Jay Venkateswaran, WNS의 은행 및 금융 서비스 사업부장 – 인터뷰 시리즈

Jay Venkateswaran, 은행 및 금융 서비스 사업부장으로서 전략, 성장 및 재무 성과를 총괄합니다. WNS에 합류하기 전에는 AT Kearney에서 컨설팅 파트너로 근무했습니다. 신뢰받는 비즈니스 트랜스포메이션 및 서비스 파트너인 WNS는 분석, 하이퍼오토메이션 및 AI를 통합한 통합 디지털 생태계를 독특하게 결합하여 고객에게 시장 차별화를 제공합니다.

생성 AI가 은행 및 금융 서비스를 빠르게 변화시키고 있습니다.  향후 5년 동안 그 영향이 어떻게 진화할 것으로 보십니까?

은행에서는 생성 AI(Gen AI)가 고객 경험 향상, 운영 효율성 개선, 위험 관리 강화에 핵심적인 역할을 할 것으로 보고 있습니다. 백오피스에서는 AI 기반 자동화가 규제 보고, 컴플라이언스 검사, 문서 처리와 같은 업무를 간소화하여 운영 비용을 크게 절감할 것입니다. 또한 AI는 실시간 데이터 인사이트와 예측 분석을 통해 신용 위험 평가와 사기 탐지를 정교화할 것입니다.

가장 변혁적인 변화 중 하나는 하이퍼 퍼스널라이제이션으로, 이는 금융 기관이 개별 고객의 행동, 선호도 및 요구에 맞춘 고도로 맞춤화된 제품 및 서비스를 제공할 수 있게 합니다. AI 역량이 발전함에 따라 은행은 AI 기반 챗봇 및 가상 비서를 점점 더 통합하여 고객 상호작용을 향상시키고 보다 직관적이고 반응적으로 만들 것입니다. 궁극적으로 은행 및 금융 서비스 부문은 AI 기반 인사이트가 보다 스마트한 의사결정을 가능하게 하는 고도로 지능적이고 데이터 중심의 생태계로 진화하여 원활하고 보다 개인화된 은행 경험을 제공하게 될 것입니다.

물론, 생성 AI가 주류가 된 지 2년도 채 되지 않아 동등하거나 그보다 더 변혁적인 돌파구인 에이전틱 AI가 등장했다는 사실을 간과해서는 안 됩니다. 이 혁신은 정적인 챗봇과 고립된 자동화를 자율적이며 의사결정을 할 수 있는 AI 에이전트로 대체함으로써 은행 분야에 패러다임 전환을 일으킬 잠재력을 가지고 있습니다. 이러한 에이전트는 인간에 가까운 지능으로 적응하고 학습하며 작업을 수행할 수 있습니다.

많은 금융 기관이 아직 AI 도입 초기 단계에 있습니다. 늦게 도입하는 기관이 따라잡기에 너무 늦은가요, 아니면 격차를 메우기 위한 실현 가능한 전략이 있다고 보시나요?

금융 기관이 AI를 수용하기에 아직 늦지 않았지만, 전략적 접근이 필수적입니다. 늦게 도입하는 기관은 AI를 전략 계획에 통합하고 즉각적인 가치를 제공하는 고효과 사용 사례에 집중해야 합니다.

추천되는 첫 단계는 “빠른 성과” 기회를 식별하는 것입니다—예를 들어 AI 기반 고객 서비스 챗봇, 문서 처리 자동화, 사기 탐지 등—AI 도입이 효율성과 고객 만족도를 빠르게 향상시킬 수 있는 영역입니다.

또한, 리소스와 시간이 많이 소요되는 자체 AI 모델 개발 대신, 금융 기관은 전문 AI 벤더와의 파트너십을 통해 AI 배포를 가속화할 수 있습니다. 이러한 파트너십을 통해 은행은 사전 구축된 AI 모델과 클라우드 기반 AI 솔루션을 활용하여 구현 시간과 비용을 줄일 수 있습니다.

또 다른 핵심 전략은 로우코드 및 노코드 AI 플랫폼을 활용하는 것입니다. 이러한 플랫폼은 금융 기관이 광범위한 기술 전문 지식 없이도 AI 기반 솔루션을 신속하게 배포할 수 있게 합니다. 예를 들어, AI 기반 지능형 데이터 처리(IDP) 모듈은 PDF 및 이메일과 같은 비정형 소스에서 데이터를 추출, 분류 및 분석하여 운영 효율성을 향상시킬 수 있습니다.

