은행의 디지털 전환: '은행 운영(Running the Bank)'과 '은행 재창조(Reinventing the Bank)'가 더 이상 별개의

은행들은 기술에 매년 7,600억 달러 이상을 지출하고 있습니다. 하지만 대부분은 점진적인 수정 사항만을 제공할 뿐, 복리적인 개선을 가져오는 전환 프로그램을 실행하지 못한 채 루프에 갇혀 있습니다.

문제는 예산이 아닙니다. 그것은 아키텍처의 저항 (architectural drag), 파편화된 운영 모델 (fragmented operating models), 그리고 사일로화된 사고방식 (siloed mindset)입니다. 여기 대부분의 은행 리더들이 이미 느끼고 있는 불편한 진실이 있습니다. 향후 10년을 주도할 기관은 은행 디지털 전환 (banking digital transformation)에 가장 많은 돈을 쓰는 곳이 아니라, 가장 빠르게 배우고 적응하는 곳이 될 것입니다.

그리고 이를 위해서는 대부분의 은행이 아직 하지 못한 무언가가 필요합니다. 바로 "불을 밝히는 일(keep the lights on)"과 "미래를 구축하는 일(build the future)"을 서로 경쟁하는 우선순위로 취급하는 것을 멈추는 것입니다.

3조 달러의 질문

글로벌 소매 금융 (retail banking)은 연간 약 3조 달러의 수익을 창출합니다. 은행의 가장 수익성 높은 수수료 엔진인 결제 (Payments) 분야만 해도 2029년까지 연간 약 4%씩 성장할 것으로 예상됩니다. 그러나 이러한 성장을 포착하려면 실시간 유동성 관리 (real-time liquidity management)와 제로 레이턴시 결제 (zero-latency settlement)가 필요합니다. 모바일 우선 참여 (Mobile-first engagement), 개인화된 서비스 (personalized servicing), 그리고 실시간 결제 (real-time payments)는 더 이상 차별화 요소가 아니라, 기본 요건 (table stakes)입니다.

그럼에도 불구하고 업계의 전환 의제는 고객 경험 (customer experience), 플랫폼 현대화 (platform modernization), 규제 준수 (regulatory compliance), 사이버 보안 (cybersecurity), 그리고 ESG라는 동일한 다섯 가지 주제를 계속 맴돌고 있습니다. 우선순위는 맞지만, 실행 모델이 망가져 있습니다.

대부분의 은행은 "은행 운영 (Run the Bank)"(운영, 안정성, 비용 관리)과 "은행 재창조 (Reinventing the Bank)"(신제품, 디지털 여정, AI 이니셔티브)에 동일한 예산을 할당하며, 이를 제로섬 트레이드오프 (zero-sum tradeoff)로 취급합니다. 비용이 압박을 받으면 재창조 예산이 삭감됩니다. 디지털 이니셔티브에 자금이 투입되면, 운영 부문은 근본적인 해결 대신 임시방편으로 패치(patched)됩니다. 이러한 구조적 불일치는 자본을 비효율적인 유지보수 주기에 가두어, 은행의 핵심 효율성 비율 (Efficiency Ratio)을 부풀립니다.

그 결과는 어떨까요? 두 개의 플라이휠 (flywheel) 중 어느 것도 충분히 빠르게 회전하지 못합니다.

왜 두 개의 플라이휠이 병렬로 작동해야 하는가

이렇게 생각해보십시오. 핵심 시스템 (core)이 여전히 익일 배치 정산 (overnight batch reconciliation)을 필요로 한다면, 고객 온보딩 (customer onboarding)을 재창조할 수 없습니다. 데이터가 12개의 시스템에 파편화되어 있다면, 은행 업무에 에이전틱 AI (agentic AI)를 확장할 수 없습니다. 미들웨어 (middleware)가 수동 예외 처리 없이 ISO 20022 메시지 표준을 처리할 수 없다면, 실시간 결제 (real-time payments)를 제공할 수 없습니다.

앞서 나가는 은행들은 근본적인 사실 하나를 깨달았습니다. 오늘 운영을 단순화하는 것이 내일의 더 빠른 재창조를 위한 여유 공간 (headroom)과 데이터 기반 (data foundation)을 모두 만들어낸다는 점입니다. 그리고 올바르게 수행된 재창조는 다시 더 단순하고 스마트한 운영으로 환류됩니다.

