“보고서 하나 쓰는데 5일 걸리던 업무” 생성형 AI는 금융 업무를 어떻게 바꿨을까

들어가며

많은 사람들이 생성형 AI를 이야기할 때 가장 먼저 떠올리는 것은 챗봇입니다.
하지만 실제 기업 현장에서는 조금 다른 질문이 나옵니다.

“그래서 이 AI가 실제 업무 시간을 얼마나 줄여주는데?”

“규제가 많은 금융권에서도 정말 운영 가능한가?”

“보고서 품질과 보안까지 책임질 수 있는가?”

JB우리캐피탈의 생성형 AI 프로젝트는 바로 그 질문에서 시작됐습니다.

기업 금융의 현실: 보고서 작성에만 3~5일이 걸리던 업무

기업금융 업무에서는 투자설명서(IM), 실사보고서(DD)와 같은 수백 페이지 분량의 문서를 검토해야 합니다.

문제는 그 다음이었습니다.

이 문서들을 기반으로 영업승인신청서와 심사의견서를 다시 작성해야 했는데, 대부분의 과정이 사람 손으로 이루어지고 있었습니다.  담당자들은 수많은 PDF 문서를 직접 열어 필요한 수치와 핵심 내용을 찾아야 했고, 여러 문서에 흩어져 있는 정보를 다시 정리하고 요약해 보고서 양식에 맞게 작성해야 했습니다. 이후에도 내용의 정확성을 반복적으로 검토해야 했고, 영업승인신청서 작성이 끝나야 다음 단계인 심사의견서 작성이 가능했기 때문에 전체 업무 리드타임이 길어질 수밖에 없는 구조였습니다. 결국 영업승인신청서 작성에만 평균 3~5영업일이 소요됐고, 문제는 단순한 문서 작성이 아니라 기업금융 업무 전체의 병목 구조에 가까웠습니다.

“AI 챗봇”이 아니라 “업무 시스템”을 만들기로 했다

프로젝트 초기 가장 중요하게 본 것은 단 하나였습니다.

“직원들이 실제 업무에서 매일 사용할 수 있어야 한다.”

그래서 방향은 명확했습니다.

AI를 별도의 실험 환경에 두는 것이 아니라, 기존 업무 프로세스 안으로 자연스럽게 들어가게 만드는 것.

JB우리캐피탈과 메가존클라우드는 단순 질의응답형 챗봇이 아니라, 기업금융 업무를 실제로 지원할 수 있는 생성형 AI 기반 업무 시스템 구축을 목표로 삼았습니다.

가장 먼저 구현한 기능은 보고서 초안 자동 생성이었습니다.

AI는 IM/DD 문서를 분석하고 핵심 데이터를 추출한 뒤, 상품 유형에 맞는 템플릿을 기반으로 보고서 초안을 자동 생성하도록 설계됐습니다. 특히 인수금융, 유가증권(상장/비상장), 블라인드 등 주요 상품군에 대해 표준 템플릿 기반 자동 생성 체계를 구축했습니다.

이 부분은 매우 중요합니다.

많은 생성형 AI 프로젝트가 “자유 생성”에 집중하지만, 실제 금융 업무에서는 오히려 “표준화된 형식”과 “통제 가능성”이 더 중요합니다. JB우리캐피탈 사례는 생성형 AI를 단순한 창의성 도구가 아니라, 반복적이고 정형화된 업무를 지원하는 실질적인 업무 자동화 시스템으로 활용한 대표 사례라고 볼 수 있습니다.

AI가 만든 결과를 사람이 대화로 수정한다??

하지만 현실 업무에서는 “자동 생성”만으로 끝나지 않습니다. 그래서 두 번째 핵심 기능으로 대화형 편집 기능이 함께 적용됐습니다.

사용자는 AI가 생성한 보고서에 대해:

• “이 부분 더 자세히 설명해줘”
• “이 문장 요약해줘”
• “용어를 쉽게 바꿔줘”
• “관련 내용을 추가해줘”

와 같은 요청을 대화하듯 입력할 수 있었습니다. 즉, AI가 초안을 만들고 사람이 AI와 협업하며 완성도를 높이는 구조입니다.

이 방식이 중요한 이유는 금융 업무 특성상 “100% 자동 생성”보다 “빠르게 검토 가능한 초안 생성”이 훨씬 현실적이고 효율적이기 때문입니다.

금융권에서 가장 어려운 것 : “AI 정확도”보다 “신뢰”였다

실제 프로젝트에서 가장 중요했던 부분 중 하나는 “AI 답변의 근거를 어떻게 검증할 수 있는가”였습니다.

이를 위해 RAG(검색증강생성) 기반 문서 검색 구조를 적용했습니다. 사용자는 자연어로 질문할 수 있었고,

“핵심 재무 지표가 어떻게 산출됐는지 알려줘”

“이 내용의 근거 자료를 확인해줘”

와 같은 질문에 대해 AI는 단순 답변만 제공하는 것이 아니라, 해당 답변의 근거가 된 문서명과 페이지 정보, 출처까지 함께 제공했습니다. 또한 사용자는 출처 버튼을 통해 원본 문서의 해당 페이지를 바로 확인할 수 있었고, 이를 통해 AI 답변의 근거를 즉시 검증할 수 있도록 구성했습니다. 이는 단순한 UX 기능이 아니라, 금융권 생성형 AI에서 가장 중요한 요소 중 하나인 “신뢰성과 검증 가능성”을 구현하기 위한 핵심 구조였습니다.

