인공지능(AI) 기술은 은행 산업에서 없어서는 안 될 부분입니다. 예를 들어 위험, 사기, 규정 준수와 같은 영역에서 AI를 사용하는 것은 수년 동안 흔히 있는 일이었으며 계속해서 심화되고 있습니다. 이러한 이니셔티브(및 기타)의 성공과 더 많은 혜택을 누릴 수 있는 잠재력으로 인해 2024년에는 이 분야에 대한 투자가 더욱 확대되고 있으며, 특히 생성형 AI가 관심을 끌고 있습니다.
금융 기술 분석 기관인 Celent는 MongoDB와 Icon Solutions의 의뢰로 현재 은행 업계에서 오늘날 AI가 어떻게 사용되고 있는지, 그리고 운영 민첩성 향상, 워크플로 자동화, 개발자 생산성 향상을 위해 결제에 AI를 도입하는 주요 사용 사례 몇 가지에 대해 자세히 설명하는 보고서를 작성했습니다.
Celent의 보고서: '결제 분야에서 AI 이점 활용하기'를 다운로드하여 AI 투자를 최대한으로 누리고 미래의 결제를 향한 AI의 무한한 가능성을 열어볼 수 있는 방법을 알아보세요.
다양한 워크플로 및 제품 개선 사항 활용하기
오늘날 AI 기술은 미들 및 백 오피스의 프로세스 자동화 및 최적화부터 프론트 오피스의 실시간 위험 및 유동성 관리, 현금 흐름 예측, 서비스 개인화 등의 영역에 이르기까지 다양한 워크플로와 고객 대면 서비스를 처리하는 데 사용되고 있습니다. 가상 비서와 봇도 고객 지원 프로세스의 중요한 부분이 되었습니다.
이 블로그에서는 Celent에서 작성한 '결제 분야에서 AI 이점 활용하기'의 주요 분석 결과 중 일부와 이것이 은행 및 결제 산업에 주는 의미를 다룰 것입니다.
고급 분석, 지능형 자동화, AI 기술이 2024년 투자 안건을 주도할 것
시간이 지남에 따라 은행은 데이터를 더 우수하고 효율적으로 사용하기 위해 프로젝트에 대한 투자를 꾸준히 늘려 왔습니다. 이는 디지털 서비스의 속도와 품질에 대한 고객의 높아지는 기대치에 부응해야 할 필요성에 기반한 측면도 어느 정도 있지만, 계정 및 트랜잭션 데이터의 진정한 가치에 대한 이해도가 높아지고 있음을 반영하는 것이기도 합니다. 그러나 무엇보다도 가장 중요한 것은 AI 및 고급 분석이 지원하는 사용 사례를 제공하는 데 필요한 기술을 구현하는 것이었습니다.
데이터 분석 및 AI 기술이 지원하는 프로젝트가 전 세계적으로 중요한 안건이라는 것은 놀라운 일이 아닙니다. 고급 분석 및 머신 러닝 투자는 기업 은행의 33%에서 로봇공학 및 자동화 관련 프로젝트(시장의 31%가 집중하는 분야)보다 높은 기술 우선 순위를 차지한 주요 기술 분야입니다. 인공지능과 자연어 처리(NLP)도 크게 뒤지지 않으며 은행의 28%에서 우선 순위로 강조했습니다.
많은 이가 탐색하고 있는 생성형 AI
잠재력이 명백하다는 점을 고려하면 생성형 AI에 대한 흥분은 이해할 수 있지만, 2023년 후반으로 갈수록 논의는 더욱 미묘해졌습니다. 이는 민감할 수도 있는 고객 데이터에 거대 언어 모델(LLM)을 적용할 때의 복잡성에 더해 LLM 결과물의 설명 가능성(및 잠재적 감사 가능성)에 대한 광범위한 규제 우려를 고려할 때 이해할 수 있는 부분입니다. 즉, 생성형 AI가 이미 고문 및 관계 관리자를 지원하는 데 사용되고 있는 분야가 많으며 이와 같은 영역에서 추가적인 혁신이 기대됩니다. 보고서에 따르면 은행의 58%가 생성형 AI를 어느 정도 평가하거나 테스트하고 있으며, 추가로 23%는 로드맵에 이 기술을 사용하는 프로젝트를 포함하고 있습니다.
결제 분야에서 새롭게 부상하는 AI의 사용 사례와 잠재적인 매출 성장률
개발자 역량의 부족은 은행이 결제 상품 혁신을 제공하는 데 있어 가장 큰 걸림돌 중 하나입니다. 은행들은 지난 2년 동안 리소스 제약으로 인해 제공하지 못한 상품 개선이 결제 수익의 5.3% 성장률을 뒷받침했을 것이라 믿고 있습니다. 금융 기관은 이러한 점과 AI 통합을 바탕으로 한 혁신적 변화를 염두에 두고 개발자 리소스를 확보하여 이러한 기회를 최대한 활용할 수 있는 방법을 고려해야 합니다.