이러한 집중 전략을 채택함으로써 늦게 도입하는 기관은 컴플라이언스와 확장성을 보장하면서 AI 격차를 효율적으로 메울 수 있습니다.

은행이 AI 솔루션을 구현할 때 직면하는 가장 큰 과제는 무엇이며, 이를 어떻게 극복할 수 있습니까?

AI 솔루션을 구현할 때, 은행은 세 가지 주요 과제에 직면합니다: 데이터 품질, 레거시 시스템 통합, 규제 컴플라이언스.

1. 데이터 품질 및 가용성: AI 모델은 고품질의 구조화된 다양한 데이터 세트가 필요합니다. 그러나 많은 은행이 데이터 소스가 분산되고, 거버넌스가 부족하며, 데이터 형식이 일관되지 않아 어려움을 겪습니다. 이를 극복하기 위해 금융 기관은 강력한 데이터 거버넌스 프레임워크에 투자하고, 데이터 저장소를 중앙화하며, AI 기반 데이터 정제 및 강화 도구를 활용해야 합니다.
2. 레거시 시스템 통합: 많은 은행이 여전히 AI 구현에 최적화되지 않은 레거시 IT 인프라를 운영하고 있습니다. 애플리케이션 프로그래밍 인터페이스(API) 기반 통합 아키텍처를 도입하면 AI 기반 솔루션과 레거시 시스템 간의 격차를 메워, 전체 시스템 교체 없이도 원활한 데이터 흐름과 프로세스 자동화를 가능하게 합니다.
3. 규제 및 컴플라이언스 우려: 변화하는 규제 환경은 AI 모델이 투명하고 설명 가능하며 감사 가능하도록 요구합니다. 이를 해결하기 위해 은행은 AI 거버넌스 프레임워크를 구현하고, 규제 기관과 협력하며, 투명성, 편향 완화 및 컴플라이언스 정렬을 우선시하는 신뢰할 수 있는 AI 솔루션을 채택해야 합니다.

이러한 과제들을 선제적으로 해결함으로써 은행은 AI 도입을 위한 견고한 기반을 마련하고 장기적인 성공을 보장할 수 있습니다.

은행이 전체 규모 배포 전에 AI 사용 사례를 실험하는 것이 왜 중요한가요?

AI 사용 사례에 대한 실험은 은행이 전체 규모 배포에 앞서 운영 가능성, 규제 컴플라이언스 및 성공적인 사용자 채택을 보장하기 위해 필수적입니다.

1. 운영 준비성: AI 기반 솔루션은 워크플로우를 크게 변화시켜, 단순 재설계가 아니라 프로세스 재구상이 필요합니다. 실험을 통해 은행은 기존 프로세스에 미치는 영향을 평가하고 광범위한 구현 전에 필요한 조정을 할 수 있습니다.
2. 사용자 수용 및 교육: AI 기반 시스템은 최종 사용자 기대와의 정렬이 필요합니다. 소규모 파일럿 프로젝트는 은행이 사용자 수용도를 측정하고 실제 피드백을 기반으로 AI 모델을 개선하도록 도와주어, AI 기반 의사결정에 대한 보다 원활한 채택과 신뢰를 보장합니다.
3. ROI 검증: 은행은 대규모 투자를 하기 전에 AI의 재무 및 운영 영향을 측정해야 합니다. 고객 획득 강화, 운영 비용 절감, 사기 방지 개선 등 AI 사용 사례를 실험함으로써 ROI에 대한 실질적인 인사이트를 제공하고 데이터 기반 투자 결정을 가능하게 합니다.

반복적인 테스트-학습 접근 방식을 취함으로써 은행은 위험을 완화하고 AI 전략을 다듬으며 AI 도입이 비즈니스 목표와 일치하도록 보장할 수 있습니다.

금융 기관이 AI 준비와 배포에 접근하여 ROI를 극대화하려면 어떻게 해야 할까요?

AI 배포가 최대 ROI를 창출하려면, 은행은 AI 이니셔티브를 비즈니스 목표와 정렬하는 전략적이며 부서 간 협업 접근 방식을 취해야 합니다.

