서비스형AI(AIaaS)와 금융

2023. 12. 27

CLIPBOARD
image_pdf

글. 이태우(금융 디지털 전략 컨설턴트)

| 서비스형AI(AIaaS)의 정의 및 주요 서비스

서비스형AI(AI as a Service, AIaaS)는 클라우드를 통해 구독형으로 AI 기술을 제공하는 서비스다. 클릭 몇 번이면 퍼블릭 클라우드 기업이 재공하는 클라우드 컴퓨팅 인프라를 바로 쓸 수 있듯이 AI 기술 서비스도 동일한 방식으로 제공한다. 클라우드 기반 AI 서비스라고 할 수 있다. 클라우드 기반 AI 애플리케이션 및 머신 러닝(ML) 플랫폼을 포함하는 클라우드를 통한 AI 서비스 제공을 의미한다.

클라우드는 인공지능 기술 발전과 밀접한 관계를 갖고 있다. 인공지능이 핵심 기술인 딥러닝 분야는 막대한 컴퓨팅 성능이 요구된다. AI 모델은 알고리즘에 의해 명확히 주어진 작업을 수행하기 때문에 사용자 입장에서는 간편하게 가져다 쓸 수 있고, 클라우드 기업들은 이 모델을 계속해서 튜닝하고 정확도를 높여갈 수 있다.

AIaaS는 기업 수요를 위해 개발됐다. 기업은 서비스 경쟁력 향상과 고객 만족도 향상을 위해 AI를 활용해야 할 필요성이 점점 높아지고 있다. 하지만 모든 기업이 AI 서비스를 자체 개발해 활용하기는 쉽지 않은 일이다. 전문가 부재, 데이터 사이언스 경험 부족, 데이터 모델 개발 및 훈련의 어려움, 데이터 부족 및 사일로 현상 등 막상 AI서비스 도입 및 활용을 위해서는 다양한 문제에 직면하게 된다. 과거 대비 다양해진 데이터 형태 및 볼륨도 AI 활용을 까다롭게 하는 원인이다. 특히 금융회사는 고객 행동의 다면적 이해를 통한 고객경험 관리, 금융사기 방지를 위한 이상징후의 실시간 탐지 및 대응 등을 위해, 자연어 처리(NLP), 컴퓨터 시각(CV), 이상상황 감지 기술 등이 기존의 정형 데이터 관리만큼 중요해 진 상황이다.

클라우드 공급자가 제공하는 서비스는 크게 3가지로 분류된다. 첫째는 컴퓨터 비전 서비스다. 분석을 위해 미리 학습된 머신러닝 알고리즘으로 디지털 이미지나 디지털 비디오가 전달될 수 있는 API를 제공한다. 둘째는 언어 처리 서비스다. 텍스트나 오디오 내 인간의 언어를 분석하기 위해 사용되는 클라우드 서비스 및 API를 포함하며 여러 언어를 지원한다. 셋째는 머신러닝 서비스다. 컴퓨터 머신러닝 서비스는 개발자, 데이터 전문가와 아키텍트들에게 기업 고유의 머신러닝 서비스 모델 생성이 가능하게 하거나, 기업이 보유한 데이터로 머신러닝 모델을 학습 및 평가할 수 있도록 지원한다. 이러한 서비스들은 분류, 회귀 분석을 포함한 가장 보편적인 종류의 머신러닝 분석을 수행할 수 있고 다양한 옵션의 머신 러닝 서비스를 제공한다.

