AX Field Notes

전체 사례No. 058

KB국민은행, 민원 처리 8.4일로 단축하다

에이전트가 초안을 쓰고 현업이 직접 AI를 만드는 은행의 확장 전략

사례 번호
058
1차 출처
Byline Network report of a Microsoft Industry Summit talk + KB Financial Group press releases
원문 게시
2026-10-01

요약

  • KB국민은행은 민원 처리 중간 단계를 인공지능 에이전트에 맡겨 처리 일수를 대폭 줄였습니다.
  • 중앙 개발 부서에만 의존하던 방식이 확산의 병목이 되자 현업 직원이 직접 만드는 체계로 전환했습니다.
  • 규제 환경에서 인공지능을 확산하려면 공통 플랫폼과 보안 제어를 단일 계층으로 묶어야 합니다.

14일 안에 답해야 하는 민원, 처리에는 평균 19.7일이 걸렸습니다

금융회사에 접수되는 고객 민원은 단순한 불만 접수가 아닙니다. 고객의 거래 내역과 상품 약관, 내부 업무 처리 규정을 대조하고 법적·제도적 쟁점까지 세밀하게 확인해야 비로소 한 건의 답변서를 작성할 수 있습니다. 그래서 고객의 불편을 해소하기 위해 빠르게 답해야 하면서도, 잘못된 안내가 나가지 않도록 끝까지 꼼꼼하게 검토해야 하는 까다로운 작업입니다.

하지만 현실의 일정은 늘 촉박했습니다. KB국민은행의 김지영 금융 AI 2센터 부장 겸 AI Dev센터장은 2026년 9월 30일 서울 코엑스에서 열린 마이크로소프트 인더스트리 서밋 2026 발표에서 당시의 어려움을 이렇게 밝혔습니다. 이 내용은 이튿날 테크 전문 매체 바이라인네트워크를 통해 보도되었습니다. “민원 업무는 내용을 정확히 이해하고 관련 정보를 확인한 뒤 답변을 준비해야 되는 업무라서, 14일 안에 회신하려면 처리 속도뿐 아니라 최종 답변에 대한 신중한 검토가 더욱 중요하다”는 설명이었습니다.

문제는 신중함을 지키려다 보면 시간이 한없이 지연된다는 점이었습니다. AI를 도입하기 전, KB국민은행의 민원 처리는 다섯 단계를 거쳐 진행되었습니다. 먼저 접수를 받고, 자료를 검색하고, 검색한 내용을 정리한 뒤, 고객에게 보낼 회신문 초안을 작성하고, 마지막으로 고객에게 최종 답변을 안내하는 순서였습니다. 이 다섯 가지 단계를 모두 담당 직원이 일일이 수작업으로 처리했습니다. 자료를 찾고 문장을 가다듬는 데 너무 많은 시간이 들다 보니, 평균 민원 처리일수는 19.7일에 달했습니다. 김 부장이 언급한 14일보다 긴 기간이었고, 미종결 민원은 1,204건에 이르렀습니다.

세 단계를 인공지능에 넘겨 민원 처리 속도를 높였습니다

KB국민은행은 민원 처리 과정의 허리 부분을 떼어내 인공지능 소프트웨어인 ‘민원 상담 에이전트’에 맡겼습니다. 에이전트란 정해진 규칙에 따라 단순 작업을 반복하는 프로그램을 넘어, 복잡한 업무 맥락을 파악하고 정보 검색과 문서 작성 같은 여러 단계를 자율적으로 이어받아 수행하는 인공지능 시스템을 뜻합니다.

새로운 업무 방식에서 에이전트는 고객이 낸 민원 내용을 읽고 요약하며, 이것이 어떤 유형의 문제인지 분류합니다. 이어 관련 자료를 찾아 고객에게 보낼 회신문 초안까지 작성합니다. 접수와 최종 안내 사이에 있던 자료 검색, 내용 정리, 회신문 작성의 세 단계를 인공지능이 도맡은 셈입니다.

사람의 일은 앞뒤 두 지점으로 좁혀졌습니다. 직원은 고객의 민원 사실관계를 대조 확인하고, 에이전트가 작성해 온 초안을 최종 검토한 뒤 고객에게 답변을 발송합니다. 책임을 져야 하는 사실 확인과 최종 승인만 사람이 맡고, 자료 검색부터 초안 작성까지를 인공지능에 넘긴 것입니다. 김 부장은 이 변화를 두고 “이 과정에 오랜 시간을 들여야 했고 미종결 건수가 많았는데, AI 에이전트 도입으로 민원 처리 과정을 종전 5단계에서 3단계로 줄였다”고 설명했습니다.

