1편과 2편을 통해 압류와 추심이 무엇인지, 그리고 내 소중한 생계비를 어떻게 지킬 수 있는지 알아보았는데요. 오늘은 조금 특별한 이야기를 들려 드리려 해요. 바로 고객님의 알림톡 너머, 매일 수천 건의 서류와 사투를 벌이는 금융서비스팀 압류파트의 비하인드 스토리랍니다!
1. 서류와 숫자와의 전쟁, 오전 8시의 풍경
압류파트의 하루는 다른 곳보다 조금 일찍, 그리고 조금은 긴박하게 시작되어요. 매일 아침 일찍 우체국에서 배달되는 커다란 등기우편 꾸러미 때문이죠.
적게는 수백 건에서 많게는 수천 건까지! 매년 약 15% 이상 늘어나는 엄청난 양의 압류·해제 통지서가 케이뱅크로 도착한답니다. 저희 팀원들은 이 우편물을 하나하나 분류하고, 함께하는 협력사분들의 스캔작업을 통해 전자문서로 만드는 작업을 가장 먼저 수행하고 있어요.
단 하나의 서류라도 누락되거나 잘못 처리되면 고객님이나 채권자에게 큰 영향을 줄 수 있기 때문에, ‘당일 접수, 당일 처리’라는 철칙을 지키기 위해 눈과 손이 보이지 않을 정도로 바쁘게 움직이고 있어요.
2. 압류 업무의 꽃 ‘추심금 지급’, “정확함에 마음을 담아요”
모든 서류가 전자화되면 본격적인 작업이 시작되어요. 전자압류 시스템을 통해 들어오는 건들은 자동으로 처리되기도 하지만, 다수의 채권자가 얽혀 있거나 최저생계비를 계산해야 하는 복잡한 건들은 추가적으로 사람의 정교한 손길이 꼭 필요하거든요.
특히 ‘추심금 지급’ 업무는 압류 업무의 꽃이라고 할 수 있어요. 법이 정한 요건과 최저생계비를 꼼꼼히 계산해서 채무자의 계좌에서 채권자에게 돈을 전달하는 과정이죠.
💡이 과정에서 한 치의 오차도 없도록 저희는 이중, 삼중의 검증을 거쳐요. 계정계 시스템은 물론, RPA(Robotic Process Automation; 로봇 프로세스 자동화)를 활용해 “혹시 실수가 없었나?” 하고 끊임없이 대조하며 업무의 정확도를 높이고 있답니다.
3. 일은 스마트하게, 마음은 고객에게!
저희는 단순히 반복되는 업무를 하는 데 그치지 않고, 고객님이 겪으실 불편을 줄이기 위해 고객 채널과 내부 시스템 개선 등 지속적인 노력을 하고 있어요. 기억에 남는 몇 가지 사례를 알려드릴게요.
개선 사례
진술최고서 RPA 자동 제출 — 매일 법원에 제출해야 하는 수백건의 진술최고서들을 RPA를 통해 정확하고 빠르게 처리하도록 개발했어요. 덕분에 채권자분들은 더 빨리 진술최고서를 받아보실 수 있고, 저희들은 더 중요한 고객 문의에 집중할 수 있게 되었죠.
스마트한 추심금 지급 시스템 — 최저생계비 등을 고려한 복잡한 추심금 계산을 시스템화하여 더 신속하고 정확한 추심금 지급 처리가 가능해졌어요.
앱을 통한 ‘추심 지급 동의’ 서비스 — 서류를 받아 일일히 동의여부를 확인하고 처리해야 했던 복잡한 절차를 케이뱅크 앱에서 터치 몇 번으로 쉽고 간편하게 추심 지급 동의를 처리할 수 있도록 만들었답니다.
4. 압류파트 직원의 귀여운 직업병?
매일 수백건의 서류를 보다 보니 생긴 재미있는 징크스도 있어요. 퇴근길이나 주말에 우체국 오토바이만 봐도 “저 가방 안에 오늘은 어떤 서류가 들었을까?” 하고 힐끔 보게 되는 직업병이 도지곤 해요.
우편함에 꽂힌 A4사이즈의 대봉투만 봐도 가슴이 두근거린다는 팀원도 있을 정도니, 저희가 얼마나 업무에 진심인지 느껴지시죠? 😊
5. 케이뱅크 고객님께 전하는 진심
압류파트가 하는 일은 때로 차갑게 느껴질 수도 있어요. 하지만 저희의 진심은 늘 한결같답니다.
“어려운 상황일수록 투명하고 빠른 처리가 최고의 서비스다!”
채무자에게는 신속한 해제를 통해 일상을 되찾아 드리고, 채권자에게는 정당한 절차를 통해 신뢰를 드리는 것. 그 사이에서 중심을 잡고 가장 공정하게 업무를 처리하는 것이 저희 금융서비스팀 압류파트의 자부심이에요.
맺음말: 더 안전하고 신뢰할 수 있는 금융을 만들게요.
금융서비스팀은 압류 업무 외에도 금융거래정보제공, 상속, 반송카드처리, OTP발송, 외환/법인 후선 등 고객님의 소중한 금융 거래가 뒤편에서 안전하게 돌아가도록 지키는 ‘보이지 않는 손’의 역할을 하고 있어요.
단순히 돈을 묶고 푸는 사람들이 아니라, 케이뱅크라는 금융 울타리가 안전하게 유지되도록 관리하는 파수꾼이라고 불러주시면 좋겠어요.
앞으로도 저희 금융서비스팀은 고객님이 믿고 맡기실 수 있는 가장 신뢰받는 인터넷전문은행을 만들기 위해 부지런히 뛸게요. 케이뱅크와 함께라면 어떤 어려운 상황도 차근차근 해결하실 수 있을 거예요. 고객님의 응원과 격려 부탁드려요! 😊
갑작스러운 계좌 압류로 당장 오늘 쓸 생활비조차 막막해진 상황인가요? “내 돈인데 1원도 못 쓰는 건가?” 하는 생각에 절망감이 드실 수 있어요. 하지만 법은 채무자의 최소한의 인간다운 생활까지 빼앗지는 않는 답니다. 오늘은 압류된 계좌 속에서도 법적으로 보호받을 수 있는 ‘최저생계비’와 그 구체적인 확보 방법을 알려드릴께요.
1. 압류에도 ‘선’이 있어요: 법이 지켜주는 250만원
우리 법(민사집행법 제246조 등)은 채권자의 권리만큼이나 채무자의 생존권도 중요하게 여겨요. 그래서 아무리 빚이 많더라도 ‘압류금지채권’이라는 이름으로 일정 금액은 건드리지 못하게 정해두었답니다.
압류금지채권
현재 기준 최저생계비 — 월 250만원
의미 — 여러 은행을 통틀어 개인별 잔액 중 250만 원까지는 압류를 할 수 없거나, 압류가 되었더라도 생활비로 쓸 수 있도록 보호받는 금액이에요.
💡
잠깐!
왜 내 계좌는 250만원 이하인데도 안 찾아질까요? 은행은 고객님의 전체 자산 현황을 알 수 없어서, 법원의 명령이 오면 우선 계좌를 묶을 수밖에 없어요. 이럴 때 필요한 것이 바로 ‘범위변경 신청’이랍니다.
왜 내 최저생계비는 185만원 인가요? 개정된 민사집행법은 2026년 2월 1일부터 시행되었어요. 압류 진행을 위해 법원에 접수한 접수일자가 2026년 2월 1일 이전이면 최저생계비가 185만원으로 적용된답니다. 참고로 최저생계비 185만원은 2019년에 개정이 되었고, 개정 전에는 150만원이었어요.
2. 세금 체납 압류, 일반 압류와는 조금 달라요
통장이 묶이는 사유는 크게 개인 간의 채무인 ‘민사 압류’와 세금을 내지 않아 발생하는 ‘체납 압류’로 나뉘어요.
압류 유형
민사 압류 — 카드값이나 대출금 미납 등으로 발생하며 법원의 결정문이 은행에 전달되어요.
체납 압류 — 국세나 지방세 등을 미납했을 때 발생해요. 법원을 거치지 않고 전자압류 시스템을 통해 일 배치 처리로 집행이 되어 더 갑작스럽게 느껴질 수 있어요.
하지만 어떤 압류든 250만원의 최저생계비는 공통적으로 보호받을 수 있는 권리니까 너무 걱정하지 마세요!
무료 법률 지원 — 혼자 하기 막막하다면 대한법률구조공단(국번 없이 132)의 도움을 받아보세요. 무료 상담과 서류 작성을 지원받을 수 있어 정말 유용해요.
4. 압류 관련 자주 묻는 질문(FAQ)
자주 묻는 질문
Q. 여러 은행에 계좌가 있으면 각각 250만 원씩 보호되나요?
아니요, 모든 금융기관을 통틀어 1인당 총 250만원까지만 보호받을 수 있어요.
Q. 생계비계좌가 뭔가요?
생계비계좌는 국내 시중은행, 지방은행 등 다양한 금융기관에서 1인당 총 1개씩 개설할 수 있고, 채무자는 최대 250만원까지 생계비계좌에 입금하여 압류 걱정 없이 사용할 수 있어요. 다만 반복적인 입출금 과정에서 실제로 보호되는 금액이 과도해지지 않도록 1개월간 누적 입금액도 250만원으로 제한되요.
케이뱅크 또한 고객님의 소중한 기본권을 보호하기 위해 생계비계좌 도입을 검토하고 있어요. 서비스 제공 여부가 확정되면 공지사항 등을 통해 신속하게 안내해드릴께요! 😊
맺음말: 다시 시작할 수 있는 힘, 케이뱅크가 함께 할게요
계좌 압류라는 갑작스러운 소식을 마주하면 누구나 세상이 무너지는 것 같은 막막함을 느끼기 마련이죠. 하지만 오늘 살펴본 것처럼, 우리 법은 어떠한 상황에서도 여러분의 최소한의 일상을 지킬 수 있는 ‘숨 쉴 구멍’을 마련해두고 있어요.
이번 글을 통해 전해드린 내용이 어려운 시기를 지나고 계신 분들에게 실질적인 도움이 되고, 해결의 실마리가 되었으면 좋겠어요. 압류는 일상의 ‘종료’가 아니라 잠시 ‘멈춤’일 뿐이에요. 내가 가진 정당한 권리를 알고 차근차근 대응해 나간다면, 다시 활기찬 일상을 찾으실 수 있을 거예요.
