2009년 1월 3일, 비트코인이 탄생한 날. 비트코인의 첫 번째 블록인 제네시스 블록에는 다음 문장이 새겨져 있습니다.
The Times 03/Jan/2009 — Chancellor on brink of second bailout for banks
영국 The Times의 헤드라인으로, 2008년 금융위기 이후 정부가 은행들을 위한 두 번째 구제 금융을 검토하고 있다는 뉴스입니다. 나카모토 사토시는 왜 이 문장을 첫 번째 블록체인에 새겼을까요?
2008년 금융위기의 진짜 비용
미국 집값이 장기간 우상향하자 은행들은 “신용이 나빠도 집값만 오르면 괜찮다”는 생각에 갚을 능력이 부족한 사람들에게도 주택대출을 해주었습니다. 은행은 이 대출을 MBS·CDO 등 복잡한 파생상품으로 만들어 팔아버렸고, 약 10년 넘는 시간 동안 전 세계 금융기관에 팔려나갔습니다.
문제는 미국 주택 가격이 하락하자 대출 연체가 급증하면서 금융 시스템이 연쇄적인 붕괴 직전까지 갔다는 것입니다. 정부와 중앙은행은 수조 달러 이상의 전례 없는 유동성 주입으로 붕괴를 막았습니다만 — 그 결과는 혹독했습니다.
2008년 금융위기 여파
미국 GDP 성장률 -2% 이하 역성장
미국 가계자산 약 13조 달러 이상 증발
약 870만 개 일자리 소멸, 실업률 2009년 10%까지 상승
고용이 금융위기 이전 수준으로 회복하기까지 약 6년 소요
이 과정에서 한 가지 사실이 명확해집니다. 금융 시스템의 붕괴를 막기 위해 핵심 금융기관들은 구제되었고, 그 비용은 재정 지출과 통화 팽창을 통해 사회 전반으로 분산되었습니다. 이제 인플레이션은 ‘피해야 할 부작용’이 아니라 ‘관리 가능한 위기 대응 수단’으로 인식되기 시작했습니다.
인플레이션은 구조화되었는가?
인플레이션이 구조화되었다는 건 무슨 말일까요? 우연히 발생한 것이 아니라 특정 조건이 오면 자동적으로, 반복적으로 발생한다는 뜻입니다. 위기 때마다 통화와 재정은 팽창되어 왔습니다.
위기 → 유동성 공급 → 부채 증가 → 인플레 압력 → 긴축 → 금융불안 → 재유동성 공급
참고 — 2024년 Fed 리포트: 주요 국가들에서 인플레이션 지속성 계수가 기존 0.3에서 0.6으로 약 2배 상승
인플레이션은 화폐적 현상이다
20세기 경제학의 거장 밀턴 프리드먼은 이렇게 말합니다. “인플레이션은 언제 어디서나 화폐적 현상이다.” 즉, 실질 생산이 빠르게 늘지 않는 상황에서 통화량이 증가한다면 장기적으로 물가는 상승할 수밖에 없다는 것입니다.
통화량 × 화폐유통속도 = 물가 × 실질생산
그렇다면 생산이 폭발적으로 증가한다면, 통화량이 늘어도 물가는 오르지 않을 수 있을까요? 차기 연방준비제도 의장 지명자 케빈 워시는 AI를 통해 생산 비용이 낮아지면 물가를 자극하지 않고 성장을 유지할 수 있다고 말합니다. 즉, 생산성이 충분히 빠르게 증가한다면 통화 팽창이 흡수될 수 있다는 의미입니다.
글로벌 M2 통화량 추이 — 위기 때마다 팽창을 반복해온 통화량
미국의 연방정부 부채는 GDP 대비 약 120~125% 수준에 이르고 있습니다. 2차 세계대전 직후와 유사한 수준입니다. 당시 미국은 높은 경제성장과 완만한 인플레이션, 낮은 실질금리 환경 속에서 부채 비율을 크게 낮춘 경험이 있습니다. 따라서 향후 미국 정책도 생산성 혁신을 통해 성장을 높이고 실질금리를 낮은 수준으로 유지하는 방향을 모색할 가능성이 높습니다. 그리고 그 전략의 본질은 화폐의 구매력을 장기적으로 희석시키는 것입니다.
