현대 코어 뱅킹 플랫폼은 비정형 무역 금융 문서 평가, 복잡한 사기 사례 분류, 국경 간 예외 처리 해결 등 복잡한 운영 추론을 처리하기 위해 생성형 AI와 대규모 언어 모델(LLM) 에이전트를 점차 도입하고 있습니다. 그러나 자율 AI 에이전트를 코어 뱅킹 워크플로우에 통합하는 것은 근본적인 아키텍처적 모순을 제시합니다: 시간적 사가(Temporal Sagas)는 절대적인 결정론(determinism)을 요구하는 반면, LLM 추론은 본질적으로 비결정론적입니다.
시간적 워크플로우는 이벤트 소싱 기반의 실행 리플레이를 통해 장애 허용성(fault tolerance)을 달성합니다. 만약 워크플로우 정의가 히스토리 리플레이 과정에서 비결정적으로 동작한다면, 실행이 표류하고(drifts), 상태 손상이 발생하며, 리플레이 검증에 실패하게 됩니다. 반대로, LLM은 온도 설정, 하드웨어 추론 클러스터 전반의 부동 소수점 변동성, 모델 버전 변화 등에 영향을 받는 확률적 결과를 생성합니다.
Xenon Architecture Standards에 따라, 코어 뱅킹 플랫폼은 엄격한 JSON 스키마 계약(schema contracts), 공식 검증 가드레일(formal validation guardrails), 그리고 결정론적 폴백 경로(deterministic fallback paths)로 경계 지어진 격리된 시간적 활동(Temporal Activities) 내부에 자율 LLM 에이전트를 캡슐화함으로써 이러한 긴장 관계를 해소합니다. 본 논문은 분산 코어 뱅킹 사가(Sagas)에서 동적 의사결정 노드로서 자율 LLM 에이전트를 배포하는 데 필요한 운영 경계, 동적 작업 계획 토폴로지, 수학적 신뢰성 모델 및 보상 패턴을 평가합니다.
💡 Xenon Architecture Standard 살펴보기 포괄적인 아키텍처 청사진, BIAN 서비스 도메인 매핑, 이중 오케스트레이션 통합 패턴에 대해서는 공식 Xenon Architecture Guide를 방문하십시오. 참고 코드, 인프라 템플릿 및 오픈 소스 뱅킹 모듈을 검사하려면 VecPay-Tech GitHub Organization을 탐색해 보십시오.
BIAN 서비스 도메인 전반의 아키텍처 경계
모든 금융 산업 아키텍처 네트워크(BIAN) 생태계 내의 의사결정 노드가 LLM 자율성을 필요로 하는 것은 아닙니다. 결정론적 사가(Sagas)에 AI 에이전트를 통합할 때는 도메인 위험과 예외 발생 빈도에 따라 엄격하게 분류되어야 합니다.
| BIAN 서비스 도메인 | LLM 노드 매핑 기능 | 자율성 수준 | 주요 위험 경계 | 폴백 메커니즘 |
|---|
| 거래 포지셔닝 | LC(신용장) 문서 조항 검증 | 준자율적 (Semi-Autonomous) | 운영 예외 (Operational Exception) | 인간 개입 루프 승인 (Human-in-the-Loop Approval) |
| ... | | | | |
결정론 격리 패턴 (The Determinism Isolation Pattern)
비결정론적인 LLM 동작이 Temporal의 실행 기록을 오염시키는 것을 방지하기 위해, LLM 에이전트의 추론은 Temporal 워크플로우 정의(Workflow Definition) 내에서 직접 실행되어서는 안 됩니다. 대신, 워크플로우 정의가 절대적인 결정론을 유지하는 동안, LLM 실행 로직은 Temporal 액티비티(Activity) 내부에 완전히 캡슐화되어야 합니다.
결정론 격리 아키텍처 (THE DETERMINISM ISOLATION ARCHITECTURE)
+---------------------------------------------------------------------------------+
...
핵심 아키텍처 규칙 (Key Architectural Rules)
- 재실행 불변성 (Replay Immutability): Temporal은 활동 출력 페이로드(LLM의 최종 구조화된 JSON 결정)를 워크플로우의 이벤트 기록(Event History)에 기록합니다. 워크플로우 재실행 중, Temporal은 LLM 액티비티를 다시 호출하지 않고; 단지 기록된 결정 페이로드를 히스토리에서 읽어옵니다.
- 결정론적 분기 (Deterministic Branching): 워크플로우는 표준 결정론적 로직(
if/else 또는 switch 문)을 사용하여 구조화된 결정 페이로드를 평가하고, 다운스트림 머신 사가(machine Sagas)나 인간 작업(human tasks)으로 작업을 위임합니다.
- 멱등성 및 재시도 안전성 (Idempotency & Retry Safety): LLM 액티비티는 네트워크 재시도 중 중복 추론 비용이나 반복적인 부작용을 방지하기 위해 엄격한 멱등성 키(WorkflowID + RunID + ActivityTaskID에서 파생)를 구현해야 합니다.