이것은 이론이 아닙니다. 현재 다음의 다섯 가지 수렴하는 압박 속에서 실제로 일어나고 있는 현상입니다:

마진 압박 (Margin squeeze) — 수수료 수입이 규제 및 경쟁 압력에 직면해 있는 반면, 총자산이익률 (cost-to-income ratio)은 완고하게 높은 수준을 유지하고 있습니다.

규제 강화 (Regulatory tightening) — 감독 기관들 (DORA 및 Fed/OCC 회복탄력성 지침과 같은 프레임워크 하에)은 이제 사후에 작성된 분기별 문서가 아니라, 운영 회복탄력성 (operational resilience)에 대한 실시간 증거를 요구합니다.

결제 현대화 (Payment modernization) — ISO 20022 마감 기한, 실시간 레일 (real-time rails), 그리고 오픈 뱅킹 API는 대부분의 레거시 코어 (legacy cores)가 자체적으로 지원할 수 없는 인프라를 요구합니다.

사기 증가 (Rising fraud) — 정교해지는 공격 벡터 (attack vectors)는 수천 개의 오탐 (false positives)을 생성하는 규칙 기반 시스템이 아니라, 실시간으로 작동하는 AI 기반 탐지를 필요로 합니다.

빅테크와 비교되는 고객 기대치 (Customer expectations benchmarked against big tech) — 스마트폰으로 3분 만에 증권 계좌를 개설할 수 있는 사람들은 5일이 걸리는 은행 온보딩 프로세스를 기다려 줄 인내심이 전혀 없습니다.

저희는 이러한 수렴하는 압박 이면에 있는 전체 시장 분석과 투자 프레임워크를 최신 관점 보고서인 Banking at a Crossroads: Reimagining Technology for the Next Era of Financial Services에 상세히 기술했습니다. 현대화 비즈니스 케이스 (Business Case)를 구축 중이거나 전환 로드맵 (Transformation Roadmap)을 재평가하고 있다면, 이 보고서가 우선순위를 두어야 할 구체적인 투자 테마와 핵심 성과 지표 (KPIs)를 제시해 줄 것입니다.

선도자와 뒤처지는 자를 가르는 세 가지 변화

은행의 디지털 전환 (Digital Transformation)이 실패하는 이유는 기술 때문이 아닙니다. 전환이 조직되고, 자금이 지원되며, 측정되는 방식 때문에 실패합니다. 가시적인 진전을 이루고 있는 은행들은 세 가지 뚜렷한 변화를 시도했습니다.

1. 프로젝트 중심에서 플랫폼 중심으로 (Platform Over Projects)

파편화된 이니셔티브(여기서는 모바일 앱 재작성, 저기서는 결제 시스템 업그레이드 등)에 자금을 지원하는 대신, 선도적인 은행들은 API 게이트웨이 (API gateway), 서비스 메시 (Service mesh), 이벤트 백본 (Event backbone), 스키마 레지스트리 (Schema registry)와 같은 공유 플랫폼을 표준화하고 있습니다. 이것이 은행의 아키텍처 철학입니다. 즉, 디커플링 (Decoupling, 결합 해제)과 시스템적 리스크 완화를 기반 자체에 내장하는 것입니다.

이는 신제품 출시, 파트너 통합, 규제 변화 등 어떤 새로운 기능이 추가되더라도 또 다른 독립형 시스템을 만드는 것이 아니라, 동일하게 관리되는 기반에 연결됨을 의미합니다.

결과적으로: 출시 기간 (Time-to-launch) 단축, 더 안전한 릴리스, 그리고 몇 달이 아닌 며칠 만에 완료되는 파트너 온보딩 (Partner onboarding)을 실현합니다.

2. 결과 연계형 자금 지원 (Outcome-Linked Funding)

전통적인 전환 방식은 인력, 스프린트 (Sprints), 프로젝트 마일스톤 (Milestones)과 같은 역량(Capacity)을 기준으로 자금을 지원합니다. 반면 선도자들은 측정 가능한 결과에 따라 자금을 지원합니다. 예를 들어 활성화율 (Activation rate) 10~~15% 개선, 결제 성공률 (Payment success rate) 3~~5%포인트 증가, 분쟁 처리 주기 (Dispute cycle time) 25~~35% 단축, 서비스 비용 (Cost-to-serve) 8~~12% 절감 등이 그 예입니다.

살아있는 이익 편지부 (Living benefits ledger)가 분기별로 진행 상황을 추적합니다. 실질적인 변화를 이끌어내지 못하는 작업은 중단(Sunset)됩니다. 이는 당연하게 들릴 수 있지만, 실제 현장에서는 놀라울 정도로 드문 일입니다.

