추천 키워드

K/THON 26

혼자가 아닌 함께,
우리의 업무가 AI를 만났을 때

케이뱅크가 AI와 일하는 방식

혼자가 아닌 함께, 우리의 업무가 AI를 만났을 때 — 케이뱅크가 AI와 일하는 방식
정윤주
정윤주 BX팀
케이뱅크 AI 브랜딩을 위해 사내 AI 행사 K/THON을 기획하고, 콘텐츠를 제작하고 있어요
K/THON 26 팀전 인터뷰

이 글은 케이뱅크 사내 AI 에이전트 개발 경연 K/THON 26 팀전 수상자 들의 인터뷰 콘텐츠입니다. 수상자들의 에이전트 기획 및 개발 스토리를 통해 케이뱅크가 만들어갈 Agentic AI Bank 의 모습을 만나보세요.

지난 7월 개인전을 시작으로 약 4개월간 이어진 <K/THON 26 – AI CUP>이 10월 팀전과 본행사를 끝으로 대장정의 막을 내렸습니다. 긴 여정 속에서도 케이뱅크 임직원들의 AI를 향한 뜨거운 관심과 도전 열기는 식을 줄 몰랐는데요.

개인전이 ‘내 업무를 가장 잘 아는 사람이 AI로 답을 찾는다’라는 의미를 전했다면, 팀전은 ‘개인의 업무에서 팀의 업무로, 함께 완성하는 에이전트’를 통해 협업이 만들어 내는 더 큰 변화에 주목했습니다. 본행사인 AI STAGE에서는 케이뱅크가 나아갈 방향성을 그려보는 시간을 가졌습니다.

K/THON 26 단계별 메시지

이처럼 <K/THON 26 – AI CUP>은 개인전부터 팀전, 본행사까지 단계마다 새로운 메시지로 확장해 왔습니다. 개인의 업무에서 AI 활용 가능성을 발견했던 여정은 팀전으로 이어지며 어떤 인사이트를 얻게 되었을까요?

이번 팀전에는 총 72개 팀이 아이디어를 제출하고, 개발자부터 마케터, 여신관리팀과 People 팀까지 다양한 직무의 구성원들이 참여했습니다. 치열한 예선을 거쳐 본선에 진출한 7개 팀 가운데 3개 팀이 본상의 영예를 안았는데요. 각자의 업무 경험과 전문성을 모아 이들이 완성한 에이전트가 궁금하시죠? 혼자서는 발견하지 못했을 해답을 함께 찾아낸 <K/THON 26 – AI CUP> 팀전 수상자들의 이야기를 소개합니다.

혼자서는 막막했던 아이디어, 팀으로 현실이 되다

K/THON 26 팀전 수상자
비스포크 팀 소개

Q1. 안녕하세요. 먼저 팀 소개 부탁드립니다.

김태형 안녕하세요. 저희 팀은 마케터와 디자이너로 이루어졌어요. 저는 팀에서 에이전트의 전반적인 기획과 개발 과정에서 문제가 발생했을 때 솔루션 제안, 스케줄 관리, 발표 등을 맡았습니다.

이지윤 안녕하세요, BX팀에서 케이뱅크 브랜드 디자인 전반을 담당하는 이지윤입니다. 저는 AI가 활용할 데이터를 정리하고, 에이전트 전체의 구조 기획과 구현하는 역할을 맡았습니다.

Q2. 지윤 님은 앞서 개인전에서도 수상하셨는데요. 이번에 두 분이 팀으로 참여한 계기는 무엇이었나요?

이지윤 개인전 수상 후 같은 팀 태형 님과 함께 참가 제안을 받았습니다. 태형 님은 평소에도 AI에 관심이 많으신데요. 이전에 AI를 활용해 캠페인 성과 분석 에이전트를 만들어서 보여준 적이 있어요. 그 작업물이 인상 깊어서 팀전에서 함께하면 좋은 결과물을 만들 수 있겠다고 생각했습니다.