케이뱅크는 고객님이 겪으시는 불안감에 깊이 공감하고, 여러분의 소중한 생존권이 법의 테두리 안에서 온전히 보호받을 수 있도록, 또한 일상으로 돌아갈 여러분의 케이뱅크가 될 수 있도록 함께 할게요. 어려운 순간에도 여러분의 삶은 계속되어야 하니까요!
케이뱅크 AI 브랜딩을 위해 사내 AI 행사 K/THON을 기획하고, 콘텐츠를 제작하고 있어요
💡이 글은 케이뱅크 사내 AI 에이전트 개발 경연 K/THON 26 개인전 수상자들의 인터뷰 콘텐츠입니다. 수상자들의 에이전트 기획 및 개발 스토리에서 AI와 함께 일하는 새로운 가능성을 발견해 보세요.
AI를 업무에 활용하라는 이야기는 자주 듣지만, 어디서부터 어떻게 적용해야 할지는 막막할 때가 있습니다. 보통 생성형 AI와 대화하는 것부터 시작하게 되는데요. 여기서 나아가 Agent를 만들고 업무를 자동화하는 단계는 관련 기술을 잘 알아야 하거나 IT 관련 직군이어야만 다룰 수 있을 것 같죠. 하지만 케이뱅크는 이를 일부 개발자나 IT 전문가만의 도구로 제한하지 않습니다. 직무와 무관하게 모든 구성원이 AI에 도움을 받는 것을 넘어 AI가 스스로 일하게 되는 환경을 조성하는데 노력하고 있습니다. ‘업무를 가장 잘 아는 사람이 AI와 함께 답을 찾아가는 것’, 이것이 케이뱅크가 AI를 대하는 방식입니다.
이러한 문화를 사내에 확산하기 위해 케이뱅크는 지난해 <K/THON>을 시작했습니다. 올해 <K/THON 26>은 AI Agent 경연대회 ‘AI CUP’과 AI 인사이트를 나누는 ‘AI STAGE’로 구분되어 총 4개월 간 진행되고 있는데요. 지난 7월 개최된 <K/THON 26 – AI CUP> 개인전에서는 임직원들이 자신의 업무에서 발견한 문제를 AI Agent를 활용해 해결하기 위한 다양한 시도가 펼쳐졌고, 이 가운데 6명이 수상자로 선정되었습니다. 컴플라이언스부터 금융 서비스, 상품 기획, 디자인, IT까지 수상자들은 직무도, 해결하려는 문제도 저마다 달랐지만 한 가지 공통점이 있었습니다. 바로 ‘AI로 무엇을 만들까?’가 아니라, ‘내가 하고 있는 업무에서 AI를 통해 무엇을 조금 더 편하게 만들 수 있을까?’라는 질문에서 출발했다는 점이었죠.
이들은 각자의 업무에서 어떤 불편을 발견하고, AI와 함께 해결할 방법을 찾았을까요? 또, AI가 바꿔 놓은 업무 환경 속에서도 사람이 해야 할 역할은 무엇이라고 생각하고 있을까요? 정답을 요구하기보다 AI와 함께 답을 찾아가며 새롭게 일하는 방식을 만든 개인전 수상자들의 이야기를 소개합니다.
개인전 결과 데이터
총 제출 224건 · 참여인원 208명 · 수상작 6건
AI를 활용하되, 최종 검토와 책임은 반드시 사람의 몫
✍️ 심사평 한 줄
“이해상충 점검 결과를 신호등 색상으로 한눈에 보여줘, Copilot을 실질적으로 유용하게 활용했어요”
Q. 안녕하세요, 지인님. 이해상충거래 셀프 체크 Agent는 어떻게 만들게 됐나요?
최근 시중 은행에서 횡령, 배임 사고가 끊이지 않다 보니, 금융 당국에서도 은행권에서 업무상 발생할 수 있는 이해상충을 스스로 점검하고 예방하는 체계를 갖추도록 요구하고 있어요. 케이뱅크도 올해 초부터 기존의 내부통제 절차를 강화하는 새로운 제도를 시행 중입니다. 외부 계약을 체결할 때 거래 상대방과 금액은 물론, 케이뱅크와의 관계성, 내부 임직원과의 사적인 이해관계 등 다양한 항목을 점검하고 그 결과를 문서로 남기고 있어요. 다만, 사전 점검은 다양한 계약 사례를 하나의 규정에 맞춰 분석하고 판단해야 하기에, 담당자에 따라 결론이 달라질 수 있다는 어려움이 있었어요. 이런 고민에서 출발해, 이해상충 규정을 잘 모르는 임직원도 쉽게 질문하고 명확한 답을 얻을 수 있도록 사전 점검 절차를 자동화하는 에이전트를 만들었습니다.
Q. 에이전트를 만드는 과정은 어땠나요?
회사에서 직원들이 AI 툴을 활용할 수 있도록 다양한 교육을 지원하고 있어요. 저도 작년부터 Copilot과 Copilot Studio를 활용해 에이전트를 만드는 방법을 꾸준히 익혀 왔는데요. 개발자가 아니라서 에이전트 로직을 만들거나 코드 작업을 할 때는 어려움도 있었지만, 외부 LLM(Large Language Model)의 도움을 받아 약 한 달 만에 에이전트 초판을 완성할 수 있었습니다. 가장 힘들었던 점은, 사용자가 어떤 질문을 할지 예상하고 이를 분류하는 기준을 세우는 것이었어요. 사용자가 원하는 수준의 답변을 생성하려면 실제 사례를 바탕으로 한 구체적인 지침을 제시해야 하는데, 처음에는 데이터베이스가 충분하지 않으니 만족스러운 답변을 얻기 어려웠습니다. 그래서 로직을 전면 수정했어요. 먼저 질문 유형을 한정적으로 제시해서 사용자가 고르게 한 다음, 세부 데이터를 입력받으면 에이전트가 이 값과 참조 자료를 바탕으로 생성형 답변을 내놓는 방식으로요. 덕분에 훨씬 안정적이고 일관된 답변을 얻을 수 있었습니다.
Q. 에이전트를 만들면서 AI에 맡기지 않고 직접 판단하고 검증한 부분은 무엇이었나요?
AI를 활용해 만든 결과물과 에이전트의 답변은 반드시 제가 최종 검증했어요. 에이전트는 언제든지 잘못 작동할 수 있고, 예상치 못한 오류를 낼 수 있으니까요. AI를 활용하되, 최종 검토와 책임은 반드시 사람의 몫이라는 것. 에이전트를 만드는 내내 가장 중요하게 생각한 지점이자, 앞으로도 케이뱅크가 AI를 활용하면서 최우선으로 지켜야 할 원칙이 아닐까 생각해요.
Q. Agent 도입 이후 업무에는 어떤 변화가 일어났나요?
제가 만든 에이전트는 규정과 사례를 바탕으로 계약의 이해상충 여부를 판단하고, 그 결과를 직관적인 신호등 표시 색으로 알려줘요. 또, 체크리스트 초안을 만들고, 사용자의 질문 이력을 감사 로그(Audit log)처럼 자동 기록해줘요. 덕분에 계약 체결 담당자는 이해상충 여부를 미리 점검하고, 규정 위반 리스크를 줄일 수 있어요. 준법감시팀 소속인 저는 사용자로부터 받는 유사한 질문에 응대하는 수고를 덜었고요. 앞으로 꾸준히 사용자들의 문의 데이터가 쌓이면 에이전트의 답변 수준도 향상되리라 생각합니다.
Q. 마지막으로 Agent의 향후 활용 계획이 있다면 말씀해 주세요.
사실 출품 직후에도 고도화 작업을 계속하고 있었어요. 사용자가 어떤 질문을 해도 확실한 답변을 줄 수 있는 더 똑똑한 에이전트로 만들고 싶어서요. 준법감시팀에서 법령과 내규를 바탕으로 다양한 사례를 분석할 때 전문적으로 도움을 줄 수 있는 ‘준법 도우미’로도 확장할 계획입니다. 아울러, 준법감시팀의 AI 퍼실리테이터 (Facilitator)로 활동하고 있는 만큼, 더 많은 분이 AI를 통한 업무 효율화를 경험하실 수 있도록 활용 방법과 가능성을 적극적으로 알리고 싶습니다. 이번 입상을 통해 저처럼 IT 관련 직무가 아니더라도 AI를 직접 익히고 업무에 활용할 기회가 많다는 것, 그리고 케이뱅크에서 임직원들의 AI 리터러시를 높이는 데 진심이라는 것을 다시금 느낄 수 있었어요. 거창한 목표를 세우지 않아도 괜찮아요. 우선 Copilot 창을 하나 띄워놓고 ChatGPT든, Claude든 여러 가지 AI 모델을 바꿔 가면서 이것저것 단순하게 일을 시켜보세요. 시작은 그것만으로도 충분합니다.
절대 놓치면 안 되는 업무부터 자동화하기
✍️ 심사평 한 줄
“금융사기 메일의 긴급도를 분석해 담당자에게 자동으로 배정하며, 반복 업무를 줄이고 빠른 리스크 대응까지 가능토록 했어요”
Q. 안녕하세요, 영지님. 금융사기 메일 자동분류 Agent는 왜 만들게 됐나요?
공용 메일함 VP119(금융사기 관련 메일이 접수되는 케이뱅크 공용 메일함)로 하루 평균 20건의 메일이 접수됩니다. 많은 양은 아니지만, 중요도는 매우 높습니다. 특히, 법령상 기한 내 처리해야 하는 업무를 이행하지 못하면 내부통제 리스크는 물론이고, 과태료 부과 등 대외적 제재로도 이어질 수 있어요. 누락 시 발생 위험이 큰 업무 특성을 고려해서 담당자의 확인에 의존하던 기존 프로세스를 AI 기반의 에이전트로 자동화하고 싶었습니다. 중요 메일을 선제적으로 식별하고 적시에 조치할 수 있도록 체계를 구축해 업무 누락을 줄이고, 내부통제를 강화하고자 만든 에이전트입니다.
