[M-커버스토리] AI, 단순 '기능' 아닌 '조력자'로…금융투자업계, AI 사용 범위 '확산'
금융투자업계에서 인공지능(AI)은 더 이상 '있어 보이는 기능'이 아니다. 고객 화면에 붙은 편의 서비스의 단계를 지나, 이제는 실제 업무 판단과 상품 설계, 리스크 관리까지 관여하는 '업무 동료'로 진화하고 있다. AI를 어디에, 어떤 깊이로 쓰느냐에 따라 금융회사의 성격 자체가 달라지는 국면이다. 이 변화는 글로벌 금융시장에서는 이미 현재진행형이다. 글로벌 투자은행(IB)들은 AI를 특정 부서의 실험 도구로 두지 않는다. 투자은행(IB), 자기매매(S&T), 리스크 관리, 자산관리(WM) 전반에 AI를 내재화하며 업무 흐름을 다시 짜고 있다. 반면 국내 증권사들은 고객 접점에서 출발해 점차 내부로 스며드는 방식으로 AI 활용 범위를 넓혀가는 중이다. 속도는 다르지만, 방향은 같다는 평가다. ◆글로벌 IB는 '업무 동료', 국내는 '고객 접점'에서 두각 글로벌 IB들에게 AI는 조직의 일손을 나누는 생산적인 동료 수준이다. 기업공개(IPO) 제안서 작성, 인수합병(M&A) 후보 발굴, 거래 이후 리스크 관리까지 AI가 관여하는 영역은 빠르게 확장되고 있다. 반복적 문서 작업은 AI가 맡고, 사람은 판단과 협상에 집중하는 구조다. 국내 증권사들의 AI 활용은 고객 서비스 영역에서 가장 뚜렷하게 나타났다. 출발점은 개인투자자, 특히 해외주식 투자 열풍 속에서 커진 정보 비대칭 문제였다. AI는 먼저 정보 접근성을 낮추는 역할을 맡았다. 해외 기업 실적 발표를 실시간으로 번역하고, 방대한 뉴스와 공시를 요약해 전달하는 서비스들이 잇따라 등장한 배경이다. 이 지점에서 토스증권의 행보는 돋보인다. 토스증권은 해외기업 어닝콜을 실시간으로 번역·제공하고, 발표 전 관전 포인트를 제시하고 실적·가이던스·Q&A를 구간별로 나눠 보여준다. 단순히 '보여주기 식 AI'가 아니라, 투자자가 무엇을 봐야 하는지 정리해주는 AI에 가깝다. 해당 서비스는 누적 이용자 수는 출시 6개월 만에 120만명을 돌파했다. 토스는 이제 뉴스·공시 데이터를 분석해 주가 변동의 배경을 추론하는 'AI 시그널'로 기능을 확장하며, 정보 해석의 영역까지 AI 활용 범위를 넓혀가는 중이다. NH투자증권의 경우는 기관투자자들이 활용해온 데이터 분석과 리서치 환경을 개인투자자 영역으로 끌어 왔다. '터미널 엑스'를 통해 해외 대안 데이터와 시장 분석을 결합해 종목의 리스크 요인과 투자 판단에 필요한 맥락을 제시하며 투자자들의 투자를 돕고있다. ◆AI는 '기능'이 아니라 '업무 분업'의 문제 나아가 AI의 활용 범위는 더욱 넓어지고 있다. 핵심은 '더 많은 서비스를 붙이는 것'이 아니라, 사람이 하던 일을 어디까지 AI에게 넘길 수 있느냐다. 다시 말해 AI는 이제 편의 기능이 아니라, 업무 분업의 문제로 다뤄지고 있다. 고객 접점에서 시작된 AI는 리서치 영역으로 자연스럽게 이동하고 있다. 해외 기업 실적 발표를 번역·요약하는 수준을 넘어, 무엇이 중요한 정보인지 가려내고 맥락을 정리하는 역할까지 맡기기 시작했다. 이는 개인투자자에게는 정보 비대칭을 줄이는 장치이지만, 증권사 내부에서는 리서치 인력의 역할을 재정의하는 변화이기도 하다. '정보를 찾는 사람'에서 '정보를 해석하는 사람'으로의 이동이다. 이 흐름은 IB와 내부 업무에서도 확인된다. 반복적이고 규칙이 명확한 문서 작업, 검증 절차, 규제 체크 등은 AI가 맡고, 사람은 구조 설계와 판단에 집중하는 방식이다. AI를 도입한 증권사들이 공통적으로 언급하는 효과는 비용 절감보다 업무 속도와 오류 감소다. 이는 AI가 단순 자동화 도구를 넘어, 리스크 관리의 일부로 편입되고 있음을 의미한다. 운용과 상품 영역에서는 변화의 결이 다르다. AI는 투자 판단을 대신하기보다, 판단에 쓰이는 재료를 재구성하는 역할을 맡는다. 방대한 데이터를 정제하고 변동성을 낮추는 방식으로 운용 전략에 반영되면서, AI는 '조언자'가 아니라 운용 인프라로 기능하기 시작했다. 이 과정에서 AI는 고객을 향한 서비스라기보다, 상품을 만드는 내부 역량에 가깝다. 이처럼 국내 AI는 금투업계에서 다양하게 활약하고 있다. 풀어야할 과제도 있다. 문제는 그 다음이다. AI가 업무에 깊이 관여할수록 오작동이나 판단 오류에 대한 책임 구조는 복잡해진다. 리테일 영역에서는 AI의 분석과 해석이 단순 정보 제공인지, 자본시장법상 '투자 권유'에 해당하는지가 쟁점이다. AI 활용이 고객 서비스뿐 아니라 내부 업무로까지 확산되면서, 책임의 경계를 어떻게 설정할지에 대한 고민도 커지고 있다. 금융투자업계의 AI 경쟁은 이제 기술 경쟁이 아니다. 어떤 업무를 AI에게 맡기고, 어떤 판단을 사람에게 남길 것인가에 대한 조직 설계의 문제다. AI는 더 이상 '있는 척하는 기능'이 아니다. 금투업계의 일하는 방식과 책임 구조를 동시에 흔드는, 새로운 동료가 되고 있다.
