금융사의 심사 업무에서는 수많은 자료를 확인하고 분석해야 합니다.
사업자등록증부터 재무제표, 견적서, 계약서 등 다양한 서류를 검토하고, 필요한 정보를 찾아 정리한 뒤
기업의 재무상태와 상환 가능성을 판단해야 합니다.
여기에 기업과 관련된 외부 정보까지 확인하고 최종 심사의견과 품의서를 작성하는 과정도 필요합니다.
그렇다면 이러한 업무를 AI가 대신 정리하고 분석해 준다면 어떨까요?
단순히 문서를 읽고 필요한 정보를 추출하는 수준을 넘어, 심사에 필요한 정보를 스스로 분류하고 분석한 뒤 심사자가 판단할 수 있는 형태로 제공하는 것입니다.
AI 업무 자동화 전문기업 KS C&C(케이에스씨앤씨)는 A금융사의 리스금융 심사 업무 고도화를 위해 Upstage(업스테이지)의 생성형 AI 모델 Solar 2와 에티버스이비티의 AI 인프라 솔루션 Appliance Box를 활용한 AI Agent 기반 PoC를 진행했습니다.
이번 글에서는 실제 PoC에서 어떤 AI Agent를 구성했으며, 금융사의 리스 심사 업무에 AI를 어떻게 적용했는지 살펴보겠습니다.
01.금융 심사 업무, AI로 어디까지 자동화할 수 있을까?
기업을 대상으로 하는 금융 심사에서는 다양한 자료를 종합적으로 확인해야 합니다.
예를 들어 리스금융 심사를 진행한다고 가정해 보겠습니다.
심사자는 고객이 제출한 사업자등록증과 재무제표 등의 서류를 확인하고,
기업의 기본정보와 재무정보를 파악해야 합니다.
여기에 매출과 영업이익의 변화, 부채 및 금융비용 부담, 주요 거래처와의 관계 등을 검토하고, 신청한 리스 상품이 기업의 현재 사업과 어떤 연관성을 갖는지도 살펴봐야 합니다.
필요한 경우 기업 및 산업과 관련된 외부 정보도 확인해야 합니다.
마지막으로 이러한 분석 내용을 종합하여 긍정적인 요소와 부정적인 요소를 정리하고
심사 의견을 작성합니다.
금융 심사 업무는 단순한 문서 확인이 아니라 다음과 같은 여러 단계로 구성됩니다.
문서 확인 → 정보 추출 → 정보 분류 → 기업 분석 → 재무 분석 → 시장·사업 분석 → 종합 판단 → 품의서 작성 |
각 단계에서는 서로 다른 종류의 정보를 처리해야 하며, 앞선 단계에서 확보한 자료가 이후 분석과 판단의 근거로 활용됩니다.
KS C&C는 이번 PoC에서 이러한 업무를 하나의 AI 모델에 모두 맡기는 대신, 각 업무를 역할별 AI Agent로 나누고 서로 연결하는 방식을 적용했습니다.
02. 4개의 AI Agent로 리스금융 심사 프로세스를 구성하다
이번 PoC에서는 리스금융 심사 과정을 크게 4개의 AI Agent로 구성했습니다.
각 Agent가 문서 정보 추출, 기업평가, 종합의견 생성, 품의서 작성이라는 역할을 담당하고,
처리된 결과를 다음 단계에서 활용하도록 설계했습니다.
① 서류문서 정보추출 Agent
첫 번째 단계는 심사 대상 서류에서 필요한 정보를 추출하는 것입니다.
리스금융 심사 과정에서는 사업자등록증, 재무제표, 견적서, 계약서, 세금계산서 등
다양한 형태의 문서를 확인해야 합니다.
서류문서 정보추출 Agent는 이러한 문서를 분석하여 리스이용자명, 대표자명, 설립일, 리스 신청정보,
장비정보 등 심사에 필요한 주요 데이터를 추출하고 구조화합니다.
