연방준비제도이사회의 AI 운영에 관한 월러 주지사의 연설

[힘힘]

연방준비제도이사회의 AI 운영에 관한 월러 주지사의 연설

연방준비제도에서 인공지능을 실용화하기

크리스토퍼 J. 월러 주지사

보스턴 연방준비은행에서 개최된 2026 기술 기반 혁신 컨퍼런스: 금융 및 결제의 미래를 설계하다 (웹캐스트 중계)

• 공유하다

라이브 시청하기

콜린스 총장님, 감사합니다. 그리고 오늘 이렇게 말씀드릴 기회를 주셔서 감사합니다.인공지능은 전 세계를 강타하고 있는 기술 현상입니다. 우리는 매일 인공지능에 대한 소식을 접하고 있으며, 많은 사람들이 직간접적으로 인공지능을 사용해 왔습니다. 제 평생 동안 이처럼 혁명적인 기술 혁명은 본 적이 없습니다. 우주 탐사의 시작, 개인용 컴퓨터의 등장, 인터넷의 폭발적인 성장, 그리고 스마트폰의 등장까지 모두 혁신적이었지만, 인공지능만큼 우리의 삶을 놀라운 속도로 변화시킬 잠재력을 가진 기술은 없었습니다. 기업, 가정, 그리고 모든 정부는 인공지능을 자신들의 운영 방식에 접목시키려 노력하고 있습니다. 그리고 연방준비제도 역시 예외는 아닙니다.

이번 컨퍼런스의 주제와 참석자 구성을 고려했을 때, 연방준비제도가 인공지능을 활용하여 업무를 지원하는 시스템을 구축하고 최적화하는 방법, 그리고 다른 내부 애플리케이션에 인공지능을 접목하는 방법에 대해 논의하기에 적절한 시기라고 생각했습니다.

오늘날 대부분의 사람들은 연방준비제도(Fed)를 통화 정책, 즉 금리, 인플레이션, 그리고 연 8회 열리는 연준 위원들의 회의에서 발표되는 주요 결정들과 연관 짓습니다. 하지만 연준의 일상적인 업무 대부분은 지급 결제, 재무 관리, 인사 관리, 그리고 미국 재무부에 대한 금융 서비스 제공과 같은 운영 업무입니다. 이러한 운영 업무의 핵심 요소는 바로 기술입니다. 인공지능(AI)은 운영 효율성을 높이기 위해 연준이 일상 업무에 도입하고 있는 최신 기술입니다.

연방준비제도(Fed)는 1913년 지역 은행 시스템으로 설계되었으며, 역사적으로 많은 기술적 결정은 각 은행이 개별적으로 내렸습니다. 이는 각 연방준비은행이 사실상 독립적인 조직으로 운영되던 초기에는 타당했습니다. 그러나 연준의 업무가 디지털화되고 상호 연결됨에 따라, 그리고 은행 시스템과 경제 전반의 발전과 더불어 이러한 접근 방식은 점차 중복, 비효율성 및 운영 위험을 초래하고 있습니다.

시스템들이 서로 연결되어 있을 때, 개별적으로 내려진 결정들은 조정 문제를 야기합니다. 특히 연준이 운영하는 시스템의 규모와 중요성을 고려할 때 더욱 그렇습니다. 중앙은행의 회복력과 보안 기준을 유지하려면 더욱 긴밀하게 협력하는 모델이 필요합니다.

그래서 우리는 연방준비제도 우선 접근 방식으로 나아가고 있습니다. 즉, 공통된 표준과 인프라를 갖추면서도 통화 정책과 경제 연구와 같이 가장 중요한 부분에서는 분권화를 유지하는 것입니다. 2

그리고 이러한 전환을 시급히 추진해야 할 필요성은 점점 커지고 있습니다. 기술 변화의 규모와 속도는 계속해서 증가하고 있습니다. 미국과 세계 금융 시스템에서 중요한 역할을 하는 공공 기관으로서 연준은 민간 부문과 발맞춰 효과적이고 신뢰할 수 있는 서비스를 제공해야 합니다.

