[금융 AI 대전환④] 대출 심사에 들어온 AI…은행원의 경험까지 배우는 금융산업

싱가포르 DBS, 기업금융 직원 1500명에 AI 에이전트 도입…신용평가 자료 작성 70여 개 업무 자동화 업무시간 60% 단축에도 기업 이익 반영은 제한적…한국도 금융 AI 책임·신용평가 체계 정비

2026-11-18     신명준 기자

[KtN 신명준기자]싱가포르 최대 은행 DBS가 기업 대출 심사에 필요한 자료를 작성하는 업무에 인공지능(AI) 에이전트를 도입했다. 고객 기업의 재무제표와 사업보고서, 산업 분석자료, 은행 내부 기록을 종합해 신용평가 보고서 초안을 작성하는 방식이다. 약 150명의 직원을 대상으로 시범 운영한 뒤 2026년 8월부터 전 세계 기업금융 담당자 약 1500명으로 사용 범위를 넓혔다. 은행원의 경험과 전문지식을 AI에 접목해 신용평가 업무의 속도와 정확성을 높이려는 시도다.

DBS는 기업의 신용상태를 평가하는 과정에서 필요한 70개 이상의 세부 업무에 전문 AI 에이전트를 활용하고 있다. 기업의 재무상태와 사업 전망, 산업별 위험요인 등을 분석하고 심사 담당자가 검토할 수 있는 보고서 초안을 작성한다. 은행원과 위험관리 담당자는 AI가 정리한 내용을 검토하고 고객 기업에 대한 이해와 산업 경험을 반영해 최종 보고서를 완성한다.

기업금융 담당자는 대출 심사를 위해 상당한 시간을 자료 수집과 분석에 사용한다. DBS에서는 신용평가 보고서와 관련 업무를 준비하는 데 기업금융 담당자 업무시간의 최대 40%가 소요되는 것으로 파악됐다. 은행은 AI를 도입해 관련 업무시간을 최소 30% 줄이는 것을 목표로 하고 있다.

사진=K trendy NEWS DB ⓒ케이 트렌디뉴스 무단전재 및 수집, 재배포금지

은행의 대출 심사는 고객이 제출한 재무제표를 확인하는 일에서 끝나지 않는다. 기업의 매출과 영업이익, 현금흐름, 부채 규모를 분석하고 산업의 성장 가능성과 경쟁 환경, 경영진의 사업계획 등을 함께 살핀다. 대출금을 상환할 능력이 있는지 판단하려면 기업의 과거 실적과 앞으로의 사업 전망을 종합적으로 검토해야 한다.

기업의 신용상태가 같더라도 산업 환경과 담보, 거래 기간, 대출 목적에 따라 위험 수준은 달라질 수 있다. 같은 업종에서 사업하는 기업이라도 주요 거래처의 안정성과 자금 조달 구조, 경영진의 경험에 따라 평가가 달라지는 이유다.

금융기관은 이러한 정보를 바탕으로 대출 가능 여부와 한도, 금리, 담보조건 등을 결정한다. 대출을 실행한 이후에도 기업의 재무상태와 시장 환경을 지속적으로 살피면서 부실 가능성을 관리해야 한다.

DBS가 AI를 도입한 업무는 최종 대출 승인보다 심사에 필요한 정보를 모으고 분석하는 단계에 집중돼 있다. 사람이 자료를 찾아 정리하는 데 사용하던 시간을 줄이고, 신용위험을 판단하는 데 필요한 정보를 보다 체계적으로 제공하는 방식이다.

기업금융 담당자가 확보한 시간을 고객과의 상담이나 사업 전망에 관한 심층적인 검토에 활용하면 금융회사의 서비스에도 변화가 생길 수 있다. 반복적인 자료 작성 업무에 투입하던 인력을 복잡한 금융거래와 고객 기업의 자금 조달을 지원하는 분야에 배치할 수 있기 때문이다.