Q. 개발 과정은 수월했나요? 가장 어려웠던 점은 무엇인가요?
먼저, Power Automate와 Copilot Studio를 활용해서 공용 메일함으로 접수되는 고객 이메일을 AI가 자동 분류하고, 중요 메일은 담당자에게 즉시 알림이 가도록 에이전트를 구축하는데 약 1주일 정도 소요됐습니다. 형식과 내용이 제각각인 이메일을 정확한 기준에 따라 분류하는 것이 어려웠어요. 특히, 법령상 조치가 필요한 중요 메일을 놓치지 않도록 분류 기준을 세심하게 설계하는 데 많은 시간을 들였습니다. 처음에는 중요도 판단이 예상과 다르게 이뤄지기도 했지만, 실제 접수 사례를 기반으로 프롬프트와 분류 기준을 지속적으로 보완하고 개선했습니다.
Q. Agent를 도입한 이후, 업무에는 어떤 변화가 있었나요?
접수된 이메일을 AI가 자동으로 분석·분류해서 중요한 건을 바로 알려주기 때문에 업무 누락 위험이 줄었습니다. 내부통제 체계도 한층 강화됐고요. 무엇보다 담당자 개인의 지속적인 확인에 의존하던 방식에서 벗어나, 시스템 기반의 상시 모니터링 체계로 전환되었다는 점이 가장 큰 변화입니다.
Q. AI를 활용하면서도, 전적으로 의존하지 않기 위해 중요하게 생각한 지점이 있다면 무엇인가요?
AI는 업무 수행에 매우 효과적인 도구라고 생각해요. 하지만 제 업무를 대신하는 존재는 아니죠. 실제 업무 처리와 최종 판단, 책임은 결국 사람이 수행해야 해요. AI를 적극적으로 활용하면서도 전적으로 의존하지 않는 자세와 마음가짐이 중요하다고 생각합니다.
Q. 앞으로 또 어떤 에이전트를 만들어 보고 싶나요?
이번 대회에 참가하면서 AI가 단순히 업무를 대신하는 것이 아니라, 업무 누락을 예방하고 내부통제를 강화하는 데 좋은 도구가 될 수 있다는 점을 알게 됐어요. 앞으로 반복 업무는 AI에게 맡기고, 담당자는 판단과 의사결정에 집중하는 방식으로 업무 효율을 높이고자 합니다. 저 역시 ‘중요 메일 누락 방지’라는 작은 문제에서 시작해 에이전트를 만들었는데요. 다른 동료분들도 거창한 과제보다 반복적으로 하는 업무나, 놓치면 안 되는 중요한 업무부터 하나씩 먼저 자동화해 보시면 좋겠습니다.
AI가 만드는 결과물은 완성본이 아닌 논의의 시작점
✍️ 심사평 한 줄
“서비스 기획부터 출시까지 PO(Product Owner)의 업무 과정을 한눈에 볼 수 있게 만들어, 향후 상품서비스 품질 향상과 준비기간 단축에 유의미할 것으로 예상돼요”
Q. 안녕하세요, 민수님. Kbank PO Agent를 만든 계기는 무엇인가요?
케이뱅크는 최근 다양한 신규 서비스를 빠르게 출시하고 있습니다. 하지만 구체적인 매뉴얼과 가이드가 없어서 처음 프로덕트를 기획하는 직원들은 막막할 때가 많아요. 저 역시 새로운 서비스를 기획할 때마다 PRD(Product Requirements Document, 제품 요구사항 정의서) 포맷을 다시 잡고, 어떤 항목이 필요했는지 예전 문서를 살피는 과정을 반복했습니다. 프로덕트 출시 전까지 PO(Product Owner)가 챙겨야 할 사항은 법무·정보보호·인프라·마케팅 등 조직 전반에 걸쳐 무수히 많은데요. 표준 체크리스트 없이 개인의 경험과 기억에 의존해 진행되고 있었습니다. 그러다 보니 일부 항목이 누락되어 일정이 지연되는 이슈가 반복적으로 일어났어요. 이러한 비효율을 개선하고, PO가 각 부서 담당자들과 원활하게 소통하며, 궁극적으로 더 나은 프로덕트를 만들 수 있도록 돕기 위해 이 에이전트를 만들었어요. 케이뱅크 실무에 ‘진짜로 쓸 수 있는 결과물’을 만들기 위해 공을 들였죠. 론칭 전 표준 체크리스트 프로세스를 직접 정리해서 에이전트에 적용했고, 그 결과, 실제 사내 업무 절차를 반영한 체크리스트를 만들 수 있었습니다.
Q. Kbank PO Agent 도입 이후 업무에는 어떤 변화가 있었나요?
가장 크게 체감한 변화는 문서화에 소요되는 시간이 극적으로 줄었다는 거예요. 아이디어, 요구사항, 메모 수준의 텍스트를 구조화해서 디자인·개발 부서에 공유할 PRD로 만드는 작업이 5분 내외로 줄었습니다. 기존 대비 약 83% 단축한 셈이에요. 프로토타입 설계 프롬프트와 WBS(Work Breakdown Structure, 업무 분류 체계) 일정, 테스트 시나리오, 론칭 체크리스트도 마찬가지로 크게 단축됐어요. 특히 WBS의 경우, 이전에는 표를 수기로 만들었는데, 지금은 날짜와 참여 팀만 입력하면 몇 분 안에 주 단위의 일정표가 작성돼요. 사내 표준 절차를 일일이 기억하고 챙겨야 했던 체크리스트도 지금은 자동 생성되어 절차 누락에 대한 위험을 줄일 수 있고요. 문서화에 소요되던 시간들이 30분 내외로 줄면서 그만큼 확보된 시간을 ‘이 정책이 정말 맞는지’, ‘유관 부서에 발생할 리스크는 없는지’ 등 본질적인 질문을 개발·디자인 담당자들과 논의하는 데 쓰며 더 집중할 수 있게 되었습니다.
Q. AI를 활용하면서도, 사람이 직접 해야 한다고 생각하는 영역은 무엇인가요?
저는 기획 자체를 AI에게 맡기진 않아요. AI는 이미 존재하는 패턴과 정보를 빠르게 조합하고 정리하는 능력은 탁월하지만, ‘이 문제가 왜 우리에게 중요한지’, ‘지금 이 서비스가 정말 필요한지’와 같은 질문에는 답을 주지 않습니다. 잘 모르는 영역의 지식은 AI를 통해 빠르게 습득하고, 그 정보를 바탕으로 사람이 뾰족한 아이디어와 판단을 만들어내는 것이 중요하다고 생각해요.
또 하나는 유관 부서와의 협업이에요. 에이전트가 아무리 정교한 PRD와 체크리스트를 제작해도, 그건 논의를 시작하기 위한 초안에 불과합니다. 실현 가능성과 보안·정책 이슈, 리소스 우선순위 등은 사람이 직접 만나서 조율해야 하는 영역이죠. 에이전트가 만든 산출물을 완성본이 아닌 논의를 위한 좋은 시작점으로 활용하는 태도가 AI를 사용하면서도 사람이 결코 놓지 말아야 할 부분이라고 생각합니다.
Q. 마지막으로 Kbank PO Agent의 활용 계획을 말씀해 주세요.
체크리스트를 보다 정교화해서 케이뱅크 내부의 표준 업무 지침을 담은 에이전트로 업그레이드하고 싶어요. 부서마다 흩어져 있는 세부 지침과 예외 케이스를 더 폭넓게 반영하면, 신규 기획자가 겪는 시행착오와 업무 부담을 줄이는 데 근본적인 도움이 될 것 같아요. 장기적으로는 PO 개인의 업무 노하우로 남아 있던 것을 조직의 자산으로 축적하는 도구로 발전시키고 싶습니다. 같은 고민을 하고 있는 동료분들께 팁을 드리자면, AI에게 작은 샘플부터 먼저 요청해 보세요. 저도 체크리스트를 만들 때 ‘일단 예시로 하나만 보여줘’라고 요청한 뒤 레이아웃과 톤을 확인하면서 실제 구현에 들어갔습니다. 이렇게 하면 방향이 틀렸을 때 되돌리는 비용이 훨씬 적어요.
공부하고 시작한 게 아니라, 만들면서 배웠어요
✍️ 심사평 한 줄
“대화하듯 물어보며 디자인 자료를 검색할 수 있게 해, 기획자가 원하는 자료를 쉽고 빠르게 찾도록 도와줘요”
Q. 안녕하세요, 지윤님. Kbank Brand Hub는 어떤 AI 툴인가요?
케이뱅크는 로고, 브랜드 그래픽부터 마케팅 디자인 가이드, AI 관련 디자인 소스, 사내 템플릿까지 다양한 브랜드 리소스가 있습니다. 그런데 이 자산들이 Figma, SharePoint, Teams, 로컬 파일 등에 나뉘어 관리되고 있었어요. 필요한 자료를 찾기 어려워 BX팀에 물어보는 직원들이 많았고, 비슷한 문의가 반복되면서 BX팀 차원에서도 보다 효율적인 업무 대응이 필요했어요. 그래서 케이뱅크 직원들이 번거로운 과정 없이 필요한 브랜드 자산을 직접 찾고 다운로드할 수 있는 AI 기반의 브랜드 리소스 허브를 만들었습니다. 현재 케이뱅크 브랜드, 케이뱅크 AI, 마케팅 디자인, 사내 양식 총 4개의 카테고리로 나눠서 42개의 브랜드 리소스를 연결해 두었습니다.
Q. 직원들이 정말 편하게 이용할 수 있을 것 같은데요. 개발 과정은 어땠나요?
구체적인 방법을 알고 시작한 건 아니었어요. ‘필요한 브랜드 리소스를 자연어로 찾아주는 에이전트를 만들고 싶다’라는 아이디어에서 시작했습니다. Claude Code와 ChatGPT를 활용해서 나흘 동안 필요한 기능을 하나씩 구현했어요. MS SharePoint와 Figma 등에서 기존 관리되는 체계를 그대로 유지하고 싶었기에, 파일을 이중으로 관리하는 대신 해당 리소스의 링크를 에이전트와 연결하는 방식을 고민했습니다.
