데이터 너머의 공감으로… 사람을 위한 AI 금융이란 무엇일까?
AI와 함께 만드는 금융의 풍경
몇 년 전, 우리는 은행 창구 앞에서 번호표를 뽑고 기다렸습니다. 호출음이 들리고 상담원과 대면하는 그 시간이 익숙했었죠. 하지만 지금은 다릅니다. ‘나’를 더 잘 아는 앱이 먼저 내 월급일을 기억하고 지출을 정리하며 쓸 만한 상품을 추천합니다. 화면 속 조용한 AI가 우리의 금융 파트너가 된 것입니다.
이미 변화는 눈에 띄지 않게 시작됐고, 작은 자동이체, 간편한 송금, 맞춤형 알림에서 출발한 편의의 기술이 어느새 ‘신뢰의 방식’을 바꿔놓았습니다. 사람은 점점 AI의 조언을 진지하게 듣고, 데이터를 믿으며, 그 안에서 스스로 금융 습관을 새로 만들어가고 있습니다.
결국 AI가 바꾸는 것은 돈의 흐름만이 아니라 사용자의 결정 방식, 소비 감각, 그리고 돈과의 관계 그 자체입니다. 그리고 그 변화의 중심에는 사람이 있습니다. AI는 차가운 알고리즘이 아니라 우리가 더 현명하고 여유로운 선택을 하도록 이끄는 새로운 동반자로서 함께 더 나은 금융의 풍경을 그려가고 있습니다.
금융 생활의 동반자로 자리 잡은 AI
출근길 전철에 오르며 휴대폰을 켜면 어제 늦게 결제했던 커피값과 배달비가 빠져나간 것을 AI가 먼저 정리해 알려줍니다. “이번 주 지출이 조금 빠르게 늘고 있어요” 짧은 팝업 알림 한 줄이지만 막연했던 소비의 감각이 숫자로, 그리고 습관으로 다가옵니다.
점심시간, 이벤트 배너의 적금 상품이 눈에 들어오고 클릭 한 번으로 전에 AI가 나의 월 소득, 최근 소비 패턴, 남은 결제 예정액을 이미 계산해 “지금은 가입하기 좋은 시점입니다”라는 메시지를 띄워줍니다. 퇴근 무렵, 카드 명세서 대신 AI가 만든 ‘금융 리포트’를 확인합니다.
심지어 얼마를 어디서 썼는지 알려줄 뿐만 아니라, “이번 주 목표 저축률을 이미 달성했어요, 잘하고 있어요”라는 문장이 따뜻하게 따라붙으며 숫자가 아닌 ‘격려’로 하루의 금융이 마무리됩니다. 알고리즘 속에 담긴 배려의 언어가 우리의 금융을 더 사람답게, 더 나답게 만들어가는 중이죠.
사람을 향해 진화하는 AI 금융
이처럼 AI가 빠르게 금융을 인간 중심으로 진화시키고 있는 요즘, AI 금융의 모습들은 크게 세 가지유형으로 나눠볼 수 있습니다.
‘관찰’에서 ‘이해’로: 나를 배우는 금융
AI가 하는 일의 본질은 데이터를 단순히 수집하는 것이 아니라 ‘이해하는 것’입니다. 고객의 소비·저축 패턴을 기반으로 상황을 읽고, 감정에 가까운 피드백을 제공하죠. 금융이 고객의 숫자가 아닌 ‘삶의 맥락’을 이해하기 시작하면서, 서비스는 점점 ‘나를 학습하는 파트너’로 진화하고 있습니다.
‘추천’에서 ‘대화’로: 기술이 말을 걸다
과거 금융 서비스의 추천은 일방적이었지만 생성형 AI가 등장하면서 추천은 대화로 바뀌고 있습니다. ‘이 상품을 왜 추천했는지’ ‘나에게 어떤 의미가 있는지’를 스스로 설명하며 투명성을 높입니다. 금융은 이제 결과를 제시하는 시스템이 아니라, 함께 판단을 만들어가는 ‘대화형 금융 경험’으로 확장되는 중이죠.
‘관리’에서 ‘돌봄’으로: 숫자 속의 공감
AI는 단순히 잔액을 계산하지 않습니다. 고객의 불안, 지출 패턴, 금융 피로까지 감지해 “이번 주는 충분히 잘하고 있어요” 같은 작은 격려를 보냅니다. 이는 효율보다 정서적 연결을 중시하는 흐름이며 금융이 다시 인간 중심으로 돌아오는 이유가 바로 여기에 있다고 볼 수 있습니다.
