금융 서비스를 위한 AI: 성과와 거버넌스의 균형

금융 서비스 제공업체들은 5년 전과는 매우 다른 환경에서 운영되고 있습니다. 더 많은 선택지, 더 낮은 전환 비용, 그리고 도전자 브랜드의 부상은 브랜드가 고객 관계를 성장시키고 지속적으로 강화하는 것이 그 어느 때보다 중요하다는 것을 의미합니다.

하지만 금융 서비스 마케터들은 한편으로는 고객 기대와 개인화, 다른 한편으로는 엄격한 규제 프레임워크 사이에서 어려움을 겪고 있습니다. 결과적으로 많은 기업이 고객 유지 및 관계 목표를 직접적으로 지원할 수 있는 더 발전된 AI 활용 사례를 피하고 있습니다.

하지만 수탁자 책임과 AI 기반 고객 참여가 반드시 상충할 필요는 없습니다. 이 격차를 줄이는 마케터들은 AI가 자신들을 위해 거버넌스 문제를 해결해주기를 기다리지 않습니다. 그들은 반대로 접근합니다. 먼저 책임 있는 AI의 기준을 정의한 뒤, 그 기준 내에서 작동하는 기술을 도입합니다.

알아야 할 사항은 다음과 같습니다.

금융 서비스 분야에서 AI 도입의 격차가 승자와 패자를 가릅니다

금융 서비스의 90% 리더들이 현대 시장에서 번영하려면 기업이 '금융 상품을 제공하는 기술 기업'이 되어야 한다는 데 동의합니다. 하지만 실행은 균일하지 않습니다.

금융 서비스 기업의 3분의 1은 이미 이를 달성하기 위해 필요한 과감한 조치를 취하고 있습니다. 30% 이상의 금융 서비스 제공업체가 이제 '프런티어 기업(Frontier Firms)'으로 간주됩니다. Microsoft는 이 용어를 AI가 단순한 실험이 아니라 비즈니스 운영 및 가치 창출 방식에 내재화된 기업으로 정의합니다. 이는 다른 어떤 산업보다 높은 수치입니다.

그럼에도 불구하고 훨씬 더 많은 기업이 AI 구현을 주저하고 있습니다. 하지만 성장이 그 어느 때보다 어려운 상황에서, AI를 안전하고 규모 있게 활용하는 방법을 찾아낸 브랜드들은 AI를 단순한 생산성 도구로만 사용하는 경쟁사들을 앞서 나가고 있습니다.

고객은 그것이 어렵다는 사실에 관심이 없으며, 어쨌든 그것을 원합니다

문제는 고객 기대가 귀사의 내부 AI 로드맵을 느끼거나 볼 수 없다는 점입니다. 그들은 규제가 덜한 산업에서 경험해 온 것과 동일한 1:1 개인화와 관련성을 기대합니다. 귀사가 민감한 데이터를 보호하고 재정적으로 책임 있는 권장 사항을 만들기 위해 뒤에서 부지런히 노력하고 있다는 이유만으로 그러한 기대가 낮아지지는 않습니다.

금융 서비스 마케터들이 고객 데이터와 이를 이해하기 위해 구축된 도구들로 넘쳐나고 있음에도 불구하고, 53%의 소비자만이 브랜드가 자신의 필요를 정확하게 예측한다고 생각합니다. 금융 서비스 브랜드가 해결해야 할 명확한 격차가 존재하며, 그 결과는 기업 전반에 걸쳐 가치를 창출합니다.

문제는 마케터가 소매업이나 식당만큼 원활하고 관련성 높은 경험을 제공해야 하지만, 모든 결정이 통제되고 감사 가능하며 방어 가능한 프레임워크 내에서 이루어져야 한다는 점입니다. 그렇기 때문에 많은 브랜드가 운영 효율성을 위해 AI를 안전하게 사용하는 방식을 택합니다.

그러나 고객이 개인화를 기대하고 프런티어 기업들이 앞서 나가는 경쟁 시장에서, 이는 더 이상 안전한 전략이 아닙니다.

에이전트 AI는 고객에게 그리고 규제 기관이 요구하는 것을 제공합니다

고객과 규제 기관의 기대를 충족하기 위해, 선도적인 금융 서비스 기업들은 이제 Agentic AI 시스템을 도입하고 있습니다.

Agentic AI는 최신 세대의 AI 기술입니다. 이 기술은 완전히 자율적이어서, 단순히 의사결정을 지원하는 데 그치지 않고 실제로 의사결정을 내립니다. BrazeAI Decisioning Studio는 강화 학습을 통해 작동하며, 에이전트가 정의된 성과에 맞춰 최적화하고, 행동이 해당 측정기준을 올바른 방향으로 이끄는지에 따라 시간이 지남에 따라 성능을 향상시킵니다. 강화 학습은 브랜드의 데이터로만 학습되기 때문에 오류 발생 가능성도 낮습니다.

