Bank of America AI가 하루 400,000개의 직원 프롬프트를 지속 가능한 수익 증대로 전환할 수 있을까요, 아니면 실제 효율성과 실적 발표용 미사여구를 구분하기에는 아직 너무 이른 시점일까요?

이것이 Brian Moynihan의 2분기 메시지 이면에 깔린 질문입니다. American Banker에 따르면, Bank of America 경영진은 이번 분기를 AI를 실험실 프로젝트가 아닌 능동적인 운영 도구로 프레임화하는 데 사용했습니다. 그들은 AI를 매출 성장, 생산성 향상, 더 강력한 디지털 참여, 그리고 더 나은 고객 서비스와 연결 지었습니다.

Moynihan은 은행이 **300개 이상의 AI 유스케이스 (use cases)**를 승인했으며, "그들 모두가 좋은 경제성을 가지고 있다"라고 말했습니다. 이 문구는 중요합니다. 은행은 참신함에 대해 대가를 받는 것이 아닙니다. 비용 절감, 빠른 의사 결정, 더 나은 리스크 관리, 그리고 더 생산적인 고객 커버리지를 통해 수익을 창출합니다.

"우리 뱅커들은 조사 및 발표 자료를 자동화합니다,"라고 Moynihan은 말했습니다. "우리 개발자들은 더 효율적으로 코딩하며, 모든 팀원이 생산성, 일관성, 고객 서비스를 개선하는 동시에 우리 앞에 놓인 상당한 기회들을 창출하고 있습니다."

Bank of America AI는 수익 효율성을 슬로건 이상으로 만들 수 있을까?

Moynihan의 주장은 직설적이었습니다: AI는 이미 은행의 업무 일과 속에 들어와 있다는 것입니다.

직원들은 **하루에 400,000개 이상의 프롬프트 (prompts)**를 생성하고 있습니다. 은행은 **300개 이상의 AI 유스케이스 (use cases)**를 승인했습니다. 19,000명의 개발자가 실시간 코딩 보조를 위해 AI를 사용하고 있으며, 은행 측은 이를 통해 생산성이 20% 이상 향상되었다고 밝혔습니다.

이것이 논거 중 가장 강력한 부분입니다. 개발자 생산성은 "변혁"에 대한 모호한 주장보다 측정하기가 더 쉽습니다. 동일한 기술 예산으로 더 많은 사용 가능한 코드를 생산할 수 있다면, 그 경제성은 프로젝트 일정, 유지보수 주기, 그리고 제품 인도 과정 내에서 가시화됩니다.

Moynihan은 이를 명확하게 표현했습니다:

"따라서 27년의 동일한 금액으로 28년에는 더 적절한 용어가 없다면 더 많은 코드를 얻게 될 것입니다,"라고 Moynihan은 말했습니다. "그래서 우리는 모든 것을 가능한 한 강력하게 추진하고 있습니다."

더 어려운 문제는 귀인 (attribution)입니다. Bank of America는 견고한 2분기 소비자 금융 (consumer banking) 실적을 보고했지만, 해당 자료가 이 모든 결과가 AI에 의해 발생했음을 증명하지는 않습니다. 경영진은 AI를 더 나은 서비스, 생산성 (productivity), 그리고 직원 집중도와 연결 지었습니다. 고객 활동, 비용 통제 (cost discipline), 제품 구성 (product mix), 그리고 광범위한 비즈니스 환경을 포함한 다른 요인들도 이러한 수치 뒤에 존재할 수 있습니다.

이러한 구분은 투자자들에게 중요합니다. Bank of America AI가 수익 이야기로서 신뢰를 얻으려면, 단순히 경영진의 언어가 아니라 반복 가능한 지표 (repeatable metrics)에서 계속해서 나타나야 합니다.

어떤 2분기 수치들이 실제로 Moynihan의 "좋은 경제성 (good economics)" 주장을 뒷받침하는가?

2분기 수치들은 경영진이 지목할 수 있는 실질적인 근거를 제공합니다.

소비자 금융 (consumer banking) 부문에서 순이익은 전년 대비 10% 증가한 33억 달러를 기록했습니다. 매출은 5% 증가한 113억 달러로 올라섰습니다. CFO인 Alastair Borthwick는 이 부문이 **5분기 연속 양호한 영업 레버리지 (operating leverage)**를 기록했으며, **51%의 효율성 비율 (efficiency ratio)**을 유지했고, **배분된 자본 대비 수익률 (return on allocated capital) 29%**를 달성했다고 밝혔습니다.

