기업과 투자 은행이 AI 세대에 대처하는 방법

[힘힘]

기업과 투자 은행이 AI 세대에 대처하는 방법

2023년 9월 25일| 기사

에 의해 카를로 지오빈, 래리 러너, 자레드 문, 그리고스테판 쇼르쉬

공유하다

인쇄

다운로드

구하다

도매은행은 전통적인 AI에 대한 광범위한 전문 지식을 보유하고 있습니다. 생성 AI가 자리잡으면서 다시 성과를 거두고 있는 것은 건전한 투자입니다.

다운로드

기사(7페이지)

"확실히 1등이 되는 것이 훨씬 더 쉽습니다." 이는 2011년 월스트리트를 다룬 영화인 마진콜(Margin Call) 에서 기억에 남는 대사 중 하나입니다 . 그리고 이는 AI와 그 하위 집합 기계 학습에 대한 도매 은행의 입장을 잘 요약한 것입니다. 기업 및 투자 은행(CIB)은 다른 산업이 따라잡기 훨씬 전인 수십 년 전에 처음으로 AI와 기계 학습을 채택했습니다. 거래 팀은 기계 학습 모델을 사용하여 거래 패턴을 도출하고 예측했으며, 자연어 처리(NLP)를 사용하여 증권 서류 및 기업 활동에서 수만 페이지에 달하는 구조화되지 않은 데이터를 읽어 회사의 위치를 ​​파악했습니다. 향했다.

가장 인기 있는 통찰력

1. 생성 AI의 경제적 잠재력: 차세대 생산성 개척지
2. 일부 직원은 가치를 파괴하고 있습니다. 다른 사람들이 그것을 만들고 있습니다. 차이점을 아시나요?
3. 2023년 AI 현황: 제너레이티브 AI의 획기적인 해
4. 고성능 Gen AI: Mercedes-Benz는 ChatGPT의 강력한 기능을 활용합니다.
5. 투자자들은 기업으로부터 지속 가능성의 가치에 대해 듣고 싶어합니다.

오늘날 일부 CIB 기관에서는 대규모로 AI를 사용하여 엄청난 이점을 얻고 있습니다. 그러나 업계의 대부분은 선도적인 CIB 기관에 비해 뒤쳐져 있습니다. 많은 은행은 본질적으로 생산성이 떨어지는 맞춤형 장인과 같은 접근 방식을 사용하고 있습니다. 또 다른 문제: 은행가들은 프런트 오피스, 중간 오피스, 백 오피스의 영역이 머신러닝을 사용하기에는 너무 복잡하다고 생각하는 경우가 많습니다. 몇몇 주요 은행은 관계 관리자(RM) 지원 및 자문 , 규정 준수 및 위험 결정 , 복잡한 맞춤형 상품에 대한 고객 서비스(상품 선물 계약에 대한 외환 헤지 등)를 포함하여 일부 영역에서 AI 관련 진전을 이루었습니다.

이제 생성 AI가 등장합니다 . 여러분도 들어보셨을 것입니다(에헴). McKinsey Global Institute(MGI)는 은행, 도매 및 소매 전반에 걸쳐 Gen AI가 생산성 향상 등을 통해 2,000억~3,400억 달러의 가치를 추가할 수 있다고 추정합니다.1이 기술은 전체 CIB 비즈니스 시스템에 큰 잠재력을 가지고 있습니다. 이름에서 알 수 있듯이, 새로운 도구는 여러 영역에서 첫 번째 초안 역할을 할 수 있는 콘텐츠를 만드는 데 놀라울 정도로 능숙합니다. 그러나 그들은 이전에 게시된 콘텐츠를 이해하는 데에도 능숙합니다. Gen AI는 NLP 기반 애플리케이션을 완전히 다른 수준으로 끌어올릴 수 있는 자연어 이해(NLU)의 새로운 요소를 추가합니다.