그런데 만들고 보니 다운로드에서 예상치 못한 문제가 발생했어요. 에이전트가 아무리 파일을 잘 찾아줘도 다운로드 링크를 누르면 중간 페이지를 한 번 더 거치더라고요. 결국 사용자가 그 페이지에서 다시 파일을 찾아서 내려받아야 하는 식이었죠. 검색이 아무리 편해도 마지막에 제공되는 경험이 불편하면 아무 의미가 없다고 생각했어요. 그래서 SharePoint의 URL 구조를 하나씩 확인하면서, 중간 페이지를 거치지 않고 에이전트에서 바로 파일을 내려받을 수 있도록 다운로드 URL을 연결했습니다.
Q. BX팀답게 사용자 경험을 고려했다는 답변이 인상적이에요. 또 어떤 점을 유념하셨나요?
어떻게 하면 사람들이 평소에 쓰는 자연어로 원하는 리소스를 정확하게 찾을 수 있을까를 가장 많이 고민했어요. 같은 자료를 찾더라도 누군가는 정확한 파일명으로 검색하겠지만, 또 다른 누군가는 “마케팅 페이지 만들 때 필요한 거 찾아줘”처럼 상황을 설명할 수도 있잖아요. 그래서 단순히 파일명과 검색어를 매칭하는 방식이 아니라, 질문 의도를 파악해서 상황에 맞는 리소스를 찾아줄 수 있도록 구조를 만드는 데 공을 들였습니다.
Q. AI의 도움을 받으면서도, 의존하지 않으려고 신경 쓰는 부분이 있다면 무엇인가요?
‘무엇이 더 나은가’를 판단하는 것은 사람이 해야 한다고 생각해요. AI가 필요한 리소스를 찾아주고, 그걸 활용해서 디자인하는 과정은 빠르게 도와줄 수 있지만, 그 결과물이 우리 브랜드와 잘 맞는지, 더 나은 방향은 없는지를 판단하는 일은 다른 영역이라고 봐요. 특히 디자인은 정답이 있는 분야가 아니잖아요. 같은 리소스를 활용하더라도 어떻게 조합하고 표현하느냐에 따라 결과물이 달라지고요. 무엇이 더 좋은 결과물인지를 구분하고 완성도를 높이는 것은 결국 디자이너, 사람의 미감과 판단력에 달려있다고 생각합니다. AI가 발전할수록 직접 만드는 능력만큼 좋고 나쁨을 구분하고, 더 나은 방향을 결정하는 능력이 중요해질 것 같아요.
Q. Kbank Brand Hub를 통해 실제 업무가 어떻게 달라질 것으로 예상하시나요?
정식 배포 전이라 실제 변화를 체감하진 못했지만, 브랜드 리소스 문의에 들이던 시간과 에너지를 줄여서 좀 더 본질적인 업무에 집중할 수 있을 거라고 기대해요. 직원분들도 자료를 찾아다니거나 담당자에게 문의할 필요 없이 필요한 자료를 바로 찾을 수 있고요. 오래되거나 잘못된 버전을 사용하는 경우도 줄어서 브랜드 일관성을 유지하는 데에도 도움이 되리라고 생각합니다.
Q. 앞으로 개발해 보고 싶은 에이전트가 있다면 알려주세요.
브랜드 리소스 허브를 실제 사용자들의 질문과 사용 패턴에 맞춰 개선해 나가고 싶어요. 동시에 BX팀에서 발생하는 반복 업무도 AI와 하나씩 연결해 보려고 합니다. 이번 대회 참여를 계기로 저도 업무를 바라보는 시선이 조금 달라졌어요. 반복 업무를 당연시했던 이전과 달리, 지금은 ‘이 과정은 AI로 자동화할 수 있지 않을까?’하는 고민을 먼저 하게 됐죠. 처음에는 무언가 만들려면 개발 관련 지식을 충분히 쌓아야 한다고 생각했어요. 그런데 직접 해 보니 만들면서 필요한 것을 배우면 된다는 걸 느꼈습니다. 저처럼 아주 작은 아이디어 하나를 가지고 무엇이든 직접 해 보시라고 말하고 싶어요. 하고 싶은 일을 AI에게 설명하면서, “이거 만들려면 뭐부터 해야 해?”라고 물어보는 것에서 시작하면 됩니다.
동일한 작업을 기존 대비 약 5분의 1시간으로
✍️ 심사평 한 줄
“자연어를 SQL로 바꿔주는 MCP구현으로 메타 정보탐색 수고를 줄였고, 타 에이전트와 연결성 및 확장성까지 고려한 점이 인상깊어요”
Q. 안녕하세요, 정은님. 메타시스템 Helper는 어떤 MCP 서버인가요?
약 14,000개의 테이블 중 필요한 테이블을 찾아 자연어로 SQL(Structured Query Language, 구조적 쿼리 언어)을 생성하는 MCP(Model Context Protocol, 개방형 통신 규약)서버예요. 개발자로서 제가 AI를 가장 많이 활용하는 분야는 코딩인데요. 특히, 새로운 개발 건이 들어오면 쿼리를 작성하는 데 실제 코딩할 때와 거의 같은 시간을 쏟아요. 쿼리 작성을 할 때마다 테이블 구조와 인덱스, 코드값 등을 다시 파악해야 했고, 인덱스를 고려하지 못한 경우에는 성능 이슈가 발생하기도 했어요. 이런 비효율을 겪으면서 사내 메타 시스템에서 이 정보를 가져와 AI와 연결하면 업무 환경에 큰 변화가 있겠다고 생각했습니다.
Q. 진입장벽이 높은 내부망에서 사용되는 만큼, 개발 과정이 쉽지 않았을 것 같아요.
완성까지 한 달 정도 소요됐습니다. 먼저, 메타시스템에서 테이블, 컬럼, 인덱스 정보를 추출해서 MCP가 읽기 쉬운 CSV(Comma-Separated Values) 형식으로 변환했어요. 그 다음, 쿼리 작성에 필요한 함수를 구현하는 작업을 진행했고, 1차 개발 완료 후 실제로 사용할 개발자분들에게 PoC(Proof of Concept, 개념 증명)를 부탁드렸습니다. 피드백을 반영해서 사내 SQL 포맷 규칙 적용, 컬럼 순서 조정, 인덱스 정보를 추가했어요. 가장 어려웠던 점은 LLM이 원하는 방향으로 작동하도록 유도하는 것이었습니다. 단순 정보 제공만으로는 부족했기에, 도구 설명과 프롬프트, 응답에 포함되는 지시 사항을 조합하면서 반복적으로 테스트해 의도한 결과를 이끌어 낼 수 있었어요.
Q. 메타시스템 Helper의 도입 이후, 업무에는 어떤 변화가 일어났나요?
가장 큰 변화는 필요한 정보를 찾기 위해 테이블 구조를 다시 확인할 필요가 없어졌다는 점이에요. 예전에는 이미 끝난 업무라도 쿼리를 새로 작성하려면 테이블 파악부터 다시 시작했는데, 이제 MCP를 활용하면 같은 작업을 기존 대비 약 5분의 1 시간으로 처리할 수 있습니다. 반복 작업에 쓰는 시간이 줄어든 만큼, 업무 흐름이 끊기지 않고 본업에 좀 더 집중하게 됐어요.
Q. AI를 활용하면서도, AI에 의존하지 않았던 점이 있다면 무엇인가요?
AI가 생성한 쿼리를 확인하는 건 사람의 영역이라고 생각해요. AI는 결국 보조 수단이기에 제대로 작성된 쿼리인지, 필요한 정보가 다 들어가 있는지, 응답한 데이터가 의도한 바에 맞는지 등은 사람이 최종적으로 판단해야 할 몫이라고 생각합니다.
Q. 앞으로 또 어떤 에이전트를 만들고 싶나요? 메타시스템 Helper의 활용 계획도 말씀해 주세요.
지금은 메타시스템 데이터를 CSV로 수동 전환하지만, 이 과정을 자동화해서 최신 정보를 유지하도록 개선할 예정이에요. 사내망에서 AI를 업무에 적용한 경험은 이번이 처음이었는데요. 생각보다 결과가 좋게 나와서 앞으로 더 다양한 영역을 MCP나 에이전트를 통해 자동화할 수 있겠다는 자신감이 생겼습니다.
관리는 에이전트가, 마지막 발송은 사람이
✍️ 심사평 한 줄
“Copilot과 Power Automate를 활용해 증명서 발급 업무를 자동화하여, 반복 업무를 효율적으로 줄이고 완성도 높게 구현했어요”
Q. 안녕하세요, 양수님. 증명서 발급 요청 관리 Agent는 왜 만들게 됐나요?
저희 팀은 업무 특성상 고객의 1:1 요구 사항을 수시로 접수받아 처리하는 경우가 많습니다. 증명서 발급도 그중 하나인데요. 일반 고객은 앱을 통해 증명서를 직접 발급받지만, 앱을 사용할 수 없는 상속인이나 성년후견인의 경우, 고객센터나 이메일 접수를 통해 증명서 발급을 요청합니다. 서류를 검토하고 증명서를 발급하는 모든 과정이 수기로 이뤄지다 보니, 업무 처리가 지연되거나 누락될 위험이 있었어요. 고객별 요청 이력을 확인하는 데도 시간이 걸렸고요. 이런 업무를 조금이라도 편리하게 관리하고자 에이전트를 만들었습니다.
Q. 개발 과정은 어땠나요? 예상치 못한 어려움은 없었나요?
고객의 요청은 보통 그룹 이메일로 접수되는데요. 증명서 발급에 필요한 자료를 묻는 단순 문의와 실제 발급을 위해 신청서와 증빙 서류까지 제출한 경우로 나뉩니다. 후자의 경우 증명서 발급을 위한 업무가 진행돼요. 먼저 접수된 이메일 내용을 확인하고, 증빙 서류가 포함된 메일에 한해 Power Automate의 흐름 트리거를 활용하여, 팀 SharePoint에 요청 목록을 자동 생성하도록 만들었습니다. 이 목록을 현황 파악용 기본 레퍼런스로 두고, Copilot 에이전트에서 이를 참고 자료로 등록해 요청 현황과 처리 상태를 볼 수 있도록 제작했습니다. 구상부터 실제 구현까지 2~3일 정도 걸렸는데요. 실제로 적용하고 보니 한 고객으로부터 서류 보완 등의 이유로 여러 차례 이메일이 수신되는 문제가 있었어요. 이때 가장 난감했죠. 최종적으로는 고객의 고유 이메일과 이름의 일부를 조합해서 일종의 키(key)값으로 처리하면서, 최초 요청 메일인지 서류 보완인지 구분할 수 있도록 개선했습니다.
