경제·금융 용어사전

국가기관·지방자치단체 등 보장기관이 사회적 위험으로부터 국민을 보호하고 삶의 질을 향상하기 위해 제공하는 현금·현물·서비스 및 그 이용권을 말한다.

「사회보장급여의 이용·제공 및 수급권자 발굴에 관한 법률」은 사회보장급여를 보장기관이 「사회보장기본법」에 따라 제공하는 현금, 현물, 서비스 및 이용권으로 정의한다. 따라서 여기서 ‘급여’는 돈으로 지급되는 현금급여만을 뜻하지 않는다.

사회보장급여는 사회보험·공공부조·사회서비스를 통해 제공된다. 국민연금이나 건강보험 같은 사회보험급여, 생계급여·의료급여 같은 공공부조, 돌봄·보육서비스 및 바우처 등이 포괄된다. 기초연금도 노령이라는 사회적 위험에 대응해 국가가 현금으로 제공하는 사회보장급여에 해당한다.

‘복지급여’가 일상적·행정적으로 사용되는 넓은 표현이라면, ‘사회보장급여’는 법률에 명시된 공식 개념이다. 문맥에 따라 복지급여가 사회보장급여와 같은 뜻으로 쓰이기도 하지만, 법률적 정확성이 필요한 경우에는 사회보장급여를 사용하는 것이 적절하다.

국가나 지방자치단체 등이 국민의 생활 안정과 복지 증진을 위해 일정한 자격요건을 충족한 사람에게 제공하는 현금·현물·서비스 또는 이용권을 통칭한다.

복지급여에는 생계급여·주거급여·기초연금·아동수당처럼 현금으로 지급되는 급여뿐 아니라 의료 지원, 돌봄서비스, 보육서비스 및 각종 바우처도 포함될 수 있다.
다만 ‘복지급여’는 여러 법령과 행정 현장에서 폭넓게 사용되는 일반적 표현으로, 모든 제도에 공통으로 적용되는 단일한 법률상 정의가 확립된 용어는 아니다. 개별 법률이나 사업에 따라 대상, 선정기준, 급여 형태와 지급방식이 달라진다. 법률상 포괄적 개념을 나타낼 때는 ‘사회보장급여’가 더 정확하다.

사용자의 목적과 선호, 예산, 구매 이력 등을 반영한 AI 에이전트가 상품 탐색과 비교·추천부터 주문·결제까지 구매 과정의 일부 또는 전부를 대신 수행하는 전자상거래 방식이다. 소비자가 직접 상품을 검색하고 선택하던 기존 전자상거래와 달리, AI가 사용자가 부여한 권한의 범위에서 구매 의사결정을 보조하거나 거래를 실행한다는 점이 특징이다.

에이전틱 커머스에서는 AI 에이전트가 사용자의 의도를 파악하고 쇼핑 플랫폼·판매자·결제 시스템과 연동해 조건에 맞는 상품을 찾는다. 이에 따라 검색 결과를 살펴보고 상품을 하나씩 선택하던 전자상거래가 자연어로 구매 목표를 제시하면 AI가 이를 실행하는 ‘대화형·목표 지향형 쇼핑’으로 전환될 것으로 예상된다.

오픈AI는 챗GPT의 즉시결제 기능과 에이전틱 커머스 프로토콜(ACP)을, 구글은 상품 탐색부터 결제와 구매 후 지원까지 연결하는 범용 상거래 프로토콜(UCP)을 개발했다. 아마존도 루퍼스와 알렉사 기반의 ‘바이 포 미(Buy for Me)’ 기능을 통해 이용자를 대신한 상품 탐색과 구매를 지원하고 있다.

에이전틱 커머스가 확산되면 소비자의 검색 비용과 구매 절차를 줄일 수 있지만, 결제 권한의 범위와 오구매에 대한 책임 소재, 개인정보 보호, 추천 편향, 플랫폼 종속 문제 등은 해결해야 할 과제로 꼽힌다.

AI 에이전트는 사용자가 부여한 목표를 달성하기 위해 주변 환경이나 데이터를 인식하고, 필요한 작업을 판단·계획해 실행하는 인공지능 기반 소프트웨어 시스템이다. 단순히 질문에 답하는 데 그치지 않고 외부 도구나 시스템을 이용해 행동하며, 실행 결과를 관찰해 다음 단계나 계획을 수정할 수 있다는 점이 특징이다.

