금융권 AI 교육, ‘전 직원 3년’ 약속을 역할별 증거로 바꿔라

은행은 ‘3년 안에 전 직원 AI 교육’을 선언했다. 첫해에는 공통 e러닝 수료율 96%를 보고했지만 신용심사자, 상담원, 모델검증자, 임원이 각각 어떤 자동결정을 승인하거나 거부할 수 있는지는 달라지지 않았다. 약속은 컸고 증거는 수료증 한 장이었다.

금융권 AI 교육의 전사 약속은 모든 사람에게 같은 과정을 배포하는 목표가 아니다. 역할별 자동화 노출, 고객·건전성 위험, 사람 승인권, 예외 대응, 모델·데이터 질문, 독립 검증을 정의하고 3년 동안 그 증거와 인력 이동을 공개하는 운영계약이다.

96% 수료율은 자동결정의 책임자를 증명하지 못한다

Skills Compact의 초기 서명기관은 22곳이다.

같은 AI 과정을 들었다는 사실은 신용, 사기탐지, 상담, 자금세탁방지, 투자업무에서 누가 출력을 사용하고 멈추며 고객에게 설명할지 보여 주지 않는다. 수료증을 역할별 결정권과 통제 표본으로 바꿔야 한다.

핵심스킬 도표는 금융 역할에 분석·판단·고객 이해가 함께 필요함을 보여 준다. 한 과정의 공통 점수보다 역할별 과업 조합을 설계하는 데 쓴다.

22개 서명기관의 약속을 각 회사 운영계약으로 바꾼다

3년 주기의 전 직원 AI·핵심스킬 개발, 구조화된 진입경로, 임원 책임자, 연차 업데이트라는 네 가지 약속 가운데 신규인력의 판단권을 실제로 단계화하는 장치는 진입경로다.

공동 약속은 방향을 맞추지만 각 회사의 모델·데이터·고객·규제위험은 다르다. 이사회 책임자, 대상 역할, 3년 마일스톤, 연차 공개, 중단조건을 회사별 계약으로 적고 감사 가능한 증거를 지정한다.

31만5천 명은 추가수요와 대체수요의 합계 전망이며 99%의 Level 4 이상 구성과 함께 읽는다. 회사별 채용 정원으로 직접 옮기지 않는다.

31만5천 명 수요와 99% 고숙련은 역할확장을 요구한다

추가수요 13만 명·22.5%와 대체수요 18만5천 명을 합친 금융서비스의 31만5천 명 수요는 자동화가 커져도 고객에게 설명하고 이의를 처리할 역할이 줄지 않음을 뜻한다.

수요의 거의 전부가 고숙련으로 전망돼도 외부 전문가만 채용할 수는 없다. 현직 심사·상담·준법·감사 인력이 AI 노출과 한계를 이해하고 감독·검증 역할로 확장할 내부경로를 만든다.

대안 AI 시나리오는 기술 도입에 따라 수요가 달라질 가능성을 보여 준다. 한 예측을 확정 인력계획으로 고정하지 않고 복수 시나리오를 유지한다.

75% 도입과 46% 부분이해 사이가 교육의 핵심 위험이다

추가 인력수요의 99%는 Level 4 이상이다.

도입은 넓지만 부분 이해가 크다면 가장 위험한 공백은 도구 사용법이 아니다. 입력 데이터의 출처, 모델 적용범위, 오류가 고객·건전성에 미치는 영향, 사람의 예외권한을 역할자가 설명할 수 있는지 확인한다.

인력 흐름 도표는 채용만이 아니라 산업 내외 이동과 이탈을 보여 준다. 3년 약속의 성과를 교육 참가보다 진입·확장·유지로 넓히는 근거다.

완전자율 2%보다 55% 자동결정의 사람 개입을 먼저 본다

AI를 사용하는 금융기업 75% 가운데 자동결정 사례는 55%, 반자율은 24%, 완전자율은 2%로 보고돼 연차 업데이트가 수료인원보다 통제 변화를 공개해야 할 이유를 보여 준다.

