작성자: Agata Wojtas, Digital Colliers 최고 상업 책임자 (Chief Commercial Officer)

2026년 상반기(H1) 글로벌 핀테크 펀딩 규모는 286억 달러를 기록하며, 2025년 하반기(H2) 대비 17.3% 감소했습니다. 이것은 폭락이 아닙니다. 재가격 책정 (repricing)입니다. 그리고 재가격 책정이 일어나는 시점에는 핀테크 기업 간의 운영 격차가 드러나게 됩니다. 왜냐하면 더 이상 저렴한 투자 라운드로 비효율성을 덮어버릴 수 없기 때문입니다.

이번 사이클에서 앞서 나가는 팀들은 가장 화려한 모델 데모를 보여주는 팀들이 아닙니다. 그들은 2024년 말과 2025년 동안 조용히 내부 데이터를 통합해 온 팀들입니다. 고객, 원장 (ledger), 제품 이벤트 (product events) 등 모든 데이터가 한곳에 모여 있고, 쿼리 (query)가 가능하며, 버전 관리 (versioned)가 되고, 신뢰할 수 있는 상태 말입니다. 그것이 현재의 활주로 (runway)입니다.

왜 비싼 자본이 지루한 작업에 보상을 주는가

자본이 저렴했을 때는 망가진 스택 (stack)을 가지고도 인력을 채용해 해결할 수 있었습니다. 원장을 대조하기 위해 인원을 추가하고, KYC (Know Your Customer) 예외 사항을 추적하기 위해 또 다른 인원을 추가하며, 매달 수동으로 이사회 보고서를 만들기 위해 세 명을 더 추가하는 식이었죠.

2026년의 금리 수준에서는 그러한 계산법이 더 이상 통하지 않습니다. 모든 운영 비용 (opex)은 스스로의 가치를 증명해야 합니다. 그리고 일반적인 미드마켓 (mid-market) 핀테크 내부의 저해 요인을 들여다보면 그 규모는 엄청납니다:

• 미드마켓 재무 팀의 월말 결산 (month-end close)은 보통 8일에서 10일 정도 소요되며, 대부분 서로 연결되지 않은 시스템 간의 스프레드시트 (spreadsheets)를 통해 짜깁기됩니다.

• 일반적인 미드마켓 은행의 AML (자금세탁방지) 거래 모니터링 오탐률 (false-positive rates)은 85%에서 95%에 달하며, 이는 분석가들이 일주일 중 대부분의 시간을 노이즈를 제거하는 데 소비한다는 것을 의미합니다.

• 기업용 AI 프로젝트의 약 95%가 프로덕션 (production) 단계에 도달하지 못하거나 ROI (투자 대비 수익)를 달성하지 못하는데, 그 첫 번째 이유는 모델 때문이 아닙니다. 근간이 되는 데이터가 규제된 워크플로우 (workflow)에서 신뢰할 수 있을 만큼 깨끗하지 않거나, 결합되지 않았거나, 거버넌스 (governed)가 되어 있지 않기 때문입니다.

이 각각의 사례는 모두 동일한 문제의 증상입니다. 데이터 스택이 부서별로, 도구별로 구축되었으며, 그 사이의 연결 부위 (seams)를 관리하는 주체가 아무도 없다는 것입니다.

핀테크 맥락에서 통합 (consolidation)이 실제로 의미하는 것

데이터 통합 (data consolidation)은 데이터 레이크 (data lake) 프로젝트가 아닙니다. 또 다른 SaaS를 구매하는 것도 아닙니다. 핀테크에서 데이터 통합이란, 세 가지 스트림 (streams)이 규제 기관에 설명할 수 있는 일정에 따라 하나의 관리된 (governed) 장소에 도달하는 것을 의미합니다:

• 고객 (Customer). 고객이 누구인지, KYC (Know Your Customer) 상태, 리스크 등급 (risk band), 보유 상품, 라이프사이클 단계에 대한 단일한 정형화된 뷰 (canonical view). CRM, 온보딩 (onboarding), 고객 지원 (support), 그리고 코어 (core) 시스템에 걸쳐 7개의 서로 다른 뷰가 존재하는 것이 아닙니다.

• 원장 (Ledger). 모든 차변 (debit)과 대변 (credit), 모든 수수료, 모든 외환 (FX) 전환, 모든 취소 내역. 타임스탬프가 찍혀 있고, 변경 불가능하며 (immutable), 코어 뱅킹 시스템 또는 PSP (Payment Service Provider)와 센트 단위까지 일치하도록 조정 (reconciled)되어야 합니다.

• 제품 이벤트 (Product events). 모든 클릭, 이체 시작, 카드 스와이프, 거절, 분쟁 (dispute). 단순히 성장 팀 (growth team)을 위한 분석 도구에 쏟아붓는 것이 아니라 구조화되어 있어야 합니다.

