![](http://www.salesforce.com/content/dam/web/ko_kr/www/images/form/astro-newsletter-sm.png)
비즈니스 성장을 가속화할 수 있는 유용한 정보를 받아보세요.
은행에서의 금융 AI: 비용 절감 및 서비스 개선 방법
![](http://www.salesforce.com/content/dam/web/ko_kr/www/images/Hub/Business/ai-in-banking.jpg)
금융 AI는 은행이 고객에게 더 많은 서비스를 제공하는 동시에 이면의 비용과 노력을 간소화할 수 있는 잠재력을 가지고 있습니다. 이러한 잠재력을 활용하려면 지금부터 데이터 관리를 최 우선 순위로 삼아야 합니다. 세일즈포스를 통해 은행에서 직원과 고객 경험 모두 개선하기 위해 사용할 것으로 기대되는 4가지 AI 사용 방법으로 데이터를 정리하고, 기존 시스템을 분석하고, 기술을 통해 혜택을 받을 수 있는 프로세스를 파악하는 방법을 알아보세요.
은행 업무에서 인공지능(AI)은 보이지 않지만 굉장히 많은 역할을 하고 있습니다. 예측형 AI는 이미 일상적인 문의를 관리하는 챗봇이나 콜센터 상담원의 대시보드와 같은 다양한 은행 업무를 지원하고 있습니다. 생성형 AI가 계속 발전함에 따라 자연어 콘텐츠, 이미지, 코딩을 생성하는 AI의 능력으로 인해 반복적인 작업을 줄여 많은 시간을 절약하고 고객 경험을 개선할 수 있을 것으로 기대합니다. 그 결과 맥킨지는 은행이 AI의 전략적 활용을 통해 연간 1조 달러의 가치를 창출할 수 있을 것으로 추정합니다.
AI의 현재와 미래의 잠재력을 최대한 활용하려면 은행은 데이터를 정리하고, 기존 시스템을 분석하고, 기술을 통해 혜택을 받을 수 있는 프로세스를 파악해야 합니다. 다음으로 은행이 직원과 고객 경험 모두 개선하기 위해 사용할 것으로 기대하는 AI 4가지 사용 방법을 소개합니다.
데이터: 금융 AI로 개인정보 보호, 보안 구축 및 신뢰 유지
데이터 분석가 및 IT 리더 10명 중 9명이 데이터 관리를 AI 전략의 최우선 순위로 삼고 있습니다. 은행은 데이터를 안전하게 보호하는 데 집중하고 있습니다. 이는 고객과의 신뢰 구축의 기본입니다. 그러나 절반에 가까운 경영진이 AI가 보안 위험을 초래한다고 생각하며, 소비자의 59%는 AI가 안전하지 않은 것 같다고 답했습니다. 금융 당국도 특히 대규모 언어 모델(LLM)에 의존하여 응답을 생성하는 생성형 AI에 대해 우려하고 있습니다.
세일즈포스의 전무 이사 겸 은행 산업 고문인 Amir Madjlessi는 다음과 같이 말합니다. "데이터 정리는 기본입니다. 데이터의 품질과 양을 평가하고, 필요한 경우 데이터 수집 및 관리 프로세스를 업그레이드해야 합니다. 이러한 단계를 거치지 않으면 AI가 시스템에서 관련성 있고 정확한 인사이트를 추출할 수 없습니다."
데이터를 준비했다면 은행 업무에 AI를 활용하기 위해 기능별로 다양한 액세스 권한을 부여하는 등 고유한 데이터 관리가 추가로 필요합니다. 예를 들어, 공정한 대출 관행을 따르기 위해 은행은 대출 담당자에게 종교나 출신 국가와 같은 인구통계학적 정보를 숨겨야 합니다. 하지만 규제 당국에는 이러한 정보를 공정한 대출의 증거로 사용할 수 있어야 합니다.
프롬프트에 적절히 대응하는 방법을 학습하기 위해 LLM에 의존하는 생성형 AI의 경우 데이터 관리는 훨씬 더 복잡합니다. 윤리적 가드레일과 같은 데이터 무결성 기능이 내장된 솔루션을 활용하면 은행이 데이터 문제를 해결하고 규정을 따르는 데 도움이 될 수 있습니다. 예를 들어, 세일즈포스는 대규모 언어 모델(LLM)에 대한 제로 데이터 보존 정책을 시행하고 있으며, 외부 LLM과 고객 데이터를 공유하지 않습니다.
세일즈: 더 빠른 기회 발견
AI는 개인 비서처럼 작동하여 관계 관리자가 예금부터 담보 대출에 이르기까지 모든 종류의 서비스와 상품에 걸쳐 잠재 고객 및 기회 점수를 개선할 수 있도록 도와줍니다. AI는 투자, 상업, 리테일 뱅킹 등 다양한 비즈니스 라인에 대한 실적을 예상하여 예측력을 향상시킵니다.