AI 에이전트는 일반적으로 대규모 언어모델(LLM)과 같은 AI 모델을 중심으로 메모리, 계획·조정 기능, 도구 호출, API 및 외부 데이터 연동 기능 등을 결합해 구성된다. 자연어 처리와 머신러닝이 기반 기술로 활용되며, 강화학습은 일부 에이전트의 학습이나 성능 개선에 사용될 수 있지만 필수 구성 요소는 아니다.

활용 목적에 따라 프로그램 코드를 작성·수정하고 테스트하는 코딩 에이전트, 정보 검색과 분석을 수행하는 리서치 에이전트, 대화하면서 여러 작업을 처리하는 대화형 작업 에이전트, 반복적인 업무 절차를 수행하는 업무 자동화 에이전트 등으로 나눌 수 있다. 텍스트·이미지·음성·영상 등 여러 형태의 정보를 함께 처리하는 경우에는 멀티모달 에이전트라고 한다.

대표적인 코딩 에이전트로는 GitHub Copilot의 코딩 에이전트와 Cursor Agent, Claude Code, OpenAI Codex 등이 있다. 이들은 코드베이스를 검색하고 파일을 수정하며 명령어와 테스트를 실행할 수 있다. ChatGPT·Claude·Gemini·Microsoft Copilot과 같은 범용 AI 서비스도 제품별로 검색, 브라우저 조작, 문서 작성 및 외부 서비스 연동 등의 에이전트 기능을 제공한다. 업무 자동화 분야에서는 Zapier Agents 등이 여러 애플리케이션을 연결해 반복적인 작업과 워크플로를 수행한다.

사용자의 일회성 명령에 단순히 응답하는 것을 넘어, 주어진 목표를 달성하기 위해 필요한 작업을 스스로 계획하고 연속적으로 실행하는 인공지능을 말한다. 단일 질문에 답하거나 콘텐츠를 생성하는 일반적인 생성형 AI와 달리, 여러 단계의 과업을 판단하고 외부 환경과 상호작용하며 수행하는 자율형 AI라는 점에서 구분된다.

예를 들어 “신제품 마케팅 전략을 수립해 줘”라는 요청을 받으면 시장 조사, 경쟁사 분석, 목표 고객 설정, 콘텐츠 작성 등의 작업을 순차적으로 수행할 수 있다. 이 과정에서 필요한 정보를 직접 검색하거나 API, 브라우저, 코드 실행 환경과 같은 외부 도구를 활용하고, 작업 결과에 따라 계획을 수정하기도 한다. 이러한 다단계 계획과 도구 사용이 단순한 텍스트 생성 시스템과 에이전틱 AI를 구분하는 핵심 요소다.

대표적인 활용 사례로는 AI 코딩 에이전트가 있다. 개발자가 “인증 모듈에 새 기능을 추가하고 모든 테스트를 통과시켜 줘”라고 요청하면, 에이전트는 관련 파일을 분석해 코드를 수정하고 개발 환경에서 테스트를 실행한 뒤, 오류가 발견되면 다시 코드를 고치는 과정을 반복한다. 실제 코딩 에이전트도 코드 작성·수정, 테스트, 디버깅 및 명령 실행 기능을 결합하고 있다.

이처럼 계획(Plan) → 실행(Execute) → 관찰·검증(Observe·Verify) → 계획 수정을 반복하는 피드백 구조가 에이전틱 AI의 대표적인 작동 방식이다. 기업에서는 소프트웨어 개발뿐 아니라 정보 검색, 데이터 수집·분석, 고객 지원, 문서 작성 및 업무 절차 자동화 등에 활용되고 있다.

외환당국(재정경제부)에 등록하여 국내에 지점이나 자회사를 두지 않고도 서울 외환시장에서 원/달러 현물·선물환 및 외환스왑 거래를 직접 수행할 수 있는 자격을 갖춘 외국 금융기관이다.