김태형 평소 지윤 님과 업무 관련 대화를 나눌 때 생각하는 방향과 소통 방식이 잘 맞는다고 느꼈어요. ‘상금으로 비스포크 냉장고를 장만해 보자’라는 소박한(?) 의미를 담아 비스포크(BESPOKE)라는 팀명을 정했어요(웃음). 그만큼 처음부터 둘 다 열정적이고 의지가 넘쳐서 좋은 시너지를 낼 수 있을 거라고 기대했습니다.

비스포크 팀 에이전트 자료

Q3. 두 분이 만든 에이전트는 업무의 어떤 불편함에서 출발했나요?

김태형 케이뱅크는 인터넷 전문 은행인 만큼, 다양한 상품과 서비스를 알리기 위해 수많은 이벤트 페이지를 제작합니다. BM이 이벤트 내용을 기획하고 디자인 시스템을 확인하며 초안을 만들면, 디자이너와 개발자가 이를 검토하고 수정하는 과정을 반복하는데요. 케이뱅크 디자인 기준을 이해하고 초안을 구성하는 데 많은 시간이 소요돼요. 이 과정을 AI가 도와줄 수 없을까? 하는 생각에서 출발했습니다.

이지윤 디자이너 입장에서는 초안만으로 기획 의도를 정확히 파악하기 어려울 때도 있었어요. 또, 피그마 사용법이나 디자인 시스템 컴포넌트를 어떻게 활용하는지에 대한 문의도 잦았는데, 디자인 툴을 전문적으로 다루지 않는 BM 분들에게는 이 과정이 다소 어렵게 느껴지겠더라고요. 그래서 복잡한 툴이나 디자인 시스템을 익히지 않아도 초안을 쉽게 만들고, 디자이너는 기획 의도가 명확히 담긴 초안을 전달받아 반복되는 커뮤니케이션과 작업 시간을 줄여줄 수 있는 에이전트를 기획하게 됐습니다.

Q4. 개발 과정에서 중요하게 생각한 점은 무엇이었나요?

김태형 보안과 정보 보호를 가장 중요시하고, 금융 상품 관련 문구를 최종적으로 검토해서 허위 과장 광고처럼 보이지 않도록 문구 엔진을 따로 학습시켰습니다.

이지윤 에이전트에 입력하는 정보는 외부에 공개할 수 있는 마케팅 정보를 중심으로, 이벤트명, 기간, 혜택 등 기획에 필요한 기본 내용으로 제한했습니다. 기존 이벤트 페이지에서 마케팅 문구를 추출하고, 법적 고지사항이나 표, FAQ처럼 정확한 정보 전달과 개별 검토가 필요한 항목은 처음부터 제외했어요. AI가 참고할 데이터를 신중히 선별했죠. 또, 디자인 자산의 보안과 일관성에도 신경 썼습니다. AI는 문구 생성, 페이지 구성 등을 추천하는 역할만 하고, 실제 화면을 구성하는 컴포넌트는 KDS 원본을 그대로 활용하도록 적용했어요. AI가 잘할 수 있는 일과 기존 시스템이 담당해야 할 일을 구분함으로써 불필요한 오류를 줄이고, 실제 업무에서도 신뢰할 수 있는 결과물을 만들어 내는 데 집중했습니다.

AI 이벤트 페이지 초안 생성기 인트로 화면
[AI 이벤트 페이지 초안 생성기 인트로 화면]
AI 이벤트 페이지 초안 생성기 주요 기능
[AI 이벤트 페이지 초안 생성기 주요 기능]

Q5. 에이전트를 사용하면 업무에 어떤 변화가 찾아오나요? 에이전트만의 장점을 설명해 주세요.

김태형 저희 에이전트를 활용하면 피그마 사용에 능숙하지 않아도 완성도 있는 초안을 만들 수 있습니다. 케이뱅크 디자인 시스템을 적용하고, 기존 디자인 자산을 활용했기 때문에 실제 업무에서 바로 사용할 수 있고요. BM의 초안 제작부터 디자이너의 디자인 고도화, 개발자와의 협업까지 여러 직군의 업무 생산성을 높인 것도 장점입니다. 내부 테스트 기준으로 제작 과정에 약 75%의 시간이 단축됐고, 수정 횟수도 6회에서 2회로 줄어서 효율적인 협업 개선의 가능성을 확인했습니다.