몇 가지 예를 고려하십시오. CIB 은행은 Gen AI를 사용하여 규제 기관의 보고서를 분류하고 하급 규정 준수 담당자가 수행하는 방식으로 지능적으로 읽고 가장 관련성이 높은 보고서를 찾은 다음 고위 담당자가 조치를 취할 수 있도록 개요를 작성함으로써 규정 준수 업무를 강화할 수 있습니다. 현재 손으로 작성하고 있는 문서를 작성하는 기술을 활용해 고객 서비스 경쟁력을 높일 수 있다. 그리고 Broadridge의 BondGPT와 같은 도구를 활용할 수도 있습니다.2투자자와 거래자에게 채권 관련 질문에 대한 답변, 실시간 유동성에 대한 통찰력 등을 제공합니다.

일부 은행은 이미 AI 세대로부터 기회를 포착하기 시작했습니다. JPMorgan Chase는 투자자가 주식을 선택하는 데 도움을 줄 수 있는 Gen AI 서비스에 대한 특허 출원을 제출했습니다.삼Morgan Stanley는 RM이 관련 아이디어를 고객에게 실시간으로 전달할 수 있도록 돕는 도구를 구축했습니다.4그러나 다른 많은 은행들은 가장자리를 만지작거리고 있습니다. 또 다른 사람들은 컴퓨팅 비용에 대한 우려로 인해 중단되거나 지적 재산권 제약으로 인해 지연되고 있습니다.

우리는 은행이 당면 과제를 해결하고 Gen AI에서 얻을 수 있는 상당한 이점을 활용해야 한다고 굳게 믿습니다. 우리의 경험에 따르면, Gen AI는 애플리케이션에 따라 핵심 CIB 활동의 생산성을 30~90% 향상시킬 수 있습니다. MGI의 추정에 따르면 생산성 및 기타 이점으로 인해 CIB 영업 이익이 9~15% 증가할 수 있습니다. (우리는 이것이 우리의 차세대 AI 도구인 Lilli의 초기 사용에서 볼 수 있는 효율성의 종류라는 점에 유의해야 합니다 . )

이 기사에서는 기업 및 투자 은행에서 Gen AI가 가장 큰 잠재력을 갖고 있는 영역과 은행이 주의해야 할 위험을 살펴봅니다. 우리는 은행이 AI 시대에 성공하기 위해 필요한 역량에 대한 개요로 결론을 내립니다.

Gen AI를 적용할 곳

기업 및 투자 은행은 비즈니스 시스템 전반에 걸쳐 Gen AI를 활용하고 있습니다(사이드바 "도매 금융에서 Gen AI의 잠재적 응용" 참조). 그들은 신제품 개발, 고객 운영, 마케팅 및 영업이라는 세 가지 영역에서 가장 큰 진전을 이루고 있습니다.

공유하다

사이드바

도매 금융에서 Gen AI의 잠재적 응용

신제품 개발에서 은행은 소위 코드 도우미를 사용하여 소프트웨어 제공을 가속화하기 위해 Gen AI를 사용하고 있습니다. 이러한 도구는 코드 변환(예: .NET에서 Java로), 버그 감지 및 복구에 도움이 될 수 있습니다. 또한 레거시 코드를 개선하여 더 읽기 쉽고 테스트 가능하도록 다시 작성할 수도 있습니다. 결과를 문서화할 수도 있습니다. 많은 금융기관이 혜택을 받을 수 있습니다. 교환 및 정보 제공업체, 결제 회사, 헤지펀드는 정기적으로 코드를 릴리스합니다. 우리 경험에 따르면 이러한 헤비 유저는 많은 코드 릴리스에서 시장 출시 시간을 절반으로 단축할 수 있습니다.

오랫동안 기술 스택의 개편을 고민해 온 많은 은행들에게 Gen AI가 제공하는 새로운 속도와 생산성은 경제 상황이 변화했음을 의미합니다. 낮은 마진으로 인해 레거시 기술이 사랑받기보다는 무시당했다는 것을 의미하는 증권 서비스를 생각해 보십시오. 이제 기술 스택 업그레이드가 카드에 포함될 수 있습니다 . 시스템 정리와 같은 중요한 영역에서도 Gen AI는 시간과 재작업 노력을 크게 줄일 수 있습니다.