1. 전략적 정렬: AI는 비용 절감, 프로세스 효율성, 고객 획득, 위험 관리 개선 등 금융 기관의 광범위한 전략 목표에 내재화되어야 합니다.
2. 부서 간 협업: AI 구현은 IT 팀에만 국한되어서는 안 됩니다. 대신, 위험, 컴플라이언스, 운영, 고객 서비스 및 비즈니스 유닛을 포함한 부서 간 협업이 필수적이며, 이를 통해 AI 솔루션이 조직 전체의 요구를 충족하도록 보장합니다.
3. 인력 역량 강화 및 변화 관리: 은행은 직원에게 AI 관련 기술을 갖추게 하는 교육 프로그램에 투자해야 합니다. AI 기반 운영으로의 원활한 전환을 위해서는 체계적인 학습 프로그램, 실습 교육, 그리고 파트너십을 통한 외부 AI 인재 활용이 필요합니다.
4. 확장 가능한 AI 인프라: 금융 기관은 반복적인 개선과 기존 은행 시스템과의 원활한 통합을 가능하게 하는 확장 가능한 AI 플랫폼을 배포해야 합니다.

이러한 요소들을 우선시함으로써 은행은 AI 도입이 의미 있는 비즈니스 성과를 창출하고, 고객 경험을 향상시키며, 측정 가능한 재무 수익을 제공하도록 보장할 수 있습니다.

디지털 결제에서 사기가 증가하는 우려가 있습니다. 생성 AI가 금융 기관이 증가하는 사기를 방지하고 보안을 강화하는 데 어떻게 도움이 될 수 있습니까?

디지털 결제의 채택이 증가함에 따라 보다 정교한 사기 전술이 등장했습니다. 생성 AI는 방대한 데이터를 실시간으로 분석하고 전통적인 규칙 기반 시스템이 놓칠 수 있는 이상 거래 패턴을 식별함으로써 향상된 사기 탐지 기능을 제공합니다.

생성 AI는:

1. 거래 데이터로부터 지속적으로 학습하여 사기를 보다 정확하게 탐지하고, 오탐을 줄이며 사기 방지율을 향상시킵니다.
2. 개별 고객 수준에서 행동 이상을 식별하여 과거 추세에 기반한 의심 활동을 표시합니다.
3. 산업 보고서, 보안 공지 및 전 세계 사고 데이터베이스를 스캔하여 위협 인텔리전스를 강화하고, 새로운 사기 트렌드를 예측하며 이에 맞게 적응합니다.

이러한 AI 기반 기능을 활용함으로써 금융 기관은 사기 방지 조치를 크게 강화하고, 인간 주도 조사 효율성을 최적화하며, 보다 안전한 디지털 거래를 보장할 수 있습니다.

WNS는 분석 및 AI를 활용하여 사기 탐지 및 조사 측면을 해결하기 위해 다양한 고객과 공동으로 솔루션을 만들었습니다. 이러한 솔루션은 다음과 같은 조합을 활용합니다

사기 탐지 및 분류를 위한 예측 모델링.

• 문서 디지털화를 위한 IDP
• 위조 문서 탐지를 위한 딥러닝 기반 솔루션

전 세계 시장에서 컴플라이언스 요구사항이 점점 복잡해지고 있습니다. AI가 은행이 규제 기준을 보다 효율적으로 충족하도록 어떻게 도울 수 있습니까?

규제 컴플라이언스는 지난 수십 년간 전 세계 규제의 지속적인 변화로 인해 역동적이고 진화하는 과제였습니다. 이는 은행이 점점 복잡해지는 컴플라이언스 의무를 준수하기 위해 인력, 프로세스 및 기술에 투자하는 것이 필수적임을 의미합니다. AI는 규제 변화 추적 및 은행 운영에 대한 영향을 평가하는 등 규제 컴플라이언스를 간소화하는 강력한 도구로 부상했습니다. AI를 활용함으로써 금융 기관은 규제 변화에 대한 실시간 업데이트를 받아 선제적으로 컴플라이언스 조치를 계획하고 구현할 수 있습니다.