AIaaS가 주목받는 이유는 4가지다. 첫째는 구현성이다. 클라우드는 단말기 대신에 중앙 서버에서 서비스를 제공하는 플랫폼이다. 따라서 사용자는 클라우드로부터 AI 개발에 필요한 서비스를 받을 수 있는데, 이러한 특징은 서비스 구현의 난이도를 낮출 수 있다. AI 서비스를 개발하지 못하거나 AI 개발 역량이 부족한 기업은 이미 구현된 API 형태의 AI 서비스를 제공받을 수 있는 것이다. 둘째는 편의성이다. 사용자는 클라우드 플랫폼에 담겨 있는 AI 서비스를 가져다 쓰면 된다. 만약 AI 개발 환경이 필요하다면 PaaS 형태의 AI 개발 툴 및 환경을 서비스 형태로 받으면 된다. 셋번째는 운영 효율성이다. 클라우드 서비스의 장점 중 하나는 사용한 만큼 비용을 지불(Pay as you go)한다는 것이다. 사용량 혹은 사용 시간에 따라 가격을 지불하여 비용 낭비를 최소화 할 수 있다. 고객은 초기 투자비용 없이 원하는 인공지능 서비스를 사용할 수 있다. 넷째는 접근성이다. 클라우드는 사용자의 단말기기가 아닌 중앙 서버에서 서비스를 제공하기 때문에 사용자는 단말기기 성능에 관계없이 클라우드 서비스 이용이 가능하다. 높은 사양을 필요로 하는 AI 서비스에서는 이 같은 장점이 특히 부각된다. 사물인터넷(IoT)이 대표적인 사례다. AIaaS의 IoT 대표 사례로 AI 스피커를 들 수 있다. 일반적으로 AI 기반 음성인식 기술은 고사양의 HW를 요구한다. 그러나 스피커 안에 고사양의 HW를 구현하기는 힘들다. 따라서 AI 스피커 제조 기업은 클라우드 서버에 구현된 음성인식을 서비스한다.

 

| 서비스형AI 시장의 성장 요인과 위협 요인

기업들은 AIaaS의 도입을 통해 저렴한 비용으로 고급 인프라를 사용할 수 있다. AI 서비스의 도입 및 유지에 따른 비용 부담을 줄이고 아웃소싱 방식을 통해 효율적으로 AI 서비스를 활용할 수 있다. 또한 AI 서비스의 주요한 요소인 전문가 채용, 유지, 교육에 대한 시간과 비용을 줄이기 위해 AIaaS를 선택하고 있다. 이 같은 장점에 AIaaS의 시장은 급성장할 전망이다.

시장 조사 업체 마켓앤드마켓 2019년 보고서에 따르면 AIaaS 시장은 2023년에 13조 원 이상의 규모로 성장할 것으로 전망된다. 연평균 약 50% 성장하고 있으며 아시아·태평양 지역 AIaaS 시장 성장률은 60%에 육박하는 것으로 알려졌다.

반면, 위협 요인 또한 존재한다. 가장 중요한 이슈는 데이터 프라이버시와 보안이다. 고객들은 어떠한 경우에도 개인정보 및 보안 침해 방지를 위한 적절한 보안 조치를 보장받기를 원한다. 또한 AI 알고리즘의 편향성 우려다. 알고리즘에 사용된 부적절한 샘플링 방법, 수집된 데이터 부족, 열악한 데이터 생성 도구 사용 등으로 인해 발생할 수 있다. 이러한 AIaaS가 갖는 단점을 극복하기 위해서는 국가별, 산업별 법규 및 규제를 고려한 개인정보보호법 및 데이터 거버넌스 준수가 요구된다.

 

| 금융회사의 클라우드 기반 AI 서비스 현황

챗GPT 등장으로 불붙은 빅테크들의 생성형AI 경쟁은 검색 분야를 넘어 클라우드 컴퓨팅 시장으로 확산되고 있다. 국내외 금융사들도 AI의 비즈니스 활용을 위한 기반으로의 클라우드 컴퓨팅의 필요성에 대한 인식이 높아지고 있다. 금융사는 클라우드 기반의 AI/ML 모델 활용을 통해 콜센터 고객서비스 개선, 고객경험 관리, 금융사기 탐지 등의 성과를 높이려는 노력을 하고 있다.

세계 최대은행인 JP모건은 2018년 11월 AWS와 파트너십을 체결하고 IT인프라를 단순화하여 고객에 대한 더 나은 서비스 제공과 혁신의 가속화에 집중하고 있다. 특히 최근에는 AWS AI/ML 인프라를 통해 콜센터를 AI 콜봇으로 업그레이드했다. 셀프 서비스 가상 에이전트, 실시간 통화 분석 및 상담원 지원, 통화 후 분석 등의 분야에 AI를 이용한 비즈니스 혁신을 추진하고 있다.

이를 통해서 통화의 최대 60%에 대해 셀프 서비스 및 자동화를 제공하고, 상담원들이 고객의 의도를 더 빠르게 파악할 수 있게 되었으며, 향후 활용 가능한 다양한 통찰력이 있는 통계 데이터를 수집할 수 있게 되었다.