DBS가 추진하는 변화는 은행원이 보유한 지식과 경험을 조직 전체에서 활용하는 방식과도 연결돼 있다. 숙련된 기업금융 담당자가 오랜 거래를 통해 파악한 고객의 특성과 산업별 위험요인, 신용심사 담당자의 판단 기준을 AI 시스템에 반영하는 작업이다.

은행에는 수십 년 동안 축적된 기업 거래정보와 대출 심사 기록, 내부 규정이 남아 있다. 그러나 중요한 경험과 판단 기준 가운데 일부는 특정 직원이나 부서에 집중돼 있다. 숙련된 직원이 퇴직하거나 다른 부서로 이동하면 오랜 기간 축적한 전문성을 다른 직원들이 충분히 활용하지 못할 수도 있다.

AI는 금융회사가 보유한 정보를 연결하고 필요한 시점에 활용할 수 있도록 돕는 수단으로 발전하고 있다. 과거의 신용평가 기록과 내부 규정, 고객 기업의 재무정보를 함께 검토하고 이전에 비슷한 조건에서 이루어진 판단을 참고할 수 있도록 하는 방식이다.

글로벌 컨설팅 기업 맥킨지앤드컴퍼니(McKinsey & Company)는 2026년 11월 발간한 '글로벌 은행업 연례보고서(Global Banking Annual Review)'에서 이러한 변화를 '조직의 지능(Institutional Intelligence)'이라는 개념으로 설명했다. 개별 직원이 AI를 활용해 업무를 빠르게 처리하는 수준을 넘어 은행이 보유한 데이터와 전문지식, 의사결정 경험을 조직 전체의 자산으로 활용하는 단계다.

금융회사들은 그동안 업무 자동화와 생산성 향상을 중심으로 AI를 도입해 왔다. 직원들이 필요한 정보를 빠르게 찾고 보고서를 작성하거나 고객 문의에 대응하는 데 생성형 AI를 활용하는 방식이 대표적이다.

최근에는 개별 업무를 지원하는 기능에서 나아가 서로 다른 시스템에 저장된 정보를 연결하고 여러 업무를 연속적으로 처리하는 AI 에이전트의 활용이 확대되고 있다.

금융회사의 데이터가 충분히 정리돼 있고 내부 규정과 전문인력의 판단이 연결돼 있다면 AI가 제공하는 정보의 활용도도 높아질 수 있다. 대출 심사를 준비하는 직원이 고객 기업의 재무상태뿐 아니라 기존 거래와 신용평가 기록, 산업별 위험요인을 함께 살펴볼 수 있기 때문이다.

반면 은행이 보유한 정보가 부정확하거나 업무마다 서로 다른 기준으로 관리된다면 AI가 잘못된 내용을 조합할 가능성도 있다. 대출 심사에 활용하는 자료는 금융회사의 위험 부담과 고객의 자금 조달에 직접적인 영향을 미치므로 데이터의 정확성과 갱신 상태가 중요하다.

글로벌 금융회사 경영진들도 AI 도입에서 기술보다 데이터와 조직 운영을 더 큰 어려움으로 꼽았다. 맥킨지가 2026년 은행권 경영진 85명을 조사한 결과, 응답자의 48%가 데이터 준비 상태를 AI 활용의 가장 큰 장애 요인으로 지목했다.

인재 확보를 꼽은 비율은 41%, 조직 변화 관리는 37%였다. 기술적인 문제를 지적한 비율은 27%로 상대적으로 낮았다. 새로운 AI 모델을 확보하는 것만으로 은행의 업무가 달라지지 않는다는 의미다.

은행들은 예금과 대출, 자산관리, 결제, 고객 상담 등 다양한 업무에서 데이터를 축적한다. 같은 고객에 관한 정보라도 관리하는 부서와 시스템에 따라 데이터의 형식과 갱신 시점, 접근 권한이 다를 수 있다.

