지난 블로그에서 저는 선도적인 금융 서비스(FS) 기업이 비즈니스 가치를 위해 AI를 확장하는 방법과 선두 기업과 후발 기업 사이에 격차가 어떻게 벌어지고 있는지에 대해 논의했습니다. 또한 소프트웨어 엔지니어링, KYC 및 청구의 실제 사례를 공유하면서 에이전트 아키텍처를 소개했습니다.
이 블로그에서는 먼저 에이전트 AI에 대한 인간 중심 접근 방식을 취함으로써 위기에 처한 가치 기회를 탐색합니다. 선도적인 금융 서비스 회사는 명확한 비즈니스 의도와 고객 결과를 중심으로 AI를 설계한 다음 이를 실현하기 위해 인간과 상담원이 함께 수행해야 할 작업을 결정합니다.
Accenture의 2026년 뱅킹 주요 트렌드:무제한 뱅킹의 등장
자세히 알아보기
우리의 Work, Workers, Workforce 연구에서는 AI를 순수한 기술 변화로 취급하는 것과 인간 주도 접근 방식을 취하여 근로자와 함께 잠재력을 최대한 실현하는 것 사이에서 향후 15년 동안 GDP 성장에 10조 3천억 달러의 격차가 있음을 확인했습니다.
그 숫자를 이해해 보세요. AI에 접근하는 방식에 따라 이는 전 세계 GDP의 약 10%에 해당합니다.
이 기회의 중심에는 AI를 통해 잠재적으로 자동화되거나 강화될 수 있는 근무 시간이 가장 많은(최대 90%) 산업 중에서 은행(첫 번째), 보험(두 번째), 자본 시장(세 번째)이 포함된 금융 서비스가 있습니다.
왜요? 이전의 자동화 물결은 이미 구조화된 데이터 작업을 다루었습니다. 그러나 전 세계 데이터의 80% 이상이 구조화되어 있지 않기 때문에 FS에 남아 있는 작업의 대부분은 언어가 풍부하고 본질적으로 구조화되어 있지 않습니다. 우리는 정보, 서비스 및 지식 작업으로 정의된 환경에서 사업을 운영하고 있습니다.
구조화되지 않은 데이터를 처리하고 인간의 언어를 모방하도록 구축된 생성 AI가 빠르게 채택되는 것은 놀라운 일이 아닙니다. 그리고 에이전트 AI 시대로 접어들면서 우리는 더 많은 것을 얻게 됩니다. 즉, 도구 역할을 할 뿐만 아니라 우리와 함께 일하는 진정한 동료 역할을 하는 시스템입니다.
동일한 연구에 따르면 직원들은 AI에 대해 엇갈린 감정을 갖고 있으며 내 경험에서도 이를 확인할 수 있습니다. 약 95%의 사람들이 생성 AI 및 재교육을 사용하고 싶다고 말하지만(이러한 도구가 일상 생활에서 얼마나 광범위하게 사용되는지를 생각하면 놀라운 일은 아니지만) 보안, 작업 강도 및 윤리에 대한 우려는 여전히 남아 있습니다. 직원들은 다양한 속도로 이러한 변화를 겪고 있습니다.
그 긴장은 데이터에서 분명합니다. Accenture의 최신 인력 설문조사에 따르면, 직원 중 20%만이 AI가 업무를 변화시키는 방식을 형성하는 데 적극적으로 참여하고 있다고 느끼며, 17%만이 AI 도구 사용을 즐기거나 AI 도구를 적용할 새로운 방법을 적극적으로 모색한다고 답했습니다. 이러한 격차는 직원을 조기에 참여시켜야 할 필요성을 강조합니다. 사람을 위한 것이 아닌 사람과 함께 AI 채택을 설계하는 것은 대규모 신뢰, 소유권 및 채택을 구축하는 데 필수적입니다.
이에 대응하여 우리는 고객이 동료와 함께 AI 도구를 설계하도록 돕고 포용적이고 힘을 실어주는 방식으로 채택을 안내합니다. 우리는 리더십 팀과 협력하여 직원들이 AI에 대한 의미 있는 대화에 참여하도록 하고 사람들이 변화를 주도할 수 있도록 준비시킵니다.