핵심은 단순히 OCR로 문자를 인식하는 데 그치지 않고, 심사 업무에 필요한 정보를 구분하여
이후 분석 단계에서 활용할 수 있는 형태로 정리한다는 점입니다.
② 외부정보 기반 기업평가 Agent
두 번째는 제출된 서류만으로 확인하기 어려운 기업 정보를 보완하는 단계입니다.
외부정보 기반 기업평가 Agent는 온라인에서 확인 가능한 기업 관련 정보를 취합하고,
이를 기업평가에 활용할 수 있도록 구성됐습니다.
이를 통해 고객이 제출한 서류뿐만 아니라 기업 및 시장과 관련된 외부 정보도 함께 고려할 수 있습니다.
이번 PoC에서는 이러한 정보를 이후 심사의견 생성 과정에서 활용할 수 있도록 연결했습니다.
③ 종합의견 생성 Agent
세 번째는 이번 PoC에서 핵심적인 역할을 담당하는 종합의견 생성 Agent입니다.
앞선 단계에서 추출한 고객 정보와 기업평가 데이터를 단순히 나열하는 것이 아니라,
실제 금융 심사 관점에서 분석하고 종합의견을 생성합니다.
주요 분석 항목은 다음과 같습니다.
리스이용자 개요 | 기업의 기본정보, 주요 사업내용 및 리스 신청 목적 |
매출 및 사업 연관성 | 매출액과 영업이익의 변화, 신청한 리스 상품과 기업의 사업 간 연관성 |
재무·상환 리스크 | 자산 및 부채 구조, 유동성, 금융비용 부담, 리스료 상환 능력 |
시장·사업 전망 | 주요 거래처 의존도, 공급사 재무상태, 산업 및 시장환경 변화에 따른 위험요소 |
AI Agent는 이러한 분석 결과를 바탕으로 긍정적인 요소와 부정적인 요소를 도출하고,
종합의견과 판단 근거를 생성합니다.
예를 들어 매출액과 영업이익의 변화, 금융비용 부담 등을 종합적으로 분석하고,
신청한 리스료가 기업의 매출이나 수익 규모와 비교했을 때 어느 정도 부담이 되는지 검토하는 방식입니다.
단순히 재무제표의 숫자를 보여주는 것이 아니라, 여러 정보를 실제 심사 관점에서 분석하여 담당자의 판단을 지원한다는 점이 특징입니다.
④ 품의서 작성 Agent
마지막 단계는 앞선 분석 결과를 실제 심사 업무의 결과물로 정리하는 과정입니다.
품의서 작성 Agent는 고객의 기본정보, 신청정보, 제출서류, 심사의견 등 앞 단계에서
추출하고 분석한 데이터를 정해진 품의서 양식에 맞춰 작성합니다.
자료가 부족하거나 심사자가 별도로 확인해야 하는 정보는 담당자가 직접 입력할 수 있도록 구성했습니다.
이를 통해 반복적인 문서 작성 업무를 줄이면서도, 심사자의 검토와 판단이 필요한 부분은 사람이 수행할 수 있도록 설계했습니다.
03. AI Agent를 연결하면 심사 프로세스가 어떻게 달라질까?
이번 PoC에서는 각 AI Agent가 독립적으로 결과를 생성하는 데 그치지 않고, 앞 단계에서 처리한 데이터를 다음 단계에 전달하도록 구성했습니다.
전체적인 업무 흐름은 다음과 같습니다.
① 심사 대상 서류 업로드 → ② 서류 정보 추출 및 구조화 → ③ 외부정보 기반 기업평가 → ④ 재무·사업 리스크 분석 및 종합의견 생성 → ⑤최종 품의서 작성 및 심사자 검토 |
기존에는 담당자가 여러 문서를 확인하고 데이터를 취합한 뒤 분석과 보고서 작성까지 수행해야 했다면,
이번 PoC에서는 각 단계의 AI Agent가 역할을 분담하여 업무를 지원하도록 했습니다.