인플레이션이 상수가 되는 시대
과거 40년의 저물가 시대는 끝났으며, 이제는 인플레이션이 기본값이 되는 시대로 진입했습니다. 인플레이션은 단순히 물가가 오르는 현상이 아닙니다. 본질적으로는 화폐의 구매력이 하락하는 현상입니다. 소득 증가율이 그 속도를 따라가지 못한다면, 같은 돈으로 구매할 수 있는 재화와 서비스가 줄어들게 됩니다.
인플레이션이 일시적 충격이 아니라 반복적으로 나타나는 구조적 현상이라면, 우리는 통화의 설계 방식 자체를 다시 질문해야 합니다. 통화는 정책 판단에 따라 유연하게 조정되어야 할까요? 아니면 사전에 정해진 규칙에 따라 발행되어야 할까요? 이것이 바로 비트코인이 제기하는 가장 근본적인 질문입니다.
내가 사회초년생일 때 한 선배가 말했던 적이 있다. 당시엔 그저 군기잡기식 멘트라고 생각했는데, 지나고 보니 꽤나 직장생활의 핵심 속성을 담고 있는 전언이었던 듯 싶다.
생각해보면 회식만큼 복잡하고 섬세한 비즈니스 미팅도 없긴 하다. 처음 보는 소개팅녀 한 명을 위한 식사를 고르는 것도 어렵지만, 스트레스로 가득 찬 여러 인간군상들을 퇴근 무렵 술상으로 모시는 것은 고려할 요소가 훨씬 더 많다. 누가 왜 참석하는지를 고려해서 어울리는 분위기의 식당을 고르고, 적절한 메뉴를 주문하고 적당한 타이밍에 마무리해야 하는 것은 쉽지 않은 법이다. 사회생활의 기본 매너와 처세, 영업적 센스를 두루 갖춰야 하는 일이기에, 회식메뉴를 잘 고르는 것이 일잘러와 결코 무관한 영역만은 아니라고 할 수도 있겠다.
회식메뉴를 고를 때 가장 안전한 선택은 아무래도 고기다. 노릇노릇하게 잘 익은 고기 한 점과 깔끔하게 떨어지는 술 한 모금에는 호불호가 크게 갈리지 않는다. 그중에서도 소고기는 퇴근 후 직장인이 가지는 최고의 복지 중 하나라고 생각한다. 비싼 가격이지만 법인카드로 결제하는 만큼 주머니 걱정 없이 마음껏 즐길 수 있기 때문이다.
몇 년 전 한 신문사에서 한국인이 가장 좋아하는 소고기 부위를 조사한 적이 있다. 흥미로운 조사와는 달리 결과는 다소 뻔했다. 1위 등심, 2위 안심, 3위 갈비. 한국은 갈비로 대표되는 구이문화가 대중적이기 때문이라고 했다. 을지로에서만 7년을 근무하면서 근처의 괜찮은 고기집을 가볼 기회가 많았던 것 같다. 그중, 한국인이 가장 사랑하는 소고기 구이에 한해 가장 대중적이었던 식당을 몇 군데만 소개해본다.
소고기의 부위별 위치와 특징
을지로 소고기 맛집 4선
1) 상우가든 — 호주산 와규를 등심, 채끝등심, 안심, 갈비 4가지 기본 구이 메뉴로 내고 있는 집이다. 과거에는 데클과 치마살 등 육향이 진한 부위들도 기본 메뉴로 있었는데 이제는 당일 시가 주문 또는 플래터로만 주문 가능하게 바뀐 게 아쉽다. 정갈한 무한 리필 밑반찬과 더불어 고기냄새 베지 않게 초벌구이를 해서 나오는 시스템까지, 까탈스런 사우분들을 맞추기 좋은 장소다. 주류 콜키지도 잔당 5천원(26년 3월 기준)으로, 와규는 적당히 시켜 맛만 보고 BYOB로 단체 와인 시음회를 하기도 좋은 곳이다.
