최근 10년 동안 금융산업은 인공지능(AI), 대규모 언어모델, 그리고 머신러닝 기술의 혁신 차원에서 큰 변화를 겪고 있다.

단순한 루틴 작업 자동화에서 시작된 AI는 이제는 더욱 복잡하고 정밀한 활용 사례로 진화하고 있다.

금융 기관들은 방대한 양의 과거 데이터와 실시간 뉴스를 읽고, 처리해 분석하는 능력을 활용해 고객 만족도를 향상시키고, 정보에 기반한 혁신적인 의사 결정을 내릴 수 있는 방법을 모색하고 있다.

이같은 상황에서 AI 전문 매체 ‘벤처비트(Venturebeat)’가 금융 분야에서 활용되는 7가지 AI의 사례들을 소개해 관심을 끌고 있다.

트레이딩 알고리즘

트레이딩 시스템과 자동 매매는 긴 역사를 가진 트레이딩의 중요한 측면이다. 코딩 가능한 트레이딩 전략, 트레이딩 플랫폼, 브로커, 증권거래소 간의 API 연결, 그리고 트레이딩 자동화는 다양한 형태로 제공되고 있다.

과거에는 이러한 작업을 수동으로 수행해야 했지만, 현재는 생성형 AI를 활용해 이를 자동으로 처리할 수 있다. 매우 효과적인 AI 주식 거래 소프트웨어는 알고리즘으로 평가한 전략을 기반으로 거래 신호를 평가하고 있다.

AI는 주식의 전체 이력을 처리하고 분석해 미래 수익이 과거 성과와 유사할 것으로 예상되는 과거 가장 효과가 좋았던 거래 패턴을 식별하고 있다.

또한 AI는 온라인 브로커를 통해 매수 및 매도 주문을 최적의 가격으로 체결할 가능성이 가장 높은 증권거래소에 자동으로 라우팅한다.

로보 어드바이저

로보 어드바이저는 인공지능 기반 전략을 활용해 위험을 최소화하고 스마트한 투자 전략을 추구하여 평균 이상의 수익을 달성한다.

이러한 투자 전략은 고객이 선택 가능한 정의된 투자 테마와 위험 수준에 맞게 맞춤화되고 있다.

AI는 어떤 투자 테마에 어떤 자산을 할당할지 결정하고, 초기 자산 거래를 처리하며, 로보어드바이저 포트폴리오의 적절한 리밸런싱을 보장하고 있다고 전문가들은 설명했다.

AI 기반 로보어드바이저 알고리즘은 투자 기간, 기대 수익률, 위험 허용 범위 등 필수적인 요소를 고려해 최적의 투자 전략을 자동으로 식별하고, 고객이 선택 가능한 다양한 개별 투자 전략을 제시함으로써 자산 관리자의 역할을 대신하고 있다.

자산 관리

로보 어드바이저 형태의 재무 자문은 자산 관리 분야에서 AI가 활용되는 중요한 사례 중 하나다.

AI는 자산 관리 회사가 자동화된 챗봇을 활용해 고객과의 상호 작용을 최적화하는 데 도움을 주고 있다.

초기에는 단순한 챗봇 루틴으로 시작헤 기본적인 질문에만 응답하고 대부분의 사용자를 인간 헬프 데스크 직원에게 연결하는 수준에서, 이제는 고도로 최적화된 AI 기반 프로세스로 진화하고 있다.

자연어 처리 모델(NLP)은 챗봇 시스템이 요청을 더 잘 이해하고 더 나은 답변을 생성할 수 있도록 지원하고 있다.

AI 기술은 정확성과 효율성을 높이며 자산 관리 프로세스 내에서 엄청난 잠재력과 다양성을 제공한다며, 이러한 기술은 자산 관리 분야에서 혁신적인 변화를 가져오며, 다양한 결과를 이끌어내고 있다고 전문가들은 말하고 있다.

재무 계획

AI 기반 알고리즘은 보험 정책과 세금 신고서 등의 재무 문서를 읽고 분석된 데이터를 신속하게 요약해 재무 계획과 관련된 주요 인사이트를 도출할 수 있다.

재무 계획의 잠재적인 활용 사례로는 부동산 세금 감면, 로스 전환 저축 및 세금 시나리오 계획, 모기지, 학자금 부채, 의료 보험 등이 있다.

재무 설계사는 AI 기반 재무 계획 도구를 활용해 고객에게 훨씬 신속하게 세금 계획 시나리오를 제공함으로써 선제적인 역할을 수행할 수 있다.

AI는 몇 분 안에 고객 데이터를 분석하고 빠르게 요약해 세금 최적화 및 절세 기회에 대한 권장 사항을 개발하고 있다. 

재무 보고

AI를 활용한 재무 보고는 프로세스 자동화, 규정 준수 및 품질 향상, 데이터 분석 강화, 보안 강화 등의 이점을 제공한다.

전문가들은 AI를 적용하는 기업은 경쟁사에 비해 명확한 경쟁 우위를 확보할 수 있다고 주장하고 있다.

이제 AI의 사용 여부가 더 이상 합리성의 문제가 아닌 언제부터 AI를 도입할 것인가에 관한 문제로 대두되고 있다.

대기업의 재무 보고는 노동 집약적이며 시간이 많이 소요돼 비용이 많이 들기 때문에, AI를 도입해 프로세스를 간소화하고 비용을 절감하는 것이 바람직하다는 것이 전문가들의 설명이다.

특히 재무제표 분석과 재무 예측은 AI의 강력한 이점을 효과적으로 활용할 수 있는 대표적인 예시다.

데이터 분석

인공지능은 비정형 데이터를 읽고 정리하며, 재구성하고 정형 데이터로 새롭게 모델링해 가치 있는 정보를 식별하는 데 사용되고 있다.

전문가들은 AI 덕분에 데이터 처리 속도가 훨씬 빨라졌으며, 처리된 데이터의 양은 AI를 사용하기 전의 데이터 분석과 비교할 때 훨씬 더 의미 있게 됐다고 주장하고 있다.

데이터 분석에 AI를 적용하는 기업은 먼저 신뢰할 수 있는 출처에서 데이터 세트를 수집해야 한다.

이후 AI는 원시 데이터에서 관련 없는 정보를 제거하고, 데이터 분석 중에 주목해야 할 데이터를 추출한다.

데이터 분석은 가치 있는 인사이트를 찾아내기 위해 데이터를 검토하고, 분석된 데이터를 기반으로 올바른 의사 결정을 내리는 데 도움을 주고 있다고 전문가들은 설명했다.

리스크 관리

AI, 머신러닝, 그리고 학습된 알고리즘을 활용해 고객의 신용 이력과 소득 상황을 분석하고 시장 상황을 고려해 정확한 신용도 평가를 수행할 수 있다.

전문가들은 은행이 빅데이터 분석을 통해 고객의 내부 데이터와 외부 데이터를 결합해 리스크에 대한 독특한 관점을 확보하고 있다고 주장했다.

이는 기업 리스크 관리의 또 다른 측면은 자동화를 통해 위험과 수작업 오류 가능성을 감소시켜 리스크와 운영 효율성을 향상시키는 것이라고 전문가들은 덧붙였다.

[위키리크스한국=유 진 기자]

 

yoojin@wikileaks-kr.org