예금은 9,570억 달러로 증가했습니다. 은행은 **162,000개의 순 신규 당좌 예금 계좌 (checking accounts)**를 개설했습니다. 카드 지출은 전년 대비 9% 증가한 2,660억 달러를 기록했습니다. 소비자 투자 자산은 전년 대비 18% 증가한 6,400억 달러에 도달했습니다.

디지털 지표 또한 AI 논거의 핵심이었습니다:

• 활성 디지털 사용자 (Active digital users): 약 5,000만 명
• 활성 Erica 사용자 (Active Erica users): 2,400만 명 이상
• 디지털 판매 (Digital sales): 총 판매의 70%
• 승인된 AI 활용 사례 (Approved AI use cases): 300개 이상
• 직원 프롬프트 (Employee prompts): 하루 400,000개 이상
• AI 코딩 지원을 사용하는 개발자 (Developers using AI coding help): 19,000명
• 언급된 개발자 생산성 향상 (Developer productivity gain cited): 20% 이상

Borthwick는 이러한 디지털 및 AI 도구들을 고객 및 직원의 성과와 연결 지었습니다.

“디지털 참여(Digital engagement)는 여전히 명확한 차별화 요소로 남아 있습니다. 약 5,000만 명의 활성 디지털 사용자, 2,400만 명 이상의 활성 Erica 사용자, 그리고 전체 매출의 70%를 차지하는 디지털 판매가 이를 증명합니다.”라고 Borthwick는 말했습니다. “새로운 AI 기능은 서비스를 개선하고, 효율성을 높였으며, 팀원들이 더 높은 가치를 지닌 고객 상호작용에 집중할 수 있도록 해주었습니다.”

XOOMAR 분석: 은행업에서 “좋은 경제성(good economics)”이란 상호작용당 비용 감소, 고객 미팅을 위한 준비 시간 단축, 수동 단계의 감소, 개발자당 더 나은 소프트웨어 산출물, 그리고 디지털 참여로부터의 더 높은 전환율을 의미해야 합니다. Bank of America는 이 중 여러 가지에 대한 증거를 제시했습니다. 다만, 명확한 AI 절감 수치를 공개하지는 않았으며, 이번 분기의 다른 요소들로부터 AI의 영향만을 분리하여 나타내지도 않았습니다.

비용 및 수익 압박에 따라 은행 실적 내러티브가 어떻게 변화하고 있는지 추적하는 독자라면, XOOMAR의 관련 보도인 Higher Costs Stalk PNC 2026 Guidance as Revenue Rises 및 Bankruptcy Spike Jolts 2Q Bank Earnings Credit Nerves를 참조하십시오.

Bank of America는 AI가 이미 업무를 어떻게 변화시키고 있다고 말하는가?

공개된 가장 명확한 활용 사례는 네 가지 분야, 즉 고객 준비(client preparation), 소프트웨어 개발(software development), 소비자 디지털 서비스(consumer digital service), 그리고 자산 관리(wealth management)에 집중되어 있습니다.

**고객 서비스(Customer service)**는 2018년에 출시된 Bank of America의 소비자용 가상 비서인 Erica에서 시작됩니다. American Banker의 보고에 따르면, Erica는 머신러닝 (Machine learning)과 자연어 이해 (Natural language understanding)를 사용하여 고객의 질문을 해석하고 이를 큐레이션된 라이브러리에 있는 사전 작성된 답변과 매핑합니다.

자산 관리(Wealth management) 분야에도 자체적인 버전이 있습니다. Merrill Lynch의 재무 상담사들은 고객 통화를 준비하기 위해 Ask Merrill을 사용합니다. Borthwick는 “성장하는 디지털 참여와 상담사가 고객 대화를 준비하고, 기회를 식별하며, 대규모로 더 개인화된 조언을 제공할 수 있도록 돕는 새로운 AI 기반 도구들 덕분에” 이번 분기 동안 상담사들의 생산성이 향상되었다고 밝혔습니다.

**개발자 업무 (Developer work)**는 가장 명확한 생산성 향상의 사례입니다. 은행 측은 19,000명의 개발자가 실시간 코딩 지원을 위해 AI를 사용하고 있으며, 이를 통해 생산성을 20% 이상 높였다고 밝혔습니다.

**기업 및 투자 금융 (Corporate and investment banking)**은 AI의 관점이 다릅니다. Borthwick는 고객들이 AI에 투자하고 있으며, Bank of America는 "자본 조달 (capital raising)" 및 "전 세계적인 대규모 자본 투자와 인프라 구축"을 위한 금융 지원과 관련하여 투자 금융 및 글로벌 시장에서 활발히 활동하고 있다고 말했습니다.