이 세 가지 스트림 (streams)이 결합되어 신뢰할 수 있게 되면, 다른 모든 것들의 비용이 저렴해집니다. 금융 결산이 더 빨라집니다. 리스크 팀은 사기 패턴을 더 일찍 포착합니다. 제품 팀은 2주간의 데이터 추출 과정 없이 실제로 가격에 대한 A/B 테스트를 수행할 수 있습니다. 컴플라이언스 (Compliance) 팀은 DORA (디지털 운영 탄력성법) 또는 감독 기관의 질문에 2주가 아닌 오후 한나절 만에 답변할 수 있습니다.

그리고 그렇습니다, 여기서 DORA는 중요합니다. DORA는 2025년 1월 17일부터 시행되었으며, 운영 탄력성 (operational resilience) 의무 사항은 귀사가 실제로 시스템 전반에서 무슨 일이 일어나고 있는지 볼 수 있다는 것을 전제로 합니다. 만약 귀사의 사고 보고 (incident reporting)가 누군가가 CSV 파일을 내보내는 것에 의존하고 있다면, 귀사는 이미 뒤처진 것입니다.

뒤처진 리스크가 나타나는 지점

2026년에 이 작업을 건너뛰는 팀들은 극적으로 실패하지는 않습니다. 다만 동료들이 반대 방향으로 복리 효과를 누리는 동안, 분기마다 모든 면에서 점점 더 느려지고 비용이 많이 들게 될 뿐입니다.

귀사의 조직에서 다음과 같은 징후를 살펴보십시오:

• 업계 최고 수준의 재무 팀은 5일 이내에 결산을 마칩니다. 귀사의 팀이 10일이 걸린다면, 그 격차는 인재의 문제가 아니라 데이터의 문제입니다.

• 분석가들이 숫자를 분석하는 시간보다 숫자를 수집하는 데 더 많은 시간을 보냅니다.

• 새로운 제품을 출시할 때마다 맞춤형 (bespoke) 보고서 구축이 필요합니다.

• GDPR (일반 데이터 보호 규정) 또는 감독 기관의 요청에 대응하는 데 몇 주가 걸리며, 이로 인해 시니어 엔지니어들이 로드맵에서 이탈합니다. GDPR 과징금이 전 세계 매출액의 4%에 달할 수 있다는 점을 고려하면, 이러한 대응 시간은 단순한 서류 작업의 불편함이 아니라 실질적인 리스크입니다.

• 귀사의 AI 파일럿 프로젝트들이 데이터 준비 (data readiness) 단계에서 계속 정체됩니다.

이 중 두 가지만 해당되어도, 귀사는 한 라운드(round)를 통째로 날려버릴 만큼의 운영 부채 (operational debt)를 떠안고 있는 것입니다.

모든 것을 한꺼번에 해결할 수 없을 때 어디서부터 시작해야 하는가

2년짜리 플랫폼 재구축이 필요한 것은 아닙니다. 2026년에 이를 실행에 옮기는 운영자들은 대개 다음과 같은 순서로 진행합니다:

• 세 가지 스트림(streams) 모두에 영향을 미치는 고통스러운 워크플로우(workflow)를 하나 선택합니다. 월말 결산(Month-end close)과 자금세탁방지(AML) 검토가 일반적인 후보입니다.

• 소스 데이터(source data)를 하나의 데이터 웨어하우스(warehouse)에 가공되지 않은 상태(raw)로 착륙시킵니다. 아직 모델링(modeling)하지 마세요. 그저 데이터 계보(lineage)와 함께 안정적으로 착륙시키는 것에 집중하세요.

• 해당 워크플로우의 고통을 해결하는 데 필요한 가장 작은 테이블 세트를 모델링합니다. 고객 차원(Customer dimension), 원장 팩트(ledger fact), 이벤트 팩트(event fact) 정도면 충분한 경우가 많습니다.

• 스프레드시트나 수동 조정(manual reconciliation) 작업을 폐기합니다. 절감된 시간을 증명하세요.

• 이미 구축한 모델을 재사용하여 다음 워크플로우로 넘어갑니다.

이렇게 실행하는 팀들은 AI 스토리를 쫓는 것이 아닙니다. 그들은 미래의 모든 AI, 리스크, 그리고 제품에 대한 베팅 비용을 낮춰주는 기질(substrate)을 구축하고 있는 것입니다. 자금 조달(funding)이 다시 시작될 때(그리고 반드시 그렇게 될 것입니다), 이 팀들은 시장이 데이터 룸(data room)에서 일주일 안에 검증할 수 있는 수치를 바탕으로 펀딩을 받습니다. 나머지 팀들은 수치가 왜 맞지 않는지를 설명하는 데 6주를 허비합니다.

출처

• FSN Research

• APQC

• ACAMS

• MIT Media Lab / RAND

• European Commission

이 기사는 원래 Digital Colliers Blog에 게시되었습니다. Digital Colliers는 DACH 및 영국 기업의 AI 도입을 돕습니다 — 저희의 AI 컨설팅 서비스를 확인하거나 문의해 주세요.