기업의 대출 심사에서는 재무정보와 거래내역, 담보, 신용평가 결과를 함께 살펴야 한다. 금융회사가 보유한 정보를 하나의 분석 체계로 연결하지 못하면 AI를 활용하더라도 담당 직원이 여러 시스템을 직접 확인해야 하는 상황이 반복될 수 있다.

개인정보와 기업의 영업비밀도 고려해야 한다. AI가 대출 심사에 필요한 정보를 활용하더라도 업무 담당자의 권한과 정보 이용 목적에 맞춰 접근 범위를 제한해야 한다. 서로 다른 고객의 정보가 부적절하게 결합되거나 권한이 없는 직원에게 제공되지 않도록 관리하는 체계도 필요하다.

대출 심사에 적용하는 AI의 품질은 금융회사가 관리해 온 내부 지식과 정보의 수준에 영향을 받는다. 은행마다 같은 AI 모델을 사용하더라도 고객정보의 정확성과 전문인력의 경험, 내부 규정의 체계화 정도에 따라 결과는 달라질 수 있다.

미국 투자은행 모건스탠리(Morgan Stanley)는 금융자문 인력이 사내 지식을 활용하는 방식에 AI를 도입했다. 2024년부터 자산관리 담당자들이 회사 내부의 연구자료와 금융상품 정보를 검색하고 고객 상담에 활용할 수 있도록 지원하는 AI 서비스를 운영했다.

모건스탠리의 자산관리 조직에서는 금융자문팀의 98% 이상이 AI 서비스를 이용하는 수준으로 확산됐다. 고객 상담에 필요한 정보를 찾고 내부 문서를 검토하는 업무에 활용하는 방식이다. 기업 대출 심사를 지원하는 DBS와 활용 분야는 다르지만 금융회사 내부에 축적된 전문지식을 직원들이 폭넓게 이용하도록 한다는 점에서는 공통점이 있다.

자산관리 담당자가 고객의 투자 목적과 재무 상황에 맞는 정보를 제공하려면 금융상품과 시장에 관한 방대한 자료를 검토해야 한다. AI를 활용하면 필요한 정보를 찾는 시간을 줄이고 고객과의 상담에 더 많은 시간을 사용할 수 있다.

그러나 금융상품의 투자 위험을 설명하고 고객의 자산 배분을 결정하는 일은 정보 검색과 구분된다. 고객의 위험 감수 성향과 투자 기간, 재무 상태를 종합적으로 살피는 과정에서는 전문인력의 판단과 책임이 필요하다.

기업금융에서도 마찬가지다. AI가 과거의 대출 심사 기록을 분석하고 위험요인을 정리할 수 있지만 실제 대출을 승인하는 판단은 금융회사가 부담할 손실 가능성과 고객의 상환능력을 고려해야 한다.

금융회사가 기존에 보유한 정보를 AI로 활용할 때는 과거의 판단이 언제나 적절했다고 전제해서도 안 된다. 특정 산업이나 기업 규모에 대한 편향이 과거의 심사 결과에 남아 있다면 AI가 이를 반복할 수 있기 때문이다.

경기 침체기에 부실이 발생한 업종이라는 이유만으로 현재의 기업을 과도하게 불리하게 평가할 가능성도 있다. 반대로 과거에 안정적인 실적을 보인 기업이 급격한 산업 변화로 위험에 직면했는데도 기존의 평가 방식이 이를 충분히 반영하지 못할 수 있다.

대출 심사에서 AI를 활용하려면 과거의 판단을 참고하는 기능과 새로운 위험을 분석하는 기능이 함께 필요하다. 금융회사는 AI가 제시한 결과를 검토하고 판단에 사용된 정보와 기준이 적절한지 확인해야 한다.

AI 도입에 따른 업무시간 단축이 금융회사의 수익 개선으로 이어지는 정도도 별도로 살펴야 한다.

