2019.05.17

글로벌 금융업계 AI 프로젝트, 파일럿에서 상품화로 '레벨업'

Lucas Mearian | Computerworld

금융 업계가 인공지능(AI)에 많은 돈을 쏟아붓고 있다. 은행을 예로 들면, 2019년까지 AI에 56억 달러를 투자할 것으로 예상된다. 이는 유통/소매에 이어 2위에 해당하는 규모다.
 

ⓒGetty Images Bank


지금까지는 파일럿 단계에 머문 AI 프로젝트가 절대다수였다. 또 확실한 비즈니스 사례 없이 기술이 도입되는 경우가 많았다.

다시 말해, 그냥 유행을 따르는 것이었다.

현재 대부분 AI 프로젝트는 현업에 챗봇 기술을 도입하거나, 머신러닝을 배포하며, 고객 행동과 고객 요구를 파악하고, 고객 서비스 효율성을 높이고, 보안을 강화하는 데 목적을 두고 있다.

분석 서비스 공급업체인 프랙탈 애널리틱스(Fractal Analytics)의 최고 프랙티스 책임자(Chief Practice Officer) 산카르 나라야난은 “은행 서비스 전반에 걸쳐 고객 여정에 대한 기억을 보존할 수 있도록 만드는 데에 목적이 있다”라고 말했다.

기본적인 문제와 사안에 목적을 둔 초기 시스템들
나라야난에 따르면, 앞서 설명한 테스트를 위한 파일럿 프로젝트가 성숙기에 접어들면서 ‘상전벽해’ 같은 변화가 발생하고 있다. 올해는 기업이 프로덕션 시스템을 배치하기 시작하는 한 해가 될 전망이다. 처음에는 기본적인 문제들을 해결하는 것에 초점이 맞춰질 것으로 분석된다. 기능이 강화된 대화형 챗봇을 통해 고객 관계 관리(CRM)를 처리하는 것을 예로 들 수 있다.

나라야난은 “더 큰 개념은 ‘마찰’ 경감이다. 사업체에 대출 서비스를 제공하는 대부분의 은행은 많은 서류, 문서화를 요구한다. 가장 중요한 ‘마찰점’ 가운데 하나가 이런 서류에 대한 심사이다. 자금을 유치하기 원하는 사업체와 위험 평가를 위해 심사를 해야 하는 은행 담당자 모두에 해당하는 마찰점이다”라고 말했다.

예를 들어, 신용한도를 자동으로 높이는 문제를 생각하자. 이는 일반적으로 간단한 계산에 따른다. 정기적으로 카드를 사용하고, 제때 대금을 납부했을 때 신용한도가 올라간다. 그러나 고객들이 신용한도 향상을 어떻게 인식하는지에 대한 조사는 거의 이뤄지지 않는다.

나라야난은 “고객들이 행복할까? 아니면 은행이 자신을 옭아맬 더 긴 올가미를 던졌다고 생각할까? 간단한 질문이다. 고객에게 자격이 있는지 판단하기는 쉽다. 그러나 이것이 고객을 위해 해야 할 정말 옳은 일일까? 그런데 고객의 과거 이력과 기록을 더 완전히 파악하면, 수동 한도 향상, 또는 자동 한도 향상 중 하나를 선택해 제공할 수 있다. 이것이 인간화한 AI이다”라고 설명했다.

대부분 금융 서비스의 LoB(Line of Business)는 현재 구획화, 또는 구분된 형태를 보이고 있다. 다른 비즈니스 인수 과정에 도입된 사유, 또는 구형 컴퓨터 시스템에 의지하고 있어, 다른 CRM 및 ERP 시스템과 통합되지 않는다는 의미이다. 예를 들어, 은행은 통합된 단일 환경에서 고객의 체킹(수표 또는 당좌) 계좌, 저축 계좌, 신용카드와 관련된 내역을 확인할 수 있지만, 모기지(주택 담보 대출)는 확인하지 못하는 경우도 있다. 이런 정보들을 통합하면 더 쉽게, 재정 상태에 대한 완전한 정보를 토대로 추가적인 상품을 제안할 수 있게 된다.

웰스파고은행에서 AI 엔터프라이즈 솔루션을 책임지고 있는 척 먼로에 따르면, AI를 전사적으로 적용할 수 있는 전략적인 비즈니스 도구로 바라보지 않고, 데이터 과학이나 기술이라는 좁은 시각으로 판단하고 있는 기업과 기관이 많다.