데이터를 이해하고, 삶의 맥락을 읽는 금융사
한국금융연구원이 발표한 생성형 AI의 분야별 수요 전망에 따르면 금융 분야의 AI 수요는 연평균 53.3% 증가해, 오는 2030년엔 439억원에 달하는 수요까지 성장할 전망이라고 합니다. 그리고 이런 전망처럼 오늘날 우리 주변에는 수많은 금융 기업이 다양한 AI 기능 서비스를 제공하고 있는 걸 쉽게 찾아볼 수 있습니다.
재무 여정을 함께 설계하는 동반자
먼저 우리은행은 마이데이터를 활용한 ‘금융상품 추천 서비스’를 운영하고 있습니다. 자산 규모·재무 상태가 비슷한 고객 군을 AI로 찾아내고, 현재 보유 종목·최근 소비 내역까지 분석해서 예·적금·대출·펀드 등을 맞춤 추천합니다. 금리가 낮은 입출금 통장에 묶여 있는 돈을 찾아 알려주고, 고객에게 유리한 예·적금 상품을 제안하는 등 ‘숫자 관리’보다 ‘상황 이해형 제안’에 가깝게 움직입니다.
맥락에 맞춘 선제적 조력자
우리은행 ‘뉴 우리WON뱅킹’은 고객 데이터를 통합해서 초개인화 추천 배너를 띄우는 시스템을 갖추고 있습니다. 카드 결제일이 다가온 고객에게는 홈 상단에 잔액 확인 배너를, 자동이체 종료일이 임박한 고객에게는 관련 알림을, 만기 도래 상품 보유 고객에게는 새 상품을 추천합니다. 인구통계·금융 데이터·앱 행동 데이터까지 묶어서 ‘지금 이 고객에게 꼭 필요한 안내’를 맥락에 맞춰 보여주는 구조입니다.
재무 습관을 학습하는 파트너
여러 시중 은행은 이미 초개인화(PFM, Personal Financial Management)를 도입해, 고객의 지출·저축 패턴에 맞춰 맞춤 조언을 하고 있습니다. 특히 신한은행은 머니버스(Moneyverse)를 통해 미래 자산 시뮬레이션과 ‘My 자산 루틴’을 제공하고 있는데요.
이 기능은 고객별 금융 습관을 자동 학습해 저축 알림과 루틴을 제안합니다. 신한은행뿐만 아니라 국민·농협 등도 마이데이터 기반으로 고객의 라이프스타일에 맞춰 월별 지출 예산, 저축 목표, 자산, 구입 목표(집·차 등)를 추천하는 서비스를 운영 중입니다.
순간적 필요를 읽을 줄 아는 AI 상담사
신한·농협 등은 AI 브랜치(무인점포)에서 AI 뱅커가 입출금, 대출·상품 상담, 각종 증명서 발급까지 처리하는 서비스를 확대 중입니다. AI가 고객의 기본 정보와 거래 이력, 문의 내용을 바탕으로 적합한 상품과 절차를 안내하면서 사람 직원이 했던 ‘기본 설명’ 영역을 상당 부분 대체하고 있어요.
이처럼 국내에서 AI가 실제 영업점 업무의 60~80%를 처리하거나, 숨은 자금을 찾아 더 나은 상품을 제안하는 사례가 빠르게 늘고 있습니다. 하지만 해외처럼 ‘수익이 몇 배 늘었다’는 수준의 숫자 효과보다는, 아직은 고객 경험 개선과 운영 효율 향상 중심으로 성과를 축적해 가는 단계라고 보는 게 현실에 가깝습니다. 따라서 앞으로 우리가 AI를 어떻게 활용해야 할지, AI 금융 서비스들이 어디로 가고 있는지 흐름을 알아보는 것이 더욱 중요해질 예정입니다.
사람 중심 AI를 녹이다
한편 이모션글로벌에선 금융 고객 프로젝트에서 AI를 ‘별도의 해결책’이 아니라, 리서치부터 UX, 콘텐츠 제작, 운영까지 전 과정에 자연스럽게 녹여 쓰는 업무 도구이자 파트너로 활용하고 있는데요. 단순 프로토타입을 만들어주는 수준이 아니라, 초반 가설 설정부터 실제 서비스 운영 개선까지 모든 단계에서 AI와 함께 일하는 워크플로우를 구축하고 있습니다.