2) 너애하누 — 최근 핫한 한우집. 영포티 버전의 대도식당이라고 생각되는 식당이다. 투박한 무쇠팬에 지방을 문지르고 통 등심을 올려 굽다가 먹기 좋게 썰어주는 방식이나, 팬 위 기름에다 양파·버섯·감자를 볶아 된장밥과 볶음밥으로 마무리하는 시스템이 대도식당을 연상케 한다. 서민형 노포와는 거리가 멀고 프라이빗 룸과 말끔한 상차림으로 영포티를 겨냥한 곳이다.
3) 한우드림 — 을지로에서 다소 거리가 있지만 마음먹고 갔던 곳 (예약 필수). 마장동에서 직송한 한우로 안심·채끝·부채살·살치살·토시살·치마살 등 10종 코스가 제공된다. 구이 외에도 육사시미·육회에 카레·라면·볶음밥까지 나오며, 가성비 면에서 한 번쯤 고기결핍을 해소하기 좋은 집이다.
4) 오발탄 — 강남·강북을 막론한 직장인들의 회식성지. 메인 메뉴는 단연 특양·대창·홍창이다. 억세고 쫄깃한 특양, 부드럽고 촉촉한 홍창, 지방이 많아 고소한 대창까지, 비슷한 비용으로도 소고기를 다양한 식감으로 즐길 수 있어 인기 있는 회식 장소가 됐다.
고기 굽기의 원칙
잘 고른 장소와 메뉴 외에도 회식에서는 서빙과 매너도 중요한 부분이다. 특히 투뿔 이상 한우는 어떻게 굽고 놓여지느냐에 따라 만족도가 크게 좌우되기도 한다. 요즘의 소고기 구이는 가게에서 직접 구워서 서빙해주는 경우가 대부분이지만, 예전엔 정육식당이나 노포 스타일의 점포에서는 직접 구워 먹는 곳이 많았다. 하루는 한 선배가 마블링이 꽃처럼 핀 투뿔 등심을 새까맣게 태운 고무로 만들어서 내 접시에 올려준 적이 있는데, 충격을 심하게 받아서 나라도 고기 굽기의 고수가 되겠다고 다짐했던 적이 있었다. 고기수첩이라는 책을 사서는 여러 부위의 고기를 직접 사다가 비교해보고 적정한 조리기구와 굽기를 연습했다.
고기 굽기 핵심 원칙
마이야르 반응 — 지방과 근질이 조합된 최고의 풍미를 이끌어내기 위한 핵심 반응. 충분한 온도에서 표면을 잘 지져야 한다.
리버스 시어링 — 두터운 고기는 낮은 온도부터 균일하게 익혀야 한다. 육즙이 날아가지 않는다면 얇은 고기는 자주 뒤집어도 상관없다.
레스팅 — 다 구운 고기는 바로 자르기보다 잠시 두어 육즙이 고루 퍼지게 하는 것이 중요하다.
팬의 성능 — 생각보다 팬의 성능과 두께가 고기를 굽는 데 중요한 요소다. 장비가 곧 기술이다.
굽는 방식과 기술에 따라서 식감과 육즙, 풍미가 크게 좌우된다는 것을 알고 나서, 미국 앵거스도 투뿔 한우만큼 맛있어질 수 있다는 사실을 깨달았다. 어느새 미식에 대한 질문은 조금 바뀌어 있었다. 무엇을 먹을까에서 어떻게 맛있게 먹을까로. 어디서 먹을까에서 누구랑 먹을까로 피벗된 것이다. 외부 동호회를 많이 나가게 된 것도, 와인을 자주 마시게 된 것도 그 무렵이었던 것 같다. 일명 3대 와인동호회라는 곳에서 마리아주에 맞추어 술과 음식을 먹고, 친구와 함께 파티 커뮤니티도 직접 만들어보는 등 업무와는 무관한 사적 모임을 꽤 많이 했다. 나중에 케이뱅크에서 미식동호회를 만들게 된 것도 이러한 영향이 있었던 것 같다.