최근 제가 주최한 결제 혁신 컨퍼런스에서 이러한 변화의 속도가 확연히 드러났습니다. 다양한 참가자와 참석자들이 AI, 스테이블코인, 토큰화, 결제의 융합에 대해 이야기했는데, 이는 제가 업계 관계자들과의 대화에서도 자주 듣는 주제이며, 오늘 패널 토론에서도 자주 다뤄질 것으로 예상됩니다.

이처럼 빠른 변화 속도 속에서 은행별 접근 방식은 특히 토큰화, 양자 컴퓨팅, 생성형 인공지능과 같은 첨단 기술에는 효과적이지 않습니다. 이러한 기술들은 연방준비제도 전반에 걸쳐 적용되는 대담한 도전이자 기회입니다.

시의적절한 대응을 위해서는 시스템 전반에 걸친 조정, 행동 지향적인 자세, 그리고 체계적인 대규모 실행이 필수적입니다. 이것이 바로 우리가 의도적으로 시스템 중심의 혁신 방식을 구축한 이유입니다. 시스템 전반에 걸쳐 동일한 작업을 백 번 반복하는 대신, 백 가지의 서로 다른 일을 할 수 있습니다. 시스템적 접근 방식을 통해 아이디어를 실험 단계에서 실행 단계로 더욱 신속하고 효율적으로 옮길 수 있습니다.

AI는 이러한 접근 방식이 실제로 어떻게 적용되는지 보여주는 사례 연구입니다. AI가 얼마나 빠르게 발전하고 있는지, 업무 방식과 조직 운영 방식을 어떻게 바꾸고 있는지에 대해서는 굳이 설명드릴 필요가 없을 것입니다. 개발자이자 리더로서 여러분은 이미 이를 직접 경험하고 계실 것입니다. 연방준비제도 또한 예외는 아닙니다. 우리는 이러한 변화에 발맞춰 나가야 합니다. 물론 우리는 중앙은행입니다. "문제를 일으키고 용서를 구하라"는 식의 접근 방식은 통하지 않습니다. 큰 힘에는 큰 책임이 따릅니다. AI 시스템은 효율성을 증폭시키는 만큼이나 오류를 빠르게 증폭시킬 수 있습니다. AI는 잘못된 정보를 만들어낼 수도 있습니다. 데이터 보호, 모델 리스크, 편향, 운영 탄력성 측면에서 실질적인 위험을 초래할 수 있습니다. 우리는 AI를 가볍게 여겨서는 안 됩니다. 중앙은행으로서 우리는 스스로에게 높은 기준을 적용합니다. 이는 AI의 사용 방법과 장소에 대한 명확한 가이드라인, 강력한 정보 보안 통제, 엄격한 모델 검증, 의사 결정에 대한 인간의 책임, 그리고 기술 발전과 함께하는 지속적인 평가를 의미합니다. 혁신과 리스크 관리는 서로 경쟁하는 우선순위가 아니라 서로를 강화하는 관계입니다.

우리는 이러한 원칙들을 존중해야 하지만, 소극적인 태도를 취할 수도 없습니다. 변화에 뒤처지거나 파편화된 방식으로 변화를 모색할 여유가 없습니다. 그래서 우리는 다른 방식으로 접근하고 있습니다. 연준 전체에 인공지능(AI)을 도입하는 과정에서 우리는 하나의 시스템으로 움직이며, 공통된 방향과 목표를 향해 나아가고 있습니다. 모든 연방준비은행 직원이 사용할 수 있는 공통의 범용 AI 플랫폼을 개발했습니다. 우리의 접근 방식은 의도적으로 비즈니스 중심적이며 AI를 활용합니다. 해결해야 할 문제와 비즈니스 요구사항을 먼저 파악한 후, AI 스택 전반에서 적절한 기능을 적용합니다. 이러한 체계적인 접근 방식을 통해 불필요한 복잡성과 비용을 피하면서 실질적인 비즈니스 가치를 창출할 수 있습니다.

비즈니스 주도형 접근 방식이란 인공지능을 무작위적인 실험이나 생명 없는 프로젝트로 취급하는 것이 아니라, 연준 운영 방식에 통합하는 것을 의미합니다.