과거 국내 지점이 없는 해외 금융기관은 국내 은행을 통해서만 원화를 간접 거래해야 했다. 정부는 외환시장 접근성을 대폭 개선하고 MSCI 선진국 지수 편입 요건을 충족하기 위해 2024년 7월 '외환시장 구조 개선'을 정식 시행하며 RFI 제도를 도입했다. 이와 함께 시장 개장 시간을 기존 오전 9시~오후 3시 30분에서 익일 새벽 2시까지로 1차 연장했다.

RFI로 등록된 외국 금융기관은 런던·뉴욕 등 해외 현지에서 국내 외국환중개회사를 통해 국내 은행 및 다른 RFI와 동등한 자격으로 원/달러 시장간 거래에 참여한다.

정부는 2026년 1월 'MSCI 선진국 지수 편입을 위한 외환·자본시장 종합 로드맵'을 통해 RFI 제도를 추가 고도화했다. 이에 따라 2026년 7월부터 서울 외환시장이 24시간 거래 체제로 전면 전환되었으며, 같은 해 9월에는 비거주자 대상 원화 결제 및 예금 업무를 허용하는 해외원화업무취급기관(RFI-K) 제도가 도입되었다. 정부는 RFI-K 시범 운영을 거쳐 2027년 중 역외 원화결제 시스템을 본격 안착시킬 계획이다.

해외 금융기관이 국외에서 외국인 비거주자를 대상으로 원화 지급·수령 및 예금 등 원화 업무(해외원화업무)를 수행할 수 있도록 재정경제부에 등록된 금융기관이다. 기존의 해외외국환업무취급기관(RFI)에 역외 원화 거래 권한을 부여하는 '원화 전문 라이선스' 성격을 지닌다.

정부가 2026년 7월 발표한 '원화 국제화 로드맵'의 후속 조치로 도입됐다. 역외 원화결제 시스템 구축을 위해 2026년 9월 16일 「외국 금융기관의 외국환업무에 관한 지침」과 「외국환거래규정」이 개정·고시되면서 '해외원화업무' 및 '해외원화업무취급기관(RFI-K)' 제도가 공식 신설됐다.

기존 RFI로 등록된 외국 금융기관 중 해외원화업무를 취급하려는 기관은 재정경제부에 추가 등록해야 한다. RFI-K로 등록된 기관은 국내 외국환은행에 통합원화계좌를 개설하고, 해당 은행을 통해 한국은행 원화국제결제망에 연계 접속하는 방식으로 결제를 처리한다. 거래 상대방은 외국인 비거주자로 한정되며, 은행 등 예금 수신 기능을 보유한 외국 금융기관은 거래 대상에서 제외된다.

원활한 결제 유동성을 확보하고 결제 실패 위험을 줄이기 위한 제도적 지원도 포함됐다. 국내 은행으로부터 결제 목적의 일시적 원화 차입(오버드래프트)이 제한 없이 허용되며, 원화 차입 사전 신고 면제 한도가 기존 300억원에서 1000억원으로 상향됐다. 비거주자 간 원화 표시 자본거래 신고 의무도 원칙적으로 면제되지만, 국내 부동산 관련 거래는 제외된다.

RFI-K는 거래 상대방의 비거주자 적격성을 확인할 의무가 있으며, 주요 거래 내역을 외환당국에 보고해야 한다. 정부와 한국은행은 이를 바탕으로 RFI-K의 건전성 관리와 시장 모니터링을 공동으로 수행한다.

사람의 건강·안전·기본권 또는 사회의 중요 기능에 중대한 영향을 미칠 가능성이 있어 법령에 따라 강화된 위험관리·투명성·인간 감독 등의 의무가 부과되는 인공지능 시스템을 말한다.

고위험 AI는 단순히 성능이 높거나 최신 기술을 사용한 인공지능을 뜻하지 않는다. AI가 사용되는 분야와 목적, 의사결정에 미치는 영향, 피해의 심각성 등을 기준으로 분류되는 규제 개념이다.

EU AI법은 고위험 AI 시스템을 크게 두 유형으로 구분한다. 첫째는 의료기기·기계·승강기·장난감 등 EU의 제품안전법이 적용되는 제품에 내장되거나 그 제품의 안전 구성요소로 사용되는 AI다. 둘째는 생체인식, 중요 기반시설, 교육, 채용·노무관리, 신용평가와 공공급여, 법 집행, 이민·국경관리, 사법행정 등 개인의 권리와 기회에 큰 영향을 미치는 분야에서 사용되는 독립형 AI다.