먼로는 “AI 기술은 트랜스포메이션 변화를 견인할 잠재력을 가지고 있다. 전사적으로 유의미한 인사이트를 끄집어낼 수 있게끔 데이터를 체계화하는 데 아주 중요하다”라고 말했다. 또 “개인적으로 ‘엔드투엔드(완전한)’ 프로세스를 이해하고 기회를 명확히 정의하는 것이 중요하다고 생각한다. 독자적인 AI로 비즈니스 목표를 달성하기란 아주 힘들다”라고 덧붙였다.

1년 6개월 전, 웰스파고는 데이터 관리 및 IT팀과 협력해 전사적으로 AI 도입에 박차를 가하는 역할을 맡는 AI 엔터프라이즈 솔루션을 만들었다. 이 팀은 고객경험부터 운영, 위험 관리까지 모든 영역에 개입하고 있다.
 


웰스파고의 사례
웰스파고는 2017년 4월을 기점으로 페이스북 챗봇 파일럿 프로젝트를 출범하면서 AI에 뛰어들었다. 1년이 지난 후, 웰스파고는 고객과의 상호작용을 AI가 어떻게 강화하고 능률화했는지 평가할 수 있었다. 최근에는 단기 프로젝트인 뱅킹 어시스턴트 파일럿 프로젝트를 마쳤다. 웰스파고 모바일 앱에서 AI를 사용하는 대화형 뱅킹 기능이 어떤 식으로 고객경험을 향상하고, 정보를 전달하는지 파악한 프로젝트였다.

그러나 아직 프로덕션 시스템을 배포하지 않았다.

먼로는 “우리는 고객이 챗봇 사용을 왜 좋아하는지 많은 정보를 얻었다. 이는 향후 경험과 환경 강화에 도움을 줄 것이다. 예를 들어, 고객들은 계좌 정보에 액세스해서 거래 내용을 분석하는 기능을 높이 평가했다. 또 향후 챗봇 경험에 반영되기 원하는 여러 추가적인 기능에 대한 유용한 피드백을 수집했다. 이체와 송금, 요금 결제 기능을 예로 들 수 있다”라고 설명했다.

 




2019.05.17

글로벌 금융업계 AI 프로젝트, 파일럿에서 상품화로 '레벨업'

Lucas Mearian | Computerworld

금융 업계가 인공지능(AI)에 많은 돈을 쏟아붓고 있다. 은행을 예로 들면, 2019년까지 AI에 56억 달러를 투자할 것으로 예상된다. 이는 유통/소매에 이어 2위에 해당하는 규모다.
 

ⓒGetty Images Bank


지금까지는 파일럿 단계에 머문 AI 프로젝트가 절대다수였다. 또 확실한 비즈니스 사례 없이 기술이 도입되는 경우가 많았다.

다시 말해, 그냥 유행을 따르는 것이었다.

현재 대부분 AI 프로젝트는 현업에 챗봇 기술을 도입하거나, 머신러닝을 배포하며, 고객 행동과 고객 요구를 파악하고, 고객 서비스 효율성을 높이고, 보안을 강화하는 데 목적을 두고 있다.

분석 서비스 공급업체인 프랙탈 애널리틱스(Fractal Analytics)의 최고 프랙티스 책임자(Chief Practice Officer) 산카르 나라야난은 “은행 서비스 전반에 걸쳐 고객 여정에 대한 기억을 보존할 수 있도록 만드는 데에 목적이 있다”라고 말했다.

기본적인 문제와 사안에 목적을 둔 초기 시스템들
나라야난에 따르면, 앞서 설명한 테스트를 위한 파일럿 프로젝트가 성숙기에 접어들면서 ‘상전벽해’ 같은 변화가 발생하고 있다. 올해는 기업이 프로덕션 시스템을 배치하기 시작하는 한 해가 될 전망이다. 처음에는 기본적인 문제들을 해결하는 것에 초점이 맞춰질 것으로 분석된다. 기능이 강화된 대화형 챗봇을 통해 고객 관계 관리(CRM)를 처리하는 것을 예로 들 수 있다.

나라야난은 “더 큰 개념은 ‘마찰’ 경감이다. 사업체에 대출 서비스를 제공하는 대부분의 은행은 많은 서류, 문서화를 요구한다. 가장 중요한 ‘마찰점’ 가운데 하나가 이런 서류에 대한 심사이다. 자금을 유치하기 원하는 사업체와 위험 평가를 위해 심사를 해야 하는 은행 담당자 모두에 해당하는 마찰점이다”라고 말했다.