이지윤 처음부터 끝까지 초안을 완성하는 동안 사용자가 겪을 수 있는 복잡함과 불편을 최대한 덜어낸 에이전트예요. 피그마를 익히는 데 드는 부담도 크게 줄었고요. 기존에는 피그마나 디자인 시스템에 익숙해지기까지 약 6개월이 걸렸다면, 이제는 별도의 숙련 과정이 없어도 하루 만에 초안을 만들 수 있습니다.

Q6. 혼자가 아닌 팀으로 출전해서 좋았던 점은 무엇이었나요?

김태형 디자인 영역에서 제가 미처 생각하지 못했던 부분을 지윤 님이 잘 챙겨줘서 중심을 잡을 수 있었어요. 또, 지윤 님의 실제 업무 경험과 고민에서 출발한 에이전트였기에, 업무에 실질적인 도움이 되는 기능이 무엇인지도 더 깊이 고민해 볼 수 있었습니다.

이지윤 개인전 때 혼자서 정해진 일정 내에 실제 업무에서 활용 가능한 수준으로 만들 수 있을지에 대한 확신이 없어서 미뤄둔 아이디어였어요. 꼭 만들어 보고 싶었는데, 팀전에서 다시 도전해서 기뻤습니다. 각자 잘하는 업무를 맡고, 아이디어를 주고받으며 진행하니까 부족한 부분은 보완하면서 혼자 고민할 때보다 훨씬 빠르게 발전하더라고요. 처음 생각한 것보다 기능도 더 구체화됐어요.

비스포크 팀 활용 계획

Q7. 에이전트가 ‘Agentic AI Bank’ 안에서 어떻게 활용되길 바라나요? 앞으로의 목표와 계획을 말씀해 주세요.

김태형 사람의 역할을 대신하는 에이전트가 아니라, 각자의 전문성을 더 잘 발휘할 수 있도록 서로 다른 업무의 연결을 도와주는 역할을 할 것이라고 생각합니다. 현재는 PoC(Proof of Concept) 단계로, 정보 보호 심사와 배포 환경 구축을 거쳐 내년 초 사내 테스트 배포를 목표하고 있어요. 앞으로 이벤트 페이지뿐 아니라 배너, 상품·서비스 소개 화면 등으로 활용 범위를 확대해서 실제 업무에서 폭넓게 사용할 수 있는 에이전트로 발전시켜 나가고 싶습니다.

이지윤 기존에는 AI에게 무언가 만들기 위한 방법이나 가이드를 물어보고, 실제 작업은 사람이 직접 했다면, 이제는 AI가 업무를 이해하고 직접 수행하는 방향으로 발전하고 있다고 생각해요. 저희 에이전트도 그러한 변화를 보여주는 사례이고요. 사용자가 디자인 시스템을 익히거나 컴포넌트를 일일이 찾아서 배치하지 않아도, 정보만 입력하면 적절한 문구와 페이지 구성을 제안하고 실제 초안까지 만드니까요. 업무를 도와주는 AI가 아니라, AI가 업무를 직접 수행하고 사람은 결과물을 검토하고 발전시키는 방식으로 일하는 것이죠. 앞으로 더 다양한 업무에서 AI가 실질적인 역할을 해내며 구성원들의 일하는 방식을 바꿔 나가면 좋겠습니다.

Q8. <K/THON 26>을 한 문장으로 표현하면 뭐라고 할 수 있을까요? 내년 참여를 고민하는 분들에게도 한마디 부탁드려요.

‘AI의 가능성뿐 아니라 미처 몰랐던 우리의 가능성까지 발견한 경험’

이지윤 평소 상상해 온 아이디어가 있다면, AI에게 만들어 달라고 해보세요. ‘이게 정말 될까?’ 싶었던 것도 생각보다 쉽게 구현되는 경우가 많답니다. 어렵게 생각하기보다는 일단 시도해 보는 게 중요한 것 같아요.

누구나 AI를 다루는 시대, 우리가 바꾼 일하는 방식

여신관리팀
여신관리팀 소개

Q1. 안녕하세요. 먼저 간략한 팀 소개 부탁드립니다.

