금융 서비스 산업과 비정형 데이터: 합리적인 엔터프라이즈 AI 전략의 필수 요소

비정형 데이터를 활용하는 능력은 2025년과 그 이후의 효과적인 데이터 전략에 있어 매우 중요한 요소입니다. 기업들이 AI로 점차 가속화하고 있는 혁신 속도를 따라잡고 경쟁에 뒤저치지 않으려면 콜센터 로그, 고객 리뷰, 이메일 및 청구 보고서부터 뉴스, 파일 및 녹취록에 이르기까지, 전체 엔터프라이즈 데이터의 약 80%를 차지하는 비정형 데이터에 숨겨진 가치를 끌어낼 수 있어야 합니다. 비정형 데이터가 엔터프라이즈 데이터의 상당 부분을 차지하고 있지만 대다수 금융 서비스 조직은 비정형 데이터를 효과적으로 사용할 수 있는 방법을 알지 못합니다. 

여기서 핵심은 정형 데이터와 비정형 데이터를 모두 지원할 수 있는 플랫폼과 견고한 데이터 전략을 보유하는 것입니다. 이러한 플랫폼과 데이터 전략을 갖추지 못한 환경에서는 생성형 AI를 엔터프라이즈 전반에서 대규모로 실행하여 가치 최적화를 지원하는 데 어려움을 겪을 수 있습니다. 

비정형 데이터의 이점을 활용하고자 하는 기업은 먼저 다음과 같은 3가지 과제를 해결하기 위한 방법을 강구해야 합니다.  

• 데이터 가져오기: 비정형 데이터 수집을 위한 적절한 패러다임은 무엇인가?  

• 데이터 구문 분석: 비정형 데이터 분석은 어떻게 실행할 것인가? 

• 데이터 변환 후 사용: 비즈니스 전반에 걸쳐 서로 다른 구성원들이 각자에게 적합한 인사이트를 찾을 수 있도록 데이터 액세스를 지원하려면 어떻게 해야 하는가?  

사용 사례를 통한 고객의 가치 창출

상기의 사항을 실행할 수 있는 환경이 만들어지면 데이터 리더는 실제 고객이 이점을 얻을 수 있는 실질적인 사용 사례를 최적화하는 방향으로 나아갈 수 있습니다. 금융 부문 전반에서 비정형 데이터가 영향을 미칠 수 있는 몇 가지 예를 살펴보면 다음과 같습니다.

• 보험금 청구 처리: 보험금 청구 프로세스는 복잡하고, 고객 만족을 실현하는 데 매우 중요하게 작용하는 요소입니다. 이 프로세스는 온라인, 콜센터 또는 모바일 앱을 통해 청구서를 제출하는 순간부터 몇 가지 핵심 단계를 거칩니다. 청구서는 평가를 거쳐 그 유형과 복잡성에 따라 적절한 부서로 배정된 다음 유효성 확인 작업을 거치고, 궁극적으로 합의 또는 지급을 통해 해결됩니다. 

  이 과정에서 청구 관리자는 메모, 계약서, 콜센터 로그에서부터 비디오, 사진 등의 멀티미디어까지 다양한 유형의 데이터를 검토해야 하는 경우가 많습니다. 또한, 조사 과정에서 사기 감지 도구를 동원해야 한다거나 현장 조사나 외부 조정자와의 협업 등이 필요한 경우도 있습니다.

• 생애 첫 주택 구매자 지원: 많은 사람들에게 주택 구매는 인생에서 가장 뜻깊은 이정표 중 하나이지만 동시에 골치 아픈 일이 될 수도 있습니다. 그 과정에서 수많은 서류가 필요하기 때문입니다. 대출 신청서, 손익계산서, 세금신고서 및 부동산 감정서 등의 서류에는 꼭 필요한 정보들이 포함되어 있으나, 이를 대규모로 처리하기란 결코 쉬운 일이 아닙니다. 하지만 AI 기반 텍스트 처리 기능을 활용하면 빠르고 효과적으로 문서를 구문 분석하고 격차나 오류를 식별하여 고객의 주택 구매 경험을 가속화할 수 있습니다.

• 정량적 연구 및 투자 분석 수행: 요금, 추정치, ESG(환경, 사회, 지배구조) 데이터와 같은 정형 데이터를 활용하는 것은 정량적 연구 및 투자 분석의 시작에 불과합니다. 숙련된 자산 관리자에게 LLM을 활용한 비정형 데이터 분석은 알파 수익률을 창출하기 위한 다음 단계가 될 것입니다. 기업의 재무 문서와 같은 항목을 분석하는 일은 번거로울 수 있습니다. 하지만 관련 뉴스를 읽거나 소셜 미디어상의 정서를 이해하는 것과 마찬가지로 이 역시 시장에 영향을 미치는 태도 변화나 산업 환경을 이해하는 데 도움이 될 수 있습니다.  

생성형 AI 없이 비정형 데이터 리소스를 시장 조사에 활용하려면 고급 자연어 처리 기술과 함께 많은 시간을 투자해야 합니다. 하지만 자산관리자와 정량분석가(quant)의 경우, 적합한 AI 기반 도구를 사용하면 더 빠른 속도로 데이터 요약이 가능할 뿐만 아니라 보다 철저하고 고유한 분석을 수행할 수 있으며, 궁극적으로 알파 수익률(또는 적어도 더 빠른 인사이트)을 창출하는 데 기여할 수 있습니다. 

Snowflake로 비정형 데이터를 활용하는 방법

금융 서비스 업계 리더들은 앞서 언급된 기회와 사용 사례에 맞춰 AI 및 비정형 데이터 전략을 수립하는 동시에 보안, 규모 및 비용 관리를 유지하기 위해 노력하고 있습니다. 그리고 Snowflake는 이 리더들이 쉽게 배포하고, 효율적으로 확장하고, 믿고 보안을 유지할 수 있는 AI 스택인 Snowflake Cortex AI를 제공합니다. 

Cortex AI는 ‘풀스택 AI’를 아우릅니다. 즉, 데이터 수집에서부터 AI 기반 애플리케이션 배포의 전 과정에 걸쳐 관여합니다. Cortex AI는 비정형 데이터 처리, 벡터 임베딩 생성, 벡터 검색 실행, 기본 LLM 배포, 검색 증강 생성(RAG) 아키텍처 구축 기능은 물론이고, 단일 통합 아키텍처에서 정형 데이터와 채팅할 수 있는 기능 또한 제공이 가능합니다.  

Cortex AI를 사용하면 외부 모델로 데이터를 전송할 필요 없이, 확장 가능한 GPU 인프라를 기반으로 Google, Anthropic, Meta, Mistral AI 등의 최첨단 모델을 데이터에 적용할 수 있습니다. 이를 통해 애플리케이션을 효율적으로 배포할 수 있으며, 하나의 거버넌스 및 보안 아키텍처를 유지하면서 데이터 수집, 변환 그리고 생성형 AI 애플리케이션 구동이 가능합니다. 

이 통합 스택 덕분에 절감된 시간은 AI ROI를 향상하는 데 활용할 수 있습니다.

비정형 데이터 활용 방법에 대해 자세히 알아보려면 금융 서비스를 위한 AI 블루프린트 보고서를 다운로드하세요. 혹은 Accelerate 이벤트에 지금 등록하시면 실사용 데모를 시청하실 수 있습니다.