국내에서는 주요 금융사들이 코로나19 이후 비대면 자동화 업무가 확대되면서 챗봇을 넘어 콜봇을 사용하는 클라우드 기반 AICC(인공지능 컨택센터)에 대한 관심이 확대되고 있다. KB국민은행은 2021년 10월 AWS와 함께 AICC 현대화 작업에 착수했으며, 클라우드 환경의 신속성과 유연성에 힘입어 불과 3개월만에 1차 서비스 오픈에 성공했다. 또한 AICC 현대화를 통해 퍼블릭+클라우드 환경 적용으로 IT시스템 운영 효율성 개선, AI 기반 고객 응대로 급변하는 금융환경에 대응, 단순 상담업무 자동화로 상담업무 효율성 제고 등을 가대하고 있다. 2022년 4월 서비스 오픈 이후 콜봇의 인바운드 자체 상담 비율이 16%에서 32%로 두 배, 아웃바운드 자체 상담 비율도 26%에서 45%로 19%p 증가하는 성과를 거두었다. 올해 2월부터 컨택센터 인프라 고도화, 서비스 확장, 멀티 모달이 가능한 FICC(Future Contact Center, 미래컨택센터) 사업에 착수했다.

SK증권은 네이버클라우드 기반의 AICC(인공지능 컨택센터) 구축을 추진했고, 미래에셋증권은 네이버클라우드와 STT(음성문자변환) 시스템, 챗봇 서비스 성능을 개선했다. SK증권은 코스콤, 네이버클라우드와 합작해 기존 콜센터 인프라를 순수 클라우드향으로 전환하고 강력한 한국어 처리 엔진인 STT TA(텍스트 분석) 기술도 도입했다. 순수 클라우드향은 PBX(사설교환기), CTI(콜관리), IVR(대화식 음성응답), PDS(자동 아웃 바운드) 등 복잡한 시스템을 모두 코스콤 금융 클라우드존에 올려 관리하는 방식이다. SK증권 이용자들은 24시간 365일 응대 가능한 지능형 챗봇, AI 음성 상담서비스 음성봇 등을 이용할 수 있다.

미래에셋증권은 내년부터 AI 애널리스트가 쓴 기업 보고서를 선보이며, MS 코파일럿 개념의 AI PB 서비스도 준비하고 있다. AI 기반 ‘투자 비서’는 맞춤형 상품 추천, 고수익 투자 항목 강조, 시의적절한 납세 알림 등을 제공한다. 유진투자증권은 생성형AI 기반 자산관리 지원 플랫폼 ‘유진 AI애널리스트’를 개발하여 자산 관리 업무에 활용할 전망이다. 고객 접점 현장에서 유진 AI애널리스트를 적극 활용, 종합자산관리 경쟁력을 강화하고 고객에게 투자 서비스를 제공할 예정이다.

생성형 AI의 급속한 발전은 Microsoft 365용 Microsoft Copilot을 비롯한 다양한 응용 프로그램에서 이러한 기술이 널리 사용됨에 따라 내부 데이터 보안과 관련된 상당한 우려를 불러일으켰습니다. 이러한 우려를 해결하기 위해 몇 가지 조치와 솔루션이 개발 및 구현되고 있습니다. Microsoft는 데이터 보안을 강화하기 위해 Purview 솔루션을 Microsoft 365용 Microsoft Copilot에 통합했으며, 고급 사이버 보안 조치와 규정 준수 제어를 여러 생성형 AI 애플리케이션에도 적용해 나가고 있습니다.

한편 개발자 컨퍼런스에서 선보인 GPT-4 Turbo는 아직 공식적으로 출시되지 않았지만 AI의 획기적인 발전을 나타냅니다. 이 고급 모델은 300페이지 분량의 책 내용을 입력하고 처리하는 등 방대한 양의 데이터를 처리할 수 있습니다. 그 기능은 단순한 데이터 처리 그 이상으로 확장됩니다. GPT-4 Turbo는 다중 모드 기능을 향상시켜 DALL-E 3의 기능과 유사한 정교한 텍스트뿐만 아니라 복잡한 이미지도 생성할 수 있습니다. 또한 이 모델은 고급 텍스트 음성 변환을 지원하여 보다 대화형이고 다재다능한 AI 애플리케이션을 만듭니다.