배성학 안녕하세요. 여신관리팀의 팀장 배성학입니다. 저희 팀은 부실채권의 사후관리 전반을 맡고 있어요. 저는 회수 및 상각, 매각 등의 관리 전반을 담당하고 있습니다. 팀전은 본 업무 담당자들과 참여했어요. 우정 님은 평소에 매각 관련 업무를 수월하게 할 수 있는 에이전트를 만들고 싶어 했고, 민지 님은 법령이나 협약에 대한 정보를 어떻게 하면 AI로 쉽게 구현할 수 있을지 고민했습니다. 마지막 멤버인 예현 님에게 참여를 권유하면서 4인조 팀을 꾸렸어요. 기존에 수작업으로 진행하던 업무의 고충을 해결하기 위해 가벼운 마음으로 AI에게 물어봤던 게 에이전트 기획의 시작이었고요.

Q2. 구체적으로 업무의 어떤 불편함을 해소하고자 했나요?

윤예현 저희 팀에서 관리하는 연체 채권 중에 개인 회생을 신청한 고객에게 법원에서 회생 변제금을 입금하면, 가상 계좌번호를 건별로 조회해서 정상 입금 처리를 확인하는 업무가 있어요. 단순 반복 업무로 시간이 많이 소요되는 일이죠. 이 작업을 자동화하면 업무 효율을 높일 수 있겠다고 생각했습니다.

권우정 조회뿐만 아니라, 엑셀로 다운받은 자료를 직접 합산하는 등 비효율적인 측면이 정말 많은 업무였어요.

배성학 법원에서 입금되는 시기나 금액이 모두 달라서 변제금 처리에도 어려움이 많았고요. 그래서 파이썬(Python) 기반의 프로그램으로 계좌번호를 등록하면 자동으로 입금 내역을 조회해서 엑셀로 정리하고, 최종적으로는 메일을 송부하는 에이전트를 만들었습니다. 저는 이전에 파이썬 프로그램이나 코딩을 전혀 다룰 줄 몰랐는데, GPT와의 대화만으로 이 정도의 구현이 가능했다는 게 큰 시사점이 된 것 같아요.

비효율적인 기존 업무 현황 진단
[비효율적인 기존 업무 현황 진단]
Agent 도입에 따른 효과 검증
[Agent 도입에 따른 효과 검증]

Q3. 파이썬이나 코딩을 전혀 모르지만, 에이전트를 만들었다는 게 놀라운데요. 개발 과정에서 중요하게 생각한 점은 무엇이었나요?

배성학 아무래도 은행인 만큼 고객의 개인 정보가 유출되지 않도록 보안에 유의했고, 정확성을 가장 우선시 여겼습니다.

윤예현 법원에서 입금되는 변제금은 전산에도 반영해야 하는 부분이기에, 계좌번호와 입금액이 정확하게 연결되도록 신경 썼어요. 작은 오류도 놓치지 않기 위해 반복해서 확인하며 수정 작업을 이어 나갔죠. 팀장님께서 끝까지 개선해 주신 덕분에, 최종적으로 18번째 버전을 제출할 수 있었어요.

여신관리팀 자료

Q4. 끊임없이 개선해서 18번째 버전을 제출했다는 사실이 대단하네요. AI 관련 직군이 아님에도 에이전트를 완성할 수 있었던 원동력은 무엇이었나요?

김민지 아무래도 혼자서는 아이디어 구현도 힘들었을 텐데, 팀이었기에 여러 가지 의견 속에서 실현 가능한 안건을 추려내고 합심해서 개발할 수 있었어요.

배성학 팀이었기에 가능했던 것 같아요. 아이디어를 주고받고, 지치고 힘든 순간도 서로 격려하며 털어냈기에 이런 프로그램을 웃으며 제작할 수 있지 않았나? 싶습니다. 사실 GPT와의 대화만으로 만든 프로그램이라서 개발자분들이 보기에는 부끄러운 수준일 텐데요. 그럼에도 개발 직군이 아닌 팀에서 이런 에이전트를 만들어 업무에 활용하고 있다는 점을 높이 봐주신 것 같습니다.

