협의회'를 발족하면서 금융권의 생성형 AI 활성화를 위한 규제 완화와 안전한 AI 서비스 활용을 위한 AI 거버넌스의 필요성을 강조했습니다.

AI 거버넌스 체계는 프라이버시 보호, 인권 존중, 기업의 사회적 책임 등의 'AI 윤리 원칙'을 수립하고, 이를 기반으로 가이드라인이나 내부 유관 규정 지침 등의 '내부 규정'과 AI 관련한 부서의 '역할과 책임’을 정의합니다. 또한, AI 서비스에 대한 기획/개발/검증/운영 단계별로 지표들을 정의해 위험 수준을 진단하고, 프로세스 단계별 준수 여부를 모니터링하는 'AI 거버넌스 이행'을 수행하며, 이러한 전체 거버넌스 체계를 관리하기 위해 AI 플랫폼과 시스템 툴킷, AI 대시보드 등 'AI 거버넌스 기술(시스템)'이 뒷받침되어야 합니다. AI 거버넌스 시스템을 통해 금융기관에서 운영되고 있는 전체 AI 시스템/서비스 현황과 각 시스템/서비스별 위험 수준을 모니터링할 수 있습니다. 예를 들어, '일반 대출 신용등급 산출'이라는 AI 서비스에 대해 성능을 포함해 인간의 통제하에 있는지, 고객 권리를 침해하거나 개인/민감 정보를 오픈하지는 않는지, 또한 설명 가능한 것인지 등의 지표에 대한 수준을 시스템으로 관리할 수 있습니다.

AI 거버넌스 - 관리 및 모니터링 예시 (출처: 삼성SDS)

토큰의 제도권 편입

(1) STO

STO(Security Token Offering)는 증권으로 분류되는 블록체인 기반의 디지털 자산 발행을 말합니다. 최근 증권사 중심으로 관심을 많이 가지고 있고, 국내 증권 거래와 관련된 중앙 공공기관에서는 STO 표준화를 위한 ‘요건 정의 컨설팅’을 수행하고 있습니다. STO 영역은 기존에 증권으로 거래되지 않던 새로운 자산을 증권화하고 거래할 수 있는 기회가 될 것입니다. 즉, 미술품이나 고가품과 같은 실물 자산이나 영화, 음악 등의 저작권에 투자하고, 증권화되어 유통 발행되는 시장을 말합니다. 특히, '조각 투자'의 경우 STO와 많은 관련이 있습니다. 조각 투자는 어떤 자산에 대해서 일부 지분만큼 투자하는 것으로 '뮤직카우(MUSICOW)'는 음악 저작권에 대해 여러 사람이 일부씩 투자하는 형태이고, '테사(TESSA)'의 경우는 미술품, '뱅카우(Bankcow)'는 한우, '트레져러(Treasurer)'는 명품에 대해 조각 투자하는 앱입니다. 다수의 사람들이 조각 투자하는 새로운 형태의 증권 거래를 위해 블록체인 기반의 STO 시장은 앞으로 많은 기회가 있을 것입니다.

2023년 6월, ‘디지털 자산 이용자 보호를 위한 법률’이 제정되었고, 2024년 7월에 시행될 예정입니다. 해당 법률은 규제를 강화한다는 것이고, 역으로 생각하면 규제 준수 시 디지털 자산 거래는 굉장히 활성화될 수 있습니다. 증권사를 중심으로 'ST 발행', 'ST 유통 관리', '블록체인 기반의 분산 원장 관리' 및 '외부 기관과 연계하는 인터페이스'로 구성된 STO 플랫폼 구축해 디지털 자산 생태계 기반을 마련하고 시장변화 대응을 위한 선도 기술을 확보하고 있습니다.

STO 정의 및 플랫폼 구성 사례 (출처: 삼성SDS)

(2) CBDC

CBDC(Central Bank Digital Currency)는 중앙은행이 발행하는 디지털 화폐로, 일반 화폐와는 발행하는 방식에 차이가 있습니다. 2021년부터 2023년까지 블록체인 기반 CBDC의 출시가 완료되었거나, 시범 운영 중이거나, 개발 중인 국가/통화 수는 계속해서 증가하고 있습니다. 우리나라도 2021년 한국은행에서 CBDC 검증 파일럿 시스템을 구축해 발행, 유통, 환수의 기본 프로세스 구현했고, 2022년도에는 CBDC 파일럿 시스템과 유통기관(금융사) 연계 테스트를 진행했습니다. 2024년에는 디지털 바우처를 통해 10만 명을 대상으로 실거래 테스트를 진행할 예정입니다. 디지털 바우처는 기존 바우처에 디지털 통화를 적용하는 것으로, 기존 바우처 영역은 부정 수급이나 불법 거래의 위험이 있었기 때문에 투명성을 높이기 위해 블록체인 기반의 디지털 통화를 적용하기에 가장 적합한 영역으로 판단되었습니다. 디지털 바우처 시장의 성능과 효용성이 확인된다면, 디지털 화폐는 굉장히 확대될 수 있을 것입니다.