목표는 새로움이 아니라 유용성입니다.

자, 그럼 실제 AI 활용 사례를 살펴보겠습니다. 저희는 대규모의 복잡한 기관에서 업무가 수행되는 방식을 반영하여 세 가지 핵심적이고 상호 보완적인 방식으로 AI를 도입하고 있습니다. 모든 직원을 위한 폭넓은 접근성, 개발자를 위한 전문 도구, 그리고 기업 워크플로에 내장된 기능 등이 바로 그것입니다. 이러한 요소들이 결합되어 AI는 연방준비제도의 일상적인 운영 방식의 일부가 됩니다.

모든 직원을 위한 범용 AI부터 시작하겠습니다 . 왜냐하면 그것이 일상 업무에 가장 큰 영향을 미치는 부분이기 때문입니다.

이는 인공지능(AI)을 특정 분야에만 특화된 도구가 아닌, 일상 업무의 기본 역량으로 만드는 것에 관한 것입니다. 모든 직원은 연방정부가 승인한 AI 솔루션을 활용하여 업무 초안 작성, 요약, 분석, 그리고 막힌 부분을 신속하게 해결할 수 있습니다. 많은 직원에게 AI는 마치 만연한 디지털 비서처럼 기능하며, 문제를 해결하고 일상 업무를 완료할 때 언제든 도움을 요청할 수 있는 든든한 조력자가 됩니다. 목표는 모든 사람을 기술 전문가로 만드는 것이 아니라, 일상적인 업무의 마찰을 줄여 직원들이 판단력, 문제 해결 능력, 그리고 더 가치 있는 활동에 더 많은 시간을 할애할 수 있도록 하는 것입니다.

여러 면에서 이는 사람들이 이미 일상생활에서 AI를 사용하는 방식과 유사합니다. 저희 집에서도 AI는 스마트폰이나 전자레인지처럼 일상적인 도구가 되었습니다. 아내는 여행 계획을 세우고, 아이들의 진로 선택을 돕고, 가격 비교를 하고, 사소하고 귀찮은 일들을 더 수월하게 처리하는 데 AI를 매일 활용합니다.

이건 특별한 게 아니에요. 그냥 도구일 뿐이에요.

그리고 인공지능이 업무에 활용될 때도 바로 그런 방식으로 생각해야 합니다.

제가 이걸 현실로 만들어 볼게요.

연준 직원들은 다양한 회의 준비를 위해 FOMC 회의 외에도 상당한 양의 배경 자료를 제공받는 경우가 많습니다. 이러한 정보를 종합하는 데 도움을 받기 위해, 때때로 연준의 내부 범용 AI 도구를 사용하여 핵심 주제를 신속하게 도출하기도 합니다. 물론, 이는 준비나 판단을 대체하는 것은 아닙니다. 다만, 기계적인 작업을 줄여줌으로써 실질적인 내용과 중요한 질문에 더 많은 시간을 할애할 수 있도록 도와주는 역할을 합니다.

또 다른 예로, 한 동료가 모처럼의 휴가를 마치고 돌아왔는데, 진정한 디지털 디톡스를 경험한 듯 업무용 기기나 이메일에 접속할 수 없었던 그녀는 받은 편지함과 처리해야 할 문서들이 가득 쌓여 있는 것을 발견했습니다. 며칠 동안 모든 것을 일일이 정리하는 대신, 그녀는 연준의 내부 AI 도구를 사용하여 쌓인 내용을 요약하고 우선순위를 정했습니다. 덕분에 그녀는 자신의 전문 지식이 필요한 업무에 바로 착수할 수 있었습니다.

두 경우 모두 도구가 볼륨과 첫 번째 패스를 처리합니다. 최종 결정은 사람이 내립니다.

두 번째로 실질적인 영향을 보고 있는 분야는 개발자 와 현장 실무자들, 즉 아이디어를 구현으로 옮기는 사람들입니다.

코딩 어시스턴트는 개발자들이 문서화 및 리팩토링부터 코드 작성 및 단위 테스트에 이르기까지 소프트웨어 개발 수명 주기 전반에 걸쳐 작업을 최적화하도록 돕습니다. 이를 통해 팀은 백로그를 더 빠르게 처리하고, 품질과 안정성을 향상시키며, 시스템을 현대화하고, 더 많은 가치와 혁신을 제공할 수 있습니다.

