금융 데이터는 사람들이 플랫폼과 공유하는 정보 가운데 가장 민감한 정보에 속합니다. 실수는 곧 규제상의 책임으로 이어집니다. 부정거래 보류에 대한 잘못된 답변이나 부적절하게 처리된 계좌 분쟁은 고객을 불편하게 하는 데 그치지 않습니다. 법적 리스크를 만들고, 컴플라이언스 신뢰도를 떨어뜨리며, 수습하는 데 몇 년이 걸리는 언론 보도로 이어집니다.
지난 10여 년 동안 대부분의 핀테크 지원팀은 같은 방식으로 문의를 처리해 왔습니다. 쉬운 문의는 자동화로 해결하고, 민감한 문의는 모두 사람이 맡으며, 그에 따른 비용 구조는 감수하는 방식입니다.
이 모델은 지금 한계에 부딪히고 있습니다. 위험도가 달라져서가 아닙니다. AI 에이전트가 충분히 성숙해, 복잡하고 민감도가 높은 상호작용을 안전하게 처리하는 방법이 더 이상 '사람에게 맡기는 것'만이 아니게 되었기 때문입니다. 이제 질문은 자동화할지 말지에서 실제로 신뢰할 수 있도록 자동화를 어떻게 설계할 것인가로 바뀌었습니다.
핀테크 데이터 문제는 구조적입니다
민감한 데이터는 모든 산업에 있습니다. 하지만 핀테크는 데이터가 구성된 방식, 그리고 그 데이터에 대해 정당하지만 서로 다른 권한을 가진 당사자가 많다는 점 때문에 문제가 특히 심각합니다.
사업자 계좌 보유자와 그 직원 모두에게 서비스를 제공하는 플랫폼을 예로 들어 보겠습니다. 사업주는 모든 내역을 볼 수 있습니다. 직원 카드 소지자는 자신의 카드 사용 내역만 볼 수 있습니다. 둘 다 같은 플랫폼의 인증된 사용자입니다. 둘 다 "이 거래는 왜 거절되었나요?"처럼 비슷한 질문을 할 수 있지만, 각자가 열람할 수 있는 데이터와 수행할 수 있는 작업은 근본적으로 다릅니다.
여기에 세 번째 계층이 더해집니다. 바로 플랫폼 자체입니다. 내부 운영팀, 컴플라이언스 부서, 부정거래 분석가는 각각 전혀 다른 규칙에 따라 계좌 데이터에 접근해야 합니다.
이는 가상의 예외 사례가 아닙니다. 기업 뱅킹 플랫폼, 대출 플랫폼, 경비 관리 도구, 결제 인프라 제공업체의 표준 운영 모델입니다. 데이터 환경은 공유되지만, 접근 규칙은 공유되지 않습니다.
AI 에이전트가 광범위한 접근 권한을 가진 채 참여자별 엄격한 적격성 규칙 없이 이 환경에 투입되면 데이터가 뒤섞일 위험이 상당히 커집니다. 에이전트에게 악의가 있어서가 아닙니다. 가장 관련성 높은 정보를 찾아 질문에 답하도록 설계된 대로 정확히 작동하고 있을 뿐입니다.
문제는 관련성이 있다고 해서 허용된 것은 아니라는 점입니다.
핀테크 AI가 잘못 판단하면 벌어지는 일
핀테크에서 나타나는 실패 유형은 모든 다면 플랫폼에서 볼 수 있는 패턴과 같지만, 그 위험도는 훨씬 큽니다.
규제 리스크. 금융 데이터 접근은 데이터 최소화, 목적 제한, 동의, 감사 가능성을 요구하는 규제의 적용을 받습니다. 권한 없는 사용자에게 계좌 데이터를 노출한 에이전트는 단순한 지원 사고가 아니라 잠재적인 컴플라이언스 위반 사건입니다. "모델이 관련 있다고 판단했다"는 설명으로는 규제 당국을 납득시킬 수 없습니다.
계좌 보유자의 신뢰. 금융 서비스는 다른 어떤 산업보다 신뢰를 기반으로 운영됩니다. 사용자가 "이 플랫폼은 나에 대해 또 무엇을 알고 있고, 누가 그것을 볼 수 있을까?"라고 묻기 시작하는 순간, 어떤 CSAT 점수로도 포착할 수 없는 문제가 생긴 것입니다.
내부 접근 통제 위반. 부정거래 분석가는 고객 지원팀과 다른 접근 규칙에 따라 업무를 수행합니다. 컴플라이언스팀과 어카운트 매니저의 권한 범위도 다릅니다. 명시적인 역할 기반 적격성 통제 없이 이 모든 부서에 걸쳐 작동하는 AI 에이전트는 내부 접근 위반의 통로가 됩니다.
고위험 의사결정 오류. 부정거래 분쟁, 결제 실패, 계좌 제한처럼 AI 에이전트가 가장 유용한 상호작용은 오류의 파급력이 가장 큰 상호작용이기도 합니다. 부정거래 분쟁 해결 절차에 대한 잘못된 정보를 믿고 행동한 고객은 결국 플랫폼이 떠안아야 할 법적 책임으로 이어집니다.
지금 일어나고 있는 재검토
아키텍처 전환을 이끄는 핀테크 플랫폼들은 자동화를 포기하지 않습니다. 그동안 하나로 묶여 있던 두 가지, 즉 AI 에이전트의 추론 능력과 데이터 접근 권한을 분리하고 있습니다.
핵심은 간단합니다. AI 에이전트가 맥락을 이해하고, 미묘한 차이를 다루며, 복잡한 상호작용을 처리하는 능력은 모든 것에 접근할 수 있느냐에 달려 있지 않습니다. 현재 작동하는 맥락에 맞는 정보에 접근할 수 있느냐에 달려 있습니다.