Q. Agent 도입 이후 업무에 어떤 변화가 있었나요?
고객 요청을 자동 목록화하면서 히스토리를 파악하거나 누락 여부를 점검하는 시간이 크게 줄었어요. 요청이 몰리는 시기에는 한 건이라도 놓치면 자칫 강성 민원으로 번질 위험이 있는데요. 업무 마감 전에 누락 건이 없는지 간단히 확인할 수 있어서 큰 도움이 됩니다. 특정 고객이 본인의 요청 사항에 대해 문의할 때도 현황을 빠르게 파악해서 답변할 수 있고요.
Q. 여러모로 도움을 받고 있지만, AI에 결코 의존하지 않는 점이 있다면 무엇인가요?
관리는 에이전트를 통해 이뤄지지만, 실제 증명서를 발급하고 고객에게 보내는 일은 여전히 사람이 합니다. 발송까지 자동화하면 더 편리하겠지만, 은행은 위험을 최소화해야 하는 곳인 만큼 고객에게 보내는 내용이 적절한지에 대한 최종 판단은 끝까지 사람이 하는 게 맞다고 생각해요.
Q. 앞으로 또 어떤 에이전트를 만들어 보고 싶나요?
내부 시스템과 보안상의 제약이 없다면, 고객이 보낸 서류를 다운받아서 내용을 추출하고, 증명서까지 자동으로 발급되는 형태를 만들어 보고 싶어요. 팀 내 유사한 업무 프로세스에도 조금씩 변형하여 적용해 보면 재미있을 것 같습니다. AI를 검색 엔진으로만 쓰는 분들이 많을 텐데요. 여러 자동화 툴과 연계하면 해볼 수 있는 게 많으니, 다양하게 활용해 보시는 것을 추천합니다.
수상자들의 이야기를 들으며 인상적이었던 점은, 이들에게 AI가 어렵고 거창한 기술이 아니었다는 것입니다. 대부분의 수상자가 개발자나 AI 전문가가 아니라는 점도 눈여겨볼 만합니다. 처음부터 모든 기술을 알고 시작한 것이 아니라, 만들면서 배우고 실패하고 고쳐가며 자신만의 Agent를 완성했죠.
결국 중요한 것은 ‘AI를 얼마나 잘 다루느냐’보다 ‘내 업무를 얼마나 자세히 들여다보고 있느냐’에 있는지도 모르겠습니다. 반복되는 업무의 불편을 그냥 지나치지 않고, ‘이것도 AI로 효율화할 수 있지 않을까?’라고 질문하는 것. 그 질문을 실제 업무 변화로 이어가는 것. 이러한 작은 시도가 모여 케이뱅크의 AI 조직 문화를 만들어가고 있습니다.
개인전이 각자의 업무 효율을 높이기 위해 AI Agent를 직접 만들어보는 경험이었다면, 팀전에서는 동료들과 함께 팀 업무에 활용할 AI Agent를 만들어볼 예정입니다. 총상금 800만 원 규모의 <K/THON 26 – AI CUP> 팀전은 8월 12일부터 9월 18일까지 진행 중입니다. 팀전 결과는 오는 10월 <K/THON 26 – AI STAGE>에서 공개되는데요. 이번에는 또 어떤 새로운 일하는 방식이 탄생할까요? 케이뱅크 팀원들이 각자의 업무 경험과 아이디어를 모아 만들어낼 또 다른 변화를 기대해 주세요.
케이뱅크 앱을 쓰다 보면 곳곳에서 3D 그래픽을 만나게 됩니다. 블루 컬러를 중심으로, 재질은 매끈한 세라믹이거나 반투명한 아크릴이고, 빛은 늘 왼쪽 위에서 떨어집니다. 이 일관된 인상이 케이뱅크 그래픽의 얼굴인데요. 문제는 이 그래픽을 유지하는 비용과 시간이었습니다.
새 서비스와 이벤트가 생길 때마다 새 그래픽이 필요한데, 3D 툴을 다룰 수 있는 소수의 디자이너에게 요청이 몰렸습니다. 누구나, 케이뱅크다운 그래픽을, 몇 분 안에 만들 수 있다면? 사내 그래픽 생성 도구 kpic은 이 질문에서 시작했습니다.
케이뱅크에서 사용하는 3D 아이콘 스타일
학습 없이 만들기로 했습니다
이미지 생성 도구를 만든다고 하면 보통 두 가지 방법을 떠올립니다. 이미 만들어진 상용 모델의 API를 활용하거나, 우리 그림을 잔뜩 모아 모델을 직접 학습(파인튜닝)시키는 것이죠. 저희는 처음부터 학습 없는 쪽에 섰습니다.
디자이너 1명, 개발자 1명이 만들고 운영하는 도구다 보니 데이터셋과 모델 관리까지 감당하기 어려웠고, 몇 달 단위로 훌쩍 좋아지는 모델의 발전을 그때그때 가져다 쓰고 싶은 마음도 컸거든요.
그래서 상용 모델의 API를 그대로 쓰되, 케이뱅크다움을 전부 문장으로 정의해 매 요청에 함께 보내는 방식을 택했습니다. OpenAI의 이미지 모델과 구글 제미나이를 호출하는 서버 위에 브랜드 규격을 담은 시스템 프롬프트를 얹은 구조인데요. 두 모델은 잘하는 일이 서로 달라서, 새로 만드는 요청인지 기존 이미지를 고치는 요청인지에 따라 다른 API가 붙습니다. 사용자는 만들고 싶은 것만 쓰면 되고, 재질·조명·색 기준은 시스템이 몰래 덧붙입니다. 모델이 좋아지면 kpic도 같이 좋아지고, 스타일을 고치고 싶으면 문장을 고치면 되죠.
그런데 이 결정은 곧바로 어려운 숙제 하나를 남겼습니다. 그 문장을 대체 어떻게 쓰느냐는 것이었죠.
감각을 문장으로 번역하는 일
디자이너는 케이뱅크 아이콘을 보면 우리 것인지 아닌지 한눈에 압니다. 그런데 그 판단의 근거를 말로 해보라고 하면 “음… 이 파랑이고, 좀 도톰하고, 광이 이 정도?”에서 막힙니다. kpic을 만드는 일의 절반은 이 암묵적인 감각을 모델이 알아듣는 명시적인 문장으로 번역하는 일이었습니다.
그래서 먼저 기존 공식 아이콘 세트의 3D 렌더링 세팅 구조를 뜯어보고, 스타일을 가장 잘 대표하는 이미지 10장을 골라 공통 시각 규칙을 하나씩 문장으로 뽑아냈습니다. 파랑이라고만 적어두면 안 되니 코발트 블루(#2F4CE8)까지 값을 정확히 적었고, 재질은 매트한 세라믹과 반투명 아크릴 두 갈래, 조명은 예외 없이 왼쪽 위, 카메라는 살짝 내려다보는 4분의 3 각도로 고정했습니다. 실제 프롬프트 안에서는 이런 모습입니다.
실제 시스템 프롬프트 일부 (카메라·컬러 규칙 발췌)
"camera_and_view": "Three-quarter EDITORIAL PRODUCT-SHOT view — gentle downward tilt. NOT orthographic, NOT flat isometric. Read like a hero product photograph, not a technical elevation."
"_blue_match_rule": "CRITICAL: cobalt = #2F4CE8 EXACTLY. HEX is authority. NO navy, royal blue, generic mid-blue. (…)"
예쁘게나 우리 스타일로 같은 말은 모델에게 아무 정보가 되지 못합니다. 반대로 각도의 범위, 원근감의 방향, 납작한 도면은 안 된다는 금지선까지 분명히 그은 문장은 신기할 만큼 잘 통했습니다. 디자이너의 감각은 문장으로 정의할 수 있느냐는 질문에 대한 저희의 잠정 답은 이렇습니다. “정의할 수 있다. 다만 형용사가 아니라 조건문으로.”
같은 프롬프트, 뒷단 규칙에 따른 결과 비교
AI는 생각보다 더 말을 듣지 않았습니다
물론 규칙이 한 번에 완성되진 않았습니다. 그래픽 시스템에 없는 처음 보는 블루 컬러와 재질, 어색한 비율, 너무 사실적인 실버, 시키지도 않은 텍스트와 효과들. 어긋난 결과를 볼 때마다 금지 규칙이 한 줄씩 늘었고, 이 프롬프트는 지금도 자라는 문서입니다. 몇 가지만 옮겨봅니다.
라벨이 있는 물건마다 뜻 모를 글자가 채워졌습니다. 시키지도 않은 글자가 자꾸 생기는 겁니다. 그래서 “라벨은 글자 없이 비어 있음”을 기본 규칙으로 넣고, %처럼 꼭 필요한 기호만 반드시 포함하도록 따로 명시했습니다.
어딘지 모르게 감각이 부족합니다. 틀린 곳은 없는데 디자이너가 직접 모델링한 아이콘 옆에 두면 밋밋했습니다. 통통한 덩어리감, 균일한 라운드, 비례를 살짝 눌러 귀엽게 만드는 과장 같은 것들을 수치와 조건으로 옮겨 격차를 줄였지만, 마지막 한 끗은 아직 사람 손이 앞섭니다.
부속을 서너 개 붙이면 어딘가는 꼭 녹아내렸습니다. 사용 안내의 첫 요령이 부품은 3개 이하가 된 이유입니다.
그리고 가장 끈질긴 문제, 모든 것이 파래집니다. 사용자가 “코랄색 몸통”이라고 써도 모델이 자꾸 코발트 블루로 되돌아갔습니다.
마지막 문제는 문장을 덧붙이는 정도로는 해결되지 않았습니다. 기본은 파랑이라는 규칙과 사용자가 고른 색을 따르라는 규칙이 프롬프트 안에서 서로 싸우고 있었고, 모델은 먼저 자리 잡은 브랜드 규칙을 따랐던 거죠.