하지만 이것은 단순히 속도에 관한 것만은 아닙니다.

인공지능(AI)은 소프트웨어 개발에서 가장 시간이 많이 걸리고 만족도가 낮은 부분들을 대신 처리해 주고 있어, 개발자들은 보안과 품질에 집중할 수 있게 되었습니다. 이는 연방준비제도와 같이 운영 시스템의 신뢰성과 복원력이 매우 중요한 기관에 특히 중요한 의미를 갖습니다.

단위 테스트를 예로 들어보겠습니다. 품질과 안정성 확보에 필수적이지만, 개발자들이 가장 흥미를 느끼는 부분은 아닙니다. 여러 팀에서 AI 지원 덕분에 예전에는 며칠씩 걸리던 작업이 이제는 몇 시간 만에 완료됩니다. 한 개발자는 제게 직접 "예전에는 이틀 걸리던 일이 이제는 두 시간 만에 끝난다"라고 말했습니다. 덕분에 보안 강화나 새로운 기능 개발과 같은 더 가치 있는 업무에 시간을 투자할 수 있게 되었습니다. 이러한 도구들이 더욱 발전함에 따라 그 효과는 더욱 커질 것입니다.

용량과 관련해서 더 넓은 관점이 있습니다. 코딩 어시스턴트가 소프트웨어 생산 비용을 낮추면서 품질을 향상시키면 가능성의 범위가 넓어집니다. 더 많은 코드를 작성하고, 더 많은 기능을 구축하고, 더 큰 비즈니스 가치를 제공할 수 있게 됩니다. 부족 현상이 완화되면 용량이 증가하고, 시간이 지남에 따라 누적되는 백로그와 기술 부채를 해결할 수 있게 됩니다.

아이폰과 사진의 비유가 도움이 될 것 같습니다. 모든 사람의 주머니에 카메라가 들어갔다고 해서 전문 사진작가가 사라진 것은 아닙니다. 오히려 생산 비용이 절감되고 생산량이 증가했으며 시장이 확대되었습니다. 더 많은 사진이 촬영되었고, 고품질 사진에 대한 수요가 실제로 증가했습니다. 코딩 어시스턴트도 소프트웨어 분야에서 같은 방식으로 작동할 것이라고 생각합니다.

연준에서는 이미 수백 명의 개발자들이 이러한 도구를 신속하게 도입하는 등 초기 도입률이 매우 높은 것을 확인할 수 있으며, 이는 이러한 기능이 실제적인 필요를 충족하고 있음을 보여줍니다.

코드에 관한 이야기라기보다는 우리가 서비스를 제공하는 커뮤니티의 의견에 귀 기울이는 것에 관한 다른 예를 들어보겠습니다.

연방준비제도는 기업, 지역사회 지도자, 시장 참여자들과의 대화를 통해 방대한 양의 질적 정보를 수집합니다. 과거에는 이러한 정보를 지역별, 시간대별로 종합하는 데 많은 시간과 노력이 필요했습니다.

이제 분석가들은 AI 도구를 활용하여 방대한 인터뷰 기록에서 핵심 주제를 추출하고, 경기 순환 전반에 걸친 패턴을 비교하며, 시장 심리의 변화를 훨씬 더 빠르게 파악할 수 있습니다. 이는 인간의 판단을 대체하는 것이 아니라, 초기 분석 과정을 가속화하여 경제학자들이 중요한 요소를 해석하는 데 더 많은 시간을 할애할 수 있도록 돕는 것입니다.

인공지능을 실제 업무에 적용하는 세 번째 방법은 사람들이 이미 사용하고 있는 워크플로에 직접 통합하는 것입니다.

팀에게 완전히 새로운 도구를 도입하거나 맞춤형 솔루션을 구축하도록 요청하는 대신, 법률, 위험 관리, 조달, 운영 및 기타 기업 기능 전반에 걸쳐 일상적인 업무를 지원하는 플랫폼 내에서 AI 기능을 활성화하고 있습니다.

