웨비나 다시보기: 금융 서비스용 AI 에이전트 플레이북

웨비나 다시보기: 금융 서비스를 위한 AI 에이전트 플레이북

금융 서비스 고객은 복잡한 전화 안내와 대기 음악 그 이상을 기대합니다. 실제로 문제를 해결해 주는 매끄럽고 지능적인 경험을 원합니다. 

최근 웨비나인 금융 서비스를 위한 AI 에이전트 플레이북에서는 금융 서비스 분야에서 AI 에이전트가 어떻게 구축되고 배포되며 대규모로 신뢰를 얻는지 살펴봤습니다. 라이브 데모부터 Revolut, Klarna, Better의 실제 성과까지 다뤘습니다.

금융 서비스에 이것이 중요한 이유 

업계는 2011년 이후 디지털 전환에 2조 8,000억 달러 이상을 투자했습니다. 하지만 고객은 여전히 제대로 서비스를 받고 있다고 느끼지 못합니다. 디지털 채널은 지점을 직접 방문해야 하는 불편을 없앴지만, 사람을 하나의 티켓처럼 취급하는 비인격적이고 자동화된, 감정이 배제된 상호작용이라는 또 다른 종류의 불만으로 대체했습니다.

이 격차는 곳곳에서 비용으로 나타납니다. 상당수의 상호작용은 첫 통화에서 문제를 해결하지 못한 고객의 재통화입니다. 상담원은 번아웃을 겪고 이직률은 높아지지만, 서비스 품질은 제자리걸음입니다. 

그 결과 충성도 문제가 발생합니다. 어느 한 금융기관도 전략적 관계를 맺는 고객처럼 대하지 않기 때문에, 고객은 여러 은행에 거래를 분산하고 있습니다. 

이 격차는 단순히 자동화의 문제가 아닙니다. 인간적인 감성을 잃지 않으면서도 일관되고 정책을 준수하는 경험을 대규모로 제공하는 것이 핵심입니다.

멀티모달·멀티채널 AI 에이전트가 이러한 격차를 해소하는 데 도움을 주고 있습니다. 

데모: 소매 금융 에이전트 

시나리오: 소매 금융 고객이 계좌 잔액을 확인하고 최근 거래 내역을 검토하며, 의심스러운 출금 건을 신고하고 개인 대출에 관해 문의하려고 전화합니다.

시연 내용:

• 에이전트는 계좌 접근을 허용하기 전에 체계적인 보안 질문 절차를 통해 발신자를 인증했습니다
• 인증이 완료되면 에이전트는 백엔드 도구를 직접 호출해 실시간 계좌 및 저축 잔액을 조회했습니다
• 고객이 본인이 하지 않은 ATM 출금을 신고하자, 에이전트는 즉시 이를 의심 거래로 에스컬레이션하고 실시간 사기 참조 번호를 생성해 사기 대응팀에 기록했습니다
• 통화 중 대화가 개인 대출 문의로 전환되자, 에이전트는 의도 변화를 감지해 불편함 없이 적절한 전문 하위 에이전트로 연결했습니다
• 고객이 얼마를 상환해야 하는지 조언을 구하자, 에이전트는 금융 조언 제공을 정중히 거절하고 이유를 명확히 설명한 뒤 대신 지원할 수 있는 내용을 안내했습니다

중요한 이유: 이는 의사결정 트리를 따르는 스크립트형 챗봇이 아닙니다.

에이전트는 규정 준수 경계를 지키면서 한 번의 통화로 인증, 계좌 문의, 사기 신고, 대출 문의를 처리합니다.

가드레일은 여러 계층으로 구성되어 시스템 프롬프트에 내장되며, 금융 조언 제한과 같은 맞춤 규칙도 포함합니다. 모든 대화에서 자동 요약, 평가 점수, 워크플로 수준의 분석이 생성되므로 팀은 수천 건의 통화 전반에서 성과를 모니터링할 수 있습니다. 