고기라고 다 고기서 고기인 것은 아니다. 최고급 소고기라도 불편한 상사와 함께 하는 자리에선 질긴 타이어를 씹는 맛일 가능성이 높다. 반면 친구들과 소주 한 잔에 먹으면 스페인산 냉동 삼겹살이라도 웬만한 소고기보다 나을 수도 있다. 회식이란 단순히 ‘모여서 먹는 자리’가 아니라, 인간관계의 역학과 미식의 매트릭스를 담은 맡김차림인지도 모르겠다.
이 대목에서 일본 스시 장인이 쓴 책에서 읽었던 구절이 떠오른다. 장인이 말하길, 최고의 요리사는 자기가 가장 잘하는 요리를 내어놓는 기술자가 아니라고 했다. 최고의 요리사란, 들어오는 손님의 기분에 맞추어 알맞은 요리를 그때그때 최상의 상태로 내어놓을 수 있는 예술가라고 했다. 한 끼 식사는 쉬울지 몰라도, 사회생활이나 미식 중에 쉬운 건 하나도 없는 듯 하다.
프로덕트를 디자인하다 보면 여러 질문이 생깁니다. 지금 설계하고 있는 이 흐름이 정말 자연스러운지, 혹시 사용자가 어딘가에서 망설이거나 헤매지는 않을지. 특히 직접 경험해 보기 어려운 맥락의 프로덕트를 맡게 되면, 그 사용자를 더 깊이 이해하기 위해 오래 고민하게 됩니다. 이번 글은 사장님 사용자들을 직접 만나 인터뷰한 경험이 이후의 화면 디자인 과정으로 어떻게 이어졌는지를 담고 있습니다.
같은 기능도, 다른 맥락에서 읽힌다
프로덕트를 설계할 때 저는 이 두 가지를 함께 추구합니다. 하나는 기본적인 사용 경험(pragmatic quality)입니다. 불필요한 단계를 줄이고, 필요한 정보에 더 빠르게 닿게 하며, 해석하느라 쓰는 시간과 에너지를 줄이는 일이죠. 다른 하나는 기억에 남는 경험(hedonic quality)입니다. 거창한 감동이라기보다는, 사용자에게 “이 서비스가 내 상황을 조금이라도 생각해주는구나” 하는 인상이 남는 것. 조금 덜 입력해도 되고, 조금 덜 긴장하며, 조금 더 자연스럽게 다음 단계로 넘어갈 수 있는 경험이겠죠.
특히, 사장님을 위한 금융 프로덕트를 디자인할 때는 이 두 경험이 더 정교하게 맞물려야 한다고 느꼈습니다. 같은 기능이라도 업종과 상황, 자금 흐름과 생활 리듬에 따라 전혀 다르게 해석되기 때문입니다. 결국 중요한 것은 기능 그 자체보다, 사용자가 그 기능을 어떤 맥락에서 마주하게 되는지를 보다 구체적으로 이해하는 것이라고 생각합니다.
사장님 부동산 담보대출을 오픈하던 시기에도 UX 기획과 디자인을 두 달 안에 완료해야 했던 적이 있습니다. 이럴 때 더욱 실감하게 되는 것이 있는데요. 짧은 시간 안에 많은 것을 해내야 할수록, 사용자의 실제 맥락을 더 정확하게 보고 있어야 한다는 점입니다. 그리고 그 간격을 줄이는 데에는 결국 직접 듣는 일이 가장 중요했습니다.