동적 프롬프트 구조로 다시 설계했습니다
그래서 구조를 바꿨습니다. 사용자가 화면에서 컬러 칩과 각도 칩을 고르면, 그 선택으로 시스템 프롬프트 안의 해당 규칙 블록을 통째로 교체합니다. 컬러를 고른 순간 코발트 블루를 기본으로 두는 규칙은 그 요청에서 아예 사라지고, “이번 이미지의 색 권한은 사용자가 고른 색에만 있다”는 블록이 그 자리에 들어갑니다. 자체 점검 문구까지 같은 케이스로 맞춰 프롬프트 안에 모순이 남지 않게 했습니다.
각도도 같은 방식으로, 정면·하이앵글을 고르면 카메라 규칙 블록이 통째로 바뀝니다. 규칙끼리 싸우지 않게 정리하고 나서야 모델이 고집을 꺾었습니다.
컬러 칩·각도 칩 선택 화면과, 같은 대상의 컬러·각도 변주 결과
생성에서 끝나지 않도록
실제로 써보니 “80점짜리가 나왔는데 여기 하나만 고치고 싶다”는 순간이 가장 많았습니다. 그래서 브러시로 칠한 영역만 다시 그리는 부분수정, 원본을 담아 “버튼 하나만 추가해줘”라고 말하는 이미지 수정, 배경 제거를 붙였습니다.
다만 보안을 철저히 관리하는 은행이다 보니 외부 모델에 이미지를 자유롭게 첨부할 수는 없어서, 승인받은 이미지만 라이브러리로 만들어 그 안에서 골라 수정·합성·참고하도록 했습니다.
마지막 관문은 사람입니다. 만든 그래픽을 실제 화면에 쓸 때는 피그마에 배치하고 태그만 남기면 담당 디자이너가 하루 안에 검수합니다. 이게 케이뱅크다운지의 최종 판단은 여전히 디자이너의 몫이고, 저희 목표는 그 판단 이전의 공수를 더는 데 있었으니까요.
브러시로 영역을 칠해 고치는 부분수정 화면
도구를 만들며 배운 것
kpic은 지금 사내 디자인 툴로 자리를 잡았고, 주로 서브 그래픽을 만드는 데 쓰이고 있습니다. 브랜드 규격에 맞는 그래픽이 요청 한 줄이면 나옵니다. 만들면서 배운 것들을 남겨봅니다.
브랜드 스타일을 붙잡는 데 꼭 학습이 필요한 건 아니었습니다. API와 잘 벼린 문장만으로도 꽤 단단하게 잡혔고, 이 방식은 모델이 발전할 때마다 결과물도 따라 좋아집니다.
감각은 형용사로는 전달되지 않았습니다. “예쁘게”는 버려지고 각도와 비율 같은 조건문만 살아남았는데, 특히 해야 할 것을 적기보다 되면 안 되는 것을 분명히 적는 쪽이 자주 이겼습니다.
모델은 설득되지 않았습니다. 규칙 둘이 싸우면 먼저 적어둔 기본값이 이기기 때문에, 예외를 덧붙이는 대신 충돌하는 규칙을 치우고 그 자리를 통째로 내줘야 했습니다.
디자이너의 감각을 문장으로 정의할 수 있을까요. 완전히는 아닐 겁니다. 다만 그 과정에서 저희는 AI를 우리 기준대로 움직이게 하는 규칙의 언어를 갖게 됐습니다. 모델은 계속 좋아질 테고, 그 규칙 위에서 kpic도 함께 발전해 갈 겁니다.
케이뱅크에서 입출금리워드나 돈나무 키우기 보상 등 현금 혜택을 받아 본 적이 있나요? 케이뱅크의 다양한 서비스들이 사용자들께 많은 혜택을 드리려고 노력하고 있는데요, 의욕이 과하다 보니 입출금통장에 자잘하게 돈 받은 내역이 지저분하게 쌓인다는 페인 포인트가 발견되었어요. 돈을 받으니 즐거운 부작용이긴 하지만… 정작 중요한 내 거래 내역을 찾기 힘들다면 곤란하겠죠?
그래서 작년 10월, [혜택 내역 숨기기] 기능이 추가되었답니다. 내 입출금통장의 ‘관리’ 메뉴에서 접근할 수 있는데요, 이 기능을 활용하면 내가 원하는 혜택만 통장 내역에서 표시하고, 보고 싶지 않은 혜택은 숨길 수 있어요. 이미 알고 있던 분은 케이뱅크 우수 사용자 인정! 그런데 이 [혜택 내역 숨기기]가 지난달에 [혜택 내역 보기/숨기기]로 메뉴명이 슬쩍 변경된 것도 알고 계셨나요?
헷갈리는 토글의 딜레마
기능 사용법을 살펴보면, 숨김과 숨김해제는 토글로 간편하게 설정할 수 있어요. 토글을 OFF로 두면 내 통장 내역에서 원하지 않는 내역이 바로 가려지니 이제 아무런 불편 없이 통장을 깔끔하게 쓸 수 있겠지? 라고 생각하며 서비스를 출시했죠.
그런데, 출시 후 얼마 되지 않고부터 “이 기능…. 너무 헷갈려요.” 라는 의견이 들리기 시작했어요. 계속 서비스를 들여다보다가 오히려 당연하게 생각해서 간과한 부분이 있었던 거예요. 서비스명이 [혜택 내역 숨기기]인데, 토글은 OFF로 해야 숨겨지는 게 어렵다는 내용이었어요. 숨기기를 활성화하는 개념이라면 ON으로 해야 숨겨지는 게 아닌가? 라고 생각하는 의견도 너무나도 타당했던지라, 바로 개선에 돌입했어요.
단어 하나로 풀어낸 해답
처음에는 아예 ‘보기’, ‘숨기기’라는 글자가 각각 보이도록 UI를 뜯어고치는 방안을 생각했어요. 여러 가지를 시도해 보았지만, 어떤 안도 토글 방식만큼 간편하지 않아서 고민이 되었어요. 게다가 UI를 바꾸면 모두 숨김/모두 보기 기능을 활용하기도 어려웠기 때문에 기능을 희생하고 개발자에게 수정을 요청하는 것보다는 화면 내 Writing만으로 혼동을 없앨 수 있는 방법을 찾아보기로 했어요.
사실 해답은 간단했어요. 우선 서비스명을 ‘혜택 내역 보기/숨기기’로 변경해서 더 중립적인 느낌을 주었어요. 해당 메뉴에서 숨기는 기능뿐만 아니라 혜택을 다시 노출시키거나 숨긴 내용들을 모아 볼 수도 있어서 숨기는 쪽에만 집중할 필요는 없다고 생각했어요. 또, 토글로 조절되는 각각의 항목 옆에 ‘입출금리워드 보기’처럼 ‘보기’라는 단어를 각각 추가했어요. 이렇게 하면 ON일 경우에 보는 것, OFF일 경우에 보지 않는 것이라는 인지가 명확히 되죠. ‘입출금리워드 숨기기’처럼 ‘숨기기’로 쓰는 방향도 고민했으나 이 경우 반대로 ON이 숨기는 기능이 되는데 [OFF = 끄다 = 숨기다]로 인지가 연결되는 게 더 자연스러워서 지금 버전이 되었어요.
이렇게 단순해 보이는 하나의 단어 변경이지만, 실은 많은 시안을 거쳐 최소한의 변경으로 최대 효과를 어떻게 낼 수 있을지 고민한 산물이랍니다. 앱테크 전문가라면 이 기능, 꼭 활용해 보세요! ✨
LLM 기반 서비스를 설계하다 보면 자연스럽게 모델 선택에 많은 관심이 쏠립니다. 어떤 모델이 더 정확한지, Multi-LLM 구성이 필요한지, 라우팅 전략을 어떻게 가져갈지와 같은 고민들이죠.
하지만 AI 스미싱 탐지 기능을 개발하며 우리가 먼저 마주한 질문은 조금 달랐습니다.
“우리는 모델에게 충분히 명확한 문제를 정의하고 있는가?”
이번 글에서는 프롬프트 설계 철학을 중심으로, AI 스미싱 탐지 기능을 개선한 과정을 공유하고자 합니다.
프롬프트는 요청이 아니라 정책이다
LLM은 주어진 맥락 안에서 확률적으로 가장 그럴듯한 답을 생성합니다. 즉, 질문이 모호하면 답도 모호해질 수밖에 없습니다. 초기에는 스미싱 위험 요소를 상세히 나열하고, JSON 출력 형식까지 강제한 시스템 프롬프트를 사용했습니다.
표면적으로는 충분히 구조화되어 보였습니다. 그러나 내부 오픈 이후 운영 로그를 분석해보니 다음과 같은 현상이 반복되었습니다.
초기 프롬프트의 문제점
단축 URL이 포함된 정상 광고 메시지를 smishing으로 오판
행사 안내나 공지 메시지에 대한 과도한 경계 반응
판단 기준은 있지만 우선순위가 불명확
그때 깨달았습니다. 문제는 모델의 성능이 아니라, 판정 체계가 명확히 정의되지 않았다는 점이었습니다.
나열이 아니라 구조가 필요했다
초기 프롬프트는 다양한 위험 요소(URL, 긴급성 표현, 개인정보 요구, 사칭 가능성, 행동 유도 문구)를 포함하고 있었지만 모든 요소가 동일한 무게로 전달되고 있었습니다. 모델 입장에서는 단축 URL도, 민감정보 요구도 같은 “위험 요소”였던 것이죠.
우리는 기준을 다시 설계했습니다. 핵심은 Strong 신호와 Weak 신호를 명확히 구분하는 것이었습니다.
Strong 신호 — 단독으로도 피해로 이어질 가능성이 높은 핵심 신호
비밀번호·계좌번호·카드번호·주민번호 등 민감정보 입력·회신·전달 요구
앱 설치, APK·실행파일 다운로드, 원격제어 앱 설치 유도
결제 취소·환불·미납·계정 정지 등 금융 피해 상황 제시 후 즉시 조치 요구
비현실적인 고수익 제시 후 외부 채널(VIP방, 카카오톡 ID 등)로 유도
Weak 신호 — 단독으로는 smishing 판단 금지
단축 URL 포함 (bit.ly, tinyurl 등)
광고·쿠폰·혜택·이벤트·기한 강조
Web발신, 수신거부 번호 제공
그리고 명확한 판정 규칙을 정의했습니다. Strong 신호가 1개 이상이면 smishing, 0개이면 반드시 normal, 애매한 경우에는 normal. 프롬프트를 설명 문장이 아니라 판정 정책으로 재정의한 순간이었습니다.