5단계에서 3단계로 줄어든 절차
도입 전전 과정 직원 처리접수자료 검색내용 정리회신문 작성고객 답변도입 후접수에이전트 담당요약·분류·검색·초안 작성직원 담당사실 확인·최종 검토·답변
에이전트가 검색과 초안 작성을 맡아 민원 처리 과정이 세 단계로 줄었습니다. (출처: 바이라인네트워크)

실제 현장에서는 다음과 같은 방식으로 돌아갔을 가능성이 높습니다. 먼저 에이전트가 민원을 읽고 유형을 분류하면, 해당 유형에 맞는 상품 약관과 내부 업무 지침, 기존에 발송되었던 유사 회신문을 내부 문서 저장소에서 즉시 찾아냈을 것입니다. 이어 회신문 초안을 만들면서 참고한 내부 규정 조항이나 근거 문장을 초안 옆에 나란히 달아두었을 것입니다. 이렇게 하면 검토하는 직원이 처음부터 자료를 다시 검색할 필요 없이, 에이전트가 제시한 근거가 맞는지 사실 여부만 빠르게 대조할 수 있기 때문입니다.

결과는 숫자로 나타났습니다. 19.7일이 걸리던 평균 민원 처리일수는 8.4일로 절반 이상 줄었습니다. 평균이 김 부장이 말한 14일보다 짧아진 것입니다. 처리 속도가 붙으면서 밀려 있던 미종결 민원도 1,204건에서 278건으로 4분의 1 이하 수준까지 급감했습니다.

평균 민원 처리 기간 비교
071421일14일 회신 기한도입 전 19.7일도입 후 8.4일
평균 민원 처리 기간이 도입 전 19.7일에서 도입 후 8.4일로 줄었습니다. (출처: 바이라인네트워크)

많이 만들수록 더 느려지는 중앙 집중식 개발의 한계

KB국민은행은 민원 상담 에이전트를 포함해 내부 업무에 60개 이상의 AI 에이전트를 도입해 활용하고 있었습니다. 개인 자산관리(PB) 부문에서는 시장 분석과 포트폴리오 리밸런싱, 보고서 작성을 돕는 에이전트가 쓰였고, 기업금융(RM) 부문에서는 산업 및 재무 분석과 신용 의견 작성을 지원하는 에이전트가 가동되었습니다. 상품과 제도 절차를 안내하는 금융 상담 에이전트와 대출 심사 보조 및 조기 경보를 수행하는 여신 심사 에이전트도 현장에 배치되었습니다.

하지만 에이전트의 쓰임새가 늘어날수록 예상치 못한 병목 현상이 나타났습니다. 초기에는 현업 부서가 업무 자동화를 요청하면 중앙의 금융 AI 센터가 에이전트를 대신 만들어 주는 방식으로 일했습니다. 현장의 요구가 쏟아지자 중앙 부서의 작업 속도가 따라가지 못했습니다.

김 부장은 당시의 상황을 가리켜 “요청이 한곳에 집중되니 수요가 늘수록 대응 속도가 느려지는 AI 센터가 확산의 병목이 됐다”고 말했습니다. 개발은 회사의 대표 과제 중심으로 진행되었습니다. 그 결과 현장에서 필요한 다양한 세부 요구를 반영하지 못했고, 현업 직원의 반짝이는 아이디어가 실제 실험으로 연결되지도 못했습니다. 무엇보다 개발 부서가 현업의 복잡한 실무를 완벽하게 이해하고 맞춤형 에이전트를 만들기란 구조적으로 불가능했습니다. 부서마다 일하는 방식이 다르고 자동화하고 싶어 하는 지점도 제각각이었기 때문입니다.

만드는 사람을 바꾸다: 현업 직원이 직접 만드는 AI 랩과 경진대회

중앙 부서가 주문을 받아 일일이 만들어 주던 방식을 버리고, 현업 실무자가 자기 업무의 불편과 반복 작업을 직접 찾아 에이전트를 만드는 체계로 전환했습니다. 금융 AI 센터의 역할도 직접 제작하는 부서에서 현업을 돕는 기술과 플랫폼 지원 부서로 바뀌었습니다.