Q5. 끈끈한 팀워크도 수상의 숨은 비결 같아요. 현재 업무에서 이 에이전트를 사용하고 계신다고요. 일하는 방식에 어떤 변화가 찾아왔나요? 에이전트의 장점을 말씀해 주세요.

김민지 건당 최소 3~5분 소요되던 조회 작업이 에이전트를 활용한 후로 순식간에 끝나게 됐어요. 평균 7.5배의 시간 단축 효과를 보고 있고요. 팀장님이 발표하셨던 대로 이 포맷을 바탕으로 다른 단순 반복 업무에도 적용할 수 있을 것 같습니다. 맞춤형인 듯, 양산형인 듯한 에이전트예요.

윤예현 실용성이 높다는 것과 자동화를 통해 반복 작업에 쓰이던 시간을 활용해서 다른 업무에 집중할 수 있게 된 점이 가장 큰 변화입니다.

여신관리팀 활용 계획

Q6. 에이전트가 ‘Agentic AI Bank’ 안에서 어떻게 활용되길 바라나요? 앞으로의 계획이 있다면 말씀해 주세요.

배성학 에이전트의 업데이트 및 공유를 원활하게 하고자 웹 형식으로 전환하고, UI/UX도 추가 개선하려고 해요. 저는 이번 대회 참여를 통해 AI 툴은 관련 부서만 다루는 게 아니라는 걸 실감했어요. 많은 BM 분이 스스로 데이터를 가공하고 추출할 수 있게 되었듯이, 이제는 누구나 프로그램 개발과 AI 툴을 직접 다루는 시대가 열린 것 같습니다. 저희 팀의 에이전트도 그러한 사례를 보여줬다고 생각하고요.

윤예현 정확성과 편의성을 개선하는 동시에 팀 내 다른 업무에도 적용해 보면서 에이전트의 활용 범위를 넓혀갈 예정입니다. <K/THON 26> 참여를 통해 앞으로 단순 반복 업무는 에이전트에게 맡기고, 사람은 좀 더 세심한 관리와 중요한 판단이 필요한 업무에 집중하게 되겠다고 생각했습니다. 이런 변화가 축적되면 케이뱅크의 ‘Agentic AI Bank’라는 비전에 한층 가까워지면서 우리가 일하는 방식으로 자리 잡을 거라고 생각해요.

Q7. <K/THON 26>을 한 문장으로 표현하면 뭐라고 할 수 있을까요? 내년 참가를 고민하는 분들에게도 한마디 부탁드려요.

‘모두의 AI’

배성학 AI와 대화하면 길이 보입니다! 어렵게 생각하지 말고 뭐든 시도해 보세요.

‘뜻밖의 발견’

윤예현 팀원들과 함께하면서 업무를 바꿀 수 있다는 가능성을 발견했기 때문이에요. 다른 분들도 거창한 아이디어를 찾기보다 평소 업무에서 ‘이건 좀 편해지면 좋겠다’ 싶은 일부터 찾아보시길 바랍니다.

각자의 전문성이 모여 하나의 에이전트가 되다

후긴과 무닌 팀
후긴과 무닌 팀 소개

Q1. 안녕하세요. 먼저 팀 소개 부탁드립니다.

나영열 안녕하세요. 저희 팀은 사내 개발자들이 효율적으로 서비스 개발에 집중할 수 있도록 개발 생산성을 높이는 도구를 만드는 IT 아키텍처팀입니다. 저는 평소 업무에서 필요성을 느끼고 관련 에이전트를 개발하고 있었어요. 마침, <K/THON 26> 행사 기간과 겹치면서 그동안의 작업을 한번 공유해 보자는 생각으로 팀원들과 참여하게 됐습니다.

홍인의 모니터링 업무를 좀 더 쉽고 편하게 할 수 있는 방법은 없을까? 하는 고민에서 시작한 에이전트예요. 팀 내 모니터링 업무와 관련 있는 분들을 모아 논의하면서 자연스레 팀을 꾸렸습니다.