완전자율 사례가 적다는 사실로 안심하지 않는다. 자동결정이 55%라면 사람이 형식적으로 승인하는지, 실제로 거부·수정할 정보와 시간이 있는지, 예외가 다음 모델 개선으로 돌아가는지부터 본다.

전 직원을 노출·사용·감독·검증의 네 역할군으로 나눈다

기업의 46%는 도입한 AI를 부분적으로만 이해한다고 답했다.

노출자는 결과를 받는 고객·지원인력, 사용자는 업무결정에 적용하는 사람, 감독자는 범위와 예외를 관리하는 사람, 검증자는 독립적으로 데이터·성능·통제를 확인하는 사람이다. 한 사람이 여러 역할을 맡아도 책임은 분리한다.

이사회 책임자는 예산보다 위험별 숙련 증거를 승인한다

Skills Compact의 초기 서명기관은 22곳이다.

이사회 보고에는 교육예산과 수료수보다 고위험 사용사례의 역할 준비도, 승인·거부 표본, 검증 미해결, 고객 이의, 사고·근접사고, 인력공급 위험을 올린다. 책임자는 미충족 역할의 사용확대를 멈출 권한을 가져야 한다.

구조화된 진입경로는 청년·전직자의 첫 판단권을 단계화한다

네 가지 약속은 3년 주기의 전 직원 AI·핵심스킬 개발, 구조화된 진입경로, 임원 책임자, 연차 업데이트다.

초기 인력에게 낮은 위험의 데이터·상담 지원부터 맡기고 지도자 동반 판단, 제한된 승인, 독립 감독으로 범위를 넓힌다. 각 문에서 실제 사례와 설명·상향 판단을 검증하고 연차나 학위만으로 권한을 주지 않는다.

고객 설명과 이의제기는 자동화 교육의 필수 과업이다

금융서비스는 추가수요 13만 명·22.5%와 대체수요 18만5천 명을 합쳐 31만5천 명이 필요하다.

고객은 ‘AI가 결정했다’는 설명으로 권리를 행사할 수 없다. 어떤 정보와 기준이 영향을 줬는지, 사람이 무엇을 검토했는지, 오류 정정과 재심을 어디에 요청하는지 역할극과 실제 문서 표본으로 평가한다.

일본 금융조직은 3선 관리와 역할별 학습증거를 잇는다

추가 인력수요의 99%는 Level 4 이상이다.

일본 금융기관의 1선 사업, 2선 리스크·컴플라이언스, 3선 내부감사는 같은 모델을 다른 목적으로 본다. 三線管理의 책임을 유지하면서 역할별 학습증거와 모델·데이터 변경정보를 공통 장부로 연결한다.

연차 업데이트는 수료인원보다 자동결정 통제의 변화를 공개한다

금융기업 75%가 AI를 사용하고 55%는 자동결정, 24%는 반자율, 2%는 완전자율 사례를 보고했다.

연차 공개에는 대상 인원·수료뿐 아니라 사용사례 지도, 역할별 독립수행, 중대한 한계 발견, 사람의 거부·수정, 고객 이의 처리, 내부 이동, 다음 해 격차를 포함한다. 불리한 발견을 숨기지 않는 것이 약속의 신뢰다.

3년 약속의 신뢰는 역할별로 남은 검증 증거에서 나온다

기업의 46%는 도입한 AI를 부분적으로만 이해한다고 답했다.

3년 뒤 남아야 할 것은 전 직원의 동일 자격증이 아니다. 각 자동결정에 책임자와 대체절차가 있고, 역할자가 위험을 설명·거부하며, 독립검증이 수정 여부를 추적하고, 신규인력이 단계적으로 판단권을 얻는 증거다.

역할별 AI 노출지도는 모델 목록과 업무결정을 연결한다. 각 사용사례에 업무 목적, 고객·건전성 영향, 입력 데이터, 출력, 최종 결정자, 사람 개입 시점, 대체절차, 모델 소유자, 검증자, 공급자를 기록한다. 같은 도구가 초안 요약과 신용결정에 쓰이면 위험등급과 필요한 숙련을 다르게 둔다.