리서치 단계: 시장·고객 인사이트 구조화
가장 먼저 리서치 단계에선 방대한 리포트와 레퍼런스 자료를 AI로 분류·요약해 시장 동향과 경쟁사 사례를 빠르게 구조화합니다. 예를 들어, ‘2030 투자 초보자를 위한 디지털 자산 관리 서비스’ 프로젝트라면 국내외 마이데이터·로보어드바이저 서비스 사례 수십 개를 AI로 기능별(가입 플로우, 자산 진단, 포트폴리오 추천, 리스크 안내 등) 자동 분류하고 분석하여 핵심 특징을 요약합니다.
이렇게 정리된 자료를 바탕으로 ‘어떤 지점에서 고객이 불안을 느끼고, 어디에서 동기부여를 받는지’, ‘어떤 메시지가 신뢰를 주는지’를 입체적으로 정의합니다. 경쟁 서비스 분석 결과 ‘투자 성향 진단 후, 예상 손실 구간을 직관적으로 보여주는 화면에서 신뢰도가 높아진다’는 패턴이 보이면, 우리 서비스에서도 리스크 정보를 먼저 투명하게 설명하는 방향으로 금융 UX 전략의 초안을 세웁니다.
UX·디자인 단계: 다중 버전 화면·카피 생성
UX·디자인 단계에선 구글 제미나이와 디자인 보조 도구를 활용해 여러 버전의 화면 흐름과 카피를 신속하게 만들어봅니다. 예를 들어, 같은 마이데이터 대시보드라도 ‘데이터를 좋아하는 사용자’에게는 자산 변동 그래프, 카테고리별 소비 분석, 세부 지출 내역 필터 등 상세 정보 중심 버전을 AI로 생성합니다.
반대로 ‘초보 사용자’에겐 “이번 달 쓴 돈, 지난달보다 +12% 증가했어요. 어디에서 많이 늘었는지 함께 볼까요?”처럼 안내 문장이 많은 버전, 추천 액션 버튼(예: 자동이체 한도 조정하기, 숨은 자산 찾기)이 강조된 버전을 만들어 나란히 비교합니다. 이후 실제 사용자 테스트를 통해 ‘어느 버전에서 더 이해가 빠르고, 불안이 줄어드는지’를 확인하고, 그 결과를 바탕으로 화면 구성·문구·정보량을 정교하게 다듬습니다.
이 과정에서 AI는 사용자 여정 속 불안·혼란·신뢰 포인트를 읽어내는 데도 활용됩니다. 사용자의 인터뷰 스크립트와 사용성 테스트 결과를 화면 흐름과 메시지에 녹여 서비스 흐름을 매끄럽게 만듭니다.
콘텐츠 제작 단계: 세그먼트별 메시지 변주
콘텐츠 제작 단계에선 생성형 AI를 활용해 하나의 금융 주제를 여러 고객 세그먼트에 맞게 변주합니다. 예를 들어, 같은 금리 인상 이슈라도 20·30대에게는 ‘매달 나가는 생활비와 카드값에 끼치는 영향’, ‘이번 달에 체크해야 할 3가지 포인트’ 등 생활비 관리 관점으로 풀어냅니다.
반면, 40·50대에게는 ‘보유 중인 주택담보대출 이자 부담이 얼마나 늘어나는지, 갈아타기를 고려해야 하는지, 임대 수익·주택 자산 전략을 어떻게 조정할지’ 등 대출·주택 자산 관점으로 콘텐츠를 재구성합니다. 같은 주제라도 헤드라인, 예시 수치, 그래프 설명, 행동 가이드(지금 확인해야 할 것)를 각 세그먼트의 관심사와 금융 이해도에 맞춰 달리 설계하여 읽는 사람이 ‘나에게 온 메시지’라고 느끼도록 개인화된 콘텐츠를 만드는 것이 목표입니다.
또한, AI는 동일한 내용의 톤·형식을 상황별로 변환하는 데도 활용됩니다. 앱 푸시용 짧은 알림 문구, 앱 내 상세 설명, 고객센터용 FAQ 답변, SNS 카드뉴스용 문장 등으로 자동 변환해 채널 간 메시지 톤은 통일하면서도 표현 방식은 최적화할 수 있습니다.