AI 도입은 워크플로우를 따릅니다. AI가 단순히 추가되는 것이 아니라 업무 시스템에 통합되면, 사람들은 AI를 통해 가치를 얻기 위해 업무 방식을 바꿀 필요가 없습니다.

온라인 쇼핑을 자주 하거나 여행을 자주 다니는 사람이라면 이미 이러한 변화를 경험했을 것입니다. 항공편 지연, 연결편 놓침, 배송품 파손 등 문제가 발생했을 때, 이제는 간단한 채팅이나 문자 메시지, 심지어는 부담스럽더라도 전화를 통해 문제를 해결하는 것이 훨씬 빠르고 편리해졌습니다. 많은 경우, 인공지능(AI)이 상황을 파악하고, 문제를 적절한 담당자에게 연결하거나, 직접 해결해 줍니다. 물론 담당자가 개입할 때는 더욱 효과적으로 도움을 줄 수 있습니다. 결과적으로 더욱 간편하고 빠르며, 만족스러운 경험을 제공할 수 있게 되었습니다.

연준에도 동일한 원리가 적용됩니다. 기존 기업 시스템에 AI를 통합함으로써 파편화된 솔루션을 만들지 않고도 속도, 일관성 및 서비스 품질을 향상시킬 수 있습니다. 또한 재정적으로도 합리적인 접근 방식입니다. 기술이 빠르게 발전하는 상황에서 벤더 플랫폼을 통해 AI를 활용하면 비용이 많이 들거나 노후화될 수 있는 도구를 직접 개발하고 유지 관리하는 대신 지속적인 개선의 혜택을 누릴 수 있습니다.

이러한 사례들을 종합해 보면, 우리는 체계적이고 시스템 우선적인 접근 방식을 통해 인공지능을 탐색 단계에서 실행 단계로 발전시켜 나가고 있음을 알 수 있습니다.

그 결과 조직 전반의 역량이 향상되어 팀은 복잡한 문제를 해결하고 더 큰 가치를 창출할 수 있으며, 책임감 있는 혁신을 통해 생산성과 비용 효율성을 개선할 수 있습니다.

지금까지는 순조로운 출발이었지만, 우리는 반짝 성공에 만족하지 않습니다. 중요한 것은 지속 가능성 이며, 이를 위해서는 도입, 책임감, 그리고 리더십에 집중해야 합니다.

많은 AI 프로젝트의 성공과 실패는 바로 이 지점에서 결정됩니다. 초기 도입자에서 일상 업무 담당자로 주도권이 넘어가는 순간이죠. 기술 자체는 더 이상 어려운 부분이 아닙니다. 오히려 변화 관리가 관건입니다. 결국 사람들이 도구를 얼마나 빨리 받아들이고, 일상 업무에 얼마나 깊이 통합하며, 그 도입이 실질적인 성과로 이어지는지가 관건입니다.

그래서 우리는 도입 우선 전략을 택했습니다. 우리는 AI를 책상 옆에서 하는 실험이 아니라 인적 자본 투자로 간주합니다. 교육과 역량 강화는 유급 근무 시간에 이루어지며, 야간이나 주말에 진행되지 않습니다.

그리고 그 교육은 일회성이나 이론적인 교육이 아닙니다. 지속적이고, 실무 중심적이며, 직무와 관련된 교육입니다. 직원들은 실제 업무 흐름에서 AI를 사용하면서, 응용 워크숍, 실습 교육 세션, 그리고 즉흥 토론을 통해 학습합니다. 이러한 "실전 경험" 중심의 접근 방식이 중요한 이유는, 숙련도와 전문성은 슬라이드가 아닌 실제 사용을 통해 얻어지기 때문입니다.

우리는 기대치를 명확히 밝혀왔습니다. AI 사용은 선택 사항이 아닙니다. 기본적인 AI 활용 능력과 적용 능력은 시스템 전반에 걸쳐 직원 성과 목표에 반영될 것입니다. 측정되는 것은 실행됩니다.