분기마다 현장 인터뷰로 비공식 사용을 확인한다. 승인되지 않은 외부 도구, 스프레드시트에 복사한 출력, 사람이 다시 입력하며 사라지는 기록도 지도에 넣는다. 징벌만 앞세우면 사용이 숨으므로 안전한 신고와 신속한 대안 제공을 함께 운영한다.

네 역할군에는 서로 다른 업무표본이 필요하다. 노출자는 AI 사용 사실과 문의경로를 식별하고, 사용자는 출력의 적용범위와 예외를 판단한다. 감독자는 성능·고객영향·오버라이드 추세를 보고 사용범위를 조정한다. 검증자는 독립 데이터로 재현하고 통제의 설계·운영을 확인한다.

공통 e러닝 뒤 같은 시험을 보게 하지 않는다. 상담원은 고객 설명과 상향, 심사자는 경계사례의 승인·거부, 모델 소유자는 모니터링과 변경통제, 감사자는 증거 추적을 수행한다. 최종 품질기준은 위험에 맞추되 학습경로는 역할에 맞춘다.

사람의 개입은 거부할 정보·시간·권한으로 증명한다. 승인 화면에 점수와 추천만 보이면 사람은 자동결정을 반복한다. 주요 입력, 불확실성, 적용범위, 경고, 대안, 과거 오버라이드 결과를 이해 가능한 형태로 제공한다. 처리시간 목표가 검토시간을 압박하지 않게 생산성 KPI도 조정한다.

표본에는 승인만이 아니라 수정·거부·상향 사례를 포함한다. 거부율이 높으면 좋은 감독이라고 단정하지 않고 기준과 결과를 본다. 오버라이드가 지속적으로 더 나은 결과를 내면 모델·정책 개선으로 환류하고, 사람의 편향이 드러나면 별도 통제를 둔다.

고객 설명 실습은 평이한 언어와 실제 구제절차를 묶는다. 상담자는 모델 구조를 강의하지 않고 결정에 영향을 준 주요 요소, 사용된 정보의 오류 가능성, 사람이 검토한 범위, 가능한 다음 행동을 고객 눈높이로 설명한다. 말로만 끝내지 않고 서면 통지와 시스템 기록이 일치하는지 확인한다.

역할극에는 정보 오류, 취약고객, 언어지원, 긴급 자금 필요, 반복 이의 상황을 넣는다. 정확한 설명과 공감뿐 아니라 잘못된 약속을 하지 않고 적절한 전문팀으로 넘기는지 본다. 고객이 실제로 재심을 요청할 수 없는 설명은 통과시키지 않는다.

이의제기 데이터는 고객 탓이 아니라 통제 품질에 쓴다. 이의 사유를 데이터 오류, 신원 혼동, 정책 적용, 모델 한계, 설명 부족, 절차 지연으로 분류한다. 접수부터 임시조치, 독립검토, 결정, 데이터 정정, 모델·정책 개선까지 연결하고 고객에게 결과와 이유를 알린다.

특정 집단이나 채널에서 이의와 인용이 반복되면 사용사례 위험을 재평가한다. 작은 집단의 개인정보를 보호하고 이의제기 자체를 사기 위험점수로 사용하지 않는다. 학습팀은 반복 오류를 다음 분기 업무표본에 반영한다.

3선 관리의 학습증거는 독립성을 해치지 않고 연결한다. 1선은 사용과 고객결과, 2선은 정책·한도·모니터링, 3선은 통제 설계와 운영의 독립평가를 맡는다. 같은 교육을 들었다는 이유로 책임을 합치지 않는다. 각 선이 필요로 하는 데이터와 반론권을 명확히 한다.

공통 저장소에는 승인기준, 사용·변경 기록, 오버라이드, 검증 발견, 개선상태를 남기되 접근권한을 분리한다. 3선이 1선의 검증작업을 대신하지 않고, 2선이 독립검증의 결론을 일정 때문에 바꾸지 못하게 한다.

구조화된 진입경로는 판단권을 네 단계로 넓힌다. 첫 단계는 관찰과 데이터 품질 확인, 둘째는 지도자 동반의 경계사례 분석, 셋째는 낮은 위험 범위의 독립 판단, 넷째는 감독·검증 또는 고위험 승인이다. 각 단계에 최대 범위, 상향조건, 최소 표본, 재확인일을 둔다.