맥킨지가 금융·전문서비스 기업에서 실제 운영 중인 AI 에이전트 시스템 7개를 분석한 결과, 개별 업무의 처리시간은 약 60% 줄었다. 그러나 단축된 업무시간이 기업 전체의 비용 절감으로 이어지는 비율은 상대적으로 낮았다.

직원이 보고서 작성에 사용하던 시간을 줄여도 조직의 업무 절차가 그대로 유지되면 전체 처리기간은 크게 달라지지 않을 수 있다. 대출 심사 자료를 하루 만에 준비하더라도 승인위원회가 정해진 일정에 따라 심의한다면 고객이 대출을 받는 시점은 기존과 같을 수 있다.

은행이 AI 도입을 통해 대출 처리 속도를 높이려면 자료 수집과 심사, 승인, 실행까지 이어지는 절차를 함께 검토해야 한다. 여러 부서에서 반복적으로 확인하던 정보를 연결하고 이미 검증한 내용을 다시 작성하는 업무를 줄이는 방식도 필요하다.

기업금융 담당자와 신용위험 담당자의 역할을 조정하는 일도 중요하다. AI가 재무정보를 정리하고 보고서 초안을 작성한다면 사람은 산업의 변화와 고객 기업의 사업 전망을 검토하는 데 더 많은 시간을 사용할 수 있다.

대출을 심사하는 사람이 수행하는 업무 가운데 정보 수집과 정리의 비중이 줄어들수록 위험을 해석하고 판단하는 능력의 중요성은 커질 가능성이 있다. AI가 작성한 보고서의 수치와 설명이 타당한지 검토할 수 있는 전문성도 요구된다.

맥킨지가 2026년 실시한 기업의 AI 활용 조사에서는 응답자의 80%가 개인의 생산성 향상을 경험했다고 답했다. 그러나 AI가 영업이익에 상당한 기여를 했다고 평가한 비중은 6%에 그쳤다. 금융회사에 한정한 조사는 아니지만 AI 도입으로 직원의 업무 효율이 높아지는 것과 기업의 재무성과가 개선되는 것 사이의 차이를 설명한다.

개별 직원의 업무시간이 단축돼도 인력과 비용, 업무 처리량을 조정하지 않으면 재무제표에 나타나는 효과는 제한적일 수 있다. 반면 같은 인력으로 더 많은 고객을 관리하거나 대출 심사와 자산관리 서비스의 품질을 높이면 새로운 수익으로 연결될 가능성이 있다.

은행은 이러한 경제적 효과와 함께 신용위험 관리 수준도 고려해야 한다. 대출 심사 속도를 높이는 과정에서 부실 가능성을 충분히 살피지 못하면 단기간의 비용 절감보다 더 큰 손실이 발생할 수 있다.

은행의 신용평가에는 재무정보뿐 아니라 기업의 영업 환경과 거래 안정성, 경영진의 사업 수행 능력, 시장 변화에 관한 판단이 포함된다. AI가 여러 자료를 빠르게 분석하더라도 금융회사에서 대출을 최종 승인하는 담당자의 책임까지 대신할 수는 없다.

한국 금융당국도 AI 활용이 확대되는 상황에 맞춰 금융회사의 의사결정과 책임체계를 정비하고 있다.

금융위원회는 2026년 6월 18일 금융권 인공지능 전환(AX) 현장 간담회를 열고 금융회사와 핀테크 기업들의 AI 활용을 지원하기 위한 정책 방향을 논의했다. 은행과 카드사, 전자금융업체 등 금융권 관계자들이 참여해 AI 에이전트 도입과 위험관리 방안, 제도 개선 방향을 검토했다.

6월 22일부터는 개정된 '금융분야 인공지능 가이드라인'이 시행됐다. 금융회사가 AI를 개발하고 활용하는 과정에서 지켜야 할 거버넌스와 합법성, 보조수단성, 신뢰성, 금융안정성, 신의성실, 보안성 등 7대 원칙을 제시한 자율규제다.

