시사점

○ [AI 적용도가 높은 지식 집약 산업] 금융업은 정보 처리·문서 작성·데이터 분석·리스크 계량 등 정보기반 업무 비중이 높아, 생성형 AI의 적용 효과가 가장 크게 나타날 수 있는 대표적 산업임

• 생성형 AI는 방대한 금융 데이터를 신속하게 처리하고 반복적인 인지 업무를 자동화가 가능

○ [효율성과 인간 판단이 공존하는 이중 구조] 반면, 금융업은 고객 신뢰·관계 형성·복합적 상황 판단·책임 있는 의사 결정이 핵심 가치인 산업이기도 함. 동일한 데이터가 주어지더라도 고객의 상황과 목적에 따라 최적의 판단이 달라질 수 있어 인간의 역할이 여전히 중요

• 자산관리·기업금융·여신심사·금융소비자 보호 등 주요 업무에서는 고객의 상황과 맥락에 대한 이해, 장기적 신뢰 관계 형성, 이해 관계 조정 등의 핵심적인 역할이 필요

○ [규제 대응 및 인간 감독¹⁰ 중요성 확대] EU AI법(2026년 8월)과 국내 AI기본법(2026년 1월 시행) 등 AI 관련 규제가 강화되면서, 금융권에서는 설명 가능성·책임성·개인정보 보호·소비자 피해 예방·인간 감독(Human Oversight) 체계 구축의 중요성이 더욱 커지고 있음

○ AI 에이전트 시대 지속가능한 조직 경쟁력을 갖추기 위해서는 ‘기술 자동화’에서 ‘인간 고유의 역할 집중’으로 프레임을 전환하고, 이를 뒷받침할 역할 중심의 리스킬링 프로그램 설계와 인간 고유 역량에 대한 구조화된 평가 체계 구축을 제도화하는 것이 필요

○ [인재의 역할 재정의] AI 에이전트의 확산은 단순한 기술 도입이 아니라, 업무 영역을 인간과 AI가 나누고 '사람이 해야 할 일'을 명확히 정의하는 작업이 선행되어야 하는 구조적 전환을 의미

• 프레임 전환: '무엇을 자동화할 것인가'에서 → '사람이 무엇에 집중해야 하는가'로

○ [리스킬링 패러다임의 전환] 리스킬링¹¹ 프로그램을 ‘무엇을 배우는가’라는 기술 습득 중심이 아니라, ‘어떤 역할을 수행할 것인가’라는 역할 중심으로 교육 체계를 재설계해야 함

• 역량 투자 재조정: 기술 스킬과 인간 고유 역량(판단·공감·창의성)의 균형 있는 육성
• 역할 중심의 리스킬링: AI 문해력(AI Literacy) → AI 활용(AI Application) → AI 통합 조율(AI Orchestration) 단계로 교육 고도화
  

○ [평가 체계의 재설계] 고객 접점에서 필요한 인재에 대해서는 인간의 고유 역량인 판단력·감성 역량에 대한 평가 체계 도입을 검토하고, 정성적 역량을 측정 가능한 형태로 구조화

• 평가 체계 정합성: 선언과 실행의 괴리를 줄이는 측정 가능한 AI 시대 인재 평가 기준 수립

○ 또한, AI가 업무 성과를 좌우하는 핵심 요소로 자리 잡으면서, 기존 KPI 중심의 평가 체계는 실제 생산성과 괴리 발생. AI를 얼마나 잘 활용해 문제를 정의하고 결과를 해석하는지 ‘AI 유창성’을 채용·성과 평가에 반영하는 체계를 구축함으로써 AI 활용 역량을 제도화

• 단순히 평가 항목을 추가하는 것이 아니라, 성과 평가 체계를 ‘업무 결과 중심’에서 ‘AI-인간 협업 과정 중심’으로 전환
  - 예를 들어 프롬프트 활용 능력·결과 검증 능력·의사 결정 설계 능력 등을 포함한 새로운 평가 지표 체계 구축이 필요

○ [주니어 인재 육성 방식 재설계] 주니어 인력이 담당하던 업무를 AI가 대체하면서 신입사원의 성장 경로가 약화되고 있어, 단순 업무 경험 대신 AI와 함께 문제를 정의하고 결과를 검증하는 ‘AI 협업형 학습 구조’로의 전환이 필요

• 신입·주니어 인력이 배우면서 성장하던 업무 자체가 줄어드는 것이 핵심 이슈로 부상하고, 반복 업무가 아닌 판단 보조·검증·해석 중심 업무로 초기 경력 구조를 재설계 필요