CBDC 정의 및 중앙은행 디지털 화폐 준비 현황 (출처: 삼성SDS)

금융 채널 변화와 확장

(1) 슈퍼앱(시장과 플랫폼)/미니앱

코로나 이후 비대면 중심의 금융 채널이 굉장히 확대되었고, 그 일환으로 대형 금융기관을 중심으로 '슈퍼앱(SuperApp)' 론칭 및 업그레이드를 준비하고 있습니다. 인터넷 보급이 가파른 성장 곡선을 그릴 때 그 중심에 '포털 사이트'가 있었던 것처럼, 모바일 시대의 새로운 패러다임을 여는 중심에는 '슈퍼앱'이 있다고 할 수 있습니다.

슈퍼앱은 양질의 콘텐츠와 다양한 서비스를 편리하게 이용하고자 하는 고객의 마음을 사로잡기 위해 단일 플랫폼 내 통합된 인터페이스로 다수의 라이프스타일 서비스를 제공하며, 높은 사용자 경험을 토대로 궁극적인 '고객 록인(Lock in)'에 기여할 수 있습니다. [2] 'Data.ai'라는 앱 사용에 대한 통계 분석 사이트에 의하면, 2024년 1월부터 3월까지 일 평균 사용시간 1위는 ‘유튜브’이고, 금융 슈퍼앱 기준으로는 ‘토스’가 56위(금융권 슈퍼앱 1위)를 차지하고 있습니다. 타 금융사의 슈퍼앱은 100위권 밖입니다. 토스는 오프라인이라는 대체 채널이 없고 다양한 단기 이벤트와 페이먼트 서비스를 제공한다는 차이점이 있지만, 개발 시 채널에 특화된 애자일 조직을 운영하는 등 UX 측면을 강조하면서 사용자 친화적인 인터페이스와 높은 편의성, 그리고 불편했던 금융서비스를 '쉽고', '간편하게' 제공한다는 점에서 많은 MZ 세대의 공감과 지지를 불러일으켰습니다.

중국 텐센트(Tencent)의 '위챗(WeChat)'은 메신저를 중심으로 온라인 쇼핑, 가상 지갑, 결제 서비스 등 라이프 스타일 서비스를 통합 제공하는 해외 슈퍼앱의 선두주자 중 하나인데, 성공 이면에는 '미니앱(MiniApp)'이라는 기술이 있습니다. 위챗은 2022년 1분기 기준, 350만 개 이상의 미니앱을 제공하며, 제휴 서비스의 애플리케이션을 다운로드하지 않아도 간단히 위챗 내의 미니앱을 통해 서비스를 제공받을 수 있습니다. 토스의 슈퍼앱도 KTX 애플리케이션을 따로 설치하지 않아도 인앱 서비스 형태로 기차예매 기능을 제공하고 있습니다. 애플은 2020년에 '앱 클립(App Clip)'이라는 미니앱을 출시했는데 아이폰 앱에 들어가 있는 일부 기능은 앱을 설치하지 않고도 'QR코드, NFC 태그, 메시지의 앱 링크' 등으로 사용할 수 있는 축소판 앱으로 간편하고 빠르게 음식 주문, 자전거 대여, 가전제품 설정 등을 실행할 수 있습니다. [3] 위챗의 미니앱은 토스나 애플 형태 모두를 제공하고 있어 많은 서비스에도 불구하고 고객들이 굉장히 쉽게 사용할 수 있고 심플한 UI/UX를 제공하는데, 이러한 포인트는 슈퍼앱을 플랫폼화하는 금융기관들이 반드시 참조할 만한 기술적 요소가 될 것입니다.

슈퍼앱 UX 변화 (출처: 삼성SDS)

(2) Embedded Finance

임베디드 파이낸스(Embedded Finance)는 비금융회사가 금융회사의 금융 상품을 중개•재판매하는 것을 넘어 자사 플랫폼에 핀테크 기능을 내장하는 것을 말합니다. 네이버 금융 자회사인 네이버파이낸셜이 미래에셋캐피탈과 손잡고 네이버 스마트스토어 입점 사업자를 대상으로 신용대출 상품을 출시한 것이 대표적인 사례로, 용어 자체가 등장한 지는 얼마 되지 않았으나, 현재 많이 적용되고 있습니다. [4]

임베디드 파이낸스의 하나는 '은행 대리업'입니다. 금융위원회에서는 우체국, 편의점, 보험대리점 등 은행 영업점이 아닌 비은행 채널을 통해서 간단한 은행 업무를 볼 수 있는 대리점 형태의 '은행 대리업 도입'을 검토하고 있습니다. [5] 코로나 이후 비대면 금융서비스가 보편화되면서 영업점 감축이 가속화됨에 따라 디지털 취약계층의 금융 접근성을 향상시킬 수 있고, 인터넷 금융사의 경우에도 오프라인 채널을 손쉽게 확보할 수 있게 됩니다. 다만, 통제를 어떻게 할 것인가, 리스크 관리나 책임 소재는 어떻게 할 것인가 등 해결해야 할 숙제는 남아 있습니다. 하지만, 미국, 일본, 호주 등 글로벌 선진국들은 이미 각국 상황에 맞춰 은행 대리업을 활성화해 운영하고 있기 때문에 적극적인 검토가 진행될 것으로 생각됩니다.