가이드라인은 현 단계에서 AI를 업무의 보조수단으로 규정하고 최종적인 의사결정과 책임은 금융회사 임직원이 맡도록 했다. 금융회사가 AI를 활용해 대출 심사 자료를 작성하거나 위험을 분석하더라도 승인과 그에 따른 책임은 담당 인력과 금융회사에 남는 구조다.

AI를 활용하는 업무의 위험 수준에 따라 사람이 개입해야 하는 상황과 방법을 정하도록 했으며, 금융회사가 자체적인 위험관리 체계를 갖추도록 하는 내용도 포함됐다.

신용평가에 활용하는 데이터와 AI 모델의 신뢰성도 관리 대상이다. 금융회사는 학습데이터의 품질과 모델의 성능을 점검하고 편향이나 오류가 발생하지 않도록 관리해야 한다. 대출 심사의 결과가 고객의 금융 접근에 영향을 미치는 만큼 AI를 활용하는 과정에서 설명 가능성과 공정성도 중요하게 다뤄지고 있다.

금융소비자에게 불리한 결정이 내려졌을 때 금융회사가 근거를 설명할 수 있는지도 중요한 문제다. AI가 복잡한 방식으로 위험을 평가했다는 사실만으로 고객에게 필요한 설명을 생략할 수는 없다. 심사 과정에서 어떤 정보가 활용됐고 금융회사가 최종적으로 어떤 기준을 적용했는지 관리할 수 있어야 한다.

특히 개인의 신용정보를 이용하는 금융거래에서는 관련 법률이 정한 설명 요구와 자동화된 평가에 대한 권리도 고려해야 한다. 금융회사가 AI를 활용해 신용평가 업무를 수행할수록 고객정보의 처리와 평가 결과에 관한 책임도 함께 관리해야 한다.

2026년 시행된 금융분야 인공지능 가이드라인은 법률과 같은 강제규정이 아닌 자율규제다. 다만 인공지능기본법과 개인정보 보호, 신용정보, 금융소비자 보호에 관한 법률 등 별도로 적용되는 법적 의무까지 면제하는 것은 아니다. 금융회사는 AI 서비스의 성격과 위험 수준에 따라 관련 규정을 함께 준수해야 한다.

금융감독원의 '금융분야 AI 위험관리 프레임워크'와 금융보안원의 '금융분야 인공지능 보안 안내서'도 함께 배포됐다. 금융회사가 AI의 개발과 운영 과정에서 위험을 평가하고 보안성을 관리할 수 있도록 구체적인 기준을 마련한 것이다.

국내 은행들은 가계와 기업 대출, 신용평가, 고객 상담 등 다양한 금융업무에서 AI 활용을 확대할 수 있는 제도적 환경을 갖추게 됐다. 실제 업무에 적용하는 범위는 금융회사의 데이터 관리 수준과 내부 규정, 고객정보 보호 체계에 따라 달라질 수 있다.

기업금융 분야에서는 산업과 기업의 특성을 종합적으로 분석하는 능력이 특히 중요하다. 재무제표가 비교적 명확한 대기업과 달리 중소기업은 공개된 정보가 제한적일 수 있다. 거래 기간이 짧거나 사업 환경의 변화가 큰 기업은 과거의 재무실적만으로 앞으로의 상환능력을 평가하기 어려운 경우도 있다.

AI가 여러 정보를 빠르게 분석할 수 있게 되더라도 금융회사가 확보한 데이터의 범위와 품질에 따라 평가 결과에 차이가 나타날 수 있다. 공개된 재무정보와 거래자료가 충분한 기업에 비해 관련 정보가 적은 기업은 AI 활용의 이점을 동일하게 누리지 못할 가능성도 있다.

기업의 사업성과 기술력, 장기적인 거래관계처럼 숫자로 표현하기 어려운 정보도 신용판단에 영향을 미친다. 기존 심사 담당자의 경험을 AI에 반영하더라도 새로운 산업과 사업모델에 대한 판단은 계속 보완해야 한다.