이 전환을 뒷받침하기 위해 2026년 7월 14일 ‘KB AI Lab(AI 랩)‘이 출범했습니다. 그룹의 교육 과정인 ‘KB AI Academy’의 최고급 과정인 AI 전문가(AI Expert) 코스를 수료한 직원들을 선발해 실전에 투입하는 프로그램이었습니다. 참가자들은 2주 동안 인공지능 심화 교육을 이수한 뒤, 약 10주간 실제 서비스 개발 절차에 따라 실전 프로젝트를 수행했습니다. 교육을 마친 실무자들은 소속 부서로 복귀해 만든 결과물을 계속해서 발전시키는 역할을 맡습니다.

이 프로젝트에는 은행 직원 45명과 카드사 직원 6명을 합쳐 총 51명이 참여했습니다. 이들이 직접 도출해 실제 업무에 적용한 과제는 은행 19개, 카드사 2개 등 모두 21개에 달했습니다. KB금융그룹은 이 AI 랩을 전 계열사로 단계적으로 확대한다는 계획을 세웠습니다.

2026년 9월 3일에는 ‘2026 그룹 통합 AI 에이전트 경진대회’가 열렸습니다. KB금융지주와 KB국민은행, KB증권, KB손해보험, KB국민카드, KB라이프생명, KB캐피탈 등 7개 계열사에서 116개 팀, 316명이 참여했습니다. 계열사 예선을 거쳐 12개 팀이 본선에 올랐고, 보안 로그 분석과 이상 탐지, 사내 문서 분석, 고객의 소리(VOC) 분석을 통한 소비자 위험 조기 탐지, 보험 상품 개발 등 다양한 아이디어가 쏟아졌습니다.

대상의 영예는 20개의 AI 에이전트를 유기적으로 엮어 상담 품질과 규정 준수, 손해사정 기준 준수 여부를 자동 점검하는 ‘고객케어 AI 관제센터’를 선보인 KB손해보험 팀에게 돌아갔습니다. 김 부장은 “경진대회를 통해 현업이 직접 아이디어를 발굴하고 실제 동작을 보여줬으며, 이렇게 검증된 우수 사례를 전 계열사로 확산해 업무에 적용하는 흐름을 만들었다”고 말했습니다.

현업의 자유로운 실험을 가능하게 만든 공통 통제 플랫폼

수많은 비개발자 실무자들이 저마다 에이전트를 만들게 되면 금융기관으로서 감당하기 힘든 보안과 규제 위험이 생길 수 있습니다. 금융권은 망분리 규제(해킹 방지를 위해 내부 업무망과 외부 인터넷망을 분리하는 규정)와 혁신금융서비스 승인 조건을 철저히 준수해야 합니다. 만약 각 부서가 제각각 보안과 개인정보 보호 조치를 마련해야 한다면 확산은 불가능합니다.

KB국민은행은 이 문제를 해결하기 위해 에이전트 제작 환경을 통합한 ‘플랫폼 2.0’을 구축하고 있습니다. 시스템 전체가 하나로 단단하게 묶여 있던 기존 모놀리식 구조를 벗어나, 부품을 갈아 끼우듯 유연하게 조합할 수 있는 마이크로서비스 구조로 전환한 것입니다. 코딩을 전혀 모르는 실무자를 위한 노코드(No-code) 도구부터 개발자를 위한 프로코드(Pro-code) 환경을 두루 지원하며, 마이크로소프트의 클라우드 인프라인 애저 쿠버네티스 서비스(AKS) 위에서 운영됩니다.

가장 중요한 혁신은 보안과 규정 통제를 에이전트 개발에서 완전히 분리해 플랫폼 공통 영역으로 밀어 올렸다는 점입니다. 외부 모델을 호출할 때 거쳐야 하는 문을 마이크로소프트 애저 API 매니지먼트(APIM) 기반의 공통 게이트웨이 하나로 통합했습니다. 개발자가 금융 내부 업무망에서 클로드 코드(Claude Code) 같은 최신 인공지능 코딩 도구를 활용할 수 있는 ‘시큐리티 바이브코딩 플랫폼’도 이 구조 덕분에 실현되었습니다.

내부 업무망에서 생성된 모든 인공지능 호출은 공통 게이트웨이와 프라이빗 링크(외부 인터넷에 노출되지 않는 클라우드 전용 사설 통신망)를 반드시 거치도록 설계되었습니다. 이 단일 통로에서 사용자 인증, 권한 확인, 주민등록번호 같은 개인 식별 정보 가리기(마스킹), 유해 프롬프트 차단 가드레일이 예외 없이 작동합니다. 스타트업 티냅스와 함께 설계한 금융 특화 가드레일은 프롬프트 주입 공격이나 탈옥 시도를 실시간으로 차단하고 위반 이력을 기록합니다.