여기서 돌이켜 보면 당연해 보이는 아키텍처 원칙이 나옵니다. 에이전트가 무엇이든 검색하기 전에 적격 범위부터 정의해야 한다는 것입니다.
실제로 모든 상호작용은 맥락을 확정하는 데서 시작합니다. 어떤 채널인지, 인증된 사용자가 누구인지, 어떤 역할과 정책 환경이 적용되는지를 파악합니다. 플랫폼은 이 입력값을 바탕으로 어떤 데이터가 범위에 포함되고 어떤 작업이 허용되는지 결정합니다. 그런 다음 에이전트는 그 범위 안에서 추론 능력을 온전히 발휘합니다.
팀원의 카드 사용 내역을 묻는 사업자 계좌 소유자는 자신에게 권한이 있는 정보를 봅니다. 같은 질문을 하는 직원 카드 소지자는 자신의 데이터만 봅니다. 검토를 진행하는 컴플라이언스 분석가는 컴플라이언스 업무에 맞는 접근 규칙에 따라 작업합니다. 같은 AI 에이전트, 같은 기반 역량이지만, 에이전트가 추론을 시작하기 전에 아키텍처 계층에서 서로 다른 적격성 맥락이 적용됩니다.
이 접근 방식은 핀테크에서 중요한 세 가지 구체적인 이점을 제공합니다.
감사 가능성. 모든 상호작용의 범위가 명시적인 적격성 규칙으로 정해지면, 각 상호작용에서 에이전트가 어떤 데이터를 사용할 수 있었는지 명확한 기록이 남습니다. "에이전트가 어떤 데이터에 접근했는가?"라는 질문에 대략적으로가 아니라 정확하게 답할 수 있으며, 이는 규제 조사에서 요구하는 바로 그것입니다.
일관된 접근 통제. 적격성 계층은 에이전트가 지시를 기억하거나 맥락을 올바르게 추론하는 데 의존하지 않습니다. 구조적으로 적용되므로 모든 상호작용, 모든 예외 사례, 모든 비정상적인 입력에 일관되게 작동합니다.
확장 가능한 컴플라이언스 체계. 새로운 규제가 나오면(핀테크에서는 늘 그렇듯이) 아키텍처 계층의 적격성 규칙을 업데이트하는 즉시 모든 AI 상호작용에 반영됩니다. 모델의 프롬프트를 다시 작성하거나 시스템을 재학습할 필요가 없습니다. 규칙이 모든 곳에 자동으로 적용됩니다.
사람의 판단은 여전히 필요합니다
아키텍처를 재검토해도 변하지 않는 것이 있습니다. 사람이 판단하는 것이 옳은 상호작용은 여전히 존재하며, 잘 설계된 AI 시스템은 그 지점까지 쉽게 연결해 줍니다.
핀테크에서는 이런 순간을 예측할 수 있습니다. 플랫폼이 이미 검토한 부정거래 판정에 이의를 제기하는 고객, 컴플라이언스 보류에 의문을 제기하는 사업자 계좌 보유자, 예외 정책에 대한 판단이 필요한 복잡한 다중 상품 문의를 하는 고액 고객 등이 그렇습니다.
이러한 상호작용에서는 Agent Maven이 정보 검색과 맥락 정리를 맡아 상담원이 빠르게 상황을 파악하도록 돕고, 관련 이력을 보여 주며, 답해야 할 핵심 질문을 짚어 줍니다. 최종 판단과 커뮤니케이션은 사람에게 맡긴 채로 말입니다.
에스컬레이션 경로는 실패가 아닙니다. 성숙한 AI 지원 아키텍처에서 의도적으로 설계된 기능입니다. 명확한 트리거, 매끄러운 인계, 상담원에게 전달되는 완전한 맥락을 갖춰 이를 의도적으로 구축하는 것이야말로, 엄격한 검증을 견디는 AI 도입과 위험이 가장 클 때 사고를 일으키는 AI 도입을 가르는 차이입니다.
비용 절감에서 신뢰 인프라로
핀테크 지원에서 AI에 대한 초기 논의는 거의 전적으로 비용에 관한 것이었습니다. 디플렉션율, 티켓 감소, 상담원 업무 시간 절감 같은 지표입니다. 이 지표들은 실제로 의미가 있고 중요하지만, 걸려 있는 것의 일부만 보여 줍니다.
AI로 가장 지속적인 가치를 얻는 핀테크 플랫폼은 비용 절감을 최우선 목표로 삼지 않습니다. 더 모방하기 어려운 것을 구축하고 있습니다. 바로 고객, 계좌 보유자, 기업 고객, 내부 팀 등 모든 참여자 그룹이 자신의 데이터가 적절히 다뤄지고 상호작용이 일관되게 처리될 것이라고 신뢰할 수 있는 지원 인프라입니다.
이는 디플렉션과는 다른 설계 목표이며, 이를 달성하려면 다른 아키텍처가 필요합니다. 접근 통제가 뛰어난 모델에 나중에 덧붙이는 기능이 아니라, 모델의 역량이 그 위에서 작동하는 기반 계층이 되는 아키텍처입니다.
지금 이러한 아키텍처에 투자하는 플랫폼은 오늘의 AI 거버넌스 문제만 해결하는 것이 아닙니다. 앞으로 등장할 모든 AI 역량을 기본적으로 신뢰할 수 있게 만드는 인프라를 구축하고 있습니다. 오늘의 지원 에이전트를 통제하는 적격성 계층이 내일의 더 뛰어난 에이전트도 통제할 것이기 때문입니다.
핀테크에서 신뢰는 기능이 아닙니다. 신뢰가 곧 제품입니다.
귀사의 실제 대화로 확인하세요.
맞춤형 무료 데모를 신청하세요.
