금융권 AI 확산, 데이터 보안과 거버넌스가 핵심 과제로… Strategy, 금융 특화 AI 통제체계 제시

인공지능(AI)이 금융산업의 핵심 업무로 빠르게 확산하면서 금융 보안의 패러다임이 변화하고 있다. 과거 금융 보안이 외부 침입을 차단하고 정보시스템을 보호하는 데 집중했다면, 이제는 AI가 어떤 데이터에 접근하고 이를 어떻게 분석하며 그 결과를 누구에게 제공하는지까지 관리하는 데이터 거버넌스 체계가 중요한 과제로 떠오르고 있다.

특히 생성형 AI와 자율적으로 업무를 수행하는 AI 에이전트의 활용이 확대되면서 금융회사의 보안 영역은 네트워크와 시스템 보호를 넘어 데이터 접근 통제, 정보 활용의 투명성, AI 의사결정의 책임성, 감사 가능성 등으로 확장되고 있다. 고객의 금융거래 정보와 신용정보, 개인정보를 다루는 금융산업에서는 AI 기술의 혁신성과 함께 정보보호와 신뢰성을 확보하는 것이 필수적인 조건이 되고 있다.

글로벌 엔터프라이즈 AI·데이터 분석 플랫폼 기업 Strategy(옛 마이크로스트레티지)는 이러한 금융권의 보안과 데이터 거버넌스 요구에 대응하기 위해 고객사 내부 인프라에서 AI 분석 기능을 활용할 수 있는 '금융 고객을 위한 새로운 Strategy 패키지'를 공개한다고 9일 밝혔다.

Strategy는 오는 11월 25일 서울 강남에서 개최하는 금융권 초청 세미나 'AI UNLOCKED'를 통해 금융회사가 데이터와 인프라에 대한 통제권을 유지하면서 AI를 안전하게 활용할 수 있는 기술적 아키텍처와 데이터 거버넌스 전략을 소개할 예정이다.

최근 국내 금융권을 대상으로 한 사이버 공격이 잇따르면서 금융정보 보호와 AI 활용 환경의 보안 문제가 더욱 주목받고 있다. 회사 측에 따르면 금융당국은 일부 해킹 공격에 AI 에이전트가 활용됐을 가능성도 조사하고 있다. 다만 이러한 공격에 AI가 실제로 어느 정도 관여했는지는 조사 결과를 통해 확인돼야 할 사안이다.

금융권의 AI 보안은 기존 사이버보안 체계에 새로운 위험 요소가 추가되는 구조다. AI가 업무 수행을 위해 내부 데이터베이스와 다양한 정보시스템에 연결되면서 기존 사용자 중심의 접근 통제만으로는 충분하지 않을 수 있기 때문이다.

예를 들어 AI 에이전트가 고객 정보와 거래 내역, 신용평가 자료 등 여러 시스템의 데이터를 동시에 분석할 경우 사용자의 권한을 초과한 정보에 접근하거나, 서로 다른 데이터가 결합되면서 민감한 정보가 노출될 가능성이 발생한다.

따라서 금융회사는 AI가 참조할 수 있는 데이터의 범위와 사용자의 권한을 명확히 설정하고, 데이터 조회와 분석 과정에 대한 기록을 확보하며, 비정상적인 접근을 탐지할 수 있는 관리체계를 구축해야 한다.

이러한 변화는 금융 보안의 중심이 단순한 외부 침입 차단에서 데이터의 생성과 저장, 접근, 활용, 공유, 폐기에 이르는 전 생애주기 관리로 확대되고 있음을 보여준다.

Strategy가 제시한 금융 특화 AI 패키지는 금융회사가 기존의 보안 정책과 데이터 관리 원칙을 유지하면서 AI 분석 기능을 업무에 적용할 수 있도록 설계된 것이 특징이다.

금융회사는 개인정보와 금융거래 정보 등 높은 수준의 보호가 요구되는 데이터를 보유하고 있어 외부 클라우드나 생성형 AI 서비스로 정보를 이전할 때 정보 유출 가능성과 규제 준수 여부를 면밀히 검토해야 한다.

특히 국내 금융권의 망분리 환경과 내부 정보보호 정책, 금융 분야 클라우드 이용 및 개인정보 보호 관련 규정은 AI 도입 과정에서 고려해야 할 주요 요소다.

Strategy는 이러한 요구에 대응해 고객사의 온프레미스(On-premises) 서버 또는 프라이빗 클라우드 환경에 AI·데이터 분석 플랫폼을 구축할 수 있도록 지원한다.