AI의 기술 상용화로의 변화의 중심에는 AI 환경에서 중요한 역할을 할 것으로 예상되는 플랫폼인 GPT Store가 있습니다. GPT 스토어는 사용자에게 독특한 기회를 제공합니다. 사용자가 직접 GPT 제작 도구인 GPTs를 이용해 자신만의 GPT 모델을 만들고 이를 ‘GPT 스토어’에 판매할 수 있게 되었습니다. 이 기능은 단지 기술 혁신에 관한 것이 아닙니다. 이는 AI의 기술 상용화의 변화를 나타내며, 더 많은 개인과 조직이 AI 개발 및 적용에 참여할 수 있도록 합니다. 이제 사용자는 AI 기술에 참여할 수 있을 뿐만 아니라 GPTs와 GPT 스토어를 통해 GPT 모델을 설계하고 마케팅함으로써 AI 기술의 발전에 기여합니다.

상용화를 향한 이러한 전환은 AI 기술의 새로운 시대를 알리는 신호입니다. 이제 AI 기술은 소수의 대규모 조직이 사용하는 도구에서 벗어나 더 많은 사람들이 접근할 수 있는 자원이 됩니다. 더 많은 사람들이 AI 모델 개발에 자신만의 고유한 관점과 요구 사항을 제시함에 따라 이러한 변화는 AI의 창의적이고 혁신적인 애플리케이션의 급증을 촉발하게 됩니다.  또한 사용자가 GPT 모델을 판매할 수 있으면 본격적인 상업화의 길이 열리고 더욱 활기차고 다양한 AI 생태계가 조성됩니다.

 

| 서비스형AI 시장의 성장 과제 및 전망

AI를 선도하는 글로벌 기업들의 공통점은 이들이 모두 클라우드 서비스 리딩 기업이라는 것이다. AI는 방대한 양의 데이터를 저장,분석,처리해야 하는 플랫폼이기 때문에 거대 데이터를 빠르고 효율적으로 처리할 수 있는 클라우드는 필수적이다. 초기 클라우드 시장이 강력한 컴퓨팅 파워 보다는 비용 절감이라는 목적에 의해 발전했다면 이제는 클라우드와 AI의 결합을 통해 비즈니스 가치를 창출할 수 있는 단계에 와 있다. 비용 절감이라는 경제적 요인 보다는 기업의 본래 목적인 가치 창출(Value Creation)에 더욱 중요한 목적이 되고 있다.

특히 AI 시장의 패러다임 전환을 가져온 생성형 AI 시장의 발전은 동시에 클라우드 시장의 진화를 촉진하고 있다. AI 서비스의 기반인 대량, 다종의 데이터 분석을 위한 컴퓨팅 성능, 편의성, 운영 효율성. 접근성을 요구하고 있기 때문이다. AIaaS는 현재 국내 금융권에서 AICC 중심으로 진행되고 있지만, 향후 금융당국의 규제 완화와 개인정보보호에 대한 거버넌스 체계 구축이 강화된다면, 다양한 비즈니스 영역으로 확대될 것으로 예상된다. 크게는 AIaaS를 통해 비즈니스 인사이트 창출, 사용자 경험 증대, 프로세스 자동화 영역에서의 성과가 기대된다. 이 과정에서 AIaaS 서비스 사업자들은 무엇보다 고객 중심의 제품 설계에 더욱 노력해야 할 것이다. 데이터 과학자부터 비즈니스 사용자까지 다양한 수준의 사용자를 수용할 수 있는 광범위한 로코드/무코드 솔루션이 개발되어야 한다. 또한 사용자 친화적인 인터페이스 및 대시보드, 드래그 앤 드롭 컨테이너를 통해 모델을 쉽게 구축하고 클라우드 서비스 또는 사용자 지정이 가능한 모델로 이동할 수 있는 기능을 제공해야 한다. AI 애플리케이션도 산업별, 직무별 특성을 고려하여 특별히 설계되어야 한다. 무엇보다 신뢰할 수 있는 결과를 제공하기 위해 안전하고 책임 있는 설계 원칙을 가지고 서비스를 개발해야 한다. AI로 도출된 결과의 잠재적 위험성과 출력에 대한 명확한 이해로 알고리즘 모델을 해석하고 설명할 수 있는 ‘설명 가능한 AI 도구’ 개발에 연구역량을 집중해야 한다. 클라우드 기반의 AI서비스인 AIaaS의 강점을 제대로 살리기 위해서는 역설적으로 이러한 단점 및 위협요인을 얼마나 줄이는 가에 달려 있다.

 

* 저작권법에 의하여 해당 콘텐츠는 코스콤에 저작권이 있습니다.
* 따라서, 해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금합니다.