고객 운영에서 은행은 Gen AI를 사용하여 구조화되지 않은 서비스 정보를 추출, 검색 및 요약하고 이를 기계가 읽을 수 있는 지침으로 변환하고 있습니다. 이는 큰 안도감을 줍니다. CIB 서비스의 최대 60%가 이메일과 수동 문서를 통해 수행됩니다. 거래 후 서비스에서 은행은 기업 활동에 대한 문서를 읽기 위해 Gen AI를 사용하고 있으며, 결정적으로 은행은 NLU를 사용하여 고객과 상품 전반에 걸쳐 기업 활동의 영향을 평가하고 있습니다. 그리고 중간 사무실에서는 은행이 수동 작업을 자동화하고 있습니다. Gen AI는 재무와 같은 기술 문서를 작성할 수 있는 능력이 있음을 입증했습니다. 환경, 사회, 거버넌스(ESG); 및 감사 보고서. 또한 모기지와 같은 대출 계약을 작성하는 데에도 사용됩니다.

예를 들어, 아시아의 한 선도적인 기업 은행에는 문제가 있었습니다. RM이 은행의 지속 가능성 성과를 요약하고 각 B2B 고객이 요구하는 설문지를 작성하는 데 많은 시간을 소비하고 있었습니다. 문제를 해결하기 위해 은행은 Gen AI를 사용하여 기업 전체에서 지식을 추출하여 RM이 일반적으로 묻는 질문에 답하기 시작했습니다. 은행은 이러한 질문을 은행의 ESG 관련 콘텐츠에 대해 교육받은 대규모 언어 모델에 대한 프롬프트로 전환했습니다. Gen AI 도구는 여러 소스에 걸쳐 자료를 합성하고(필수 소스 이름 지정), 뒷받침하는 인용문을 추출하고, 작업에 대한 신뢰를 표명했습니다. 그런 다음 분석가가 인수했습니다. 그들은 Gen AI 도구의 답변이 90% 정확하다는 것을 발견했습니다. 이제 RM은 이 작업에 소비했던 시간의 90%를 절약하고 있습니다.

마케팅 및 영업은 Gen AI가 은행가의 업무를 변화시키는 세 번째 영역입니다. 가장 흥미로운 기회는 관계 관리에 있을 수 있습니다. 여기서 Gen AI는 고객과의 모든 음성 및 텍스트 상호 작용(및 고객에 대한 내부 토론)을 수행하고 이를 사용하여 "RM 보조자"를 만들 수 있는 잠재력을 가지고 있습니다. RM 데스크탑의 Gen AI 기반 도구는 투자 아이디어, 판매, 제품 정책 등의 작업을 거의 즉각적으로 수행하는 데 도움을 줄 수 있습니다. 이를 통해 고객에게 응답하는 데 필요한 시간을 몇 시간 또는 며칠에서 몇 초로 단축할 수 있습니다. Gen AI는 교육 시뮬레이션과 통화 기록을 기반으로 한 맞춤형 코칭 제안을 통해 후배 RM이 고객 요구 사항을 더 잘 충족하도록 도울 수 있습니다.

CIB 마케팅 담당자는 새로운 도구를 사용하여 은행의 지식을 자동으로 요약하고 이를 사용하여 시장 요약, 연구 보고서, 홍보 자료 등 실행 가능한 마케팅 콘텐츠를 만들 수도 있습니다. 예를 들어, 한 선도적인 투자 은행은 분석가가 홍보 책자의 초안을 작성하는 데 도움이 되는 Gen AI 도구를 구축했습니다. 분석가는 모든 관련 문서를 업로드한 다음 챗봇에 쿼리하여 필요한 자료가 있는지 확인합니다. 그런 다음 분석가는 일반적으로 필요한 많은 슬라이드와 제안된 투자의 세부 사항을 반영하는 많은 슬라이드를 생성하도록 도구에 지시할 수 있습니다. 이 도구를 사용하면 분석가가 피치북을 만드는 데 사용하는 시간의 약 30%를 절약할 수 있습니다.

