여는 글

같은 날 쏟아진 금융권 뉴스들이 흥미롭다. 한편에서는 5대 금융지주가 수천억 원을 쏟아부으며 거대한 AI 데이터센터를 짓고 있고, 다른 한편에서는 저축은행들이 P2P 업체와 손잡고 소리 소문 없이 실질적인 수익을 내고 있다.

전자가 ‘자체 구축(Build)’을 통한 거대한 체질 개선이라면, 후자는 ‘제휴(Partner)’를 통한 기민한 시장 침투다. 개발자 관점에서 이들의 서로 다른 생존 전략을 코드로 해석해 보았다.

1. 5대 금융지주의 5색(色) AI 아키텍처

각 금융지주의 전략을 살펴보면, 마치 서로 다른 소프트웨어 디자인 패턴을 보는 듯하다.

KB금융: 애자일(Agile) & MVP 전략

“거창한 담론보다 당장의 실행”을 강조한다. PB 에이전트, OCR 등 현업에서 즉시 효과를 볼 수 있는 MVP(Minimum Viable Product)부터 개발하여 점진적으로 확장하는 방식이다.

우리금융: 인프라 우선 (Infrastructure First)

서비스 개발보다 클라우드 통합을 먼저 끝냈다. 이는 ‘플랫폼 엔지니어링(Platform Engineering)’ 관점에서 가장 정석적인 접근이다. 기반이 튼튼해야 그 위에 어떤 AI 모델이든 올릴 수 있기 때문이다.

하나금융: 인적 자본 (Human Capital)

플랫폼보다 ‘사람’을 강조하며 3,000명의 데이터 인력을 양성한다고 한다. 이는 도구(Tool)보다 도구를 쓰는 주체(Actor)에 집중하는 전략이다. 결국 AI도 사람이 프롬프트를 입력해야 결과가 나오니까.

2. 저축은행 x P2P: BaaS (Banking as a Service)의 실현

저축은행이 P2P(온투업) 업체와 연계하여 342억 원을 대출해주고 연체율 0.2%를 기록했다는 뉴스는 시사하는 바가 크다.

이는 저축은행이 스스로를 ‘자금 공급 API(Funding Provider)’로 정의하고, 심사(Underwriting)와 고객 모집(Acquisition)은 P2P라는 외부 모듈에 위임한 것이다.

저축은행이 직접 AI 심사 모델을 개발하려면 수십억 원이 들었겠지만, API 연동 하나로 리스크 관리와 수익을 동시에 잡았다. 이것이 바로 컴포저블 뱅킹(Composable Banking)의 묘미다.

맺는글

거대 금융지주가 자체 데이터센터를 짓는 것도, 저축은행이 외부와 손잡는 것도 각자의 체급과 상황에 맞는 최적해(Optimal Solution)다.

개발자인 우리는 무엇을 준비해야 할까?

  • 대기업에 간다면: 대규모 트래픽을 감당할 Cloud Native 인프라와 AI 거버넌스(MLOps)
  • 핀테크/중소금융에 간다면: 외부 API를 내 것처럼 연결하는 인터페이스 설계 능력과 비즈니스 유연성

결국 기술은 비즈니스의 목표를 달성하기 위한 도구다. “우리는 AI를 도입했다”가 중요한 게 아니라, “우리는 AI로 어떤 문제를 해결했는가”가 중요한 시점이다.

참고 기사