결제 산업이 계속 발전함에 따라, AI의 통합은 보안, 효율성, 개인화된 사용자 경험을 우선시하는 혁신적인 솔루션을 제공하면서 결제 환경을 재편할 준비를 마쳤습니다. 결제 분야에서 새롭게 부상하는 AI의 사용 사례는 금융 거래의 미래를 형성하는 데 있어 AI의 혁신적인 잠재력을 입증해 줍니다.
최신 기술을 이용하여 AI 도입을 최대한 활용하기
빠르게 진화하는 AI 환경에서는 지속적인 기술 발전과 진화하는 고객 요구로 인해 전략적 투자가 필요합니다. 경쟁력을 유지하기 위해 은행과 결제 서비스 제공 업체는 현재의 상품 개선뿐만 아니라 결제 인프라 현대화를 통해 미래에 대비한 역량 강화에도 집중해야 합니다. 데이터를 기반으로 삼아야 하는 AI 및 ML과 같은 첨단 기술을 도입할 때, 조직은 유연성이 떨어지고 수정에 대한 저항성 때문에 레거시 시스템에 이러한 혁신을 통합하는 데 어려움을 겪는 경우가 많습니다. 예를 들어, 새로운 결제 레일과 새로운 고객 액세스 포인트를 추가하는 것은 매우 어려울 수 있습니다. 은행은 최신 데이터 플랫폼으로 강력한 데이터 아키텍처를 구축하여 모든 형식의 데이터를 실시간으로 통합하고 분석함으로써 결제 경험을 강화하여 소비자에게 부가가치가 높은 서비스와 기능을 제공할 수 있습니다. 다음의 권장 사항은 금융 서비스 조직이 개인 정보 보호 및 보안 문제를 적절히 해결하면서 대규모로 생성형 AI의 혁신적 잠재력을 발휘할 수 있도록 도와줍니다.
-
가장 정확한 최신 데이터를 기반으로 AI/ML 모델을 학습시킴으로써 기술이 진화하는 상황에 따른 적응성과 민첩성에 대한 중요한 요구 사항을 해결합니다. 은행은 백엔드 결제 처리에서 고객 상호작용에 이르는 데이터를 통합함으로써 실시간으로 인사이트를 도출하여 원활하고 연결된 개인 맞춤형 고객 여정을 마련할 수 있습니다.
-
모든 데이터 구조, 형식 또는 소스를 수용할 수 있는 유연한 데이터 스키마를 통해 미래를 대비할 수 있습니다. 이러한 유연성 덕에 다양한 AI/ML 플랫폼과 원활하게 통합할 수 있으므로 금융 기관은 인프라를 광범위하게 수정하지 않고도 AI 환경의 변화에 적응할 수 있습니다.
-
모든 데이터에 내장된 보안 제어 기능을 통해 보안 문제를 해결합니다. 고객 환경에서 관리하든 완전 관리형 클라우드 서비스인 MongoDB Atlas를 통해 관리하든, MongoDB는 인증(싱글 사인온 및 다단계 인증), 역할 기반 액세스 제어, 포괄적인 데이터 암호화 등의 기능으로 강력한 보안을 보장합니다. 이러한 보안 조치는 민감한 금융 데이터에 대한 보호 장치 역할을 하여 외부 당사자의 무단 액세스 위험을 완화하고 조직이 AI 및 ML 기술을 안심하고 수용할 수 있도록 지원합니다.
-
타사 서비스를 API와 통합하여 상시 가동 보안 애플리케이션을 출시하고 확장합니다. 정형 및 비정형 데이터를 비롯한 다양한 유형의 데이터를 처리할 수 있는 MongoDB의 유연한 데이터 모델과 기능은 은행, 타사, 소비자 간의 데이터 흐름을 가능하게 하는 오픈 API 에코시스템을 조율하는 데 매우 적합합니다.
MongoDB Atlas 개발자 데이터 플랫폼은 강력한 AI 및 분석 기능을 개발자의 수중에 직접 제공하며, 모든 결제 데이터 유형을 즉시 통합, 수집, 작업하여 결제 경험을 강화할 수 있는 기능을 선사합니다. MongoDB Atlas는 금융 서비스 조직이 데이터 문제를 극복하는 것을 도울 수 있도록 설계되었습니다. 유연한 문서 데이터 모델과 원활한 타사 통합 기능으로 손쉽게 확장 가능하고, 상시 가동되며, 안전하고, ACID를 준수하는 구성 가능한 결제 시스템을 만드는 데 필요한 기능을 갖추고 있습니다.
앞서 나갈 때입니다. 지금 바로 Celent의 보고서를 다운로드하고 미래의 결제를 향한 AI의 무한한 가능성을 열어보세요. 시각적으로 살펴보고 싶으시다면, 즉 Celent, Icon Solutions, MongoDB가 참여하는 토론을 원하신다면 Celent, Icon Solutions, MongoDB와 함께하는 곧 개최될 웨비나 'AI를 활용하여 결제 분야에서 새로운 기회를 창출하기'에 등록해 주세요.
MongoDB를 사용하여 AI 강화 결제 애플리케이션을 구축하는 방법에 대해 자세히 알아보려면 다음의 리소스를 살펴보세요.