예측형 AI는 단일 대시보드에서 관련 인사이트를 표시하여 기존 관계를 심화하거나 은행을 위한 신규 고객을 확보할 수 있습니다. 생성형 AI는 내부 소스뿐만 아니라 타사 데이터를 통합하여 업무 흐름에 맞는 제안을 할 수 있으므로 추천의 정확성과 관련성이 높아집니다.
예측 및 생성형 AI의 뛰어난 기능을 통해 관계 관리자는 고객에게 도달할 수 있는 최적의 채널을 파악하여 관련성 있고 매력적인 제안을 할 수 있습니다. 이러한 기능은 관계 관리자가 은행 전반의 고객 니즈를 완전히 이해하는 데 필요한 시간을 단축하는 동시에 고객 경험을 개선하는 데 도움이 됩니다.
마케팅: 한 차원 높은 개인화 확장
마케팅 세그먼트와 하위 세그먼트를 생성하는 데는 몇 주가 걸리며, 그 결과가 좋지 않고 일반적일 수 있습니다. 이러한 상황의 변화를 위해 마케터는 생성형 AI를 통해 자연어 프롬프트를 사용하여 고객 데이터베이스 내에서 세그먼트를 생성할 수 있으며, 단 몇 초 만에 결과를 확인할 수 있습니다.
이러한 도구 사용으로 마케터는 가장 관련성이 높은 제안이나 프로모션을 신속하게 구축한 다음, 각각을 테스트하고 학습하여 세분화를 더욱 세밀하게 조정할 수 있습니다. 예를 들어, 아인슈타인 코파일럿을 사용하는 마케터는 저축률이 낮은 고객을 대상으로 금융 보안을 개선하는 상품이나 서비스를 추천하여 타겟팅할 수 있습니다. 그런 다음 AI 기반의 사전 구축된 생성 이메일 템플릿을 사용하여 해당 제안을 타겟팅된 고객에게 공유할 수 있습니다. 더 나아가 시간이 지남에 따라 AI 엔진이 콘텐츠에 대한 고객의 반응을 학습하면서 메시지가 더욱 정교해지며 그 결과로 상품이나 서비스 추천과 같은 제안이 더욱 개인화되고 전환율이 향상될 것입니다.
아인슈타인 코파일럿을 테스트 중인 한 은행에서는 참여도가 3~4배 상승했습니다. 그 이유는 무엇일까요? 메시징이 실시간 고객 행동에 기반하여 추천이 일관되고 진정성 있게 전달되기 때문입니다.
서비스: 상담원 교육 및 고객 만족도 향상
상담센터 담당자의 이직률은 업계의 전반적인 문제입니다. 끝없이 늘어나는 신입 직원을 지속적으로 교육하는 것은 비용이 많이 들고 비효율적입니다. AI를 사용하여 교육 환경과 일상적인 워크플로우를 개선하면 상담원의 적응 속도가 빨라져 유지율이 향상될 수 있습니다. 또한 고객에게 더 쾌적한 서비스 경험을 제공할 수 있습니다.
생성형 AI는 고객이 문제를 설명하는 데 사용하는 실제 언어를 기반으로 알려진 답변에 대한 콘텐츠를 채워줌으로써 상담원이 문제를 신속하게 해결하는 데 필요한 정확한 정보를 표시할 수 있도록 도와줍니다. 이를 통해 상담원은 현명한 결정을 내릴 수 있으며, 이는 예를 들어 ‘불만족한 고객이 요금을 환불해도 되는지’와 같은 판단이 필요한 경우에 중요합니다.
또한 AI는 불법 행위를 발견하고 신원을 확인하는 더 스마트한 도구를 제공하므로 상담원이 차선책을 파악하는 데 도움이 됩니다. 예를 들어, 세일즈포스는 이제 신원 확인 및 신용 점수를 위한 고객확인제도(KYC) 프로토콜을 즉시 사용할 수 있습니다.
금융 AI는 이제 막 시작한 단계입니다.
금융 AI는 은행이 고객에게 더 많은 서비스를 제공하는 동시에 이면의 비용과 노력을 간소화할 수 있는 잠재력을 가지고 있습니다. 백오피스에서 AI는 고객 식별, 확인, 리스크 스크리닝을 보다 효율적으로 수행하여 규정 준수에 소요되는 운영 예산을 약 6%~10% 절감할 수 있습니다. 또한 고객과 관련하여 AI는 상업 은행원이나 자산 관리자가 캘린더 초대, 대화를 요약하는 자동화된 이메일, 새로운 계약 제안 등 채팅을 행동으로 전환하는 데 도움을 줄 수 있습니다.
이러한 잠재력을 활용하려면 지금부터 기반을 마련해야 합니다. 즉, 목표를 결정한 다음 은행 업무에서 AI가 할 수 있는 모든 일을 위해 데이터를 준비하세요.
함께 보면 좋은 콘텐츠
관련 제품
Sales
영업 지원
스마트하고, 빠르게 영업
Data
데이터
고객 경험을 혁신합니다.
Commerce
커머스
언제 어디서나 고객 연결
Marketing
B2C 마케팅 자동화
실현한 마케팅
AI
인공지능