질문을 사용자와의 대화로 옮기는 일
사용자를 만나기 전에는 관련 팀들과 먼저 워크숍을 진행했습니다. 사장님과 맞닿아 있는 팀마다 궁금해하는 지점은 조금씩 달랐습니다. 어느 팀은 불편한 순간이 어디에서 발생하는지 알고 싶어 했고, 또 다른 팀은 만들고 있는 기능이 사용자에게 정말 필요하게 느껴질지, 또 실제로 소구될지 확인하고 싶어 했습니다.
하지만 워크숍에서 나온 질문을 그대로 사용자에게 가져가면 안 되겠죠. 실제 사용자와의 대화에서는 맥락에 맞게 다시 풀어야 더 많은 이야기를 들을 수 있습니다. 사장님 프로덕트 담당자들과 사용자 사이에서 질문을 연결하고 조율하는 역할도 프로덕트 디자이너에게는 중요합니다.
그림 1. 워크숍 및 사용자 인터뷰 현장사진과 스크립트 예시
보통 심층 인터뷰는 반구조화(Semi-structured) 방식으로 진행합니다. 질문의 큰 축은 정해 두되, 대화의 흐름에 따라 더 깊이 들어가는 형식이죠. 이번 사장님 1:1 인터뷰 때는 총 여섯 분의 사장님을 모셨고, 두 시간에서 두 시간 반씩 이야기를 나눴습니다. 디자인에 대한 A/B 선호를 확인하는 자리는 아니었습니다. 사장님들이 실제로 돈을 어떻게 이해하고 움직이는지, 어떤 순간에 불안을 느끼고 무엇을 기준으로 판단하는지, 서비스 안에서 보이는 행동 뒤에 어떤 배경이 놓여 있는지를 중점적으로 듣고자 했습니다.
인터뷰를 통해 드러난 차이들
총 15시간에 달하는 인터뷰를 마치고 나니 175페이지 정도가 전사되었습니다. 당연한 말이지만, 요약본 몇 줄로는 잘 드러나지 않는 맥락이 그 안에 많이 남아 있습니다. 개인 자금과 사업 자금의 경계가 실제 운영 안에서는 어떻게 섞이는지, 가족과 자금을 함께 운영하는 방식이 금융 판단에 어떤 영향을 주는지, 업종에 따른 돈의 감각이 얼마나 달라지는지. 임대업을 하는 분과 온라인 판매를 하는 분은 같은 화면을 전혀 다른 시선으로 보고 있었습니다.
어떤 분에게는 지금의 자금 습관이 과거의 실패 경험과 이어져 있었고, 누군가에게는 업종 선택 자체가 주변의 권유나 당시의 상황과 맞물려 있었습니다. 사용 경험에 대해 묻고 있었는데, 어느 순간 라이프사이클과 돈에 대한 관념, 선택의 배경까지 함께 보이기 시작할 때가 있었습니다.
이런 이야기들은 UX 인사이트 보고서로 정리되는 순간 상당 부분 매끈해집니다. 하지만 화면을 설계할 때는 이 미세한 차이가 중요해집니다. 사장님을 몇 개의 전형적인 사용자상으로만 보지 않고, 서로 다른 사정과 리듬을 가진 사용자로 이해하려는 태도는 결국 더 나은 화면과 경험으로 이어질 수 있다고 생각합니다.
화면을 그리며 다시 생기는 질문들
서비스 기획의 큰 방향을 잡을 때는 요약된 인사이트가 도움이 되지만, 화면을 그리기 시작하면 훨씬 더 구체적인 질문이 생깁니다. 특정 사용자에게 낯설게 느껴지지는 않을지, 설명이 충분한지, 오히려 판단 부담을 늘리고 있지는 않은지, 대출 관련 안내 문구들이 어렵지 않게 읽히는지와 같은 질문들 말이죠.