신제품 개발, 고객 운영, 마케팅 및 영업이라는 세 가지 영역은 해당 기술의 가장 유망한 영역을 나타냅니다. 그러나 다른 기능도 도움이 될 수 있습니다. 대출 개시 및 결정을 고려하십시오. Gen AI는 고객 상호 작용, 대출 및 담보 문서, 공개 뉴스 소스에서 텍스트 콘텐츠를 추출하여 신용 모델과 조기 경고 지표를 개선할 수 있습니다. 또는 많은 은행이 수행하는 것처럼 위험 및 규정 준수 지원을 살펴볼 수 있습니다. 이를 통해 gen AI는 관련 규정 및 규정 준수 요구 사항을 식별하고 관련 지침을 찾는 데 도움이 되는 1차 및 2차 기능에 대한 지원을 제공할 수 있습니다. 이 기술은 아직 은행이 위험 및 규정 준수 업무를 완전히 넘겨줄 만큼 충분한 자신감을 가질 수 있는 상태에 있지 않습니다. 그러나 오늘날 이미 상당한 기여가 가능합니다.

간단히 말해서, Gen AI가 도매 은행가들의 일상을 변화시킬 수 있다고 해도 과언이 아닙니다(전시).

전시하다

우리는 장애가 있는 개인에게도 웹사이트에 대한 동등한 접근권을 제공하기 위해 노력하고 있습니다. 이 콘텐츠에 대한 정보를 원하시면 기꺼이 도와드리겠습니다. McKinsey_Website_Accessibility@mckinsey.com 으로 이메일을 보내주세요.

대규모 성공을 위한 요소

대부분의 CIB 기관은 Gen AI 애플리케이션에 대한 개념 증명부터 시작합니다. 해당 단계를 넘어서기 위해 은행은 AI 및 기계 학습에 대한 현재 기능과 기술을 구축하여 다음 요소가 마련되어 있는지 확인하기를 원할 것입니다.

• 전략적 로드맵 . CIB 리더는 Gen AI를 프로세스에 통합하는 방법에 대한 명확한 전략을 정의해야 합니다. Gen AI는 시장 및 주식 조사 지원에서처럼 핵심 비즈니스를 완전히 변화시키나요, 아니면 수익 증대 또는 생산성 기회를 제공합니까? 얼리 어답터들은 가치 창출의 잠재력을 찾기 위해 CIB 부서 전반에 걸쳐 은행 수익 및 비용 라인에 대한 하향식 가치 히트맵부터 시작하여 좋은 결과를 얻었습니다.

  비용에 대한 고려는 로드맵의 일부가 되어야 합니다. 지식 내장 및 저장, 매일 수천 건의 쿼리 지원, 새로운 모델 구축 및 교육 등 Gen AI 개발의 모든 단계에서 상당한 비용이 발생할 수 있습니다. 은행은 정확성과 지속 가능한 성능을 보장할 뿐만 아니라 로드맵에서 식별된 가치를 포착하기 위해 의도한 애플리케이션에 가장 적합한 모델 조합을 식별해야 합니다.