우리는 리더와 전체 직원의 기술을 향상시키기 위해 LearnVantage 기능에 막대한 투자를 해왔습니다. 예를 들어, S&P Global의 모든 직원은 이제 기본 GenAI 교육을 이수할 수 있습니다. 대규모 은행에서는 Udacity를 통해 수천 명 이상의 데이터, 클라우드 및 풀 스택 엔지니어를 고급 및 전문가 수준의 역할 준비 수준으로 재교육하는 데 도움을 주었습니다.
책임감 있는 AI, 작업 설계 및 인력 계획 분야에서의 우리의 작업은 또한 조직이 기존 기술에서 새로운 기술로 전환하고, 중복을 완화하고, 작업 품질을 개선하고, 역할이 발전함에 따라 사람들이 번영할 수 있도록 보장하는 데 도움이 됩니다.
이 약속은 개별 고객을 넘어 확장됩니다. Davos 2026에서 Accenture와 기타 24개 조직은 "지능형 시대의 모든 사람을 위한 기회 창출" 기술 서약을 발표하여 2030년까지 1억 2천만 명에게 기술 교육을 제공하겠다고 공동으로 약속했습니다. Accenture는 2030년까지 전 세계 1천만 명 이상의 사람들에게 직업 관련 AI 및 디지털 기술을 제공하겠다는 약속을 했습니다. 이러한 야망을 지원하기 위해 Accenture는 AI 네이티브 학습 플랫폼인 LearnVantage를 선보이고 저렴한 AI를 출시했습니다. 석사 학위는 누구에게나 열려 있습니다.
인간 중심의 접근 방식은 근로자뿐만 아니라 우리의 공동체와 사회도 고려합니다. 금융 서비스의 사회적 포용성을 향상시키기 위해 우리는 의도하지 않은 결과를 완화하고 이동성의 기회를 확대해야 합니다.
Progress Together, Rise with AI에 대한 최근 연구는 도전의 규모를 보여줍니다. 영국에서는 사회경제적 배경이 낮은 사람들(SEB)이 금융 서비스 분야에서 약 30% 정도 과소대표되고 있습니다. 또한 연구에서는 AI에 대한 접근성, AI 관련 기술, 재교육에 대한 자신감, 고용주에 대한 신뢰 및 하위 SEB 출신 사람들이 AI 전환을 헤쳐나가는 데 도움이 되는 기타 요소에서 10~15%의 격차가 있음을 발견했습니다.
AI가 인력에 미치는 영향은 교차적 관점을 요구합니다. 금융 서비스에서 AI의 영향을 가장 많이 받는 역할 중 상당수는 여성입니다. 우리는 AI 기술과 포용성을 강화하기 위해 Tech She Can과 같은 파트너와 협력하고 있습니다.
또한 AI는 시각 장애가 있는 사람이나 신경다양성을 갖춘 사람을 포함하여 장애인의 해방, 새로운 기회 창출, 접근성 향상을 가져올 수 있습니다.
궁극적으로 우리는 AI가 정의로운 전환을 주도하도록 해야 합니다. - 포용적이고 공평한 서비스 - 금융 서비스가 사람, 지역 사회 및 사회를 위한 긍정적인 결과를 형성하는 데 중심적인 역할을 합니다.
진정한 잠금 해제는 비즈니스 의도와 고객 결과를 중심으로 작업을 재창조하는 데 있습니다. 이는 개별 작업이나 역할이 아닌 가치 흐름과 엔드투엔드 프로세스로 시작됩니다. 단일 사용 사례의 범위가 너무 좁아서 일반적으로 절약 효과가 극히 적습니다. 오늘날의 직업은 다양한 처리가 필요한 작업이 혼합되어 있기 때문에 잘못된 '분석 단위'입니다.
진정한 재창조란 더 나은 고객 및 비즈니스 성과를 제공하기 위해 가치 흐름 전반에 걸쳐 작업을 근본적으로 다르게 수행하는 방법을 다시 생각하는 것을 의미합니다. 여기에는 가치가 낮은 작업과 수고를 미리 제거하는 것이 포함됩니다. 대신 고객의 성과와 성장을 촉진하는 고부가가치 업무에 노력을 집중해야 합니다.
