이타우의 대화형 금융과 내부 모델 통제 플랫폼 구축

브라질 대형 은행 이타우의 생성형 AI 적용 사례가 10월 16일 오픈AI의 고객 도입 자료를 통해 공개됐다. 고객용 경험으로 소개된 ia.i는 계좌, 카드, 대출, 보험을 포괄하는 은행 내 여러 금융 상품과 업무를 텍스트나 음성으로 다루는 대화 계층이다. 은행의 7월 공식 출시 공지에서도 고객이 개별 금융 기능의 이름을 먼저 찾아 헤매는 대신 자신이 처리하고자 하는 일상적인 금융 필요를 직접 말하면서 업무를 시작하도록 돕는 흐름을 설명하고 있다.

이 새로운 대화형 인터페이스는 기존 모바일 뱅킹의 내비게이션이나 메뉴 화면을 완전히 없애는 방식으로 설계되지 않았다. 대화 인터페이스를 통해 사용자의 의도를 먼저 파악한 뒤, 목록 확인이나 조건 비교처럼 화면을 직접 터치하고 클릭하는 편이 더 효율적인 단계에서는 앱 내부의 기존 기능 화면으로 매끄럽게 연결한다. 또한 대화나 화면 전환만으로 해결하기 어려운 전문적인 질문이 발생할 경우에는 전문 상담사의 직접적인 도움을 즉시 받을 수 있도록 경로를 열어 둔다.

결과적으로 ia.i는 자연어 음성 및 텍스트 대화, 모바일 화면의 시각적 인터랙션, 그리고 사람 상담사의 전문적인 지원이라는 세 가지 방식을 단절 없이 하나로 잇는 여정 설계를 지향한다. 고객은 자신이 원하는 방식으로 질문을 던지지만 시스템은 그에 머무르지 않고 가장 직관적이고 안전한 앱 기능 화면이나 지원 인력으로 전환을 유도함으로써 복잡한 금융 업무가 대화창 안에서 길을 잃지 않도록 유기적인 접점을 유지한다.

초기 적용 규모와 점진적 확장 계획

은행의 공식 공지와 오픈AI의 도입 사례는 모두 초기 단계에서 약 30만 고객에게 서비스를 제공한 운영 규모를 설명하고 있다. 은행은 7월 발표 당시 대화형 인터페이스를 점진적으로 확대하여 2026년 말에는 은행의 전체 고객에게 제공하겠다는 단계적 목표를 제시했다. 오픈AI가 공개한 10월 도입 사례에서도 연말 확장을 다음 일정으로 다루고 있어, 현재 확인된 운영 상황은 제한된 고객군을 대상으로 한 초기 검증과 점진적인 배포 단계에 해당한다.

따라서 은행 전체가 보유한 약 7000만 고객의 금융 맥락 데이터를 다루는 Customer DNA에 관한 설명을 곧바로 ia.i의 현재 실사용자 규모로 오인해서는 안 된다. 7000만 명은 은행의 기반 데이터 플랫폼이 커버하는 전체 고객 자산 규모를 의미할 뿐, 대화형 기능인 ia.i를 일상적으로 이용하고 있는 활성 사용자 수와는 명확히 구분되어야 하는 수치다. 기반 데이터 인프라의 처리 역량이 곧바로 고객 접점 서비스의 동시 배포를 뜻하는 것은 아니다.

또한 7월 공지에서 제시되었던 중간 확대 계획이나 연말 목표 수치만을 근거로 삼아 이후의 실제 달성 규모를 확정된 사실로 간주할 수도 없다. 이번 공식 자료들을 통해 객관적으로 확인할 수 있는 핵심 사실은 대화형 금융 서비스의 전체적인 아키텍처 방향성과 초기 30만 고객 대상의 운영 현황, 그리고 2026년 말을 목표로 계속 진행 중인 장기적인 확장 계획 자체다.

내부 플랫폼을 통한 모델 접근과 비용 통제

이타우가 구축한 내부 플랫폼 IARA는 외부 및 내부의 여러 인공지능 모델을 은행의 정책에 맞추어 안전하게 활용할 수 있도록 모델 접근 권한, 시스템 관측성, 토큰 비용, 그리고 책임 있는 AI 정책을 중앙에서 관리하는 전용 통제 계층이다. 이번에 도입 사례를 공개한 오픈AI는 이 IARA 플랫폼 환경 안에 연동되어 활용되는 여러 모델 공급사 중 하나에 해당한다.

도입 사례에는 은행의 법무 업무와 관련하여 9000만 건이 넘는 방대한 내부 문서 저장소와 월 200만 건 이상의 실무 작업을 처리하는 과정에서 특정 단계의 효율 개선이 있었다는 수치가 포함되어 있다. 그러나 이 지표는 은행과 모델 공급사가 공식 사례를 소개하며 특정 내부 업무를 예시로 들어 제시한 설명일 뿐이다. 따라서 이를 은행 전사의 운영 비용이 절감되었다거나 일반 고객 대상 금융 응답의 정확성이 크게 높아졌다는 독립적 검증 결과와 동일시할 수 없다.

관계 관리자가 단순 행정 업무를 줄이고 고객 응대에 더 많은 시간을 투입할 수 있게 하겠다는 은행의 방향성 역시 장기적인 기대 효과에 가깝다. 이러한 미래 기대치는 기술 도입을 통해 이미 완결된 확정 성과와 분리하여 평가해야 하며, 특정 부서의 작업 통계가 전체 모바일 뱅킹의 안정성을 보증하는 증거가 될 수는 없다.

고객 수, 문서 수, 작업 수의 분모가 다르다

초기 고객 약 30만 명, Customer DNA가 다루는 약 7천만 고객의 맥락, 법무 저장소의 9천만 문서와 월 200만 작업은 다른 시스템의 다른 단위다. 많은 문서를 처리했다는 사실을 곧바로 대화형 서비스의 이용자가 많다는 근거로 바꿀 수는 없다.

법무 단계의 20~80% 효율 개선도 고객 거래 전체의 처리 시간이 같은 비율로 줄었다는 뜻이 아니다. 공식 사례는 회사와 공급사가 소개한 적용 기록이며, 같은 기간·같은 업무를 놓고 독립 비교한 실험과는 구별된다. 고객 경험을 다루는 ia.i와 모델 접근을 관리하는 IARA를 나눠 읽어야 수치의 위치도 분명해진다.

이타우의 기술 적용 방식은 전면에 자연어 대화 인터페이스를 배치하면서도 기존 모바일 화면의 클릭 방식과 전문 상담사 지원 체계를 결합해 금융 업무의 연속성을 유지하려는 다중 여정 설계를 보여 준다.

동시에 그 이면에는 IARA 플랫폼을 두어 다중 모델에 대한 토큰 비용 통제, 접근 권한 관리, 책임 정책을 통제 계층으로 통합하고 단계적인 고객 확장을 시도하고 있다.

ARCH.B 의견

대화 계층은 고객이 하고 싶은 일에서 시작하고, 내부 통제 계층은 여러 모델을 어떤 조건으로 쓸지 다룬다. 두 시스템을 하나의 거대한 챗봇으로 묶으면 화면의 단순함을 뒷받침하는 운영의 선택이 흐려진다.

이 사례를 다른 서비스와 비교할 때도 사용자 수와 문서 처리량을 하나의 도입 규모로 합치지 않을 필요가 있다. 누가 어떤 업무에서 도움을 받는지와 어떤 자원을 관리하는지를 나누면 확장 계획과 이미 확인한 적용 범위를 더 정확히 읽을 수 있다.