금융 및 증권업을 위한 부서별 AI 전환 전략

고객 데이터를 다루는 부서와 공개 리서치를 다루는 부서에 같은 AI 교육을 해도 될까요.

안녕하세요, 권앤컴퍼니의 권기현입니다. 이번에는 미래에셋증권 본사에서 진행한 8시간 부서별 AI 전환 전략 과정을 소개하려고 합니다. 위 질문에 아니라고 답하는 데서 이 과정의 설계가 시작되었습니다.

미래에셋증권 본사에서 2024년 진행한 부서별 AI 전환 전략 과정입니다. 8시간 과정, 평점 4.6/5.

금융권 기업 AI 교육을 알아보는 중이시라면, 아래 고민 가운데 적어도 하나는 낯익으실 가능성이 높습니다.

리서치는 생성형 AI를 이미 요약에 쓰고 있는데, 트레이딩·운용·CS는 어디서부터 시작해야 할지 그림이 없습니다.

GPT·Claude·Gemini 가운데 무엇을 어떤 업무에 붙일지 사내 기준이 없습니다.

고객 자료와 시세 데이터를 외부 모델에 어디까지 넣어도 되는지 컴플라이언스 답이 모호합니다.

이 과정은 위 세 가지 질문에 대한 부서별 답, 즉 도구 선택 기준, 데이터 경계, 결과 검증 루틴을 8시간 안에 정리하도록 설계했습니다.

왜 부서별로 나눴는가

부서별 AI 전환 전략이란 리서치·트레이딩·운용·CS가 같은 생성형 AI를 서로 다른 데이터 민감도와 검증 기준 위에서 쓰도록 부서 단위로 적용 순서를 정하는 접근을 말합니다.

금융회사에서 전 직원 공통 예제는 오래가지 못합니다. 리서치의 하루와 CS의 하루가 다르고, 같은 요약 작업이라도 공시 자료를 다룰 때와 고객 상담 기록을 다룰 때 지켜야 할 선이 다르기 때문입니다. 그래서 커리큘럼도 부서별 업무 장면을 기준으로 짰습니다.

8시간을 이렇게 나눴습니다

구성은 다섯 모듈입니다. 모델 선택 기준에서 시작해 데이터 실습, 이미지 생성, 나만의 GPT를 거쳐 컴플라이언스 가이드로 닫습니다. 모듈마다 예제는 증권사 업무 장면에서 가져왔습니다.

어떤 업무에 어떤 모델을 쓸 것인가

증권사에서 모델 선택은 취향 문제가 아닙니다. 수십 페이지 공시·리서치 자료 요약, 실시간 시황 확인, 리스크 시나리오 추론은 각각 잘하는 모델이 다르고, 고객 데이터가 섞이는 순간 선택지 자체가 달라집니다.

이 모듈에서 직군별 시나리오에 붙여 다루는 내용은 다음과 같습니다.

• 컨텍스트 창 길이가 긴 리서치 자료 요약 품질에 미치는 영향
• GPT·Claude·Gemini와 추론 모델의 강점이 갈리는 지점
• 시세·재무 숫자에서 할루시네이션을 거르는 프롬프트 패턴
• 웹서치·코드 인터프리터를 켜야 할 때와 끄는 편이 나은 때

"리서치 자료 한 묶음을 던지면 어떤 모델이 가장 잘 정리하는가"가 강의 후 가장 자주 돌아온 질문이었습니다.

시세 파일과 엑셀에서 시작한 데이터 실습

본사에는 엑셀 마스터도 계셨지만, "VLOOKUP은 잘 모르겠다"고 말씀하시는 분도 함께 계셨습니다. 이 모듈은 후자를 위한 시간이기도 했습니다. 실습 파일은 증권사 업무에서 매일 만나는 형태로 준비합니다.

• 지수·섹터·종목 추이를 자연어 한 줄로 시각화하는 실습
• 리서치 자료 한 페이지 요약과 키 인사이트 추출
• 고객 자산 데이터에서 추천 종목을 매칭해 보는 시뮬레이션
• VBA 매크로를 자연어로 설명받아 직접 고치는 패턴

IR 자료와 세미나 슬라이드를 위한 이미지 생성

보고서와 세미나 자료의 시각적 격차는 부서 간 협업에서 자주 문제가 되는 지점입니다. 이 모듈은 디자이너 없이도 금융 보고서의 톤을 지키는 방법을 다룹니다.

• 금융 보고서에 어울리는 톤·스타일·구도 프롬프트
• 차트·인포그래픽 생성물의 사내 사용 시 저작권 기준
• IR·세미나 자료에 바로 넣을 수 있는 시각 시안 만들기

자리에서 직접 만든 나만의 GPT

강의가 끝날 때 모든 분이 자기 GPT를 한두 개씩 가지고 돌아가도록 진행됩니다. 실습에서 다루는 대표 유형은 다음과 같습니다.

• 리서치 보고서 한 페이지 요약 GPT
• 시장 동향 데일리 브리핑 GPT
• 고객 미팅 후 후속 액션 정리 GPT

고객 정보 경계 안에서 쓰는 사내 GPT 가이드

금융업 AI 활용의 절반은 무엇을 넣지 않을지 정하는 일입니다. 외부 모델에 넣을 수 있는 데이터와 사내 GPT 환경에서만 다뤄야 하는 데이터를 직군별로 정리했습니다.

• 고객 식별 정보·시세 데이터의 마스킹 패턴
• 사내 용어집과 문서 형식을 학습시키는 가드레일 설계
• 컴플라이언스 검토 보조 GPT 운용 사례

교육이 끝난 뒤 한 달

8시간 교육의 효과는 교육이 끝난 뒤 4주 동안 무엇을 하느냐에 따라 갈립니다. 데이터 경계 기준을 먼저 확정하고, 모델 선택 기준표를 부서에 배포한 뒤, 부서 단위 파일럿으로 넘어가는 순서를 권합니다.

이런 담당자분께 도움이 됩니다

• 임직원의 AI 활용도를 부서 단위로 측정 가능한 수준까지 끌어올리려는 HR·인재개발 담당자
• 리서치부터 CS까지 부서별 도입 우선순위를 정해야 하는 AX·DT 추진 임원
• 컴플라이언스 정책 안에서 AI 운용 범위를 설계해야 하는 IT·준법감시 담당자

특히 고객 데이터 민감도와 업무 활용도의 균형을 매 순간 판단해야 하는 금융·증권업 담당자분께 가장 큰 시간 절약이 됩니다.

문의 전에 업종, 대상 직군, 보안 기준, 기대 산출물 네 가지를 미리 정리해 주시면, 표준 교안이 아니라 처음부터 현실적인 과정으로 좁혀 설계할 수 있습니다.

다음 단계

회사 상황에 맞춰 8시간 과정을 그대로 진행하실 수도 있고, 4시간 압축본으로 시작하셔서 차수를 늘려가시는 것도 가능합니다.

가장 빠른 길은 현재 회사 상황과 가능한 일정을 메일로 보내주시는 것입니다. 24시간 안에 비슷한 사례 2-3건과 견적 초안을 함께 회신드리겠습니다.

상담 문의 보내기 | 강의 카탈로그 PDF 받기

내부 검토용으로 공유할 자료가 필요하시다면, 카탈로그 PDF를 먼저 받아두시는 편이 편리합니다.

Tags