Few-shot은 “설명”이 아니라 “맥락 제공”이다
개선 버전에서는 정상 메시지 예시를 충분히 포함했습니다. 광고, 쿠폰, 행사 안내, 승인 알림 등 실제 서비스 환경에서 자주 등장하는 정상 패턴을 명시적으로 제시한 것이죠.
💡 Few-shot 예시는 모델에게 판단 기준을 “설명”하는 것이 아니라, 어떤 메시지가 정상인지를 직접 보여주는 맥락 제공입니다. 이 변화 이후 단축 URL 기반 오탐 사례가 눈에 띄게 감소했습니다.
감이 아니라 실험으로 확인하다
프롬프트 개선이 체감상 좋아 보였지만, 정량 검증이 필요했습니다. LangSmith Experiment를 활용해 동일 데이터셋(99건)에 대해 동일 모델(Upstage Solar Pro 2)로 프롬프트 버전만 바꾸어 비교 실험을 진행했습니다.
Version
Accuracy
P50 Latency
프롬프트 개선 전
0.63
0.92s
프롬프트 개선 후
0.95
0.57s
Strong/Weak 구조 도입 이후 정확도는 0.95를 기록했습니다. 맥락이 명확해지니 Latency도 0.92s에서 0.57s로 감소했습니다. 모델은 동일했습니다. 변경된 것은 프롬프트 구조뿐이었습니다.
모델 이전에 정의가 먼저다
최근에는 Multi-LLM 구성이나 모델 라우팅 전략이 자주 언급됩니다. 물론 복잡한 문제에서는 필요한 접근입니다. 그러나 텍스트 분류와 같이 판정 기준이 명확한 문제에서는 프롬프트 설계가 성능에 미치는 영향이 훨씬 큽니다. 모델을 늘리는 것은 아키텍처의 확장이지만, 응답 품질은 문제 정의의 명확성에서 시작됩니다.
프롬프트 설계 5가지 원칙
1) 프롬프트는 요청이 아니라 정책이다.
2) 위험 요소는 나열이 아니라 구조화되어야 한다.
3) Strong 신호와 Weak 신호를 구분해야 한다.
4) 애매한 경우의 기본값(default)을 명확히 정의해야 한다.
5) 프롬프트는 실험과 검증의 대상이다.
LLM 응답이 기대와 다르다면, 모델을 교체하기 전에 먼저 질문을 점검해볼 필요가 있습니다. 복잡한 구조를 설계하기 전에, 우리가 정의한 한 줄의 문장을 먼저 돌아보는 것. 이번 AI 스미싱 프로젝트는 그 단순한 철학을 다시 확인하는 과정이었습니다.
일상적인 금융 생활을 하던 중, 갑자기 내 계좌에서 출금이 안 된다면 누구나 당혹스럽고 무서운 마음이 들기 마련이에요. ‘압류’나 ‘추심’이라는 단어는 듣기만 해도 위압감이 느껴지죠.
흔히 영화나 드라마에서 보는 것처럼 험악한 사람들이 집에 찾아와 빨간 딱지를 붙이는 장면을 상상하시나요? 결론부터 말씀드리면, 케이뱅크를 포함한 대부분의 은행권 압류 절차는 그렇게 진행되지 않아요. 오늘은 막연한 두려움을 해소하고, 압류의 정확한 개념과 그 과정에서 은행이 어떤 역할을 하는지 차근차근 짚어보는 시간을 갖도록 할게요.
1. 압류와 추심, 무엇이 다른가요?
본격적인 내용에 앞서, 헷갈리기 쉬운 용어들부터 간단히 정리해 볼게요.
용어 정리
채권자 — 돈을 받을 권리가 있는 사람 (예: 은행, 카드사, 국가 등)
채무자 — 돈을 갚아야 할 의무가 있는 사람 (예: 나 자신)
제3채무자 — 채무자의 돈을 보관하고 있는 사람 (예: 케이뱅크)
‘압류’가 되었다는 소식을 들으면 내 돈이 바로 사라진다고 생각하시기 쉽지만, 사실 압류와 추심은 엄연히 다른 단계예요.
단계 구분
압류 (돈을 묶어두는 단계) — 채권자의 신청에 따라 법원이 은행에 “이 계좌의 돈을 채무자에게 주지 마라”고 명령하는 거예요. 이때 내 돈은 계좌에 그대로 있지만, 찾거나 이체할 수 없는 ‘잠금’ 상태가 되는 거예요.
추심 (돈을 가져가는 단계) — 압류된 돈을 채권자가 실제로 은행에 요청하여 받아가는 절차예요. 즉, ‘잠긴 문을 열고 돈을 꺼내가는 실질적인 집행’ 단계라고 보시면 돼요.
💡 여기서 잠깐! 압류가 되었다고 해서 은행이 알아서 채권자에게 돈을 보내주는 것은 아니에요. 채권자가 별도의 ‘추심 요청’을 은행에 접수해야만 비로소 돈이 지급돼요. 따라서 압류 상태에서 채권자와 원만히 합의한다면, 실제 추심(돈 인출)이 일어나기 전에 상황을 해결할 수도 있답니다.
2. 은행은 왜 내 돈을 안 주나요?
계좌가 압류되면 서운함과 분노를 느끼기도 하실 거예요. “내 돈인데 왜 은행이 마음대로 못 쓰게 하느냐”는 것이죠. 하지만 은행은 법에 따라 ‘제3채무자’로서 철저한 기계적 중립을 지켜야 한답니다.
은행의 의무
지급 정지 의무 — 법원의 명령을 받은 순간, 은행은 채무자에게 돈을 내어줄 수 없어요. 이를 어기면 은행이 채권자에게 이중으로 보상해야 하는 법적 책임을 지기 때문이에요.
기계적 중립 — 은행은 누구의 편도 들지 않아요. “채무자가 사정이 딱하니 봐주자”거나 “채권자가 나쁜 사람이니 거부하자”는 식의 판단을 할 권한이 없고, 오로지 법원의 결정문에 적힌 대로만 행동해야 해요.
비밀 유지 — 압류 절차와 무관하게 채권자가 사적으로 잔액을 묻는 등의 행위에는 절대 응하지 않아요. (금융실명법 준수)
3. 내 계좌 상태, 어떻게 확인하나요?
케이뱅크는 고객님의 권익 보호를 위해 압류가 설정되는 즉시 ‘압류요청에 의한 계좌 지급정지’ 알림톡을 발송해 드려요. 더 자세한 내역(관할법원, 사건번호, 채권자 정보 등)이 궁금하시다면 아래 경로를 통해 직접 확인하실 수 있어요.
확인 경로
케이뱅크 앱 → 해당 계좌 선택 → 상단 ‘관리’ → ‘특이사항’ 항목 확인
4. 압류 해제, 어떻게 해야 가장 빠를까요?
압류를 풀기 위한 가장 확실하고 빠른 방법은 채권자에게 해당 금액을 완납하는 거예요. 돈을 갚으면 채권자가 법원에 ‘압류 해제’를 신청하게 되고, 은행에 해제 통지서가 도착하는 대로 계좌는 다시 자유로워진답니다.
해제 소요 시간
법원·세무서 압류 — 해제 통지서가 등기우편으로 오기 때문에 신청 후 은행 도착까지 약 3~4 영업일이 소요돼요.
기관 압류 (국민건강보험공단 등) — 전자 압류 시스템으로 발송되어 보통 1~2 영업일 내외로 빠르게 처리돼요.
채무 조정 (개인회생·파산 등) — 법원의 해제 통지서가 은행에 도착하는 당일 즉시 해제돼요.
맺음말: 압류는 끝이 아니라 ‘해결의 시작’이에요
계좌가 멈추는 경험은 분명 유쾌하지 않은 일이에요. 하지만 기억해야 할 점은, 압류가 곧 재산의 상실을 의미하는 ‘종료’는 아니라는 거예요. 압류는 채권자와 채무자 사이의 엉킨 실타래를 법적인 절차 안에서 풀기 위해 잠시 ‘멈춤’ 버튼을 누른 상태에 가까워요.
막연한 두려움 때문에 상황을 회피하기보다는, 앱을 통해 정확한 사건 정보를 확인하고 채권자와 대화하거나 법적 절차를 밟는 것이 일상을 되찾는 가장 빠른 길이에요.
케이뱅크는 앞으로도 법적 절차를 엄격히 준수하면서도, 고객님이 궁금해하시는 정보를 투명하게 전달하여 불안감을 덜어드리는 든든한 금융 파트너가 되도록 열심히 노력할게요.
첫 번째 글감으로 무얼 작성하면 좋을까 고민하다, 문득 제가 케이뱅크 블로그에 처음 들어갔을 때가 언제였지를 생각해봤습니다. 그건 바로 면접 준비 전이었어요. 회사에 대해 이것저것 알아보려고 할 때 회사 블로그를 꼭 들어가 보게 되더라고요.
그래서 준비했습니다. 케이뱅크 입사를 희망하시는 분들, 혹은 조금은 생소할 수 있는 IT기획 직무에 궁금해하시는 분들을 위한 글이요. 어쩌다가 시리즈 첫 번째 이야기, ‘어쩌다가 IT기획팀에 들어왔을까?’를 시작해보겠습니다.
IT기획팀은 어떤 조직인가요?
안녕하세요, 케이뱅크 Tech실 IT기획팀의 팀원입니다. IT기획 직무를 한 지는 5년차가 되어가고, 케이뱅크에 합류한 지는 벌써 3년차가 되어가고 있습니다.
IT기획팀은 생소하실 것 같지만, 어느 회사에 가든 이름은 달라도 꼭 구성되어 있는 조직이랍니다. 간단하게 소개하자면, 크게 기획·구매/예산·운영관리 파트로 나뉘어져 있어요. 저는 기획 파트에서 일하고 있고요. 한 팀이지만 넓은 범위의 업무를 커버하며, Tech실 전체를 뒤에서 열심히 서포팅하는 조직이라고 생각해주시면 됩니다.
컴퓨터를 전공했는데, IT기획을 선택하신 이유가 있나요?