청년·전직자는 실제 고객피해 없이 연습할 합성·비식별 사례를 먼저 사용한다. 현직자는 이미 검증된 금융 판단을 인정받고 AI 관련 격차만 채운다. 지도자는 판단근거와 오류 수정 과정을 기록하며 단순 정답률로 권한을 넘기지 않는다.

이사회 대시보드는 약속 이행과 잔여위험을 함께 보여 준다. 사용사례별 역할 충원, 독립수행 통과, 승인·거부 표본, 검증 미해결, 고객 이의, 중대한 사고, 내부이동, 공급자 의존을 위험등급별로 본다. 전체 수료율은 맥락으로만 두고 고위험 역할의 공백을 평균으로 가리지 않는다.

책임 임원은 분기별로 확대·제한·중단 결정을 기록한다. 예산을 썼다는 보고보다 미충족 증거, 기한, 담당자, 임시통제를 승인한다. 이사회는 사고가 없다는 사실보다 발견·보고·교정 체계가 실제 작동하는지 묻는다.

일본 금융조직은稟議와 모델 변경기록을 연결한다. 품의 문서에는 도입 목적과 예산뿐 아니라 사용범위, 사람의 승인선, 데이터·모델 소유자, 3선 책임, 고객 설명·이의절차, 중단조건을 포함한다. 공급자 변경과 모델 버전 업데이트가 생기면 원래 승인 가정과 달라진 부분을 재심한다.

OJT는 선배의 화면조작을 따라 하는 방식에서 벗어나 경계사례의 판단근거를 말하게 한다. 일본 금융청 가이드와 사내 규정을 확인하는 경로, 2선 자문, 3선 증거요구를 사례 안에서 연습한다. 법규·감독 기대의 최신성은 배포 전 담당부서가 다시 확인한다.

연차 업데이트는 유리한 숫자뿐 아니라 미해결 과제를 공개한다. 대상자와 수료, 역할별 표본 통과, 신규 진입, 내부전환, 주요 검증 발견, 고객 이의와 시정, 사고·근접사고, 다음 해의 우선격차를 동일 정의로 보고한다. 전년도와 정의가 바뀌면 비교 불가능성을 설명한다.

기관 간 단순 순위는 피한다. 포트폴리오와 위험등급이 다르므로 서명기관 수나 수료율만으로 성숙도를 비교할 수 없다. 공동체에서는 익명 사례, 공통 루브릭, 실패한 통제와 개선을 공유해 약속을 집단학습으로 만든다.

3년 로드맵은 12개월마다 사용범위와 인력가정을 다시 연다. 첫해는 노출지도와 고위험 역할, 둘째 해는 구조화된 진입·내부전환과 독립검증, 셋째 해는 전 포트폴리오의 증거·공개와 공급망 회복력을 목표로 삼는다. 기술과 규제가 변하면 역할 정의와 표본도 바꾼다.

중단조건은 준비되지 않은 역할의 고위험 사용 확대, 독립검증 미해결, 고객 구제 실패, 공급자 변경의 미승인이다. 3년이라는 기한 때문에 통제를 생략하지 않는다. 약속은 일정 준수가 아니라 위험에 맞춰 학습하고 멈출 수 있는 능력으로 평가한다.

데이터계보를 고객 결정에서 원천까지 거슬러 올라간다. 역할자는 한 결정에 사용된 고객정보, 외부데이터, 파생변수, 정책규칙, 모델·프롬프트 버전, 사람의 수정, 최종 통지를 연결할 수 있어야 한다. 결과 화면만 캡처해 두면 오류가 발견돼도 어느 데이터와 규칙을 바로잡을지 알 수 없다. 기록은 고객 재심과 내부검증이 같은 사실을 보게 해야 한다.

계보가 끊긴 경우에는 추정으로 설명하지 않고 사용을 제한하거나 상향한다. 데이터 정정이 과거 결정과 하위 시스템에 반영됐는지 확인하고, 재처리 범위와 고객통지를 정한다. 계보 복구 훈련은 기술팀만이 아니라 상담·심사·준법·감사 역할이 각자 필요한 정보를 찾는 과제로 운영한다.