이러한 변화를 위해서는 세 가지 요소가 필요합니다:
우리는 AI를 사용해 보험 인수 기능을 재창조하기 위해 글로벌 보험사와 파트너십을 맺었습니다. 보험사와 직접 협력하여 먼저 한 영역의 보험사 표준을 단순화하여 약 130개의 다양한 평가 기준을 70개의 일관된 요소로 줄였습니다.
프로세스를 간소화하면서 우리는 AI를 적용하여 종종 200~300페이지 길이의 복잡한 브로커 제출물을 검토하는 힘든 작업을 처리했습니다. AI는 구조화되지 않은 정보를 보험업자가 즉시 사용할 수 있는 구조화된 의사 결정 프레임워크로 추출하고 요약했습니다. 이는 보험 조수보다 이 작업을 더 정확하게 수행했으며 원본 문서 인용을 제공하여 보험업자가 내용을 신속하게 확인할 수 있도록 했습니다.
이전에는 이 프로세스에 며칠이 걸렸고 보험사는 제출된 신청서 중 약 20%만 검토할 수 있었습니다. 즉, 실행 가능한 사업이 거절당했다는 의미입니다. AI를 사용하면 검토 시간이 몇 시간으로 단축되어 팀에서 모든을 평가할 수 있게 되었습니다. 더 정확하게 제출할 수 있습니다. 이를 통해 팀을 확장하지 않고도 수익이 50% 이상 증가했습니다. 보험업자들은 더 나은 결정을 내리고 중개인과 더욱 강력한 관계를 구축할 시간을 얻었습니다.
이러한 변화는 리더들이 진정한 재창조와 인간 중심 접근 방식에 전념했기 때문에 성공했습니다. 우리는 엔드투엔드 언더라이팅 프로세스를 재설계하고, 가치가 생성되는 위치를 명확히 하고, 보험사들과 함께 새로운 워크플로 및 AI 기능을 공동 설계했습니다. "단조로운" 작업을 AI 에이전트로 전환함으로써 보험사는 인간의 전문 지식이 가장 큰 차이를 만드는 고가치 판단, 상호 작용 및 의사 결정 작업에 집중할 수 있게 되었습니다.
상업 은행의 신용 판매 및 대출을 위한 당사의 에이전트 아키텍처는 대출 신청을 처리하는 관계 관리자(RM)를 지원합니다. 이 프로세스에는 일반적으로 많은 구조화되지 않은 데이터, 문서 및 관리 작업이 포함됩니다.
Accenture AI Refinery를 기반으로 구축된 이 아키텍처는 AI 에이전트의 세 가지 조정 계층을 통합합니다.
이 설정을 통해 RM은 더 많은 고객에게 서비스를 제공하고 고객 경험을 개선하며 신용 위험에 대해 더 나은 결정을 내리고 승인된 대출에 대한 자금 조달을 가속화할 수 있습니다.
이러한 에이전트는 대출 작업 흐름을 간소화하여 관계 관리자(RM)가 다음을 수행할 수 있도록 합니다.
이 아키텍처는 수동 검토 및 관리 부담에서 벗어나 시간을 단축합니다. 이를 통해 RM은 고객에게 조언하고, 더 나은 대출 결정을 내리고, 관계를 강화하는 등 더 높은 가치의 활동에 집중하는 동시에 처리량을 늘리고 위험을 줄일 수 있습니다.
재창조는 고립된 기능이나 기술이 아닌 조직에서 가장 가치 있고 확장 가능한 가치 흐름에 초점을 맞추는 것에서 시작됩니다. 은행 업무에는 일반적으로 사기 예방, 고객 온보딩 및 KYC, 대출, 관계 관리 및 투자 조언이 포함됩니다. 보험에는 인수, 청구 및 서비스가 포함됩니다. 시장에는 거래 및 거래 후 처리가 포함됩니다. 이러한 프로세스를 처음부터 끝까지 재창조하면 상당한 가치가 창출되고 전사적 혁신을 위한 기반이 마련됩니다.
로봇 프로세스 자동화 시대의 핵심 교훈은 분명합니다. 손상된 프로세스를 AI로 '패치'해서는 안 된다는 것입니다. 리더는 복잡성, 낭비, 마찰을 제거하여 진정한 가치를 창출하는 데 시간을 추가함으로써 고부가가치 업무를 더 쉽게 수행할 수 있도록 해야 합니다(Sutton and Rao 2024).