또한, AI 기반 솔루션은 규제 출판물을 체계적으로 조직하고 관리하여 이러한 변화를 추적하고 해석하는 데 필요한 수작업을 감소시킵니다. 생성 AI(Gen AI)는 새로운 규제를 이전 버전과 비교 분석함으로써 컴플라이언스 역량을 더욱 강화하여, 기관이 내부 정책 및 절차에 미치는 영향을 신속히 평가할 수 있게 합니다. 이 기능은 위험 및 통제 평가를 강화하여 컴플라이언스 프로세스를 보다 효과적이고 효율적으로 만듭니다. 또한, Gen AI는 구조화된 교육 콘텐츠를 만드는 데 중요한 역할을 하여 직원들이 규제 변화에 대해 충분히 인지하도록 보장합니다. AI 기반 지속적인 모니터링 및 감사 기능은 컴플라이언스 위험을 크게 줄이며, 기관에 규제 관리에 대한 선제적 접근 방식을 제공하고 전반적인 위험 및 컴플라이언스 프레임워크에서의 놀라움을 최소화합니다.

컴플라이언스 분야에서 WNS는 지난 몇 년간 AI 및 Gen AI를 활용한 솔루션 구축을 선도해 왔으며, 다음을 포함합니다:

• 부정적인 미디어 스크리닝을 위한 Gen AI 솔루션
• AML 조사용 AI 및 Gen AI 솔루션
• 강화된 KYC를 위한 AI 기반 솔루션

사기 탐지 및 컴플라이언스를 넘어 오늘날 은행에서 가장 유망한 AI 기반 사용 사례는 무엇인가요?

AI는 지속적으로 진화하고 있으며, 데이터 과학자와 AI 실무자들은 은행 부문의 다양한 비즈니스 과제를 해결하기 위한 혁신적인 솔루션을 개발하고 있습니다. 사기 탐지 및 컴플라이언스를 넘어 AI는 고객 경험, 운영 효율성 및 의사결정 프로세스에 큰 변화를 주도하고 있습니다.

가장 두드러진 사용 사례 중 하나는 AI 기반 챗봇 및 Gen AI 기반 실시간 에이전트 지원으로, 이는 개인화되고 즉각적이며 효율적인 상호작용을 제공함으로써 고객 서비스를 혁신하고 있습니다. 이러한 변화는 고객 만족도를 높이고 문제 해결을 간소화합니다.

운영 측면에서 AI는 일반적으로 금융 기관의 여러 부서에 걸쳐 있는 장기적인 조정 프로세스 문제를 해결하고 있습니다. AI 기반 알고리즘은 과거 패턴과 추세를 분석하여 일치되지 않은 거래를 자동으로 매칭함으로써 수작업 개입 필요성을 크게 줄입니다.

또 다른 중요한 적용 분야는 결제 처리이며, 특히 불완전하거나 모호한 결제 세부 정보로 인해 인간 개입이 필요한 입금 처리에 해당합니다. AI 기반 성향 모델은 가능성 점수를 생성하여 기관이 올바른 거래 상대방을 신속하고 정확하게 식별하도록 도와주어 수작업 처리 노력을 최적화합니다.

이는 WNS가 선도적인 금융 기관이 AI를 활용하여 효율성을 높이고, 고객 경험을 개선하며, 운영 회복력을 강화하도록 적극 지원한 몇 가지 예에 불과합니다.

AI 인재는 산업 전반에서 높은 수요를 보이고 있습니다. 은행이 최고의 AI 전문가를 유치하고 유지하기 위해 무엇을 할 수 있을까요?

산업 전반에 AI 채택이 증가함에 따라 AI 인재, 특히 데이터 과학자와 머신러닝 전문가에 대한 수요가 급증했습니다. 최고의 AI 전문가를 유치하고 유지하려면 의미 있는 기회를 제공하고 혁신적인 환경을 조성하는 전략적 접근이 필요합니다.

AI 전문가들의 주요 동기 중 하나는 실험, 혁신 및 영향력 있는 솔루션 개발을 가능하게 하는 고품질 데이터에 대한 접근입니다. 구조화되고 잘 정리된 데이터 생태계를 제공하는 조직은 AI 전문가가 성장할 수 있는 환경을 조성합니다. 반대로 의미 있는 비즈니스 영향을 창출할 기회가 부족한 것이 AI 전문가가 조직을 떠나는 주요 이유 중 하나입니다.

우수 인재를 유치하기 위해 은행은 주요 공대 및 대학과 강력한 파트너십을 구축하고 AI 중심 인턴십, 연구 협업 및 직접 채용 경로를 제공해야 합니다. 이러한 접근 방식은 금융 기관이 AI 전문가와 초기 경력 단계에서 교류하고 조직 내 명확한 성장 경로를 제공할 수 있게 합니다.