또 하나는 '인카페이먼트(In Car Payment)' 입니다. 인카페이먼트는 편의점, 카페, 주유소, 주차장 등 다양한 결제 수단으로 이용되고, 운전자가 차 안에서 등록 카드를 이용해 방문하기 전, 미리 주문 및 결제하는 방식입니다. 국내의 경우, 현대, 기아, 르노삼성자동차 등이 인카페이먼트 서비스를 제공하며, 가맹점 수는 2023년 말 기준 4천여 개에서 지속적으로 확대되고 있습니다. [6] 온라인 쇼핑 위주로 시작된 임베디드 페이먼트 서비스는 ‘당근 페이’나 ‘쿠팡 페이’ 등 웹상의 페이먼트를 넘어 자동차 등 오프라인 채널로 확대되고 있습니다.

Embedded Finance 채널 확장 (출처: 삼성SDS)

은행대리업 국가별로 도입 현황을 안내하는 테이블표
구분	일본	미국	호주
유형	은행대리점	제휴, 위탁	제휴, 위탁
수행자	금융기관, 법인, 개인	제한 없음	우체국
업무	은행의 본질업무(계좌 개설, 대출, 외환)등	위탁 받은 업무만 스행 가능	계좌입금, 현금인출, 청구서 지불

In Car Payment 자도차 안에서 간펼결제 네비게이션 화면 예시 이미지

맺음말

모바일 뱅킹의 발달과 코로나19의 영향으로 비대면·디지털 금융이 대세로 자리 잡았고, IT와 모바일 기술이 결합한 새로운 형태의 금융서비스인 핀테크가 등장하며 시공간을 초월해 모든 금융 거래를 스마트폰으로 쉽고 간편하게 처리할 뿐만 아니라 고객에게 새로운 가치를 제공하고 있습니다. 현재 금융시장은 인공지능, 빅데이터, 블록체인, 클라우드 등이 기술 혁신을 주도하며 디지털 금융의 새로운 대전환을 촉진하고 있으며, 생성형 AI, 디지털 자산 및 채널 확대 등 빠른 트렌드의 변화가 감지되고 있습니다.

지난 10년보다 빠르게 성장하고 있는 대형 언어 모델(LLM)을 기반으로 하는 생성형 AI는 AI에 업무를 맡길 용기와 과감한 투자가 필요합니다. 가장 우선시되고 효율성을 높일 수 있는 업무를 찾아 Use Case를 발굴하고, 다양한 Use Case를 공통으로 지원할 수 있는 삼성SDS의 'FabriX와' 같은 '생성형 AI 서비스 플랫폼 기반의 도입’을 검토/추진해야 합니다. 또한, 새로운 유형의 자산으로 떠오르고 있는 디지털 자산 토큰은 신규 먹거리로서 ‘토큰 기반의 상품을 연구·개발’하고, ‘블록체인을 활용한 인프라 구축’으로 디지털 자산 생태계 기반을 확보해야 합니다. 마지막으로, 하나의 앱에서 다양한 금융 및 라이프스타일 서비스를 제공하여 고객이 여러 앱을 사용할 필요 없이 한 번에 필요한 서비스를 이용할 수 있도록 하는 슈퍼앱은 사용자 친화적인 디자인과 인터페이스를 통한 ‘서비스에 대한 쉬운 접근 전략’과 그 핵심이라고 할 수 있는 ‘제휴 서비스의 미니앱화'에 대해 적극적인 기술 검토가 필요할 것입니다.

References
[1] https://blog.naver.com/cdogcapj86/223458640668
[2] https://terms.naver.com/entry.naver?docId=6685239&cid=42107&categoryId=42107
[3] https://www.ciokorea.com/column/270825
[4] https://blog.naver.com/bainseoulmarketing/222954202169
[5] https://alphabiz.co.kr/news/view/1065603010067489
[6] https://www.donga.com/news/article/all/20210701/107739927/1

이 글이 좋으셨다면 구독&좋아요

여러분의 “구독”과 “좋아요”는
저자에게 큰 힘이 됩니다.

홍은주

삼성SDS 전략마케팅팀

IT 동향 분석, 프로세스 혁신 및 경영전략 수립의 컨설팅 업무 경험을 기반으로, 삼성SDS 닷컴 내 Digital Transformation 및 솔루션 페이지 기획/운영 업무를 수행하였고 SDS 주요 사업영역별 동향/솔루션 분석을 통한 컨텐츠 기획 및 마케팅을 수행하고 있습니다.

지금 꼭 알아야 할 3대 디지털 금융 트렌드와 활용 전략

생성형 AI(Generative AI)

토큰의 제도권 편입

증권으로 분류되는 디지털 자산 발행

중앙은행 발행 디지털 화폐

금융 채널 변화와 확장

맺음말