대부분의 조직은 이미 프로세스 성숙도와 효율성 및 가치에 대한 더 나은 통찰력을 갖추고 있으며, 특히 글로벌 역량 센터를 구축한 경우 더욱 그렇습니다. 그러나 다른 많은 가치 흐름은 여전히 불분명하거나 단편화되어 있습니다.
프로세스와 가치가 잘 이해되지 않는 경우에는 Celonis와 같은 프로세스 마이닝 도구와 함께 당사의 독점적인 PVE(Process Value Explorer)를 사용하여 작업과 그 가치를 알아냅니다. PVE를 사용하면 수천 명의 작업자에 대한 노력, 비용, 가치, 문제 및 기타 측면을 동시에 분석할 수 있습니다. 업무와 가치에 대한 가시성을 확보하면 재창조를 위한 통찰력을 얻을 수 있습니다.
더 넓은 시야를 원하는 조직을 위해 우리는 독점적인 분석 및 계획 도구를 사용하여 규모에 맞게 미래 인력을 모델링합니다. 이러한 도구를 사용하면 기업을 신속하게 평가하고 AI 및 재교육 투자의 우선순위를 정하는 데 도움이 됩니다.
대규모 퇴직 및 투자 제공업체에서 우리는 이 분석을 사용하여 이사회를 위한 하향식 인력 전략을 개발하고 있습니다. 이 접근 방식은 에이전트 AI 및 기타 자동화를 통해 출시되거나 재배치된 용량을 모델화하여 미래 인력 요구 사항과 기술에 대한 명확한 그림을 제공합니다. 이는 결과적으로 오늘날 더 나은 인력 결정을 내리고 AI에 투자할 분야를 안내합니다.
우리는 현재 작업 및 인력 데이터를 신속하고 심층적으로 분석하여 AI가 다양한 유형의 영향을 미칠 수 있는 위치를 식별하고, 기내 AI 투자를 고려하고 미래 인력에 대한 명확한 보기(필요한 새로운 역할, 필요한 기술, 용량 영향 및 비용 프로필)를 형성합니다. 이는 고객이 더 나은 정보를 바탕으로 인력 결정을 내리고, 변화 내러티브를 알리고, AI 투자 전략을 안내하는 데 도움이 됩니다.
우리는 CHRO, CEO 또는 이사회를 위한 초기 전략 연습으로 이를 수행하고 이를 고객의 전략적 인력 계획에 지속적인 역량으로 포함시켜 고객이 AI 채택이 확대됨에 따라 미래 인력을 지속적으로 예측, 설계 및 적응할 수 있도록 보장합니다.
2025 Accenture Life Trends 연구에 따르면 44%의 사람들이 AI 도구가 효율성을 향상시키고 38%가 품질을 향상시킨다고 느꼈습니다. 그러나 부정적인 인식도 있었습니다. 16%는 AI 도구로 인해 작업이 더욱 원활하게 진행되고 14%는 창의성이 제한된다고 느꼈습니다.
사람들은 자신의 역할 중 지루하고 반복적인 측면을 흡수하여 가장 즐기는 작업을 더 잘 수행할 수 있는 AI 도구를 원합니다. 고된 노동은 많은 사람들의 주당 근무 시간을 지배하며 심지어 고임금을 받고 숙련된 근로자들에게도 마찬가지입니다.
사람들은 인간의 특성과 업무의 흥미로운 측면을 보호하기를 원하며 업무 방식에 대한 어느 정도 통제력과 자유를 유지하기를 원합니다. 중요한 점은 업무에서 의미, 목적 및 만족감을 느낄 수 있는 기회를 보존하기를 원한다는 것입니다.
인간과 AI의 상호 작용, 특히 에이전트와의 상호 작용을 설계할 때 올바르게 설정해야 할 몇 가지 중요한 사항이 있습니다.
작업의 목표와 가치를 명확하게 정의하고 인간과 AI 에이전트가 담당하는 작업에 대해 명시적인 기대치를 설정하는 것부터 시작됩니다. 리더는 AI의 강점이 가장 잘 적용되는 부분, 인간의 능력이 필수적인 부분, 조합이 가장 큰 가치를 제공하는 부분에 대해 신중히 생각해야 합니다.