공급자 위험은 조달 부서에만 맡기지 않는다. 외부 모델과 클라우드 서비스의 계약에는 학습데이터와 성능 설명, 변경통지, 하위처리자, 사고 대응, 감사자료, 종료·전환 지원을 포함한다. 조달은 계약을 관리하지만 사업·리스크·정보보호·검증 역할자가 실제 사용목적에 필요한 증거를 정의한다. 비밀보호를 이유로 핵심 검증정보가 전혀 제공되지 않으면 위험을 수용할 책임자를 명시한다.

공급자 장애나 정책 변경 때 사용할 수작업·대체서비스와 고객안내를 연습한다. 한 공급자에 숙련과 운영이 모두 묶이지 않게 내부 역할자가 설정과 한계를 이해하고 결과를 독립 확인한다. 공급자 교육 수료증을 사내 역할 준비도의 대체증거로 인정하지 않는다.

사기·공격 시나리오로 정상 데이터 밖의 판단을 연습한다. 금융 AI는 정상적인 성능저하뿐 아니라 신원 위조, 입력 조작, 데이터 오염, 프롬프트 공격, 상담원 사회공학을 받을 수 있다. 레드팀 사례에서 사용자는 이상징후를 알아차리고 처리를 보류하며 고객을 보호하고 보안·사기팀으로 올리는 절차를 수행한다.

훈련 결과를 공격기법 목록 암기로 채점하지 않는다. 탐지 신호, 증거보존, 권한 제한, 고객피해 완화, 서비스 복구, 통지 판단을 역할별로 본다. 실제 공격 세부정보는 필요한 범위에서만 공유하고 학습환경이 새로운 취약점을 만들지 않게 접근을 제한한다.

숙련증거에는 유효기간과 재확인 조건을 둔다. 모델, 정책, 규제기대, 고객채널이 바뀌면 이전의 독립수행 승인이 더 이상 충분하지 않을 수 있다. 역할별로 중대한 모델 변경, 새로운 데이터, 업무범위 확대, 장기 미사용, 사고 발생을 재확인 조건으로 정한다. 일정만 지나면 같은 과정을 다시 듣는 방식보다 변경된 판단을 표본으로 확인한다.

재확인 전까지 권한을 어떻게 제한하고 누가 지도할지 시스템에 반영한다. 기한이 지난 자격을 개인에게만 알리고 업무배정은 그대로 두지 않는다. 대규모 변경 때 검증·평가자 용량이 부족해지므로 출시계획에 학습과 재승인 시간을 포함한다.

변화관리자는 통제와 현장업무의 충돌을 번역한다. 새 통제가 현장 처리시간을 늘리거나 중복입력을 만들면 직원은 우회로를 찾을 수 있다. 변화관리자는 상담·심사·준법·기술의 실제 업무를 관찰하고 통제 목적을 해치지 않는 단순화와 시스템 개선을 모은다. 불만을 저항으로 분류하기 전에 통제가 수행 가능한지 검증한다.

출시 전 제한된 사용자로 업무표본을 운영하고 이해하기 어려운 경고, 승인선, 고객문구를 수정한다. 출시 뒤에는 도움 요청과 우회 사용을 모니터링하되 개인 감시로 바꾸지 않는다. 학습팀은 발견된 마찰을 직무지원과 시뮬레이션에 반영한다.

인력 시나리오는 자동화 절감과 감독 수요를 함께 계산한다. 자동화로 반복처리 시간이 줄어도 예외 검토, 고객 설명, 데이터품질, 검증, 공급자 관리, 사고 대응이 늘 수 있다. 사용사례별로 사라지는 과업, 새로 생기는 과업, 판단 난도, 필요한 독립성을 나눠 본다. 절감된 인원을 즉시 축소하면 감독공백이 생길 수 있다.

복수 시나리오에서 내부전환 속도, 신규 진입, 외부채용, 이탈, 지도자와 검증자 용량을 본다. 기술 도입이 늦거나 규제가 강화되는 경우도 준비한다. 금융권 AI 인력계획은 개발자 수가 아니라 책임이 끊기지 않는 역할망을 만드는 일이다.