‘사람 중심 AI’로 신뢰의 새로운 기준
수십 년 동안 금융 서비스는 사후 대응 방식으로 운영되어 왔습니다. 거래가 실패하면 고객이 전화를 걸고, 사기가 발생하면 조사가 시작되는 식이었죠. AI는 비정상적인 패턴을 실시간으로 감지하고 고객이 문제를 알아차리기도 전에 조치를 취할 수 있습니다.
다만, 아직까지 업계는 AI로 자동으로 차단할 수 있지만 상황을 파악하고 적절한 맥락에 따라 조치를 취할 수 있는 건 아직 사람의 몫이라고 보고 있습니다. 최근 글로벌·국내 논의의 키워드는 단순 자동화가 아니라 Human-Centred AI예요. 결정 과정이 얼마나 설명 가능한지, 편향·차별 없이 추천하는지, 사용자가 내 데이터·알고리즘을 얼마나 조절할 수 있는지가 경쟁 포인트가 된다는 거죠.
한국 금융당국도 2030년까지 AI 인프라와 함께 신뢰·투명성 기준을 정비하겠다는 계획을 내놓은 상태라 앞으로의 AI 금융은 ‘얼마나 똑똑하냐’보다 ‘얼마나 잘 설명하고, 얼마나 사람 편이냐’로 평가받을 가능성이 큽니다.
이를 종합해보면 사람 중심 AI의 진짜 과제는 ‘더 똑똑한 알고리즘’을 만드는 일이 아니라, 편향을 줄이고, 데이터를 지키고, 결정을 설명하고, 잘못된 판단의 책임을 사람이 질 수 있는 구조를 만드는 일에 가깝습니다. 결국 이 싸움에서 이기는 회사는 기술이 아니라 신뢰와 경험으로 선택받는 회사일지도 모릅니다.
데이터와 공감 사이: 사람 중심 AI를 다루는 스킬셋
기업 내 AI 도입은 매년 가속화되고 있고 조직에서 요구될 역량도 점점 달라질 것입니다. 데이터와 AI를 이해하는 기본 소양, 좋은 프롬프트를 던지는 능력, 사람 중심 경험을 설계하는 UX 감각, 그리고 기술의 한계를 인지하고 책임 있게 사용하는 태도까지. ‘AI를 잘 쓰는 기술’보다 ‘AI와 사람을 어떻게 엮어 경험을 설계하느냐’의 문제에 가깝습니다. 다음과 같은 스킬셋 말이죠.
[전사적 기본 역량] – 모든 직원이 갖춰야 할 AI 활용의 첫걸음
모든 직원들이 전사적으로 갖춰야 할 중요한 AI 역량은 ‘AI 리터러시’와 ‘데이터를 읽는 눈’입니다. 먼저, AI 리터러시의 경우 AI가 뭘 잘하고, 어디서 실수하는지, 어떤 데이터가 필요할지 감을 잡는 능력이죠. 쉽게 말하자면 ‘이 일은 AI에게 먼저 시켜보고, 마지막 품질은 사람이 본다’ 정도의 감각입니다.
두 번째로 ‘데이터를 읽는 눈’의 경우 캠페인 성과, 사용자 행동 로그, A/B 테스트 결과를 보고 ‘그래서 다음에 뭘 바꿔야 하지?’까지 연결할 수 있는 시각입니다.
[UX·리서치 핵심] – 사용자 중심으로 AI를 녹이는 설계 감각
AI를 도입한 UX 디자인 및 리서치의 핵심은 ‘사람 중심 설계(HCD) 역량’과 ‘AI를 고려한 사용자 조사’입니다. 사람 중심 설계 역량의 경우 사전에 먼저 사용할 AI 기능을 정하고 시작하는 게 아니라, 인간 사용자의 필요·불안을 먼저 이해하고 거기에 AI를 붙이는 사고방식이죠.
두 번째 AI를 고려한 사용자 조사는 AI의 개입에 대한 영향을 판단하는 부분입니다. “AI가 이 지점에서 개입하면 사용자는 어떻게 느낄까?” “어디까지 자동화해도 신뢰가 깨지지 않을까?”를 묻는 리서치 질문을 던질 수 있어야 합니다.