또한, AI 전문가가 도메인 전문가와 함께 실제 과제를 해결할 수 있는 AI 중심 문화를 은행 내에서 조성하면 직무 만족도와 유지율이 향상됩니다. WNS는 인도 주요 대학과 협력하여 유사한 모델을 성공적으로 구현했으며, 금융 서비스 부문에 기여할 준비가 된 숙련된 AI 인재 파이프라인을 지속적으로 확보하고 있습니다.

AI 통합으로 은행 전문가들의 역할이 어떻게 변화할 것으로 보십니까? 직원들이 일자리 상실에 대해 우려해야 할까요?

AI가 인간의 일자리를 대체한다는 논의는 수년간 지속되어 왔습니다. AI가 일상 업무를 자동화하긴 하지만, 그 진정한 영향은 인간의 역량을 보강하고 은행 전문가가 수행하는 업무의 질을 향상시키는 데 있습니다.

반복적이고 규칙 기반 업무가 AI 및 로보틱 프로세스 자동화(RPA)에 의해 점점 더 관리됨에 따라, 은행 전문가들은 판단력, 비판적 사고 및 의사결정 수준이 높은 역할로 이동하고 있습니다. 이러한 변화는 지난 10년 동안 디지털 결제가 전통적인 수표 기반 거래를 꾸준히 대체하면서 진행되었습니다. 이 전환으로 지점 및 ATM 이용객이 감소했지만, 동시에 지점 직원들은 결제 예외 관리, 투자 자문 및 사기 조사와 같은 보다 복잡한 역할을 맡게 되었습니다.

백오피스 수준에서 AI는 이전에 수작업으로 처리되던 PDF 및 스캔 문서의 비정형 데이터를 디지털화함으로써 운영 노력을 간소화했습니다. 이제 인간의 관여는 주로 예외 처리 및 복잡한 조사 작업에 집중되어 효율성과 정확성을 향상시킵니다.

일자리 상실을 초래하기보다는, AI 기반 변혁은 인재 역량 강화를 이끌어 전문가들이 산업 요구에 맞는 새로운 역량을 개발하도록 보장합니다. 이러한 변화는 궁극적으로 고급 분석 및 문제 해결 능력을 갖춘 인력을 양성함으로써 금융 서비스 부문에 이익을 줍니다.

은행 조직 내에서 AI‑first 문화를 조성하는 데 관찰한 모범 사례가 있습니까?

WNS는 다양한 은행 참여를 통해 AI‑first 문화를 조성하는 데 앞장서 왔으며, 구조화되고 협업적인 접근 방식을 통해 AI‑주도 변혁을 이끌어 왔습니다. 여러 모범 사례가 AI를 은행 조직에 성공적으로 내재화하는 데 기여합니다:

1. 공동 창출 모델: 은행은 도메인 전문가와 데이터 과학자를 운영 팀에 통합하여 AI 기반 솔루션이 실제 은행 과제와 일치하도록 해야 합니다. WNS에서는 이 접근 방식이 하이퍼 자동화 기회를 식별하고 실행하도록 하여 지속적인 개선을 보장했습니다.
2. 내재형 전환 팀: AI 전환 노력은 IT 또는 혁신 부서에만 국한되어서는 안 됩니다. 대신, 핵심 운영에 전환 팀을 내재화함으로써 AI 기반 효율성을 식별하고 조직 전반에 솔루션을 확장하는 데 지속적인 초점을 유지할 수 있습니다.
3. 문화 인식 및 채택: 조직은 AI의 이점, 사용 사례 및 역할을 보강할 잠재력에 대해 직원들을 교육하는 AI 리터러시 프로그램에 투자해야 합니다. 잘 교육된 인력은 AI 솔루션을 더 많이 채택하고 성공적인 구현에 기여할 가능성이 높습니다.
4. 혁신 장려: 직원들이 AI 기반 아이디어를 제시하고 성공적인 구현을 보상하도록 장려하면 지속적인 개선 및 참여 문화를 촉진합니다. 경연, 해커톤 및 인정 프로그램은 조직 전반에 AI 채택을 촉진하는 데 도움이 될 수 있습니다.

이러한 모범 사례를 채택함으로써 은행은 원활한 AI 통합을 보장하고 운영 효율성을 극대화하며, 미래 금융 서비스에 대비한 인력을 구축할 수 있습니다.

훌륭한 인터뷰에 감사드립니다. 더 알고 싶으신 독자분들은 WNS를 방문하시기 바랍니다.