다음은 유용한 분류입니다:

마지막 행이 중요합니다. 은행의 AI 미래에 대한 개요에는 종종 이상 거래 탐지 (fraud monitoring), 컴플라이언스 워크플로우 (compliance workflows), 현금 관리 도구 (cash-management tools), 콜센터 지원 등이 포함됩니다. 이번 실적 발표에서는 이러한 항목들을 Bank of America의 공개 사항으로 다루기에는 충분한 세부 정보가 제공되지 않았습니다.

왜 경영진, 직원, 규제 기관 및 투자자들은 서로 다른 AI 이야기를 듣는가?

경영진은 마진 방어 (margin defense)에 관한 이야기를 듣습니다. Moynihan과 Borthwick는 AI를 단순한 비용 절감 캠페인으로 제시하지 않고, 생산성, 일관성, 서비스 품질 및 유기적 성장을 개선하기 위한 방법으로 설명했습니다.

직원들은 더 복잡한 이야기를 듣습니다. Moynihan은 제공된 인터뷰 발췌록에서 Bank of America 직원들이 AI를 일자리 위협으로 "걱정할 필요가 없다"고 말했습니다. 그럼에도 불구하고, 그가 설명한 경제적 논리는 사람들이 더 나은 도구를 사용하여 더 많은 일을 수행하는 것에 달려 있습니다. 이는 단순 반복 업무 (drudge work)를 줄여줄 수 있습니다. 또한 은행이 가치를 두는 대상을 변화시킬 수도 있습니다. 즉, 판단력, 관계 관리, 예외 처리 (exception handling)의 중요성은 커지는 반면, 일상적인 준비 및 처리 작업은 자동화하기가 더 쉬워집니다.

규제 기관과 리스크 관리자들은 통제 문제 (control problem)를 듣습니다. Moynihan은 은행의 대출 포트폴리오에 포함된 기업들을 논의할 때 AI 사용에 따른 리스크를 직접적으로 언급했습니다.

“우리는 대출 포트폴리오에 포함된 기업들과 소통하며 그들이 뒤처지지 않도록 이 기술을 적극적으로 사용하고 있는지 확인합니다.”라고 그는 말했습니다. “하지만 동시에, 그들이 데이터와 보안 등을 보호할 수 있도록 [AI]를 책임감 있는 방식으로 사용하도록 하고 있습니다.”

투자자들은 일종의 검증 테스트를 듣고 있는 것입니다. 그들은 AI 지출이 생산성 (productivity), 효율성 (efficiency), 수익의 질 (revenue quality), 또는 고객 참여 (customer engagement)로 나타나기를 원합니다. 그들은 감사하기에는 너무 모호한 혜택을 가진, 또 다른 수년간의 기술 비용 청구서를 원하지 않습니다.

이것이 또 다른 은행 자동화 주기인가, 아니면 생성형 AI (generative AI)가 더 깊숙이 침투하고 있는 것인가?

출처는 한 가지 명확한 역사적 지표를 제시합니다: Erica는 2018년에 출시되었습니다. 이것이 중요한 이유는 Bank of America의 현재 AI 메시지가 제로(zero) 상태에서 시작되는 것이 아니기 때문입니다. 이 은행은 이미 고객들이 가상 비서 (virtual assistant)와 상호작용하도록 훈련시킬 수 있는 수년의 시간을 가졌습니다.

변화된 점은 AI가 고객 셀프 서비스 (self-service)에서 지식 노동 (knowledge work)으로 확산되었다는 것입니다. Moynihan은 뱅커들이 조사 및 발표 자료를 자동화하는 사례를 언급했습니다. Borthwick는 상담사들이 고객과의 대화를 준비하는 사례를 언급했습니다. 개발자들은 코딩을 하는 동안 AI를 사용하고 있습니다.

이는 은행이 전통적으로 단순한 프로세스 자동화 (process automation)가 아닌, 전문적인 판단 지원 (professional judgment support)으로 취급해 온 업무 영역까지 도달하고 있음을 의미합니다.

XOOMAR 분석: 이 지점이 바로 생성형 AI (generative AI)가 이전의 디지털 뱅킹 도구들과 가장 크게 다른 부분입니다. 핵심은 단순히 고객을 지점에서 앱으로 이동시키는 것이 아닙니다. 그것은 조언, 영업 준비, 소프트웨어 인도, 그리고 내부 분석 뒤에 숨겨진 노동 (labor)을 변화시키는 것입니다.