수학적 모델: 에이전트 결정 신뢰성 및 가드레일 확률 (Mathematical Model: Agent Decision Reliability & Guardrail Probability)
분산 금융 사가(distributed financial Saga) 내 동적 의사결정 노드로 작동하는 LLM 에이전트의 신뢰성은 스키마 준수, 환각률, 그리고 다운스트림 트랜잭션 커밋에 달려 있습니다.
에이전트 실행 경로 전반에 걸친 성공적인 자율 의사결정 노드 커밋 확률 $P_{ ext{node-success}}$는 다음과 같이 정의됩니다:
$P_{ ext{node-success}} = P_{ ext{schema-valid}} imes (1 - P_{ ext{hallucination}}) imes P_{ ext{saga-commit}}$
여기서:
- $P_{ ext{schema-valid}}$는 LLM 출력이 시도 $k$에서 목표 JSON 스키마를 엄격하게 준수할 확률입니다 (단, $k ext{≤ MaxRetries}$).
- $P_{ ext{hallucination}}$은 에이전트가 스키마 유효성에도 불구하고 사실적으로 부정확한 결정을 생성할 확률입니다.
- $P_{ ext{saga-commit}}$는 다운스트림 분산 머신 사가(distributed machine Saga)가 보상 없이 성공할 확률입니다.
에이전트의 신뢰도 점수(confidence score)가 사전 설정된 임계값 $ heta_{ ext{confidence}}$ 미만이거나, 최대 재시도 횟수 이후 $P_{ ext{schema-valid}} = 0$인 경우, 시스템은 **결정론적 폴백 오버라이드(Deterministic Fallback Override)**를 트리거하여 제어권을 표준 규칙 엔진이나 사용자 작업으로 전환합니다.
기술 구현: 에이전트 활동 및 시간적 워크플로우
1. 구조화된 출력 의사결정 스키마 (Java DTOs)
package com.xenon.banking.ai.model;
import com.fasterxml.jackson.annotation.JsonProperty;
...
2. LLM 추론 루프를 캡슐화하는 시간적 활동 (Temporal Activity)
이 Java 활동은 구조화된 함수 호출을 사용하여 에이전트 추론 루프를 실행합니다. 만약 LLM이 유효하지 않은 JSON을 생성하거나 검증 제약 조건을 충족하지 못하면, 해당 활동은 명시적인 실패 상태를 반환하기 전에 로컬에서 제한된 임계값까지 재시도합니다.
package com.xenon.banking.ai.activity;
import com.fasterxml.jackson.databind.ObjectMapper;
...
3. 시간적 워크플로우 정의 (결정론적 분기)
이 워크플로우는 에이전트 활동을 호출합니다. 에이전트의 구조화된 결정에 따라, 자동화된 다운스트림 머신 사가(downstream machine Saga)를 결정론적으로 전송하거나 인간 검토를 위해 일시 중지됩니다.
package com.xenon.banking.ai.workflow;
import com.xenon.banking.ai.activity.TradeAgentActivity;
...
트랜잭션 일관성 및 사가 보상 시나리오
자율 LLM 에이전트가 운영 예외를 승인하기로 결정할 때, 이는 전방향 트랜잭션(forward transactions)을 트리거합니다 (예: 잔액 보류 또는 원장 기록). 만약 다운스트림 마이크로서비스가 LLM 에이전트의 결정이 내려진 후에 실패한다면, Temporal 오케스트레이터는 표준 **보상 동작(Compensating Actions)**을 자동으로 실행합니다.
AGENT DECISION SAGA COMPENSATION FLOW
+-----------------------+ 1. 예외 승인 +-----------------------+
...
보상 안전 규칙
- 비가역적 동작(Non-Reversible Actions): LLM 에이전트는 추론 루프 내에서 외부 Fedwire SWIFT MT103 메시지 전송과 같은 보상할 수 없는 실제 세계의 동작을 절대 직접 실행해서는 안 됩니다.
- 2단계 승인(Two-Stage Authorization): 에이전트 활동은 내부 스테이징 상태를 수정하거나 실행 의도(execution intents)만 방출할 수 있습니다. 실제 최종 정산 단계는 트랜잭션 가치가 엄격한 통화 한도를 초과하는 경우, 보조적인 결정론적 활동 또는 인간의 승인 확인을 통해 게이트되어야 합니다.
관찰 가능성, 프롬프트 계보, 및 감사 가능성
금융 규제 기관(예: OCC, EBA, MAS)은 AI 지원 운영 결정에 대한 완전한 계보를 요구합니다. 최종 결정 페이로드만 저장하는 것은 불충분하며, 시스템은 에이전트의 컨텍스트에 대한 전체 암호화된 계보를 유지해야 합니다.
감사 메타데이터 기록 구조
모든 LLM 결정 노드 호출마다, 해당 활동은 중앙 집중식 로그 스토리지 레이어에 불변의 감사 기록을 작성하며, 이는 Temporal WorkflowID 및 RunID와 연결됩니다:
{
"auditId": "AUDIT-2026-902183",
"temporalWorkflowId": "TradeResolution-TR-9902",
"temporalRunId": "b182f4e8-421d-40