금융회사 내부에 설치된 AI 모델과 연결해 운영할 경우 분석 대상 데이터를 외부 AI 서비스로 전송하지 않고도 자연어 기반 데이터 분석과 대시보드 생성 등 AI 기능을 활용할 수 있도록 구성할 수 있다.

이는 금융회사가 데이터의 저장 위치와 처리 환경, 접근 권한에 대한 통제권을 유지하면서 AI 기술을 활용할 수 있도록 하는 접근 방식이다.

다만 데이터가 내부 인프라에 저장돼 있다는 사실만으로 모든 보안 위험이 해소되는 것은 아니다. 내부 사용자와 AI 에이전트의 접근 권한, 시스템 간 데이터 이동, 모델과 외부 서비스의 연결 여부, 로그 관리 등도 함께 통제해야 실질적인 보안 수준을 확보할 수 있다.

금융권 AI 거버넌스에서 또 하나 중요한 요소는 데이터의 정확성과 일관성이다.

금융회사 내부에는 고객관리와 여신, 수신, 자산관리, 리스크 관리, 준법감시 등 다양한 업무 시스템이 존재한다. 각 시스템은 서로 다른 데이터 구조와 업무 기준을 사용하기 때문에 AI가 여러 시스템의 정보를 분석할 경우 데이터 정의가 일치하지 않거나 접근 권한이 충돌하는 문제가 발생할 수 있다.

이러한 문제는 단순한 분석 오류를 넘어 금융회사의 리스크 평가와 경영 판단, 내부통제의 신뢰성에도 영향을 미칠 수 있다.

Strategy의 데이터 거버넌스 솔루션인 '모자이크(Mosaic)'는 여러 시스템에 분산된 데이터를 연결하고 조직의 업무 기준과 맥락에 맞게 일관된 데이터 기반을 제공하는 역할을 한다.

이를 통해 AI와 비즈니스 인텔리전스(BI)가 동일한 데이터 정의와 비즈니스 기준을 바탕으로 정보를 분석하도록 지원한다.

특히 모자이크에서 설정한 행·열 단위의 접근 권한은 BI 시스템과 AI 에이전트에 동일하게 적용된다. 이는 AI가 기존 데이터 접근 통제 정책을 우회하지 않고 승인된 범위에서 정보를 활용하도록 관리하는 데 중요한 기능이다.

예를 들어 특정 영업점 직원이 자신이 담당하는 고객의 정보만 조회하도록 권한을 설정했다면 AI 분석 과정에서도 동일한 접근 제한을 적용할 수 있다.

이처럼 사용자와 AI에 동일한 데이터 접근 정책을 적용하는 것은 최소 권한 원칙(Principle of Least Privilege)을 구현하는 데 중요한 요소다.

최소 권한 원칙은 사용자나 시스템에 업무 수행에 필요한 최소한의 접근 권한만 부여함으로써 정보 유출과 오남용의 위험을 줄이는 정보보호의 기본 원칙이다.

AI 에이전트가 여러 시스템에 접근해 업무를 수행하는 환경에서는 이러한 원칙의 중요성이 더욱 커진다. AI의 접근 범위가 넓어질수록 잘못된 권한 설정이나 악의적인 명령으로 인한 피해도 확대될 수 있기 때문이다.

모자이크의 보안·감사 기능인 '모자이크 센티널(Mosaic Sentinel)'은 개인정보와 민감 데이터 항목의 식별을 지원하고 지정된 데이터에 대한 비정상적인 접근을 실시간으로 알리는 기능을 제공한다.

또한 데이터 조회를 위한 쿼리 실행 이력과 모델 변경 내역을 기록해 내부 감사와 규제 대응에 필요한 추적성을 확보하도록 지원한다.

이러한 감사 이력은 금융회사 내부통제에서 중요한 의미를 갖는다. AI가 특정 데이터를 조회하거나 분석한 과정에 문제가 발생했을 경우 접근 주체와 실행 내역, 변경 사항 등을 확인할 수 있는 근거가 되기 때문이다.

특히 AI의 활용이 확대될수록 단순히 분석 결과를 확인하는 것만으로는 충분하지 않다. 어떤 데이터가 사용됐고 어떤 권한에 따라 처리됐으며, 해당 과정이 조직의 보안 정책과 규제 요건에 부합했는지를 검증할 수 있어야 한다.

이 같은 관점에서 데이터 거버넌스는 AI 기술의 활용을 제한하는 장치가 아니라 AI를 신뢰할 수 있는 업무 시스템으로 정착시키기 위한 기반이라고 할 수 있다.