이것이 바로 우리가 인간을 주도적 접근 방식으로 취하는 이유입니다. 사람은 판단, 결정 및 감독을 안내하고 AI 에이전트는 작업을 강화하는 지원을 제공합니다. 이를 위해서는 작업 흐름과 결정에 대한 명확한 책임을 인간이 유지하면서 보완적인 역할과 책임이 필요합니다.
AI 에이전트와 인간 작업자 모두 자신의 역할을 잘 수행할 수 있도록 교육을 받아야 합니다. AI는 정확하고 일관된 결과를 생성해야 합니다. 편견을 최소화하고; 다양한 상황에 적응합니다. 보안 및 개인 정보 보호를 유지합니다. 고품질 출력을 생성합니다. 설명할 수 있어야 합니다. 인간 작업자는 AI 출력을 사용하고 평가할 수 있어야 하며, 반복하고 개선하며 언제 도전해야 하는지 알 수 있어야 합니다. 경우에 따라 이는 전략적 사고, 판단, 공감, 관계 구축, 창의성 등 인간에게 가장 의존하는 기능을 적용할 수 있는 시간과 공간을 사람들에게 제공하는 것을 의미합니다. 우리는 지속적인 학습과 개선을 촉진하는 인간 에이전트 상호 작용을 원합니다. 공동 학습에 대한 아이디어는 나중에 다시 다루겠습니다.
좋은 상호 작용에는 간단하고 직관적인 인터페이스도 필요합니다. 여기에는 관계 관리자 워크벤치나 케이스 핸들러 큐 등 작업 흐름에 직접 에이전트를 포함하고 대화형 인터페이스를 사용하여 유용성을 높이는 것이 포함됩니다. 인간은 AI 출력을 끄거나 무시하거나 편집할 수 있도록 통제권을 유지해야 합니다. 누군가 AI와 상호작용할 때 AI가 무엇을 했는지, AI가 어떻게 결과를 산출했는지는 항상 명확해야 합니다.
많은 금융 서비스 직원은 고객에게 조언을 하거나, 복잡한 문제를 해결하거나, 창의적인 제안을 개발하는 등 심층적인 업무에 더 많은 시간을 할애하고 싶어합니다. 잘 설계된 AI 도구는 인지 부하를 줄이고 심층 작업(Newport, 2016), 즉 집중, 흐름 및 창의적인 문제 해결을 위한 조건을 조성할 수 있습니다. 에이전트가 소음을 필터링하고, 올바른 통찰력을 드러내고, 일상적인 작업을 자동화하면 작업자는 고객 결과를 이끌어내는 사고에 집중할 수 있습니다. 이것이 바로 인지 인체공학이 작동하는 것입니다. 즉 기계 주변이 아닌 인간의 관심과 동기의 리듬을 중심으로 기술을 형성하는 것입니다(Sudiarta, 2023).
간단히 말해서 상담원이 이제 우리의 동료라면 좋은 팀원을 확보하도록 합시다.
우리는 미국 최대의 보험 및 은퇴 서비스 제공업체 중 한 곳과 협력하여 에이전트 AI를 통해 컨택 센터를 재창조했습니다. 이 솔루션은 Accenture의 AI Refinery를 기반으로 구축된 4개의 슈퍼 에이전트와 12개의 재사용 가능한 유틸리티 에이전트를 사용했습니다. 완전히 연결된 시스템을 형성했습니다. 16개의 API가 청구, 보험 증권 및 보험 시스템에 통합되었으며 2년간의 고객 상호 작용 메모리가 지원되었습니다.
클라이언트는 자신감을 구축하기 위해 테스트에 많은 투자를 했습니다. 3개월 동안 30명의 전문가가 검토한 200만 건 이상의 교육 및 테스트 호출이 이루어졌습니다. 그 결과 중 하나는 고객에게 관련 지침(조언이 아님)을 제공하여 기본 통화량을 줄이고 디지털 리드를 늘리는 개인용 디지털 단말기였습니다.