리서치 결과를 전사 자료로만 남겨두고 싶지는 않았습니다. 그래서 비식별화한 인터뷰 자료를 바탕으로, 내부에서만 참고할 수 있는 제한적인 AI 활용 방식을 덧붙여 보았습니다. 무언가를 대신 판단하게 하려는 목적은 아니었습니다. 이미 직접 들은 사용자의 맥락을 디자인 과정에서 더 자주, 더 가까이 참고할 수 있게 만들고 싶었습니다.
이를 피그마 플러그인 형태로 연결해 디자인 작업 흐름 안에서 필요할 때마다 바로 참고해 보기도 했습니다. 인터뷰는 정해진 시간 안에서 끝났지만, 그때 들은 맥락은 화면을 설계하는 순간마다 다시 불러올 수 있어야 한다고 생각했거든요. 이 방식은 충분히 의미가 있었습니다.
그림 2. 디자인 과정에서의 내부 참고용 AI 활용 예시 (연구윤리 및 정보보호 원칙에 따라 사전 동의 후 수집한 자료를 비식별화한 후 제한적으로 활용했으며, 보관기간 이후 파기함)
그래도 처음을 여는 건 사람입니다
2016년부터 HCI와 UX를 하며 회사와 학교에서 직접 만난 사용자가 어느새 300명을 넘었습니다. 1:1 인터뷰도 있었고, FGI나 실험 전후의 인터뷰도 있었습니다. 이 숫자를 강조하고 싶은 것은 아닙니다. 다만 그만큼 오래 직접 듣다 보니 한 가지는 더 확실해졌습니다.
이미 알고 있는 맥락을 다시 불러오고, 디자인 과정에서 자주 점검하고 싶을 때는 AI가 분명히 도움이 됩니다. 하지만 아직 알지 못한 것을 처음 여는 것은 다릅니다. 탐색적 인터뷰를 하다 보면, 처음에는 특수한 사례처럼 들렸던 이야기가 나중에는 프로덕트를 보는 기준 자체를 바꿔 놓을 때가 있습니다. 왜 그 업종을 선택했는지, 왜 그런 자금 습관이 생겼는지, 무엇이 그 사람을 불안하게 하고 무엇이 안심되게 하는지 같은 것들은 실제로 대화를 해 봐야 비로소 무게를 갖습니다.
앞으로 더 정교한 AI 에이전트나 가상 페르소나를 만든다고 해도, 이 차이가 쉽게 사라지지는 않을 거라고 생각합니다. 실제 사용자가 자신의 맥락 속에서 들려준 이야기는 다르게 남습니다. 그래서 탐색 단계의 정성 리서치가 여전히 중요하다고 생각합니다. 사용자의 행동만이 아니라, 그 뒤에 놓인 생활 방식과 가치관, 그리고 돈을 바라보는 관념까지 함께 이해하게 해주기 때문입니다.
다음에는, 데이터로 가설을 점검하는 이야기
AI가 휘몰치는 와중에도 프로덕트 디자이너가 전략적으로 고민하고 설계해야 할 부분은 다분히 많습니다. 그리고 여전히 어떤 방법론으로 리서치하고, AI를 어떻게 활용하며, 사용자의 목소리를 어디서 들을 것인지를 판단하는 것은 사람 디자이너의 몫입니다. 그리고 그 결과물을 평가하는 것도 사람 사용자겠지요.
이번 글이 사용자를 직접 만나고, 그 대화를 화면 가까이에 남겨두는 방법에 대한 것이라면, 다음 글에서는 정량 데이터를 바탕으로 data-driven personas를 생성하여 가설을 검증하는 방법을 다뤄보려 합니다. 프로덕트 디자이너가 의도한 화면의 핵심지표를 기준으로, 클러스터링과 LLM을 활용하여 사용성 테스트(UT)를 반복적으로 점검해 보는 이야기가 될 것 같습니다.
요즘 하루를 떠올려보면 AI를 한 번도 쓰지 않고 지나간 날이 있었나 싶습니다. 메일 초안을 다듬어달라고 부탁하고, 회의 내용을 요약해달라고 하고, 오늘 저녁 뭐 먹으면 좋을지 물어보기도 하죠.