저는 사실 컴퓨터를 전공한 공대생입니다. 자연스러운 루트라면 케이뱅크 개발자가 되어있는 게 맞는데요? 대학교 4년 동안 매일 같은 생각을 했습니다. “이 길은 내 길이 아니다…”
이상하게 컴퓨터 관련 과목들 중에서 아무리 열심히 공부해도 코딩 과목만 전부 C+이 나오더라고요. 그래서 고민해봤습니다. 코딩을 잘하는 친구들과 저를 비교해봤어요. 과연 내가 그 친구들보다 잘하는 것, 재미있어하는 것이 뭐가 있을까?
그래서 어떤 답을 찾으셨나요?
전공생들은 공감할 수 있는데, 코딩 덕후들은 대부분 내향적입니다. 코드 에러가 나도 조용히 혼자 해결하고 있어요. 근데 저는 딱 반대였습니다. 외향적이고, 코딩을 하다 문제가 생기면 주변에 물어보면서 ‘왜 이렇게 된 걸까?’, ‘이렇게 하면 어떻게 되지?’, ‘그럼 이런 방법은?’을 시끄럽게 얘기하면서 해결하고 다녔어요.
그리고 코딩을 제외한 이론 수업, 발표 수업, 글쓰기 같은 것들이 너무 재미있었고, 교수님과 친구들한테 늘 잘한다는 칭찬을 받았어요. 그래서 생각했습니다. ‘아, 나는 커뮤니케이션 역량에서 다른 친구들보다 강점을 가지고 있구나.’ 하여 IT 관련 전공지식을 살리면서 여러 사람들과 함께 일하며 강점을 발휘할 수 있는 직무를 찾아보니 IT기획 직무가 있더라고요.
실제로 일해보니 어떠세요?
적성에 잘 맞아서 만족스러워요. 열심히 쓴 보고서가 큰 문제 없이 잘 보고될 때 가장 짜릿하고, 사업부서와 개발부서 사이에서 진행 상황이나 이슈들을 말과 글로 정리하는 것도 재밌습니다. 업무 특성상 정말 많은 팀의 사람들과 소통해야 하는 것도 부담스럽기보다는 새로운 걸 계속 알아가는 것 같아서 즐거워요.
IT기획 직무의 매력
제너럴리스트가 될 수 있어 다채로운 관점을 갖게 됩니다. 스페셜리스트가 되긴 어렵지만 그 넓이가 오히려 강점이 됩니다.
번역기 역할 — 개발부서와 사업부서 사이에서 서로가 이해할 수 있는 언어로 중간에서 잘 전달해주는 것이 핵심입니다.
이해심 확장 — 모든 팀 사이에서 중간 레이어 역할을 하다 보면 자연스럽게 ‘아, 그럴 수도 있겠구나’ 마인드가 장착됩니다.
어떤 분들이 IT기획직에 잘 맞을까요?
기본적으로 글 쓰고 말하는 걸 좋아하는 분들이면 재미있게 할 수 있어요. 개발부서와 사업부서 사이에서 일하는 경우가 많기 때문에, 서로의 번역기 역할을 잘 해줘야 하거든요. 보고서 같은 문서를 작성할 일도 많아서 이런 것에 거부감이 없다면 더 좋습니다.
그리고 사람을 좋아하는 분이면 정말 잘 맞을 것 같아요. 협업할 일도 많고, 이해관계 사이에서 조율할 일도 많고, 여러 사람들의 말을 들어줘야 해서 E 성향이라면 더 에너지를 받을 수 있을 거예요.
다시 돌아가도 IT기획팀으로 입사하실 건가요?
네!
기획 업무를 하면서 업무적인 성장도 있겠지만, 인간으로서 배우고 성장하는 게 느껴져요. 크게 두 가지가 있는데요. 첫 번째는 이해심이 넓은 사람으로 성장하고 있습니다. 모든 팀 사이에서 중간 레이어 역할을 하다 보며 여러 의견들을 듣다 보면 ‘각자의 관점에서 보면 다른 입장만 있을 뿐, 틀린 입장은 없다’는 것을 자연스럽게 깨닫게 됩니다.
두 번째는 굿 리스너가 되고 있는 것 같아요. 조율 상황, 갈등 상황에서 문제를 해결하고자 첨예하게 의견을 내세우기보다는 잘 들어주고, 이해해주고, 공감해주었을 때 오히려 더 잘 해결되었던 것 같아요. 아직 여러모로 배워야 할 게 많은 저이지만, 케이뱅크 IT기획팀에서 차차 성장 중에 있습니다.
2025년 7월 11일, 무더운 여름의 초입에 보유하고 있던 삼성전자를 팔았습니다. 그때의 가격, 6만원이었습니다.
당시 증시는 밸류업이라는 단어에 취해 있었고, 삼성전자는 2분기 어닝쇼크를 발표했습니다. ‘삼성전자 빼고 다 오른다’는 말이 떠돌던 시기였죠. 기사 하나로 일어난 불안한 마음과 FOMO에 휩쓸린 저는 조용히 매도 버튼을 눌렀습니다.
2026년 2월이 된 지금, 삼성전자 주가는 어떻게 되었을까요. 처음 초고를 쓸 때 약 18만원 선이었는데, 글을 마무리하는 시점에는 20만원을 과감하게 넘겨버렸습니다. 몇 배인지 계산은 굳이 하지 않겠습니다. 제 계좌가 슬퍼할 테니까요.
두려움은 생각보다 논리적이지 않다
대다수의 사람들이 이와 비슷한 경험을 했으리라 생각합니다. “아 그때 팔지 말걸..”, “지금까지 보유했으면 몇 배는 버는 건데..” 후회의 마디들을 던지다 보면 결국 “다음에는 존버해야지~” 하며 무의미한 다짐을 하고 맙니다.
그때의 저는 이렇게 생각했습니다. “실적이 안 좋다.” “더 빠지기 전에 그냥 팔자.” 당시에는 논리처럼 보였지만, 지금 돌아보면 그건 그저 마음이 편해지고 싶었던 선택이었습니다. 그러다 문득 저 스스로를, 우리의 행동을 이해해보고 싶어졌습니다. 단순히 제가 겁이 많아서인지, 아니면 우리 인간이라는 종이 이렇게 설계된 건지.
1. 손실회피라는 본능
행동경제학에서는 ‘손실회피’라는 개념이 나옵니다. Daniel Kahneman과 Amos Tversky의 전망이론에 따르면, 인간은 같은 크기의 이익보다 손실을 약 두 배 정도 크게 느낀다고 합니다.
10만원을 잃는 상황에서는 최소 15만원을 벌 가능성이 있어야 비슷한 심리적 균형이 맞는다고 하죠. 흥미로운 건, 이게 단순히 기분의 문제는 아니라는 점입니다. 신경경제학 연구들에서는 손실과 같은 부정적 결과에 대해 공포를 관장하는 뇌의 ‘편도체(Amygdala)’가 관여한다는 결과도 있습니다. 생물학적으로도 우리가 손실에 거부감을 느끼는 이유가 바로 여기에 있는 것이죠.
2. 재앙화 — 머릿속에선 이미 가망이 안 보였을 수도
손실회피가 감정적 반응이라면, 인지적 오류 중엔 ‘재앙화의 오류’가 있습니다. 어떤 사건을 실제보다 훨씬 극단적으로 확대 해석하는 사고 습관을 말합니다.
어닝쇼크 → 실적 망함 → 회사 망함 → 주가 폭락
몇 단계를 순식간에 건너뛰어 상황을 실제보다 훨씬 비관적으로 과장하는 인지 오류입니다. 이 공포에 압도되면 이성적인 판단(예: 악재가 이미 주가에 선반영 되었는지 분석)이 불가능해집니다. 사실 냉정하게 바라보면 단기적 이슈일 수도 있었지만 — 이미 악재 기사에 충격받은 저의 작은 편도체는, 상황을 이성적으로 바라보지도 못한 채 마이너스로 돌아서는 순간이 두려워 매도를 유도했던 것이죠.
3. 왜 내가 팔면 올라가
좋은 종목은 빨리 팔고, 손실 난 종목은 끝까지 붙잡고 있는 경험 — 이건 단순한 징크스가 아니라 이미 ‘처분효과’라는 이름이 붙어 있습니다. Shefrin & Statman (1985), Odean (1998)의 연구에 따르면 실제 대다수의 투자자들은 이익 난 종목은 빨리 팔고, 손실 난 종목은 오래 들고 있는 경향이 있다고 합니다. 그리고 그렇게 팔아버린 종목이 이후 더 오르는 경향도 보였습니다.
이 경향성은 Kahneman & Tversky (1979)의 전망 이론으로 설명됩니다. 이익 구간에서는 위험을 회피하고자(손실을 방지하고 싶어짐), 손실 구간에서는 반대로 위험을 추구하고자(버티면 돌아온다) 하는 것이죠. ‘빠른 매도’와 ‘장기간의 손실 보유’ — 투자 판단 왜곡의 핵심 메커니즘이 아닐까 싶습니다.
4. 초보의 문제가 아닐지도 몰라
조금 더 찾아보니 기관 투자자나 트레이더들에게서도 유사한 패턴이 관찰된다고 합니다. 심지어 팀 단위 투자에서는 집단 심리까지 더해져 오히려 왜곡이 커질 수 있다는 연구도 있고요. 그렇다면 이건 투자 초보의 문제가 아니라 우리 인간의 기본 설정값에 가까운 것 아닐까요. 이 사실을 알고 나니 삼전을 놓친 기억이 조금은 덜 날카롭게 느껴졌습니다.
5. 이해만 하고 안주할 수는 없다
다음 번에는 매도 버튼을 누르기 직전에 이 질문을 한 번 던져보려 합니다.
매도 전 자기점검 질문
이건 단기 뉴스인가? 구조적인 문제인가?
지금 파는 이유는 이성적 분석인가? 감정적 불안인가?
나는 손실을 피하려는 건가, 재앙을 상상하고 있는 건 아닌가?
뇌과학 연구에선 스트레스를 받는 상황에서 자신의 상태를 구체적인 문장으로 정리하는 것만으로도 판단이 조금 더 안정된다고 합니다. 삼전을 6만원에 팔았던 사실은 바뀌지 않습니다만, 적어도 이제는 제가 취했던 행동의 이름을 알게 되었습니다. 어쩌면 투자는 수익을 늘리는 게임이 아니라 나 자신을 이해하는 과정일지도 모르겠네요.