고위험 AI 제공자에게는 위험관리시스템 구축, 학습·검증 데이터 관리, 기술문서 작성, 작동기록 보존, 이용자 정보 제공, 인간 감독, 정확성·견고성·사이버보안 확보, 적합성 평가, 등록과 사후시장감시 등의 의무가 부과된다.

고위험 AI는 사용 자체가 금지되는 ‘허용할 수 없는 위험의 AI’와 구별된다. 또한 대규모 연산능력 때문에 광범위한 피해를 일으킬 수 있는 ‘시스템적 위험을 지닌 범용 AI 모델’과도 별개의 분류다. 범용 AI 모델이 고위험 분야의 시스템에 통합되면 고위험 AI 규제가 적용될 수 있지만, 범용 AI라는 이유만으로 곧바로 고위험 AI가 되는 것은 아니다.

EU AI법의 고위험 AI 관련 의무는 원래 2026년부터 단계적으로 적용될 예정이었으나 AI Omnibus로 연기됐다. Annex III의 독립형 고위험 AI 시스템에는 2027년 12월 2일부터, Annex I의 제품 내장형 고위험 AI 시스템에는 2028년 8월 2일부터 적용된다.

특정 시점의 인공지능 기술 수준에서 가장 앞선 능력을 보유한 고성능 범용 AI 모델 또는 시스템을 말한다.

프런티어 AI는 성능이나 구조가 고정된 기술 범주가 아니라 인공지능 기술의 최전선을 가리키는 상대적인 개념이다. 새롭고 강력한 모델이 등장하면 기존 프런티어 모델은 일반적인 모델로 밀려날 수 있다. 대규모 언어 모델, 멀티모달 모델과 고성능 AI 에이전트 가운데 당대 최고 수준의 능력을 보이는 모델들이 이에 포함될 수 있다.

정책·안전 분야에서는 프런티어 AI를 광범위한 과업을 수행할 수 있고, 오용되거나 통제에 실패할 경우 심각한 피해를 일으킬 가능성이 있는 최첨단 범용 AI로 설명하기도 한다. 그러나 프런티어 AI를 판별하는 국제적으로 통일된 성능이나 연산량 기준은 아직 없다.

EU AI법에서 사용되는 10²⁵ FLOPs는 범용 AI 모델이 시스템적 위험을 지녔다고 추정하는 연산량 기준 중 하나다. 이는 프런티어 AI 자체의 보편적인 정의가 아니며, 모델의 실제 능력·사용 범위·위험성과 함께 평가해야 한다. EU AI법도 광범위한 작업을 수행하는 범용 AI와 시스템적 위험을 지닌 범용 AI를 구별한다.

고도화된 인공지능이 자신의 성능을 개선하는 능력을 갖게 되면서, 더 지능적인 AI가 다시 더욱 우수한 AI를 개발하는 과정이 반복돼 지능 향상 속도가 폭발적으로 빨라지는 가설적 현상을 말한다.

영국의 수학자이자 통계학자인 I. J. 굿은 1965년 논문 「최초의 초지능 기계에 관한 고찰」(Speculations Concerning the First Ultraintelligent Machine)에서 이 개념을 제시했다. 굿은 기계 설계 역시 지적 활동이므로 인간의 지적 능력을 크게 능가하는 기계는 자신보다 더 우수한 기계를 설계할 수 있고, 이러한 과정이 반복되면 인간의 지능이 크게 뒤처지는 지능폭발이 일어날 수 있다고 설명했다.

재귀적 자기개선은 인공지능이 자신의 연구·설계·학습 능력을 반복적으로 향상시키는 과정이고, 지능폭발은 그러한 자기개선의 속도와 효과가 급격히 증폭된 결과를 가리킨다. 따라서 두 개념은 밀접하게 연결되지만 같은 뜻은 아니다.

지능폭발이 현실화되면 범용 인공지능이 짧은 기간에 초인공지능으로 발전할 수 있다는 주장이 제기된다. 그러나 재귀적 개선이 지속될 수 있는지, 연산자원·에너지·데이터·실험 비용 등의 현실적 제약을 넘어 폭발적인 발전으로 이어질지는 확인되지 않았다.