규정 준수 및 보안 

금융 서비스에서 AI 도입이 실패하는 이유는 기술이 작동하지 않아서인 경우가 드뭅니다. 조직이 보안 및 규정 준수 검토를 통과하지 못해서 실패합니다. 

ElevenLabs는 SOC 2 Type II 및 GDPR 인증을 보유하고 있으며, 이용 가능한 최고 수준인 Level 1 PCI DSS 서비스 제공업체이자 이를 달성한 최초의 AI 에이전트 플랫폼입니다. 즉, 인수 은행과 가맹점은 자체 호스팅이나 VPC 요구 사항 없이 플랫폼을 사용할 수 있습니다. 속도와 보안 중 하나를 선택할 필요가 없습니다.

더 높은 수준의 요건이 필요한 팀을 위해 ElevenLabs Agents는 AIUC-1 인증까지 필요한 과정의 75%를 기본 기능으로 제공합니다.

AIUC-1 인증은 AI 에이전트를 위해 특별히 설계된 최초의 안전, 보안, 신뢰성 표준입니다. Stanford, MIT, MITRE 연구진과 75명 이상의 Fortune 500 기업 CISO가 함께 개발했습니다.

이 인증은 조직이 지속적으로 요구하는 세 가지를 다룹니다. 1) 5,000회 이상의 적대적 시뮬레이션을 통한 검증된 안전성, 2) 보안 검토를 가속하는 명확한 신뢰 신호를 통한 더 빠른 배포, 3) Lloyd's of London을 통해 환각, 데이터 유출, 무단 작업을 보장하는 AI 에이전트 보험 이용입니다.

금융 서비스 AI 에이전트 배포 모범 사례 

1. 복잡한 에이전트를 전문 하위 에이전트로 분리하세요. 모든 지침을 하나의 프롬프트에 넣으면 프로덕션 환경에서 신뢰성이 떨어집니다. 각자 프롬프트, 도구, 지식 베이스를 갖춘 모듈형 하위 에이전트는 테스트, 업데이트, 신뢰 구축이 더 쉽습니다.
2. 결정론적 제어와 LLM의 유연성을 결합하세요. 해석의 여지가 없는 인증 단계에는 하드코딩된 라우팅을 사용하세요. 의도를 이해하고 개방형 질문을 처리하는 데는 LLM 기반 조건을 사용하세요. 둘 다 필요합니다.
3. 가드레일을 여러 계층으로 구축하세요. 프롬프트 수준의 지침은 시작점일 뿐입니다. 집중도, 조작, 콘텐츠를 다루는 기본 가드레일이 두 번째 계층을 더합니다. 금융 조언 차단과 같은 맞춤 가드레일은 비즈니스별 엣지 케이스를 정밀하게 제어할 수 있게 해줍니다.
4. 배포 전에 평가 기준을 정의하세요. 처음부터 대화 점수화, 의도 분류, 환각 감지, 해결 추적을 포함하세요. 대규모로 배포하는 팀은 일반적으로 에이전트당 20~70개의 평가 기준을 사용합니다.
5. 통화 수준뿐 아니라 워크플로 수준에서 모니터링하세요. 사용자가 하위 에이전트 간에 어떻게 이동하는지, 어디에서 막히는지, 어떤 노드에서 반복 루프가 발생하는지 파악하세요. 워크플로 분석은 통화 수준 검토에서 놓치는 문제를 드러냅니다.
6. 설계 프로세스 초기에 인증 방식을 다루세요. 인증 방식은 보안 질문, 일회용 비밀번호, 앱 내 알림, 상위 전화 시스템 등 다양합니다. 적절한 접근 방식은 위험 모델에 따라 달라집니다. 구축한 뒤가 아니라 구축하기 전에 결정하세요.

전체 세션 시청 

전체 웨비나는 여기에서 시청하세요.