금융권에서는 데이터 거버넌스와 함께 AI 모델 자체에 대한 관리체계도 중요해지고 있다.

AI가 생성한 정보의 정확성과 신뢰성을 검증하고, 잘못된 결과가 금융 업무에 반영되지 않도록 통제하며, 모델 변경과 운영 과정에서 발생하는 위험을 관리하는 체계가 필요하다.

특히 AI가 금융상품 분석이나 고객 응대, 내부 리스크 분석 등 중요한 업무에 활용될 경우 데이터 접근 통제뿐 아니라 모델의 성능과 편향, 설명 가능성, 사람의 검토 및 승인 절차까지 고려해야 한다.

따라서 금융권의 책임 있는 AI 거버넌스는 데이터 관리와 정보보호, 모델 위험관리, 내부통제, 준법감시가 유기적으로 연결되는 방향으로 발전할 필요가 있다.

Strategy는 이번 세미나에서 자연어 질문을 통한 금융 데이터 분석과 시각화, 대시보드 생성 등 'Strategy AI'의 실제 활용 사례도 시연할 예정이다.

금융회사 담당자가 자연어로 질문하면 승인된 데이터에 기반해 분석 결과를 제공하고 이를 시각화하는 업무 시나리오를 소개할 계획이다.

아울러 금융권의 보안 환경을 고려한 AI 아키텍처와 기존 데이터 분석 시스템에서 AI 기반 플랫폼으로 전환하기 위한 마이그레이션 전략도 공유한다.

정경후 Strategy 코리아 지사장은 "금융권의 AI 도입은 단순히 새로운 기술을 적용하는 문제가 아니라 기존의 데이터 관리 원칙과 보안 통제를 유지하면서 AI를 업무에 어떻게 연결할 것인지의 문제"라고 강조했다.

이어 "이번 세미나를 통해 금융회사가 데이터와 인프라에 대한 통제권을 유지하면서 AI 분석을 실질적인 업무에 적용할 수 있는 방안을 제시하겠다"고 밝혔다.

한편 Strategy는 오는 11월 25일 오후 1시 30분부터 6시까지 서울 강남구 보코 서울 강남 호텔 1층 미팅룸에서 'AI UNLOCKED - Governed AI & Data for Financial Services' 세미나를 개최한다.

이번 행사에는 금융권 IT·데이터·AI·디지털·보안 담당자들이 참여할 예정이며, Strategy의 AI 및 데이터 거버넌스 전략과 모자이크 기반 데이터 관리 방안, AI 분석 시연, 금융권 보안 환경에 적합한 아키텍처와 시스템 전환 방향 등을 다룬다.

행사 종료 후에는 금융권 관계자들이 AI 활용과 데이터 보안, 디지털 전환에 관한 경험과 의견을 공유할 수 있는 네트워킹 디너도 마련된다.

참가비는 무료이며 사전 등록 후 참석이 확정된 인원에 한해 참여할 수 있다. 자세한 내용은 AI UNLOCKED 공식 홈페이지에서 확인할 수 있다.

금융산업에서 AI는 업무 효율성을 높이고 새로운 금융서비스를 창출하는 핵심 기술로 자리 잡고 있다. 그러나 AI의 활용 범위가 확대될수록 데이터 유출과 접근 권한 오남용, 분석 결과의 신뢰성 저하, 책임 소재의 불명확성 등 새로운 위험도 함께 증가할 수 있다.

이에 따라 금융회사의 AI 경쟁력은 단순히 얼마나 높은 성능의 AI 모델을 도입했는지가 아니라 데이터를 얼마나 안전하게 관리하고 AI의 활용 과정을 얼마나 투명하고 책임 있게 통제할 수 있는지에 따라 평가될 가능성이 커지고 있다.

이번 Strategy의 금융 특화 AI 패키지 공개는 금융회사가 데이터 주권과 보안 통제권을 유지하면서 AI를 업무에 활용할 수 있는 기술적 방향을 제시했다는 점에서 의미가 있다.

다만 실제 금융환경에서의 보안 수준과 규제 적합성은 개별 금융회사의 시스템 구성, 접근 권한 정책, 운영 절차와 검증 결과에 따라 달라질 수 있다.

금융권 AI 전환의 핵심은 기술 도입 자체가 아니라 신뢰할 수 있는 데이터와 책임 있는 AI 운영체계를 구축하는 데 있다. 데이터 보안과 거버넌스는 AI 혁신을 제약하는 비용이 아니라 금융산업의 신뢰와 지속가능한 경쟁력을 뒷받침하는 핵심 인프라로 자리 잡고 있다.