3. 증거 기반의 보증 (Evidence-Driven Assurance)

아마도 가장 과소평가된 변화일 것입니다. 규제 기관은 더 이상 분기 말에 급히 모은 문서만을 수용하지 않습니다. 그들은 지속적인 증거를 원합니다: 코드로서의 정책 (policy-as-code), 리니지 추적 (lineage tracking), 에러 예산 (error budgets)을 포함한 서비스 수준 목표 (SLOs), 기록된 결과가 포함된 재해 복구 (DR) 및 카오스 엔지니어링 (chaos exercises) 연습, 자동화된 증거 팩 (automated evidence packs), 그리고 AI 모델이 신용, 사기 및 가격 결정의 비중을 점점 더 높여감에 따라 더욱 중요해진 강력한 모델 리스크 관리 (MRM) 거버넌스 등이 그것입니다.

이러한 요소를 플랫폼에 내재화한 은행은 일상적인 운영의 부산물로서 컴플라이언스 (compliance)를 생성합니다. 감사 주기는 몇 달에서 며칠로 단축됩니다. 통제 위반은 실시간으로 탐지되고 시정됩니다. 그리고 규제 기관의 신뢰는 단순한 비용 센터가 아닌 경쟁 우위가 됩니다.

이를 실제로 실행했을 때 발생하는 일

이러한 변화는 단순히 열망하는 목표가 아닙니다. 은행들은 이미 이를 실행하고 있으며, 수치가 그 이야기를 증명합니다.

Everforth Quinnox는 이러한 정확한 전환 과제들을 겪고 있는 글로벌 리테일 은행들과 파트너십을 맺어왔습니다. 세 가지 결과가 눈에 띕니다:

한 글로벌 은행의 IT 운영은 수동 티켓 관리로 인해 한계에 부딪혀 있었습니다. ServiceNow 위에 AI 기반의 ITSM 플랫폼을 계층화하여 티켓 분류 (triage), 분류 (classification), 라우팅 (routing) 및 중복 탐지를 자동화함으로써, 이들은 평균 해결 시간 (MTTR)을 90% 단축했고, 인력 충원 없이 월간 티켓 처리 능력을 두 배로 늘렸으며, L1 수동 작업의 80%를 자동화했습니다.

디지털 퍼스트 (digital-first) 은행은 비용을 늘리지 않고 품질을 확장해야 했습니다. 에이전틱 AI (Agentic AI) 기반의 테스트 자동화는 Forrester의 Total Economic Impact™ 연구를 통해 검증된 213%의 투자 대비 수익률 (ROI), 총 소유 비용 (TCO) 30% 절감, 운영 환경 장애 (production incidents) 50% 감소를 달성했으며, 회수 기간은 6개월 미만이었습니다.

선도적인 디지털 은행은 새로운 대출 상품의 시장 출시 시간 (time-to-market)을 단축하고자 했습니다. 소프트웨어 개발 생명 주기 (SDLC) 전반에 걸쳐 에이전틱 AI 도구를 사용하는 AI 기반 개발을 통해, 대출 실행 구축 시간을 3~~4개월에서 6주로 단축했으며, 25~~30%의 비용 효율성 향상과 20% 낮은 결함률을 기록했습니다.

공통점은 이 중 그 어떤 것도 무리한 목표를 설정한 문샷 (Moonshot) 프로그램이 아니었다는 점입니다. 이들은 플랫폼 중심의 AI 우선 (AI-first) 인도 모델 (Delivery model)을 기반으로 구축된, 목표 지향적이고 결과와 연계된 개입이었습니다. 우리는 이를 서비스형 소프트웨어 (Services as Software, SaS)라고 부릅니다.

이것들은 대출, 컴플라이언스 (Compliance), 리스크 분석 (Risk analytics), 클라우드 최적화 (Cloud optimization), 그리고 대조 (Reconciliation)에 걸쳐 있는 광범위한 은행 전환 포트폴리오 중 단 세 가지 사례일 뿐입니다. 상세한 SLA, BLA 및 XLA 결과가 포함된 전체 케이스 스터디 모음은 여기에서 확인할 수 있습니다: Redefining Retail Banking Value: From SLAs to XLAs through the Power of Agentic AI. 무엇이 "훌륭한" 상태인지 벤치마킹하고 있다면 탐색해 볼 가치가 있습니다.