경고 또한 그만큼 중요합니다. 기술적 이득이 한 분기 만에 손익계산서 (income statement) 전체에 고르게 흐르는 경우는 드뭅니다. Bank of America는 사용량 및 생산성 신호를 공개했습니다. 하지만 완전한 AI 수익 가교 (AI profit bridge)를 공개하지는 않았습니다.

Bank of America의 AI가 계속 확장된다면 누가 압박을 받는가?

고객들은 더 빠른 답변, 더 맞춤화된 디지털 상호작용, 그리고 더 잘 준비된 뱅커나 상담사를 경험할 수 있습니다. 그 대가는 신뢰 (trust)입니다. 만약 AI 지원 서비스가 오류, 취약한 에스컬레이션 (escalation), 또는 불분명한 데이터 사용을 초래한다면, 속도만으로는 충분하지 않을 것입니다.

직원들은 더 급격한 변화에 직면하게 됩니다. 일상적인 조사, 초안 작성, 코딩 지원, 그리고 준비 작업은 AI가 감독하는 워크플로우 (workflows)가 될 가능성이 높습니다. 인간의 가치 (human premium)는 고객에 대한 판단, 검토, 에스컬레이션 (escalation), 그리고 책임 소재를 다루는 방향으로 이동합니다.

경쟁 금융기관들은 규모의 문제에 직면해 있습니다. Bank of America AI는 약 5,000만 명의 활성 디지털 사용자, 2,400만 명 이상의 활성 Erica 사용자, 그리고 대규모 내부 개발자 및 어드바이저 (advisor) 그룹 전체에 확산될 수 있습니다. 규모가 더 작은 기관들은 더 좁은 범위의 배포나 외부 도구가 필요할 수 있지만, 본 자료는 이들의 비용 구조를 비교할 수 있을 만큼 충분한 세부 정보를 제공하지 않습니다.

더 넓은 은행 부문에게 있어 시험대는 간단합니다. AI는 컨퍼런스 단계의 열광이 아니라, 반복 가능한 마진 개선과 서비스 이익에 의해 평가받을 것입니다.

어떤 증거들이 AI 지출이 다음 실적 테스트를 통과할지 결정할까요?

다음 단계는 공시 (disclosure)에 달려 있습니다.

Bank of America는 이미 일일 프롬프트 (prompts), 승인된 유스케이스 (use cases), 활성 Erica 사용자, 개발자 채택률, 그리고 개발자 생산성 향상과 같은 몇 가지 지표를 공개했습니다. 경영진이 이러한 지표들을 계속 확장해 나간다면, 투자자들은 AI가 단순히 예산을 흡수하는 것이 아니라 운영 규율 (operating discipline)을 창출하고 있는지 판단할 더 나은 방법을 갖게 될 것입니다.

가장 강력한 단기적 증거는 내부 워크플로우 (workflows), 고객 서비스, 소프트웨어 개발, 그리고 어드바이저 (advisor) 준비 작업에서 나와야 합니다. 왜냐하면 이 영역들이 Bank of America가 실제로 논의한 분야이기 때문입니다. 완전 자율적인 금융 자문, AI 기반 신용 결정, 또는 광범위한 컴플라이언스 (compliance) 자동화는 본 자료에서 확립되지 않았습니다.

가장 명확한 확인은 다음과 같은 패턴이 나타나는 것입니다: 디지털 참여도 상승, 안정적이거나 개선되는 효율성, 측정 가능한 직원 산출량 증가, 그리고 경영진이 인과관계를 과장하지 않으면서 AI를 수익 및 비용 규율과 지속적으로 연결하는 모습입니다.

약화되는 신호는 모호함일 것입니다. 만약 향후 실적 발표에서 AI 관련 수사(rhetoric)는 유지하면서 생산성 수치는 빠진다면, "좋은 경제성 (good economics)"이라는 주장을 신뢰하기가 더 어려워질 것입니다. 만약 Bank of America가 AI 사용을 가시적인 매출 성장과 비용 통제로 계속 전환해 나간다면, 경쟁 은행들은 Moynihan이 이제 테이블 위에 올려놓은 질문에 직면하게 될 것입니다: 그들의 AI 이득은 정확히 어디에서 나타나고 있는가?

면책 조항: 이 XOOMAR 분석은 정보 제공 및 교육적 목적으로만 제공됩니다. 이는 금융, 투자, 법률, 세무 또는 전문적인 조언이 아닙니다. 매수, 매도, 보유, 목표가, 포트폴리오 또는 개인화된 권장 사항을 제공하지 않습니다. 결정을 내리기 전에 정보를 독립적으로 확인하고 자격을 갖춘 전문가와 상담하십시오.

결론 (The Bottom Line)