Morgan Stanley, AI로 경리 업무 50% 축소

Morgan Stanley는 은행 업무 중에서도 특히 정확성과 속도가 요구되는 손익 조정(P&L 조정) 작업에 AI 에이전트 시스템을 도입했다. 그 결과 종래에는 1권의 장부에서 최대 6시간이 걸리던 작업이 2~3시간으로 단축되었다. 이 추진을 주도한 동사 매니징 디렉터인 Todd Johnson이 최근 개최된 VB AI Impact 이벤트에서 밝혔다.

손익 조정이란 1일의 거래 종료 후 재무·리스크·오퍼레이션·거래 기록 등 복수의 시스템에 걸친 데이터를 맞춰보고 편차를 수정하는 작업이다. 거래마다 방대한 수의 속성이 기록되므로 매 영업일 종료 시점에는 수십만 건 단위로 데이터 불일치가 발생한다. 담당하는 컨트롤러들은 다음날 아침 마감까지 이들을 한 건씩 조사하고 수정 내용을 판단·승인해야 한다. 시간적 압박이 극히 크고 인적 오류가 일어나기 쉬운 환경이기도 하다.

이 프로세스에 도입된 것이 사내 개발의 에이전트 시스템 'FIXR'이다. 야간의 손익 계산이 완료되면 FIXR은 자동으로 데이터 불일치를 분석하고 과거의 대처 이력을 바탕으로 해결책을 제안한다. 내부에서는 복수의 에이전트가 연계하여 동작하며 각각이 '과거의 지시를 해석하여 다음날 아침의 대처안을 작성하는 역할' '컨트롤러의 행동에서 판단 규칙을 학습하는 역할' '반복의 패턴을 자동화 로직으로 변환하는 역할'을 담당한다. 같은 방법으로 반복해서 해결된 안건에 대해서는 시스템이 고정 규칙을 생성하여 자동 처리할 수 있게 되어간다.

특징적인 것은 의도적으로 자율성을 낮추는 설계로 한 점이다. FIXR은 모든 제안에 대해 인간의 승인을 필요로 하며 컨트롤러가 수정·승인한 내용은 다음 사이클에 반영되어간다. '자동화를 진행하면서도 인간의 책임이라는 요소를 유지하고 있다'고 Johnson은 말하고 있다. 동인은 또한 'copilot(부조종사)이라기보다는 동료에 가까운 존재다'라고도 표현했다.

실제 효과로서 P&L 조정에 종사하는 약 100명의 컨트롤러 전체에서 주당 약 1,500시간의 삭감이 실현하고 있다고 Johnson은 설명했다. 이는 단순 계산으로 1인당 주 15시간 상당의 작업이 감소한 것이 된다. Johnson은 '자율성을 높이려면 신뢰의 축적이 필요하다'고도 강조하고 있으며 향후 자동 처리 가능한 안건은 점차 증가할 것이라는 전망을 보였다.

많은 기업이 AI를 코딩 보조나 고객 지원에 활용하고 있는 가운데 Morgan Stanley가 선택한 것은 정확도 오류가 직접적인 손실로 이어질 수 있는 기간계 업무였다. 이 사례는 AI 에이전트의 도입에 있어 '얼마나 자율적으로 할 것인가'보다 '인간의 판단을 어떻게 효율적으로 시스템에 조직할 것인가'가 성과를 좌우한다는 견해를 뒷받침하는 것이라 할 수 있다. 금융기관을 중심으로 AI를 기간계 업무 프로세스에 조직하는 움직임이 향후 가속할지 여부, 실제 정확도나 감사 대응 측면에서의 평가가 주목점이 될 것이다.