AI를 활용한 대출 심사 체계가 발전하면 기술력을 보유했지만 금융거래 이력이 부족한 기업의 정보를 더 폭넓게 검토할 수 있는 가능성도 있다. 다만 비재무정보를 활용하는 신용평가에서는 데이터의 적법한 수집과 분석의 공정성, 평가 결과의 신뢰성이 확보돼야 한다.

금융회사가 축적한 전문지식을 AI에 반영하는 과정에서도 사람의 역할은 달라질 수 있다. 숙련된 심사 담당자는 직접 보고서를 작성하는 업무 외에 AI가 활용할 판단 기준을 정리하고 심사 결과를 검증하는 역할을 맡을 수 있다.

새로운 직원들은 과거의 대출 심사 기록과 전문인력이 축적한 지식을 AI를 통해 활용할 수 있다. 그러나 AI가 제시한 판단을 그대로 받아들이는 방식만으로는 금융 전문가로 성장하기 어렵다. 신용위험을 이해하고 예외적인 상황을 판단할 수 있도록 교육과 실무 경험을 함께 축적해야 한다.

AI가 여러 금융업무에 도입될수록 금융회사는 전문인력을 어떻게 육성하고 경험을 조직에 남길 것인지도 검토하게 된다. 숙련된 직원의 지식을 체계화하는 작업과 새로운 직원이 실제 판단 능력을 갖추도록 하는 교육은 함께 이루어져야 한다.

은행의 경쟁력도 AI 프로그램의 도입 여부만으로 결정되지는 않을 전망이다. 금융회사가 오랫동안 축적한 고객정보와 신용평가 경험, 산업별 전문성을 얼마나 정확하게 관리하고 필요한 업무에 활용하는지가 중요해지고 있다.

AI 모델은 외부 기술기업으로부터 도입할 수 있지만 금융회사의 고객관계와 거래정보, 심사 경험은 오랜 기간 사업을 운영하면서 쌓아 온 자산이다. 같은 AI 기술을 이용하더라도 내부 정보의 품질과 관리체계가 다르면 신용평가의 효율과 고객 서비스에서 차이가 발생할 수 있다.

DBS는 2026년 8월 기업금융 담당자 약 1500명에게 AI 기반 신용평가 보고서 작성 서비스를 확대했고, 관련 업무시간을 최소 30% 줄이는 목표를 제시했다. 모건스탠리는 자산관리 조직의 금융자문팀 98% 이상이 내부 AI 서비스를 이용하는 수준까지 활용 범위를 넓혔다. 은행의 전문지식을 개인에게 집중시키는 방식에서 여러 직원이 함께 활용할 수 있도록 하는 변화가 진행되고 있다.

한국에서는 6월 22일 시행된 금융분야 인공지능 가이드라인을 통해 AI 활용과 최종 의사결정의 책임을 구분하는 체계가 마련됐다. 금융회사들은 AI를 업무의 보조수단으로 활용하면서 데이터의 신뢰성과 평가의 공정성, 금융소비자 보호를 함께 관리해야 한다.

대출 심사에 AI를 적용하는 은행들은 처리시간 단축과 함께 신용평가의 정확성, 승인 절차의 효율, 대출 이후의 위험관리 수준을 평가받게 될 전망이다. 실제 대출 결정에 대한 책임은 금융회사에 남아 있으며, AI가 분석한 정보를 토대로 고객의 상환능력과 사업 전망을 판단하는 전문인력의 역할도 이어지고 있다.

은행의 AI 도입이 확대되는 가운데 고객정보와 내부 규정, 심사 경험을 체계적으로 축적하고 활용하는 능력은 금융회사의 중요한 경쟁요소로 자리 잡고 있다. DBS가 기업금융에서 시작한 신용평가 업무의 변화와 국내 금융당국의 책임체계 정비는 금융산업이 AI를 활용하면서도 전문성과 최종 판단의 책임을 유지하는 방향으로 진행되고 있다.