국내 은행 AI 도입 현황｜KB·신한·하나·우리·NH 5대 은행 비교

국내 은행 AI 도입 현황은 지금 어디까지 왔을까요. 1편에서는 도입 전 체크리스트를, 2편에서는 JP모건·DBS·클라르나의 해외 사례를 다뤘습니다. 이번 편에서는 국내, 특히 시중은행권의 AI 도입 현황을 점검하고, 앞서 다룬 해외 사례와 나란히 놓고 비교해봅니다.

국내 5대 은행, 지금 무엇을 하고 있나

국내 시중은행들은 최근 1~2년 사이 생성형 AI 도입에 속도를 내고 있습니다. 은행별로 정리하면 다음과 같습니다.

KB국민은행은 직원용 실증 플랫폼 ‘KB-GPT’를 그룹 차원의 ‘KB GenAI 포털’로 확장했습니다. 이 포털의 특징은 코딩 경험이 없는 일반 직원도 노코드(No-Code) 환경에서 자신만의 AI 에이전트를 직접 만들 수 있고, 필요에 따라 로우코드·프로 개발자용 환경까지 단계별로 제공한다는 점입니다. 최근에는 고객용 서비스인 ‘KB AI’를 KB스타뱅킹에 출시해, 정확한 메뉴명을 몰라도 대화창에 자연어로 입력하면 조회부터 이체까지 한 번에 연결되도록 했습니다.

신한은행은 직원용 업무비서 플랫폼 ‘AI ONE’을 운영 중입니다. 은행 내부 업무지식 약 10만 건을 GPT 모델이 이해하도록 학습시켰고, 최신 문서를 매일 자동으로 업데이트하는 구조입니다. 이 플랫폼은 금융보안원의 보안성 평가를 통과한 뒤 실제 업무에 투입됐습니다. 여기에 노코드 분석 플랫폼 ‘AI Studio’, 무인 점포형 ‘AI 브랜치’도 함께 운영하고 있습니다.

하나금융은 AI 전문기업 솔트룩스와 함께 금융 업무에 특화된 자체 AI 파운데이션 모델을 개발했습니다. 범용 모델보다 적은 인프라로도 구동되도록 설계해 운영 비용을 낮추면서, 기업여신 심사와 내부통제, 상담 지원 업무에 우선 적용할 계획입니다. 동시에 외부 상용 LLM을 내부망에 연계하는 방식도 금융당국의 혁신금융서비스 지정을 받아 병행 추진 중입니다.

우리은행은 생성형 AI 기반 AI뱅커 서비스와 AI 챗봇 실험실을 운영하고 있고, NH농협은행은 전국 1,103개 영업점에 AI 행원을 배치하고 AI 기반 기업대출 심사를 도입했습니다.

여기에 카카오뱅크·케이뱅크·토스뱅크 같은 인터넷은행들도 이상거래탐지(FDS), 대안신용평가, 신분증 자체 검증 모델 등 각자의 방식으로 AI를 활용하고 있습니다.

해외 사례와 나란히 놓고 비교하면

2편에서 다룬 JP모건·DBS와 비교하면, 흥미로운 유사점과 차이점이 동시에 보입니다.

닮은 점 — 순서는 정확히 같습니다. JP모건의 LLM Suite, DBS의 ALAN 프로토콜과 마찬가지로, 국내 은행들도 **”먼저 직원용 내부 업무 도구로 시작해서, 이후 고객 대면 서비스로 확장”**하는 순서를 그대로 밟고 있습니다. 신한의 AI ONE, KB의 GenAI 포털이 대표적입니다. 이는 1편에서 강조한 “전사 일괄 적용이 아니라 업무 단위로 세분화”라는 원칙과도 일치합니다.

다른 점 ① — 시간과 규모 JP모건은 20만 명, DBS는 430개 이상의 활용 사례를 이미 운영 중이며, DBS는 이 수준에 도달하기까지 10년 넘게 투자했습니다. 국내 은행들의 도입은 대부분 지난 1~2년 사이 본격화됐습니다. 즉 국내 은행들은 1편의 5단계 성숙도 기준으로 보면 **2~3단계(실험~구현)**에 가깝고, 해외 선도 사례들이 있는 **4~5단계(확산~최적화)**까지는 시간이 더 필요한 상태입니다.

다른 점 ② — 성과 측정의 공개 수준 JP모건은 개별 업무마다 테스트군·대조군을 비교해 “신용카드 업무에서 2억2000만 달러 효과”처럼 구체적인 수치를 공개합니다. 국내 은행들의 보도자료는 아직 “업무 효율성 제고”, “고객 편의성 향상” 같은 정성적 표현이 많고, 정량적 성과 지표를 대외적으로 공개하는 경우는 상대적으로 적습니다. 이는 성과가 없다는 뜻이 아니라, 측정 체계 자체가 아직 성숙 중이거나 대외 공개 관행이 다르다는 뜻으로 해석하는 것이 정확합니다.

다른 점 ③ — 국내만의 독특한 관문, 규제 샌드박스 해외 사례에는 없는 국내만의 특징도 있습니다. 국내 은행이 외부 상용 LLM을 내부 업무에 연계하려면 금융위원회의 ‘혁신금융서비스’ 지정을 받아야 합니다. 이 절차는 도입 속도를 늦추는 요인이 될 수 있지만, 동시에 1편에서 강조한 “거버넌스” 체크리스트(리스크 분류, 승인 절차, 보안성 평가)를 제도적으로 강제하는 효과도 있습니다. 클라르나처럼 거버넌스 없이 먼저 전면 도입한 뒤 문제를 뒤늦게 발견하는 상황이 국내 금융권에서는 구조적으로 발생하기 어려운 셈입니다.

종합 평가—국내 은행권의 현재 위치

항목	해외 선도 사례(JP모건·DBS)	국내 은행권
성숙도 단계	4~5단계 (확산·최적화)	2~3단계 (실험·구현)
시작 순서	직원용 → 고객용	직원용 → 고객용 (동일)
성과 공개	정량적 수치 공개	정성적 표현 중심
거버넌스	자체 프로토콜(ALAN 등)	금융당국 규제 샌드박스로 일부 강제됨
인력 투자	수천~수만 명 재교육	노코드 플랫폼으로 진입장벽 낮추는 초기 단계

결론적으로, 국내 은행권은 방향과 순서는 정확하게 잡고 있고, 격차는 주로 ‘시간’과 ‘공개 수준’에서 나타납니다. 이는 오히려 긍정적인 신호로 해석할 수 있습니다. DBS도 10년이 걸렸다는 점을 상기하면, 국내 은행들이 지금 조급하게 “해외처럼 당장 20만 명이 매일 쓰는 플랫폼”을 목표로 삼기보다, 지금처럼 단계를 밟아가는 것이 오히려 정석에 가깝습니다.