이를 가능하게 하는 측정 프레임워크 (Measurement Framework)

20년 이상의 은행 관련 프로젝트를 통해 우리가 배운 한 가지는, 성공을 가동 시간 (Uptime)과 티켓 종결 (Ticket closure)로만 측정할 때 전환이 정체된다는 것입니다. 이것이 바로 우리가 모든 프로젝트를 세 가지 계층으로 구조화하는 이유입니다.

**SLA (Service Level Agreements, 서비스 수준 협약)**는 운영상의 기준선을 정의합니다. 시스템 가용성, 응답 시간, 해결 속도 등이 해당됩니다. 이는 필요하지만, 그것만으로는 충분하지 않습니다.

**BLA (Business Level Agreements, 비즈니스 수준 협약)**는 비즈니스 임팩트를 측정합니다. 서비스 비용 (Cost-to-serve) 절감, 활성화율 (Activation rates), 결제 성공률, 비용 대비 수익 비율 (Cost-to-income ratio) 개선 등이 포함됩니다. 기술적 성능이 손익 (P&L) 성과와 연결되는 지점입니다.

**XLA (Experience Level Agreements, 경험 수준 협약)**는 인간에게 미치는 영향을 포착합니다. 고객 만족도, 개발자 경험 (Developer experience), 컴플라이언스 팀의 신뢰도 등이 해당됩니다. 이는 프로그램 팀이 떠난 후에도 전환이 지속될지, 아니면 퇴보할지를 결정하는 요소입니다.

SLA에서 BLA 및 XLA로 이동하는 것은 단순한 측정 방식의 업그레이드가 아닙니다. 이는 서로 연결된 분류 체계 (Taxonomy)입니다. 즉, 회복 탄력성 있는 SLA (가동 시간, 지연 시간, 해결 속도)가 기술적으로 강력한 BLA (낮은 서비스 비용, 빠른 활성화, 높은 결제 성공률)를 뒷받침하며, 이는 결과적으로 우수한 XLA (고객 유지, 개발자 생산성, 규제 기관의 신뢰)를 가능하게 합니다.

이 체인은 역방향으로도 작동합니다. XLA (Experience Level Agreements)가 하락하면 어떤 BLA (Business Level Agreements)가 미끄러지고 있는지 드러나며, 이는 수정이 필요한 SLA (Service Level Agreements)를 가리키게 됩니다. 이러한 폐쇄 루프 (Closed loop)가 측정을 단순한 분기별 보고 작업이 아닌, 스스로 교정하는 시스템으로 변화시킵니다.

2030년의 은행은 지금 구축되고 있습니다

2030년의 은행은 오늘날 은행의 더 나은 버전처럼 보이지 않을 것입니다. 그 은행은 플랫폼 중심적(Platform-led)이고, AI 우선(AI-first)적이며, 지속적으로 스스로 개선될 것이고, 고객, 운영 및 규제 준수 여정(Compliance journeys)을 실시간으로 조율할 수 있을 것입니다.

지금 모든 은행의 CIO 및 CTO에게 던져진 질문은 이러한 미래가 오느냐가 아닙니다. 여러분의 기관이 의미 있는 수준까지 충분히 빠르게 도달할 수 있느냐 하는 것입니다.

운영을 단순화하는 동시에 경험을 재창조하며, 두 개의 플라이휠 (Flywheels)을 동시에 가동하는 방법을 터득한 은행들은 분기마다 그 우위를 복리로 쌓아갈 것입니다. 나머지 은행들은 생산적인 것처럼 느껴지지만 근본적인 궤적을 바꾸지는 못하는 전환 프로그램(Transformation programs)을 계속해서 출시할 뿐일 것입니다.

여러분은 그 격차의 어느 쪽을 향해 구축하고 계십니까?

여러분의 견해를 듣고 싶습니다. 두 플라이휠을 병렬로 가동하는 데 있어 가장 큰 장벽은 무엇이라고 생각하십니까? 아래에 댓글을 남겨주세요.

여러분의 은행을 위해 이를 실제로 구현하는 방법을 탐색하고 있다면, 이야기를 나누어 봅시다: 저희 은행 전환 팀과 상담을 예약하세요.

Everforth Quinnox 소개

Everforth Quinnox는 20년 이상의 BFSI (금융 서비스, 은행, 보험) 전문 지식과 전 세계 50개 이상의 활발한 은행 프로젝트를 보유한 AI 우선, Digital Always 조직입니다. 우리는 AI 기반 플랫폼과 지능형 엔지니어링 팀을 통해 은행이 더 스마트하게 운영하고, 더 빠르게 구축하며, 지속적으로 보증할 수 있도록 지원합니다.