김병준 타이밍이 정말 좋았죠. 저희 팀은 AI에 전문 지식이 있는 분들과 행내 장애 분석 시스템에 정통한 분들로 팀이 형성되었어요. 감히 행 내 최고의 팀이라고 자부합니다(웃음).

Q2. 업무에서 개선의 필요성을 느꼈다고 하셨는데요. 구체적으로 어떤 불편을 해소하기 위해 만들어졌나요?

나영열 기존에는 장애가 발생하면 여러 대시보드와 로그 화면을 오가며 흩어진 신호를 직접 엮어 원인을 판단하고, 어디서부터 어떻게 조회할지 개발자의 경험에 의존해야 했어요. 이 경험이 부족하더라도 자연어 질문으로 시작할 수 있게 만들자는 목표가 에이전트의 출발점이었습니다.

서한길 직접 모니터링 서비스에 들어가서 원하는 정보를 하나씩 수집하며 특정 이슈에 대한 원인과 해결 방법을 찾아야 했던 비효율적인 과정을 개선하려 했고요.

김병준 장애 시스템은 시스템 자체에 대한 전문 지식을 갖출 것을 요구하는데요. 코딩을 몰라도 프로그램을 개발할 수 있는 것처럼, 장애 시스템에 대한 지식이 없어도 이슈 상황을 분석할 수 있는 에이전트를 만들고 싶었습니다.

옵저버빌리티 개념도
[후긴과 무닌 팀의 ‘Observability AI Agent’의 근간이 되는 옵저버빌리티 개념]

Q3. 만드는 과정에서 가장 중요하게 생각한 점은 무엇이었나요?

나영열 금융권 특성상 망 분리된 내부 LLM을 사용하여 구축한 에이전트였기에, 데이터 유출에 대한 부담은 적었어요. 위험 작업 차단과 도구 호출 제한으로 운영 환경을 보호하며 작업했고요. LLM이 사내 환경을 모른다는 점이 의외의 변수여서, 데이터소스·라벨 같은 운영 지식을 스킬로 정리해서 분석 정확도를 높였습니다.

홍인의 정확한 데이터 분석을 제공하는 것이 목적이었기에, 자연어로 질문한 내용에 적합한 데이터를 찾아내고, LLM(Large Language Model)이 추측한 답변을 내지 못하도록 하는 데 중점을 뒀습니다.

Observability AI Agent 기대효과
[Observability AI Agent의 기대효과]

Q4. 이 에이전트를 사용하면, 업무에 어떤 변화가 생기나요? 에이전트의 장점을 말씀해 주세요.

홍인의 기존 업무 과정은 애플리케이션 운영 데이터가 쌓여 있는 모니터링 시스템 안에서 이슈에 대한 데이터를 특정하고, 연관 데이터를 찾아 검토하고, 원인과 영향도를 파악해야 했어요. 방대한 양의 데이터를 직접 수집해야 한다는 점, 개발자의 경험치에 따라 분석의 효율성이 달라진다는 문제가 있었죠. 저희 에이전트를 활용하면 장애 원인 분석 및 조치 방향, 도출 과정을 표준화해서 일관된 사용자 경험을 제공할 수 있어요. 검색 및 분석 과정에서도 에이전트가 작업하는 동안 다른 업무를 할 수 있어서 멀티태스킹이 가능하고요. 질문과 분석 결과, 보고서 작성까지 하나의 구조를 만들어서 산출물에 대한 고민을 없앴다는 점도 사용자 편의성을 고려했습니다.

김병준 누구나 쉽게 특정 기간에 발생한 시스템 장애 원인을 분석하고 해결 방법을 찾을 수 있게 되었어요. 내부 환경에서 개발한 에이전트이기에 자체적으로도 성능을 향상시켜 나가는 파인튜닝도 가능합니다.

후긴과 무닌 팀 활용

Q5. 개인이 아닌 팀으로 참여한 덕분에 얻을 수 있었던 시너지는 무엇인가요?

나영열 평소 서로의 업무를 잘 알고 있다 보니 팀 내 역할 분담이 자연스러웠습니다. 각자의 운영 지식을 활용해서 스킬로 정리할 수 있었던 점도 큰 도움이 됐고요. 수상 팀으로 호명됐을 때 팀원들과 함께 기뻐하며 앞으로 개선할 부분을 이야기 나눌 수 있다는 점도 좋았습니다.