컨택 센터 담당자의 경우 상담원은 발신자의 의도와 감정을 감지하고, 고객 데이터에 액세스하고, 상황에 맞는 지침을 제시하고, 차선책을 추천합니다. 이를 통해 NPS가 개선되고 통화 해결이 강화되었으며 교육 요구 사항이 50% 감소했습니다. 이제 담당자는 공감, 판단 및 더 높은 가치의 고객 서비스에 집중할 수 있습니다.
단체 생명 보험사와 생명 및 연금 제공자를 포함한 미국 보험사 전체에서 비슷한 결과가 나타나고 있습니다.
고도로 숙련된 전문직은 어떻습니까? Accenture에서는 이미 캠페인 라이프사이클 전반에 걸쳐 14명의 전문 AI 에이전트를 적용하여 2,000명의 마케팅 담당자를 지원했습니다. 한때 캠페인에는 최대 150일이 걸렸습니다. SynOps를 사용하여 워크플로를 분석하여 시간이 낭비되는 부분과 품질을 개선할 수 있는 부분을 식별했습니다. 그 결과는 결정적이었습니다. 크리에이티브 브리핑의 경우 67%, 초안의 경우 90%로 작업량이 급격히 줄어들었고 출시 속도는 25~35% 향상되었습니다. 이 작업은 또한 8천만 달러의 비용 릴리스를 제공했습니다. 이러한 에이전트는 마케팅 담당자의 창의성과 영향력을 증폭시킵니다. 대체하지 않습니다.
우리는 금융 서비스 전반에 걸쳐 유사한 가치를 제공하고 있습니다. 대형 아시아 은행, 미국 기반 생명보험사 및 여러 글로벌 은행에서 에이전트 AI가 마케팅 업무를 재편하고 있습니다. 한 글로벌 은행은 이제 AI를 통해 캠페인의 50%를 지원하여 창의적 속도를 50% 높이고 전체 캠페인을 20% 늘렸으며 목표는 35% 성장입니다. 또 다른 아시아의 대형 은행은 마이크로 세그먼트화된 캠페인을 50배 더 많이 달성하고, 메시지 속도를 80% 높이고, 생성 시간을 30일에서 3일로 단축했습니다. 이러한 접근 방식을 통해 마케터의 역량이 향상되고, 관련성이 더 높고 시장 침투가 더 빨라지며 고객 참여가 더 효과적인 캠페인을 만들 수 있습니다.
Agentic AI는 금융 서비스 업무를 재창조할 수 있는 강력하고 새로운 가능성을 열어줍니다. 이를 잘 사용하려면 작업 설계의 기본으로 돌아가 인간과 AI가 어떻게 상호 작용해야 하는지에 대해 규율 있는 결정을 내려야 합니다. 주요 질문은 다음과 같습니다:
AI, 특히 에이전트 AI는 강력하지만 모든 문제에 AI가 필요한 것은 아닙니다. 많은 재창조 노력에는 프로세스 변경, 더 단순한 기술, 더 가벼운 AI 형태가 혼합되어 필요합니다. 구조화된 데이터에 대한 간단한 작업이나 계산은 기본 알고리즘이나 기존 기술을 통해 더 잘 수행되는 경우가 많습니다. 단순한 포인트 작업은 에이전트 AI를 정당화하는 경우가 거의 없습니다.
AI에는 실제 비용도 수반됩니다. 에이전트 아키텍처는 토큰 집약적이므로 비용이 많이 들고 에너지가 무겁습니다. 대규모 언어 모델의 비용은 연간 약 50% 감소하고 있으며 재사용 및 개선된 모델로 인해 에이전트 AI가 더욱 저렴해졌습니다. 그럼에도 불구하고 우리는 가치 사례가 명확한 경우에만 AI를 사용해야 합니다.
원칙은 간단합니다. 의미 있는 가치를 추가하는 곳에 AI를 적용하고 그렇지 않은 곳에는 사용하지 않는 것입니다.
생각해 볼 핵심 아이디어 — 여러분의 생각을 환영합니다:
다음 블로그에서는 조직이 어떻게 빠르게 진화하는 변화를 주도할 수 있는지 살펴보겠습니다.
AI에 대한 인간 중심 접근 방식이 실제 조치를 통해 은행 전반에 어떻게 확장되는지 알아보려면 2026년 주요 은행 동향을 읽어보세요. 보고합니다.