저는 이 경험을 직접 목격했습니다. 세인트루이스에서 연구 책임자로 재직할 당시, 전략 계획을 세웠지만 대부분 책상 서랍에만 처박혀 있었습니다. 실제로 변화를 가져온 것은 우선순위를 직원 목표에 직접 반영한 것이었습니다. 직원들이 무엇이 중요한지, 그리고 어떻게 평가받는지 알게 되자 실행에 나서기 시작했습니다. 이러한 경험은 변화를 지속시키는 방법에 대한 제 생각을 형성하는 데 큰 영향을 미쳤습니다.

리더십은 여기서 매우 중요한 역할을 합니다. 기대치를 설정하고 투자를 하는 것은 필수적이지만, 그것만으로는 충분하지 않습니다. 팀원들은 리더가 말과 행동을 일치시키고, 헌신적인 자세를 보여주며, 스스로도 이 기술을 끊임없이 배우고 있다는 것을 확인해야 합니다. 바로 이러한 리더십의 신호가 초기 추진력을 지속적인 행동 변화로 이끌어내는 원동력이 됩니다.

이것이 바로 기술과 훈련, 책임감, 리더십을 결합하여 초기 성공에서 지속적인 역량으로 나아가는 방법이며, 이를 통해 인공지능이 연방준비제도 운영 방식의 영구적인 부분이 될 수 있습니다.

이번 컨퍼런스와 같은 자리는 기술이 미래를 어떻게 변화시키고 있는지에 초점을 맞추고 있습니다. 제가 오늘 보여드리고자 했던 것은 연방준비제도가 이러한 도전에 어떻게 접근하고 있는지, 즉 기술 기반 혁신을 통해 우리의 사명을 어떻게 수행하고 있는지, 그리고 실행과 효율성에 어떻게 집중하고 있는지입니다. 이를 통해 공공기관이 인공지능을 책임감 있게 도입하고 국민의 신뢰를 강화하는 방법을 보여주고 있습니다.

토큰화나 에이전트형 AI와 같은 기술들이 등장하고 있는 지금, 우리 업계가 이와 같은 변화를 겪어온 것이 이번이 처음이 아니라는 점을 기억할 필요가 있습니다. ATM이 처음 도입되었을 때, 은행 창구 직원이 사라진 것은 아니었습니다. 오히려 은행 업무 방식 자체가 바뀌었습니다. 일상적인 거래는 더 저렴하고, 더 빠르고, 더 쉽게 처리될 수 있게 되었고, 직원들은 더 가치 있는 활동에 집중하게 되었습니다. 진정한 영향은 자동화 그 자체에 있는 것이 아니라, 금융 기관들이 기술을 중심으로 재편된 방식에 있었습니다.

인공지능도 마찬가지입니다. 가장 큰 성과는 기존 프로세스에 인공지능을 단순히 추가하는 데서 오는 것이 아닙니다. 이 기술이 가능하게 하는 것을 활용하기 위해 워크플로, 역할 및 시스템을 재고하는 데서 올 것입니다.

우리가 알지 못하고, 알 수도 없는 것은 이러한 기술들이 언제 완전한 변곡점에 도달할 것인가 하는 점입니다. 인공지능이 급속한 발전 단계를 넘어 진정한 시스템적 영향력을 행사하기 시작하는 시점을 명확하게 알 수는 없을 것입니다. 하지만 완벽한 예측을 기다리는 것은 전략이 될 수 없습니다. 그 순간이 왔을 때 준비되려면 지금 당장 노력을 시작해야 합니다.

인공지능은 연방준비제도가 시스템 우선 접근 방식을 취할 때 어떻게 과감하고 대규모로 정책을 실행할 수 있는지 보여주는 명확한 사례입니다.

---

1. 여기에 표현된 견해는 저의 개인적인 견해이며 연방준비제도 이사회 구성원들의 견해를 반드시 대변하는 것은 아닙니다. 본문으로 돌아가기

2. 이 연설에서 저는 연방준비은행 감독 총재로서 '체계'라고 말할 때, 연방준비제도 이사회가 아닌 12개 연방준비은행을 지칭하는 것입니다. 본문으로 돌아가기

최종 업데이트: 2026년 2월 24일