감사표본은 수료기록에서 실제 결정까지 양방향으로 추적한다. 감사는 수료자 명단에서 출발해 해당 역할자가 실제로 승인 가능한 사용사례와 표본을 확인한다. 반대로 고위험 고객결정에서 시작해 담당자의 역할승인, 사용된 데이터·모델, 사람 검토, 검증, 이의절차를 거슬러 올라간다. 두 방향이 연결되지 않으면 교육약속과 운영통제가 분리된 것이다.

발견은 개인의 실수 수로 끝내지 않는다. 역할정의, 학습표본, 권한시스템, 업무량, 검증자료, 고객통지 중 어디가 실패했는지 분류하고 책임자와 수정증거를 정한다. 같은 발견이 다시 나오면 과정 재배포가 아니라 근본 통제를 바꾼다.

고위험 사용사례의 범위 변경은 새로운 승인으로 다룬다. 같은 모델을 새로운 고객군, 상품, 국가, 채널, 의사결정에 적용하면 위험과 필요한 역할이 달라진다. 편리한 재사용으로 보지 않고 데이터 적합성, 설명·이의절차, 사람의 권한, 검증범위를 다시 확인한다. 작은 설정변경이 실제 업무영향을 크게 바꿀 수도 있다.

변경 요청에는 기존 승인과 달라지는 점, 예상 편익, 새 위험, 시험결과, 영향을 받는 역할과 고객, 철회방법을 적는다. 긴급변경도 사후승인과 재검증 책임을 남긴다. 변경통제에서 발견된 역할격차는 출시 전 표본과 지원으로 보완한다.

자동화 편향과 경보피로를 실제 화면에서 훈련한다. 사람은 시간이 부족하거나 추천이 일관돼 보이면 의심할 신호를 놓칠 수 있다. 서로 비슷한 정상사례 사이에 중요한 예외를 넣고, 설명·경고의 위치와 처리시간이 판단에 어떤 영향을 주는지 관찰한다. “AI를 맹신하지 말라”는 구호보다 업무환경을 바꾼다.

경보가 너무 많으면 무시되고 너무 적으면 위험이 늦게 드러난다. 사용자, 모델·정책 소유자, 인간공학 담당이 경보의 정확성·행동가능성·우선순위를 검토한다. 잘못 설계된 화면에서 발생한 오류를 직원의 주의 부족으로만 평가하지 않는다.

지점·콜센터·후선부서에 같은 지원경로가 도달하게 한다. 본사 교육은 충실해도 교대근무와 고객대면 압박이 있는 현장은 연습과 질문 시간이 부족할 수 있다. 역할별 짧은 시뮬레이션, 현장 코치, 업무 중 검색 가능한 기준, 즉시 상향 채널을 배치하고 근무형태에 따라 접근이 달라지는지 본다.

현장 코치가 비공식 승인자가 되지 않게 권한과 책임을 명시한다. 반복 질문은 개인의 이해 부족이 아니라 정책·화면·설명의 문제일 수 있다. 지점과 센터에서 나온 경계사례를 중앙 검증·정책팀이 다시 검토한다.

직원 목소리를 우회사용 탐지와 직무재설계에 활용한다. 역할자는 통제가 현실과 충돌하는 지점을 가장 먼저 본다. 안전하게 의견을 낼 채널과 대표자 협의를 두고, 문제 제기를 성과저하나 변화저항으로 기록하지 않는다. 자동화로 역할·업무량·모니터링이 바뀌는 경우 충분히 설명하고 의견을 반영한다.

우회로가 발견되면 징계 여부만 보지 않고 왜 공식경로가 작동하지 않았는지 확인한다. 고객대기, 중복입력, 불명확한 책임, 권한부족을 개선하고 고의적 통제회피와 합리적 임시대응을 구분한다. 현장지식은 위험통제의 입력이다.

사고 뒤 학습은 개인 재수강에서 끝내지 않는다. 자동결정 사고와 근접사고를 데이터, 모델, 정책, 공급자, 화면, 업무량, 역할 준비, 검증, 고객구제의 흐름으로 분석한다. 과정 수료 여부는 한 항목일 뿐이다. 같은 교육을 다시 배포하는 조치는 원인이 학습격차일 때만 사용한다.