Agentic AI는 마케팅 캠페인의 모든 측면을 테스트하고 재테스트하며 개인화함으로써 고객 행동을 이해할 수 있습니다. 이는 이제 기본이 된 Segment 수준의 개인화를 넘어, 각 메시지와 제안이 모든 고객에게 맞춤화되는 진정한 개별 최적화로 나아가는 것을 의미합니다. 그리고 무엇보다도, 책임감 있게 관련 규정을 준수해야 합니다.

예를 들어, 은행 환경에서 에이전트 시스템은 고객이 최근 신용카드 결제를 놓쳤지만 여전히 활발히 저축하고 있음을 인식하고, 이에 따라 커뮤니케이션을 조정하여 판촉 대출 제안 대신 상환 지원 및 재정적 웰빙 메시징을 우선시함으로써 관련성과 수탁자로서의 적절성을 모두 보장할 수 있습니다.

한 Braze 고객이 BrazeAI Decisioning Studio를 레버리지하여 카드 활성화율을 높였습니다. AI 의사결정으로 캠페인을 개인화하기 전, 해당 은행은 2주 동안 주 2회씩 4가지 이메일 변형을 고객에게 이메일로 발송하고 있었습니다. AI 기반 실험을 통해 신규 신용카드 고객들은 1만 개가 넘는 다양한 개인화된 여정을 경험했으며, 그 결과 클릭이 92% 증가하고 카드 활성화가 10% 늘었습니다.

에이전트형 AI 시스템은 자동화와 거버넌스의 균형을 맞춥니다

마케터들은 한때 AI가 거의 감독 없이 데이터를 처리하도록 두는 것에 대해 정당한 우려를 가지고 있었습니다. 오늘날 대부분의 AI 모델은 규제 환경의 매개변수와 브랜드의 가드레일 내에서 작동하여 최대한의 개인정보 보호와 보안을 보장할 만큼 정교합니다. 모든 시스템이 동일하게 만들어진 것은 아닙니다. 에이전트형 AI 구현에서 주목해야 할 점

다중 에이전트 구조

이는 어떤 조치가 취해지기 전에 결정이 둘 이상의 에이전트에 의해 독립적으로 검토되고 검증됨을 의미합니다. 이는 일관성과 통제력을 한층 더해줍니다. 예를 들어, 고객 메시지가 전송되기 전에 관련성이 있고, 규정을 준수하며, 적절한지 거의 즉각적으로 확인하는 것입니다.

사전 계획된 대체 메커니즘

이는 결정에 대한 확신이 낮거나 데이터가 누락되었을 때 시스템이 무엇을 해야 하는지 정의합니다. 이러한 경우 AI는 자동으로 안전하고 미리 결정된 작업으로 전환됩니다. 예를 들어, 고위험 대출 대신 중립적인 저축 오퍼링을 제안하는 식입니다.

실시간 가시성

이는 결정이 어떻게 내려지고 실행되는지에 대한 지속적인 실시간 가시성을 제공합니다. 이를 통해 사람들은 성능을 모니터링하고, 결정이 내려진 이유를 파악하며, 필요한 경우 개입할 수 있습니다. 또한 의사결정에 대한 감사 추적을 제공하여 결정의 방어 가능성과 투명성을 보장합니다.

이는 마케터가 관련성, 속도 또는 규제 준수와 타협할 필요가 없음을 의미합니다. 즉, 신뢰를 깨뜨리지 않고 오히려 구축하는 AI 기반 개인화를 구현할 수 있습니다.

금융 서비스 브랜드를 위한 Braze AI 기반 인프라 소개

AI는 이미 효율성을 높이는 성과를 내고 있습니다. 많은 브랜드의 다음 단계는 자율 에이전트를 활용해 고객의 성과를 최적화하는 것입니다. 야심 찬 프런티어 기업(Frontier Firms)에게 에이전트형 AI는 심층적인 개인화와 기업 수준의 거버넌스라는, 과거에는 상충하던 두 가지 우선순위를 조화시킬 수 있는 실용적인 방법을 제시합니다.

BrazeAI Decisioning Studio 및 Agent Console은 브랜드가 이러한 변화를 운영하는 데 필요한 인프라를 제공하여, 귀하가 AI를 통해 더 빠르고 자신 있게 움직일 수 있도록 돕습니다.

Braze를 사용하면 고객 행동에 실시간으로 대응하는 동적이고 적응력 있는 고객 여정을 조율할 수 있습니다.

이는 금융 서비스에 요구되는 엄격한 거버넌스를 준수하면서도 더욱 관련성 높고 관계 중심적인 커뮤니케이션을 의미합니다. 또한, 금융 서비스 브랜드 인게이지먼트가 시의적절할 뿐만 아니라 신뢰받을 수 있도록 보장합니다.