예를 들어 정보추출 Agent가 정리한 재무 데이터를 종합의견 생성 Agent가 활용하고,
해당 분석 결과는 다시 품의서 작성 Agent로 전달되는 방식입니다.
이처럼 문서 처리, 기업평가, 리스크 분석, 보고서 작성이 하나의 업무 프로세스로 연결되도록 구현했다는 점에서 의미가 있습니다.
04. Upstage Solar 2와 에티버스이비티 Appliance Box 활용
이번 리스금융 심사 AI Agent PoC에서는 AI 모델뿐만 아니라 실제 업무 환경에서 AI 서비스를 구동하기
위한 인프라도 함께 활용했습니다.
① Upstage Solar 2 | 금융 심사 데이터 분석 및 종합의견 생성
심사 의견을 생성하고 다양한 정보를 분석하는 과정에는 Upstage의 생성형 AI 모델인 Solar 2를 활용했습니다.
이번 PoC에서는 Solar 2를 단순한 질의응답 용도로 사용하는 것이 아니라, 앞 단계에서 정리된 심사 데이터를 기반으로 금융 심사에 필요한 분석 기준을 적용하고 결과를 생성하는 역할에 활용했습니다.
리스이용자의 재무상태, 매출 및 영업이익 변화, 금융비용 부담, 사업 및 시장 전망 등을 종합하여
심사자가 검토할 수 있는 형태의 의견을 생성하도록 구성했습니다.
② 에티버스이비티 Appliance Box | AI Agent 구동 인프라
AI 서비스를 실제 업무 환경에서 활용하기 위해서는 AI 모델뿐만 아니라 이를 안정적으로 구동할 수 있는
인프라 환경도 중요합니다.
이번 PoC에서는 에티버스이비티의 Appliance Box를 AI 서비스 구동 환경으로 활용했습니다.
Appliance Box는 AI 서비스를 위한 하드웨어와 소프트웨어 환경을 하나의 장비 형태로 구성한 AI 인프라 솔루션으로, 이번 프로젝트에서는 해당 환경에 필요한 AI 솔루션을 구성하여 심사 AI Agent를 구현했습니다.
NVIDIA RTX 6000 Blackwell GPU가 탑재된 환경을 기반으로 AI 모델 및 관련 솔루션을 구성할 수 있다는 점에서, 기업 내부 환경에서 AI 서비스를 구축하고 운영하는 하나의 방식으로 활용할 수 있습니다.
결국 이번 PoC에서 중요한 것은 특정 AI 모델 하나를 사용하는 것이 아니라, AI 모델 + AI Agent + 문서 처리 + 외부정보 + 업무 프로세스 + 실행 인프라를 하나의 업무 흐름으로 연결했다는 점입니다.
05. 실제 리스금융 심사 사례에서는 어떤 결과가 나왔을까?
그렇다면 AI Agent는 실제 금융 심사 데이터를 바탕으로 어떤 결과를 생성할 수 있을까요?
이번 PoC에서는 실제 심사 데이터를 활용하여 기업의 기본정보와 재무정보, 리스 신청정보 등을 분석하고, 심사에 필요한 종합의견을 생성하는 과정을 확인했습니다.
※ 실제 고객 및 심사 데이터 보호를 위해 일부 정보는 익명화 또는 비식별화하여 소개합니다.
① 리스이용자 개요 분석
AI는 기업의 설립 시점과 주요 사업내용, 신청한 리스 물건과 사업 간의 연관성 등을 우선적으로 정리합니다.
이를 통해 심사자는 해당 기업이 어떤 사업을 영위하고 있으며, 이번 리스 신청이 기업의 사업과 어떤 관계가 있는지 빠르게 확인할 수 있습니다.
② 매출 및 재무상태 분석
다음으로 과거 매출과 영업이익의 변화, 자산 및 부채 구조 등을 분석합니다.
예를 들어 특정 연도의 매출 감소와 영업이익 감소가 동시에 발생했는지, 유동자산과 유동부채의 관계는 어떠한지 등을 종합적으로 살펴볼 수 있습니다.