홍인의 동일한 기능에 대해 서로 다른 구현 방식을 시도하거나 다양한 아이디어를 내며 논의해 나가는 과정이 즐거웠습니다. 팀전이 장기간 진행되면서 팀원 분들의 고생이 많았는데, 좋은 성과를 내서 뿌듯합니다.

김병준 일론 머스크도 혼자서는 화성으로 갈 수 없잖아요(웃음). 서로의 장점은 극대화하고 단점은 보완하는 팀으로 함께해서 참 좋았습니다.

Q6. 에이전트가 ‘Agentic AI Bank’ 안에서 어떻게 활용되길 바라는지 앞으로의 목표와 계획을 말씀해 주세요.

홍인의 현재 테스트 환경에서 구동하고 있는데요. 다른 사용자분들이 에이전트를 원활하게 사용할 수 있도록 보완하고, 보안성 심의를 거쳐 운영 환경에서 적용할 예정입니다.

서한길 에이전트를 좀 더 고도화해서 일·주·월별 시스템 상태에 대한 보고서를 생성하거나 이슈를 자동 분석하는 등 다양하게 활용할 계획이에요.

김병준 하나의 자연어 질의로 행 내 모든 시스템의 장애를 찾고 원인을 분석하고, 해결하는 에이전트로 고도화해 나갈 예정입니다. 쉽진 않겠지만, 장애가 발생하지 않는 행 내 시스템을 만드는 데 일조하고 싶습니다.

Q7. <K/THON 26>을 한 문장으로 표현하면 뭐라고 할 수 있을까요? 내년에 참여를 고민하는 분들에게도 한마디 부탁드려요.

‘증명’

김병준 아이디어를 실제 업무로 발전시키며 우리의 가능성을 증명한 과정이 됐어요.

홍인의 업무에서 개선하고 싶은 아이디어가 있다면, 고민하지 말고 시작해 보시길 바랍니다. 저도 진행하는 동안 정말 재밌는 경험으로 남았습니다.

K/THON 26 마무리

‘혼자 가면 빨리 갈 수 있지만, 함께 가면 멀리 간다’라는 말이 있죠. 혼자서는 막막했던 아이디어도 동료와 함께 고민하면, 실제 업무에서 활용할 수 있는 에이전트로 구현할 수 있었습니다. 반복 업무의 자동화부터 디자인, 개발 과정의 효율화, 시스템 장애 분석까지 AI가 바꿔 나가는 업무의 범위도 한층 넓어졌고요.

세 팀의 이야기를 통해 발견한 또 한 가지 공통점은 AI 혁신이 거창한 기술에서 시작되는 것이 아니라는 점입니다. 업무의 사소한 불편을 발견하고, 이를 해결해 보려는 작은 시도가 새로운 변화의 출발점이 되었습니다. 케이뱅크가 지향하는 AI의 활용 방향 역시, 이러한 작은 실험과 도전이 모여 만들어집니다.

2027년 케이뱅크는 ‘AI Native Bank’로의 도약을 준비하고 있습니다. 이는 AI를 보조 도구로 활용하는 수준을 넘어, 기획부터 디자인, 개발, 운영에 이르기까지 일하는 방식과 프로세스 자체를 AI 중심으로 재설계하는 것을 의미합니다. 이번 수상작들이 이러한 변화의 가능성을 각자의 업무에서 먼저 실험하고 증명해 낸 것처럼 말이죠.

개인의 작은 시도에서 팀의 협업으로, 나아가 케이뱅크 전체의 AI 경험으로. 함께 만들어갈 변화의 여정은 앞으로도 계속됩니다. 더 많은 구성원의 도전과 새로운 가능성이 펼쳐질 <K/THON 27>에도 많은 관심과 기대 부탁드립니다.

K/THON 26 개인전 수상자 인터뷰
관련 포스팅

K/THON 26 개인전 수상자 인터뷰도 보러가기 →

K/THON 26 팀전 단체컷