현업 직원이 AI 랩에서 새로운 에이전트를 만들 때의 흐름도 이 원리에 기반했을 것입니다. 직원이 에이전트를 기획하면 에이전트 관리 시스템에 사전 등록되고, 금융 AI 센터는 코드를 일일이 검사하는 대신 어떤 데이터에 접근하고 어떤 권한을 쓰는지 정책만 승인했을 가능성이 높습니다. 승인된 에이전트에 공통 게이트웨이 호출 권한을 부여하면, 현업 직원이 복잡한 보안 규정을 신경 쓰지 않아도 플랫폼이 모든 규제 준수를 알아서 처리해 주는 방식이었을 것입니다.

답변의 신뢰도를 실시간으로 검증하는 장치도 공통 플랫폼에 얹었습니다. 또 다른 인공지능이 생성된 답변을 판정하는 ‘LLM as a Judge’ 기술입니다. 이 판정 모델은 답변의 정확성, 제공된 근거에 기반했는지 여부(근거성), 금융 규정 준수, 환각(사실이 아닌 내용을 지어내는 현상) 탐지의 네 가지 기준을 실시간으로 채점합니다. 채점 결과에 따라 시스템은 승인(Pass), 재검토(Review), 차단(Block)의 세 가지 경로로 답변을 자동 분류합니다.

김 부장은 기업여신 60개 시나리오를 대상으로 한 실증 평가에서 KB-티냅스 금융 특화 평가 모델이 100점 만점에 90점을 기록했다고 밝혔습니다. 이는 일반 범용 프론티어 모델의 평균 점수보다 28.2점 높은 수준이며, 가벼운 구조 덕분에 실시간 추론 속도도 2~3배 빨랐습니다. 이와 별개로 기업여신 상담 시범 적용 과정에서는 답변 과정의 환각 현상을 90% 이상 사전에 차단하는 성과를 거두기도 했습니다.

넘길 일과 붙잡을 일을 지혜롭게 나누어 확산합니다

KB국민은행의 사례는 기업 안에서 인공지능을 실무에 어떻게 녹여내고, 어떻게 조직 전체로 퍼뜨려야 하는지 명확한 길을 보여줍니다.

첫째, 인공지능에 넘길 일과 사람이 끝까지 쥐고 있어야 할 일을 지혜롭게 갈라냈습니다. 민원 업무에서 중간의 자료 조사와 문안 작성은 에이전트에 넘겼지만, 고객과의 신뢰가 걸려 있는 사실 확인과 최종 답변 승인은 직원이 단단히 붙잡았습니다. 책임을 내려놓지 않으면서도 수작업의 늪에서 벗어나는 균형점을 찾아낸 것입니다.

둘째, 인공지능 도입이 성공할수록 개발 부서는 필연적으로 병목이 됩니다. 아무리 뛰어난 기술 조직이라도 현장 곳곳의 복잡한 비즈니스 맥락을 다 파악해 에이전트를 대신 만들어 줄 수는 없습니다. 확산의 열쇠는 결국 현업 실무자가 직접 자신의 문제를 푸는 에이전트를 만들게 하는 데 있습니다.

셋째, 현업 실무자가 자유롭게 인공지능을 만들게 하려면 가장 까다로운 규제와 보안을 플랫폼 밑바닥에 숨겨두어야 합니다. 만드는 사람마다 보안 지침을 공부하고 망분리 규제를 고민하게 만든다면 대규모 확산은 요원합니다. 모든 에이전트가 통과해야 하는 단 하나의 게이트웨이를 세우고, 그 안에서 인증과 마스킹, 환각 차단을 자동으로 집행할 때 비로소 조직 전체가 안전하게 인공지능을 도구로 활용할 수 있습니다.

KB국민은행은 이제 내부 업무를 넘어 대고객 서비스로 영역을 넓히고 있습니다. KB스타뱅킹 앱에 고객용 에이전트인 ‘KB AI’를 출시하고, 복잡한 메뉴를 직접 찾아다닐 필요 없이 고객의 의도를 알아듣고 전문 에이전트들을 조율해 업무를 처리하는 지능형 금융 서비스로 나아가고 있습니다. 사람과 인공지능의 협업 구조를 다진 바탕 위에서, 은행의 일하는 방식 전체가 바뀌고 있습니다.


출처