• 재능 . CIB 회사는 일반적으로 퀀트, "전략가", 모델러, 번역가, 모델 설명가 등 풍부한 AI 인재를 보유하고 있습니다. 이는 몇 가지 질문을 제기합니다. 이 직원이 자신의 기술 세트에 Gen AI를 추가할 수 있습니까? 아니면 회사에 새로운 기능이 필요합니까? 그리고 은행은 AI 세대를 위해 이러한 전문가를 어떻게 구성해야 할까요? 시장 리더들은 이전에 테스트를 거쳐 매우 성공적인 AI 제공 모델에 맞춰 제품 부문과 IT 비즈니스 전반에 걸쳐 다기능 팀을 구축하고 있습니다. 우리가 본 또 다른 문제는 새로운 사용자가 자신에게 제공된 Gen AI 도구를 사용하는 방법을 알아야 한다는 것입니다. 은행은 어떻게 소위 신속한 엔지니어링  아카데미를 대규모로 구축할 수 있습니까?
• 데이터 . 대부분의 CIB 회사는 이미 시장, 참조 및 고객 데이터를 통합하고 최적화하기 위해 노력하고 있습니다. 그러나 텍스트, 이미지, 클라이언트 문서 등과 같은 구조화되지 않은 데이터에 대한 전략이 항상 있는 것은 아닙니다. 이 모든 것은 성공적인 Gen AI 애플리케이션에 필수적일 수 있습니다. 기업은 회사 전체의 사람들이 플랫폼 어디에서나 비정형 데이터에 액세스할 수 있도록 인프라를 구축해야 할 수도 있습니다.
• 기술 . Gen AI의 가치를 활용하려면 챗봇 서비스에 가입하는 것보다 훨씬 더 많은 것이 필요합니다. 리더들은 프로세스 전반에 걸쳐 생산성 향상을 완전히 달성하려면 AI에서 생성된 지침(예: 플랫폼 전반의 워크플로 도구 및 API)을 사용하고 수신할 수 있는 최신 인프라와 깔끔한 아키텍처 및 시스템 환경이 필요하다는 사실을 깨닫고 있습니다. 또한 이들 기업은 민감한 데이터에 대한 프라이빗 모델을 사용하면서 날마다 발전하는 퍼블릭 클라우드 기능을 탐색할 수 있도록 하이브리드 인프라 접근 방식을 선택하고 있습니다.

주의해야 할 위험

조직은 생성 AI 확장과 관련된 위험을 염두에 두고 신중하게 계획해야 합니다. 다음은 CIB 회사가 해결해야 할 주요 관심사 중 일부입니다.

• 공정성이 손상되었습니다 . Gen AI는 개발 및 배포 단계 모두에서 불완전한 교육 데이터 또는 엔지니어링 결정으로 인해 알고리즘 편향을 예상할 수 있습니다.
• 개인 정보 보호 문제 . Gen AI는 모델 교육에서 클라이언트에 민감한 정보를 의도하지 않게 사용하여 개인 정보 보호 문제를 증가시켜 잠재적으로 민감한 결과를 생성할 수 있습니다.
• 보안 위협 . 새로운 애플리케이션은 보안 취약성과 조작의 대상이 될 수 있습니다. 예를 들어 사용자나 악의적인 행위자가 난독화, 페이로드 분할, 가상화를 통해 안전 필터를 우회할 수 있습니다.
• ESG 영향 . 기초 모델의 교육 및 배포는 탄소 배출을 증가시켜 약속이나 기대치를 초과할 수 있습니다. 그리고 Gen AI는 직원을 방해하거나 어떤 경우에는 대체하여 평판 위험과 잠재적인 인재 부족을 초래할 수 있습니다.
• 컴퓨팅 비용 . Gen AI를 대규모로 사용하려면 전용 하드웨어를 사용하거나 클라우드 워크로드를 크게 늘려야 합니다. 그런 일이 발생하면 클라우드 제공업체는 현재 Gen AI 실험에 효과적으로 보조금을 지급하더라도 자연스럽게 보상을 모색할 것입니다.

간단히 말해서, Gen AI 모델은 관리해야 할 새로운 위험 세트를 생성합니다. 새로운 세대의 AI 모델을 구축하면서 은행은 모델 위험 거버넌스 프레임워크를 재설계하고 새로운 제어 세트도 설계해야 합니다.

---

지난 10여년 동안 소수의 기업 및 투자 은행은 전통적인 AI를 현명하게 사용하여 진정한 경쟁 우위를 개발했습니다. 이제 훨씬 더 혁신적인 기술을 통해 이를 다시 달성하기 위한 경쟁이 시작되었습니다.

저자 소개

카를로 지오빈파트너, 런던

링크드인이메일

래리 러너파트너, 워싱턴 DC

링크드인이메일

자레드 문수석 파트너, 런던

링크드인이메일

스테판 쇼르쉬파트너, 취리히

링크드인이메일