기술보다 더 어려웠던 것 : “금융 보안 규제”

많은 기업들이 생성형 AI 도입을 고민할 때 실제 가장 큰 장벽은 기술이 아닙니다.

보안과 운영 통제입니다.

특히 금융권은 전자금융감독규정, 망 분리 가이드라인, 개인정보 보호, 접근 통제, 감사 대응 등 다양한 보안·규제 요건을 함께 고려해야 합니다. 이번 프로젝트는 핵심 데이터는 내부 업무 환경에서 안전하게 관리하고, 생성형 AI 기능은 AWS 기반 클라우드 환경에서 운영하는 하이브리드 구조로 설계됐습니다

시스템은 AWS Bedrock 기반 생성형 AI 서비스와 Amazon OpenSearch 기반의 RAG 구조를 활용했으며, 기존 내부 업무 시스템과 연계해 실제 업무 환경 안에서 자연스럽게 활용할 수 있도록 구성됐습니다. 또한 강화된 사용자 인증 체계와 접근 통제 기능을 적용하고, 운영 안정성을 고려한 관리 체계를 함께 구현했습니다.

즉, 이번 프로젝트는 단순히 AI 기능을 구현하는 것을 넘어, 금융권 환경에서도 안정적으로 활용 가능한 운영 구조를 만드는 과정에 가까웠습니다.

실제 결과는 어땠을까 :

가장 중요한 것은 결국 결과입니다. JB우리캐피탈은 영업승인신청서 작성 시간을 기존 3~5영업일에서 1영업일 수준으로 단축했고, 약 80% 수준의 업무 시간 절감 효과를 얻었습니다. 또한 심사의견서 작성 과정에서도 정보 취합 부담이 줄어들면서 실무자의 업무 부담이 약 20~30% 감소했다는 피드백이 있었습니다.

하지만 더 중요한 변화는 따로 있었습니다.

이번 프로젝트를 통해 파편화되어 있던 기업금융 데이터가 AI가 활용 가능한 형태로 축적되기 시작했다는 점입니다. 즉, 단순 자동화를 넘어 기업의 지식 자산화가 시작된 것입니다.

이 사례가 중요한 이유

많은 생성형 AI 프로젝트가 여전히 PoC 단계에 머물러 있습니다.
데모는 성공했지만 실제 현업에서는 사용되지 않거나, 보안과 운영 문제로 확산되지 못하는 경우도 적지 않습니다.

하지만 JB우리캐피탈 사례는 조금 다릅니다.

이 프로젝트는 단순히 “AI를 도입했다”는 수준을 넘어, 실제 기업금융 업무 프로세스 안으로 생성형 AI를 연결하고 운영 가능한 형태로 정착시킨 사례입니다.  실제 금융 현업 업무에 적용됐고, 금융권 환경에서 요구되는 보안과 운영 요소를 함께 고려했으며, 업무 생산성 개선 효과까지 확인했습니다.

특히 의미 있는 부분은 생성형 AI를 단순 질의응답 도구로 활용한 것이 아니라, 기업 내부의 문서·지식·업무 프로세스를 연결하는 ‘업무 운영 체계’로 확장했다는 점입니다. 무엇보다 중요한 것은 생성형 AI가 사람을 대체한 것이 아니라, 사람의 판단과 업무 속도를 증폭시키는 방향으로 활용됐다는 점입니다.
AI가 초안을 만들고, 사람은 검토와 판단에 더 집중하는 방식으로 역할 구조 자체가 변화하기 시작한 것입니다.

또한 이번 프로젝트는 단순 업무 자동화를 넘어, 기업 내부에 흩어져 있던 정보를 AI가 활용 가능한 형태로 축적하고 연결하기 시작했다는 점에서도 의미가 있습니다.  이는 앞으로 금융권 AI 경쟁력이 단순 모델 성능이 아니라, ‘기업의 지식을 얼마나 운영 가능한 형태로 연결하느냐’에 달려 있다는 점을 보여줍니다.

결국 앞으로의 엔터프라이즈 AI는 단순한 챗봇이나 PoC가 아니라:

• 실제 업무 프로세스와 연결되고
• 보안과 통제가 가능하며
• 검증 가능한 답변을 제공하고
• 조직 내 지식을 지속적으로 축적·활용할 수 있는

“운영 가능한 AI(Operational AI)”로 발전해야 합니다. 

 JB우리캐피탈 사례는 그 변화가 이미 시작되고 있음을 보여주는 대표적인 Lighthouse Case입니다.

한편, 메가존클라우드는 아마존웹서비스(AWS)의 생성형 AI 협력 프로그램인 ‘Generative AI Partner Innovation Alliance’에 선정된 국내 유일의 파트너로, AWS Generative AI Innovation Center와 함께 엔터프라이즈 생성형 AI 혁신을 위한 공동 협력을 이어가고 있습니다.  JB우리캐피탈 프로젝트 역시 이러한 협력 기반 위에서 추진된 사례로, 실제 금융 업무 환경에서 생성형 AI의 운영 가능성과 실질적인 비즈니스 적용 가능성을 함께 검증했다는 점에서 의미가 있습니다

글 │ 메가존클라우드 AIR Unit

공유하기