단순히 “2023년 매출은 ○○원입니다.”라고 보여주는 것이 아니라,
과거 대비 매출이 어떻게 변화했으며 이러한 변화가 기업의 재무건전성에 어떤 의미를 가지는지
를 심사 관점에서 정리하는 것입니다.
③ 리스료 및 변제능력 분석
리스 심사에서 중요한 부분 중 하나는 실제 리스료를 기업이 감당할 수 있는지 여부입니다.
PoC에서는 월 리스료와 기업의 매출 및 이익 규모 등을 비교하여 상환 부담을 분석하도록 구성했습니다.
실제 테스트 사례에서는 월 리스료가 약 465만 원으로 산출되었으며, 이를 연간 리스료로 환산하고 당기순이익과 비교하여 변제능력 측면의 위험요소를 도출했습니다
④ 공급사 및 시장 리스크 분석
리스이용자만 분석하는 것도 아닙니다.
리스 물건을 공급하는 공급사의 재무상태나 주요 거래관계, 시장 및 산업환경 역시 리스 심사에서 고려할 수 있는 요소입니다.
실제 테스트에서는 공급사의 재무상태를 분석하여 리스 물건의 품질 유지 및 사후관리 측면에서 발생할 수 있는 잠재적 리스크까지 확인했습니다.
이처럼 여러 정보를 종합한 뒤 AI는 긍정적·부정적 평가 요소를 정리하고 최종적인 심사의견을 생성합니다.
06. 단순한 정보 요약을 넘어 ‘심사 의견’을 만들다
이번 PoC에서 주목할 부분은 AI가 단순히 데이터를 요약하는 데 그치지 않았다는 점입니다.
심사에 필요한 정보를 다음과 같이 단계적으로 연결합니다.
서류에서 정보 추출 → 정보 분류 및 구조화 → 기업 및 외부정보 분석 → 재무·상환 리스크 분석 → 시장·사업 전망 분석 → 긍정/부정 평가요소 도출 → 종합의견 및 판정 근거 생성 |
보고서에서도 AI가 리스이용자 개요, 매출 및 사업 연관성, 재무·상환 리스크, 시장·사업 전망의 4개 영역을 기준으로 심사의견을 정리하고, 최종적으로 승인·보류·거절 등의 판정과 그 근거 및 보완사항을 제시하는 구조를 구현했습니다.
이러한 방식이라면 심사자는 수많은 자료를 처음부터 다시 확인하는 데 사용하는 시간을 줄이고, AI가 정리한 분석 결과를 바탕으로 보다 중요한 판단과 검토에 집중할 수 있습니다.
07. 약 6시간이 걸리던 데이터 판단·분석을 약 10분으로
PoC에서 확인한 가장 눈에 띄는 변화는 업무 처리 시간입니다.
기존 업무에서는 고객의 심사자료를 확인한 뒤 필요한 데이터를 판단하고 분석하는 과정에 약 6시간이 소요됐습니다. 이번 PoC에서 구현한 AI 기반 프로세스에서는 동일한 성격의 데이터 판단 및 분석 과정을 약 10분 수준으로 처리할 수 있었습니다.
물론 여기서 말하는 6시간은 고객의 자료 수집부터 최종 심사 완료까지의 전체 리스 심사 시간을 의미하는 것은 아닙니다.
기존 업무에서 자료를 확인하고 필요한 데이터를 판단·분석하는 과정과 PoC에서 AI가 해당 과정을 처리하는 시간을 비교한 결과입니다.
따라서 이번 결과를 단순히 심사 업무 전체를 10분 만에 끝낸다는 의미로 해석하기보다는,
반복적인 자료 확인과 데이터 분석 업무를 AI가 빠르게 지원함으로써 심사자의 업무 부담을 줄일 수 있다는 가능성을 확인했다는 점에 의미가 있습니다.
08. AI가 심사자를 대체하는 것이 아니라, 심사자의 판단을 지원한다
금융 심사에서 AI를 적용할 때 중요한 부분이 있습니다.