예를 들어, 신용한도를 자동으로 높이는 문제를 생각하자. 이는 일반적으로 간단한 계산에 따른다. 정기적으로 카드를 사용하고, 제때 대금을 납부했을 때 신용한도가 올라간다. 그러나 고객들이 신용한도 향상을 어떻게 인식하는지에 대한 조사는 거의 이뤄지지 않는다.

나라야난은 “고객들이 행복할까? 아니면 은행이 자신을 옭아맬 더 긴 올가미를 던졌다고 생각할까? 간단한 질문이다. 고객에게 자격이 있는지 판단하기는 쉽다. 그러나 이것이 고객을 위해 해야 할 정말 옳은 일일까? 그런데 고객의 과거 이력과 기록을 더 완전히 파악하면, 수동 한도 향상, 또는 자동 한도 향상 중 하나를 선택해 제공할 수 있다. 이것이 인간화한 AI이다”라고 설명했다.

대부분 금융 서비스의 LoB(Line of Business)는 현재 구획화, 또는 구분된 형태를 보이고 있다. 다른 비즈니스 인수 과정에 도입된 사유, 또는 구형 컴퓨터 시스템에 의지하고 있어, 다른 CRM 및 ERP 시스템과 통합되지 않는다는 의미이다. 예를 들어, 은행은 통합된 단일 환경에서 고객의 체킹(수표 또는 당좌) 계좌, 저축 계좌, 신용카드와 관련된 내역을 확인할 수 있지만, 모기지(주택 담보 대출)는 확인하지 못하는 경우도 있다. 이런 정보들을 통합하면 더 쉽게, 재정 상태에 대한 완전한 정보를 토대로 추가적인 상품을 제안할 수 있게 된다.

웰스파고은행에서 AI 엔터프라이즈 솔루션을 책임지고 있는 척 먼로에 따르면, AI를 전사적으로 적용할 수 있는 전략적인 비즈니스 도구로 바라보지 않고, 데이터 과학이나 기술이라는 좁은 시각으로 판단하고 있는 기업과 기관이 많다.

먼로는 “AI 기술은 트랜스포메이션 변화를 견인할 잠재력을 가지고 있다. 전사적으로 유의미한 인사이트를 끄집어낼 수 있게끔 데이터를 체계화하는 데 아주 중요하다”라고 말했다. 또 “개인적으로 ‘엔드투엔드(완전한)’ 프로세스를 이해하고 기회를 명확히 정의하는 것이 중요하다고 생각한다. 독자적인 AI로 비즈니스 목표를 달성하기란 아주 힘들다”라고 덧붙였다.

1년 6개월 전, 웰스파고는 데이터 관리 및 IT팀과 협력해 전사적으로 AI 도입에 박차를 가하는 역할을 맡는 AI 엔터프라이즈 솔루션을 만들었다. 이 팀은 고객경험부터 운영, 위험 관리까지 모든 영역에 개입하고 있다.
 


웰스파고의 사례
웰스파고는 2017년 4월을 기점으로 페이스북 챗봇 파일럿 프로젝트를 출범하면서 AI에 뛰어들었다. 1년이 지난 후, 웰스파고는 고객과의 상호작용을 AI가 어떻게 강화하고 능률화했는지 평가할 수 있었다. 최근에는 단기 프로젝트인 뱅킹 어시스턴트 파일럿 프로젝트를 마쳤다. 웰스파고 모바일 앱에서 AI를 사용하는 대화형 뱅킹 기능이 어떤 식으로 고객경험을 향상하고, 정보를 전달하는지 파악한 프로젝트였다.

그러나 아직 프로덕션 시스템을 배포하지 않았다.

먼로는 “우리는 고객이 챗봇 사용을 왜 좋아하는지 많은 정보를 얻었다. 이는 향후 경험과 환경 강화에 도움을 줄 것이다. 예를 들어, 고객들은 계좌 정보에 액세스해서 거래 내용을 분석하는 기능을 높이 평가했다. 또 향후 챗봇 경험에 반영되기 원하는 여러 추가적인 기능에 대한 유용한 피드백을 수집했다. 이체와 송금, 요금 결제 기능을 예로 들 수 있다”라고 설명했다.

 


X