정유신 디지털경제금융연구원장 “AI 금융 속도 내려면 망분리 규제 완화해야” [2026 한국금융미래포럼]

[한국금융신문 전하경 기자] “데이터 인프라는 데이터가 많을수록 효과가 커집니다. 한국도 현재 데이터 인프라 수준은 높지만, 더 발전하려면 공동 플랫폼 구축해야 합니다.”

정유신 디지털경제금융연구원장은 한국금융신문 주최로 지난 19일 서울 명동 은행회관에서 열린 ‘2026 한국금융미래포럼: AI 3대 강국, 금융혁신의 길’ 패널토론에서 한국 데이터 인프라를 고도화할 방안을 묻는 질문에 이같이 말했다.

정 원장은 포럼에서 ‘AI 금융인프라와 정책과제’를 주제로 발표를 진행했다. 주제 발표에서 정 원장은 해외 AI 금융 인프라 구축 사례와 한국 구축 현황을 진단하고 발전을 위한 정책 방향을 제시했다.

싱가포르 공동 플랫폼 벤치마크를

정 원장은 싱가포르 데이터 공동 플랫폼을 한국 벤치마킹 사례로 제시했다. 싱가포르는 국가 주도로 데이터를 공유하는 SGFinDex 통합 데이터 허브를 구축해 금융 서비스 효용성을 높였다.

정 원장은 “싱가포르는 SGFinDex라는 통합 데이터 허브를 만들어 플랫폼을 통해 다양한 데이터가 모이도록 했다”며 “많은 데이터가 모일 수 있도록 오픈 API 표준화로 금융사를 즉시 연동하고, MyInfo 전자신원과 연계해 즉시 인증이 가능하도록 했다”고 말했다.

정 원장은 데이터 인프라 발전을 위해 ‘데이터 사일로’를 전면 해제해야 한다며 싱가포르 사례를 참고하라고 강조했다. ‘데이터 사일로’란 조직 내 데이터가 부서 또는 시스템별로 격리돼 서로 통합하기 어려운 상태를 말한다.

정 원장은 “싱가포르는 데이터 사일로를 대부분 해체해 데이터 간 공유와 통합이 가능하도록 했다”며 “우리나라는 마이데이터 2.0 정책 이후 연결이 수월해지고 있으나 여전히 데이터 사일로가 존재해 싱가포르 사례를 참고할 필요가 있다”고 지적했다.

정 원장은 SGFinDex 통합 데이터 허브 구축과 데이터 사일로 해체 등 정책적 노력이 AI와 결합하면서 포용금융과 대출 서비스 편의성 증대 효과로 나타났다고 설명했다.
정 원장은 “통합 데이터 허브에 다양한 데이터가 모이고 LLM(대규모 언어 모델)이 접목되면서 AI 신용평가 요소가 20~30개에서 수천 개로 확대됐다”며 “대출심사 자동화 비중이 90%에 달했고, 금융 포용성 부문에서 아시아 상위권을 기록했다”고 설명했다.

그는 싱가포르 데이터 인프라는 클라우드 도입으로 효과가 극대화됐다고 지적하며 우리나라도 클라우드 적용을 위한 기반을 마련해야 한다고 강조했다.

정 원장은 “통합 플랫폼에 많은 데이터를 모으고 클라우드를 적용하면 비용이 절감돼 가성비가 높아진다”며 “클라우드 적용으로 다양한 산업 데이터를 적은 비용으로 연결할 수 있게 돼 데이터 효용성이 높아진다”고 말했다.

정 원장은 데이터 인프라 외에도 싱가포르 AI 금융 인프라 성공 사례를 살펴 정책에 반영해야 한다고 강조했다.

LLM·AI 에이전트로 AI 인프라 극대화

정 원장은 LLM을 통한 AI 금융 인프라가 금융 서비스 효용성을 극대화하고 있다고 지적했다. 그는 “그동안 정형화된 규칙에 따라 제공되던 금융 서비스는 딥러닝으로 발전했고, 그 다음이 LLM과 AI 에이전트”라며 “LLM은 문맥 추론과 자연어 생성 능력, 자율 판단 능력을 갖추고 있어 5대 AI 금융 인프라를 이끄는 핵심 기술 동력이 되고 있다”고 말했다.

정 원장은 “5대 AI 금융 인프라인 데이터, 모델, 클라우드, 블록체인, 보안 분야에 LLM을 적용하면 금융 서비스 편의성이 전통 모델 대비 2배 이상 증가한 사례가 보고됐다”고 설명했다.

LLM을 적용하기 이전에는 데이터 인프라가 정형화된 금융데이터를 수작업으로 수집하는 방식이었으나, LLM 적용 이후에는 그간 신용평가 데이터로 간주되지 않았던 SNS, 뉴스 등 비정형 텍스트까지 실시간으로 수집할 수 있게 됐다.

정 원장은 “GPT와 BERT 등으로 SNS, 뉴스, 비정형 텍스트를 실시간으로 수집하면서 학습 변수가 수만 개로 자동 확장된다”며 “이를 통해 신용평가 정확도는 약 22% 개선되고, 처리 속도도 80~88% 빨라진다”고 말했다.

모델 인프라 분야에서는 규칙 기반 심사로 사람 검수가 필요했지만 LLM과 에이전트 AI가 적용되면서 계약 검토, 여신 심사, 투자분석을 자율 수행하고, M2M 자율결제·복합 금융업무 멀티에이전트 처리가 가능해진다고 했다. 그 결과 부도율이 약 30% 감소한 사례가 있었다고 정 원장은 소개했다.

정 원장은 LLM 적용 파급력이 큰 만큼 우리나라도 서비스에 신속히 적용해야 한다고 말했다. 그는 “비대면 거래가 모바일 플랫폼으로 진화할 때 머신러닝이 적용되던 시기와 비교하면 LLM 모델 효과는 차원이 다르다”며 “소비자들이 금융서비스에서 AI를 통해 보다 편리하고 효율적으로 느낄 수 있도록 공급자 입장에서 빠르게 따라가야 한다”고 강조했다.

전하경 한국금융신문 기자 ceciplus7@fntimes.com