[기획·전략 리더십] – 문제와 실행을 연결하는 조율 능력
기업 내 AI 도입을 위해선 기획 및 전략 리더십 부문에서도 변화가 필요합니다. 가장 먼저 ‘문제 정의 능력’을 길러야 합니다. 요컨대 ‘그냥 AI 써보자!’가 아니라 ‘어떤 고객 경험의 어느 구간을 어떻게 개선할까?’를 명확히 말로 풀 수 있어야 해요.
두 번째 필요 역량은 ‘AI 오케스트레이션’ 스킬입니다. 기획·디자인·데이터·개발, 그리고 클라이언트를 엮어서 ‘어디까지 AI, 어디서부터 사람’이라는 규칙과 흐름을 같이 그려내는 능력이죠.
[크리에이티브 활용법] – AI를 창작의 가속기로 삼는 습관
쉬워보이는 AI 창작 활용 역시 필요한 역량이 존재합니다. 대표적으로 ‘AI를 활용한 아이데이션·실험 습관’인데요. 이는 카피·비주얼 초안을 AI로 여러 버전 뽑고, 데이터를 비교해 보면서 빠르게 버리고 고치는 루프를 돌릴 줄 아는 능력입니다.
또한 이렇게 AI를 창작에 활용할 경우 ‘브랜드 톤을 지키는 감각’ 역시 중요해집니다. AI를 활용했다고 브랜드 톤이 무너지게 된다면 말짱 도루묵이죠. 브랜드 톤을 지키는 감각을 유지하기 위해선 생성형 AI가 만든 결과를 그대로 쓰지 않고 브랜드의 목소리와 윤리를 지키도록 ‘마지막 10%를 사람 손으로 정리하는 힘’을 중요시 하는 게 좋습니다.
[윤리·안전 감수성] – 신뢰를 지키는 필수 마인드
AI는 얼핏 보면 편리한 도구 같아 보이지만 다양한 윤리적·보안 문제점을 가지고 있는 양날의 검과도 같습니다. 때문에 신뢰를 지키기 위해 필수적으로 갖춰야 하는 마인드가 있죠. 대표적인 것이 ‘데이터·프라이버시 감각’입니다. 이건 어떤 데이터를 써도 되는지, 고객이 어떻게 느낄지, 규제에 문제는 없는지를 사전에 생각하는 감수성인데요. 이런 감수성을 기르기 위해선 어떤 일이든 ‘한 번 더 걸러보는 습관’이 필요합니다.
AI를 도입해 제대로 다루기 위해선 ‘편향·차별에 대한 민감도’ 역시 갖추고 있어야 합니다. 쉽게 말해 AI의 추천·개인화 결과가 특정 집단에 불리하게 작동하지 않는지, AI가 출력해낸 표현·이미지·카피 등에서 차별이나 혐오 등의 문제 요소가 섞이지 않는지 민감하게 반응하고 체크하는 눈을 기르는 것이죠.
[사람다운 스킬] – AI 시대의 핵심 가치
하지만 결국 공통적으로 말하는 건 AI 시대일수록 ‘공감’ ‘감정 지능’ ‘커뮤니케이션’이 더 중요해진다는 점이에요. 우리에게 사람 중심 AI란 ‘기술을 얼마나 많이 썼느냐’가 아니라 ‘그 결과가 사람에게 얼마나 이해되고, 안심되고, 도움이 되느냐’를 끝까지 책임지는 능력이라고 보면 됩니다.
결국 AI는 도구가 아니라, 사람과 사람을 잇는 새로운 언어입니다. 여러분들은 이 언어를 통해 고객의 진짜 목소리를 듣고 계신가요?
? 원문 링크: 데이터 너머의 공감: 사람을 위한 AI 금융
뉴스콘텐츠는 저작권법 제7조 규정된 단서조항을 제외한 저작물로서 저작권법의 보호대상입니다. 본 기사를 개인블로그 및 홈페이지, 카페 등에 게재(링크)를 원하시는 분은 반드시 기사의 출처(로고)를 붙여주시기 바랍니다. 영리를 목적으로 하지 않더라도 출처 없이 본 기사를 재편집해 올린 해당 미디어에 대해서는 합법적인 절차(지적재산권법)에 따라 그 책임을 묻게 되며, 이에 따른 불이익은 책임지지 않습니다.
- 에디터김동욱 (jkkims@ditoday.com)