어느새 우리는 AI와 함께 일하고, 고민하고, 선택하는 방식에 익숙해졌어요. 그리고 이런 변화는 우리가 생각하는 것보다 훨씬 가까운 곳까지 와 있어요. 바로, 우리의 금융 생활입니다.
요즘 은행 앱, 조금 달라졌다고 느끼지 않으셨나요? 예전엔 잔액 확인과 송금의 공간이었다면, 이제는 소비를 분석해주고, 의심스러운 문자를 대신 판별해주고, 챗봇이 24시간 상담을 이어갑니다. 나의 돈을 편하고 안전하게 관리하는 과정에 AI가 조용히 함께하고 있는 셈이죠.
은행은 왜 AI에 민감할까요?
은행 산업은 본질적으로 데이터 위에서 움직이는 판단 산업입니다. 이 대출을 승인할지, 이 거래가 이상한지, 이 고객에게 어떤 상품이 맞는지 — 은행은 매 순간 판단합니다. 그리고 그 판단의 정밀도가 곧 고객의 신뢰로 이어지는 구조죠.
은행이 AI를 필요로 하는 세 가지 이유
판단의 정확도 — AI는 대규모 데이터를 실시간으로 분석하고 패턴을 학습해 사람이 놓칠 수 있는 신호를 보완합니다. 판단을 대체하는 것이 아니라, 정확도를 높이는 방향으로 작동합니다.
속도 — 거래는 지연 없이 이뤄져야 하고, 위험 신호는 몇 초 안에 포착되어야 합니다. AI는 반복적인 판단과 탐지를 빠르게 처리해 의사결정 시간을 줄여줍니다.
신뢰 — 규제는 엄격하고, 리스크 관리는 필수입니다. 은행이 보유한 데이터 규모는 사람이 일일이 들여다보기엔 이미 한계를 넘어선 수준이에요. AI 기반 패턴 탐지와 예측이 빠르고 정확한 의사결정을 돕는 이유입니다.
이제 경쟁은 금리가 아닌 ‘경험’
“나에게 맞춘다”는 문구, 한 번쯤 보셨을 거예요. 개인 맞춤형 추천 서비스는 이제 선택이 아니라 기본값이 되었습니다. 상품 조건과 금리만으로 경쟁하던 시대를 지나, 고객 경험을 얼마나 더 매끄럽게 만들 수 있는지가 점점 더 중요한 기준이 되고 있어요.
누군가는 자산을 불리고 싶고, 누군가는 소비를 관리하고 싶고, 누군가는 대출 한도를 알고 싶습니다. 이 다양한 맥락을 이해하려면 데이터를 읽어내는 힘이 필요합니다. 고객의 자산 규모, 소비 성향, 생애 주기처럼 금융 니즈는 모두 다르니까요. 이 복잡성을 더 정교하게 이해할수록, 개인화 경험은 더 자연스러워지고 그 지점에서 AI의 역할도 커지게 됩니다.
그래서 은행은 AI에 투자해요
은행 AI 투자의 세 가지 목적
더 정교한 개인화를 위해
더 빠른 의사결정을 위해
더 고도화된 리스크 관리를 위해
AI는 은행의 기능을 늘리는 도구라기보다, 고객 경험과 신뢰를 지탱하는 핵심 인프라로 자리 잡아가고 있습니다. 앞으로의 경쟁은 기술을 얼마나 도입했는지가 아니라, 그 기술을 얼마나 자연스럽게 서비스 안에 녹여냈는지에 따라 결정될 가능성이 큽니다.
케이뱅크도 더 편하고 안전한 금융 경험을 만들기 위해 AI를 차근차근 서비스에 녹여가고 있습니다. AI가 우리의 금융을 어디까지 바꿔갈지, 앞으로의 이야기도 함께 지켜봐 주세요.