익명화된 결정사례를 역할별 표본과 레드팀 시나리오로 돌려보낸다. 수정된 통제가 실제로 작동하는지 현장에서 확인하고, 영향받은 고객의 정정·구제도 완료한다. 사고가 없다는 보고보다 발견하고 복구하는 능력을 성숙도로 본다.

사용사례 폐기는 도입만큼 엄격하게 관리한다. 모델 사용을 중단해도 데이터, 파생값, 자동화 규칙, 고객통지, 진행 중인 이의가 남을 수 있다. 대체절차와 책임자를 정하고 하위 시스템에서 호출이 멈췄는지 확인한다. 보존의무와 삭제의무를 구분한다.

역할자는 새 도구로 전환할 표본을 만들고 기존 승인권한을 회수한다. 폐기 이유와 교훈을 포트폴리오에 남겨 비슷한 위험의 재도입을 막는다. 사용하지 않는 모델과 계정을 정리하는 능력도 책임 있는 AI 숙련의 일부다.

함께 읽을 글

• AI 리터러시 교육의 기준: 한 번의 특강보다 반복 훈련이 성과를 만든다
• AI 시대 기업교육의 성패는 강의 수가 아니라 성과-학습 루프에 달려 있다
• 중간관리자 AI 교육이 없으면 AI 도입은 팀장 앞에서 멈춘다

출처

1. HM Treasury, Financial Services Skills Compact, 2026-07-14. https://www.gov.uk/government/publications/financial-services-skills-compact–2
2. HM Treasury, AI Adoption Plan: Financial Services, 2026-07-14. https://www.gov.uk/government/publications/ai-adoption-plan-financial-services/financial-services-ai-adoption-plan
3. Skills England, Sector skills needs assessments: Financial Services, 2026-06-01. https://assets.publishing.service.gov.uk/media/6a18581f65bc5f798327f4c3/sna_financial_services.pdf

Skills Compact의 네 약속은 방향이며 회사별 통제는 별도로 필요하다. 2026년 7월 14일 공개된 Financial Services Skills Compact의 초기 서명기관은 22곳이다. 약속은 3년 안의 전 직원 AI·핵심스킬 개발, 구조화된 진입경로, 임원 책임자, 연차 업데이트라는 네 축을 둔다. 서명 자체나 3년 기한은 역할별 독립수행을 증명하지 않는다.

이 글에서는 각 사용사례의 노출·사용·감독·검증 역할, 위험별 표본, 이사회 중단권, 연차 공개내용으로 번역했다. 기관은 자체 규제의무와 포트폴리오에 맞춰 기준을 정해야 한다.

AI Adoption Plan 수치는 도입의 폭과 이해·감독의 간극을 보여 준다. 금융기업 75%가 AI를 사용하고 55%는 자동결정, 24%는 반자율, 2%는 완전자율 사례를 보고했다. 46%가 도입한 AI를 부분적으로만 이해한다고 답했다. 설문 정의와 응답구성이 자사 사용사례와 다를 수 있으며 자동결정 비율을 고객 결정 전체의 비중으로 읽지 않는다.

수치는 완전자율보다 이미 작동하는 자동결정의 사람 개입과 역할이해를 먼저 점검하는 근거다. 자사에서는 사용사례 단위의 승인·거부·검증·이의 데이터를 별도로 확인한다.

Skills England 전망은 인력 규모와 고숙련 구성을 제공한다. 금융서비스 추가수요 13만 명·22.5%와 대체수요 18만5천 명을 합친 31만5천 명은 전망치이며 추가수요의 99%가 Level 4 이상이다. AI 대안 시나리오와 인력 흐름을 회사별 확정 채용계획으로 복제하지 않는다.

세 자료는 공동약속, 기술도입, 노동수요라는 서로 다른 질문을 다룬다. 숫자를 한 성숙도 지수로 합치지 않고 역할경로와 복수 인력 시나리오를 만드는 데 사용한다. 공식 도표의 WordPress 재사용 범위는 업로드 전 사람이 확인한다.