바로 최종적인 판단의 주체는 심사자라는 점입니다.
이번 PoC 역시 AI가 모든 심사 판단을 자동으로 확정하는 구조가 아니라, 다양한 자료를 분석하고 긍정적·부정적 요인과 종합의견을 제시하여 심사자가 검토할 수 있도록 지원하는 방향으로 구성했습니다.
특히 품의서 작성 과정에서도 AI가 자동으로 생성한 데이터를 그대로 사용하는 것이 아니라, 자료가 부족하거나 심사자가 별도로 확인한 정보는 직접 입력할 수 있도록 구성했습니다.
결국 AI의 역할은 심사자의 전문성을 대체하는 것이 아니라,심사자가 판단하기 전에 필요한 정보를 더 빠르고 다양하게 준비해 주는 것이라고 볼 수 있습니다.
09. 리스 심사에서 시작해 기업금융 AI Agent로
이번 PoC를 통해 확인한 또 하나의 가능성은 확장성입니다.
심사 업무의 기본 구조를 살펴보면 리스금융뿐만 아니라 다양한 기업금융 업무에서도 유사한 형태의
프로세스를 발견할 수 있습니다.
예를 들어,
기업대출 심사 |
담보대출 심사 |
오토금융 심사 |
기업 신용평가 |
금융상품 품의 업무 |
기업 관련 서류 분석 |
등에도 문서정보 추출, 기업정보 분석, 재무분석, 종합의견 생성이라는 공통적인 업무 구조를 적용할 수 있습니다.
최종 PoC 보고서에서도 개발된 심사 AI Agent를 리스금융뿐 아니라 기업금융 및 오토금융 등 다양한 금융상품으로 확장할 수 있는 구조로 제시했습니다.
따라서 이번 프로젝트의 의미는 특정 리스 상품의 자동화에만 있지 않습니다.
금융사의 다양한 심사 업무를 AI Agent 기반으로 재설계할 수 있는 가능성을 확인했다는 것에 더 큰 의미가 있습니다.
10. 리스 심사에 AI Agent의 활용 가능성 검증
이번 PoC에서 KSC&C가 확인하고자 했던 것은 단순히 AI로 문서를 읽을 수 있는가?가 아니었습니다.
더 중요한 질문은 이것이었습니다.
“AI가 금융사의 실제 업무 프로세스 안에서 심사자의 업무를 얼마나 실질적으로 지원할 수 있는가?”
이번 프로젝트에서는 서류에서 필요한 정보를 추출하고, 외부 기업정보를 보완하고, 재무 및 사업 리스크를 분석하고, 긍정·부정 요소를 도출한 뒤 종합의견을 생성하고 품의서까지 작성하는 일련의 과정을 AI Agent로 연결했습니다.
그리고 그 과정에서 기존 약 6시간이 소요되던 데이터 판단·분석 업무를 약 10분 수준으로 단축할 수 있는 가능성을 확인했습니다.
물론 금융 심사는 단순한 자동화만으로 완성되는 업무가 아닙니다.
심사자의 경험과 전문적인 판단, 예외 상황에 대한 검토, 금융권의 다양한 규정과 기준이 함께 고려되어야 합니다.
그렇기 때문에 앞으로의 금융 AI는 사람을 완전히 대체하는 방향보다는, AI가 방대한 정보를 빠르게 분석하고, 사람은 더 중요한 판단에 집중하는 형태로 발전할 가능성이 높습니다.
KS C&C는 이번 리스금융 심사 고도화 PoC를 통해 AI Agent를 활용한 금융 심사 업무의 자동화 및 고도화 가능성을 확인했습니다.
앞으로도 금융사의 실제 업무 환경과 요구사항을 바탕으로, AI Agent가 반복적인 업무를 줄이고 심사자의 의사결정을 효과적으로 지원할 수 있도록 다양한 금융 업무 자동화 방안을 지속적으로 발굴하고 고도화해 나가겠습니다.