글로벌 순자산은 험난했던 2022년과 달리 2023년 4.3% 성장하며 큰 폭의 회복세를 기록했다.
금융 시장의 반등과 운용 자산(assets under management, AuM)의 확대가 성장의 큰 부분을 견인했다. 글로벌 자산을 구성하는 요소 중 하나인 금융 자산은 2022년 4% 감소했지만 2023년에는 7% 가까이 증가했다. 특히 북미와 서유럽이 강력한 반등세를 보였다. 반면 중국의 성장률은 다소 낮은 수준에 머물렀다. 크로스보더(cross-border) 자산도 비슷한 양상을 나타냈다. 스위스, 싱가포르, 미국, 아랍에미리트 등 주요 금융 허브(booking center)의 크로스보더 자산도 최근 추세와 동일하게 성장했다. 다만 홍콩의 성장률은 3.2%에 그치며 크게 둔화한 모습을 보였다. 이는 중국 본토 유입 자산이 감소했기 때문이다.
이 같은 회복세에도 불구하고 수익성을 둘러싼 우려는 여전히 해소되지 않고 있다. 우선 자산관리회사(wealth manager)의 수익 마진은 다소 개선되었다. 이는 자산운용사(asset manager)의 실적이나 2022년 자산관리회사의 수익 마진이 2bp 낮아졌던 것과 비교하면 주목할 만한 성과라고 할 수 있다. 그렇지만 수익 마진 개선이 대부분 순이자수익에 의한 초과 이익(windfall profit)에서 나온 점에 주의할 필요가 있다. 특히 자금조달 비용 상승 및 금리 하락이 예상되는 오늘날의 환경에서 이러한 성장세가 지속되긴 어려울 것으로 보인다. 인플레이션, 운영 비효율성 및 규제 강화 등의 이슈가 수익률에 영향을 미칠 가능성이 크기 때문이다. 따라서 업계 내 긍정적 충격(positive shock)이 일어나지 않는다면 자산관리업계의 수익 마진이 단시일 안에 높아지기는 힘들 것으로 전망된다.
사실 자산관리업계가 생성형 AI(GenAI)의 잠재력을 온전히 활용한다면 긍정적 충격이 머지않아 실현될 수도 있다. 해당 기술을 통해 밸류체인 전반에 걸쳐 효율성을 높이고, 고객 상호작용과 개인화 기능을 대폭 강화할 수 있기 때문이다. 본 글로벌 자산 보고서에서는 생성형 AI가 어떻게 혁신을 추동하는지 살펴보고, 성공적인 변화를 위한 효과적인 컴플라이언스 체계 수립의 중요성에 대해 알아보고자 한다.
시장 규모: 소폭의 이익과 글로벌 성장 달성
금융 자산과 부채, 실물 자산으로 구성되는 글로벌 순자산은 2023년 4.3% 증가하여 477조 달러를 기록했다. (보기 1 참조) 총자산이 0.2% 증가한 2022년에 비해서는 고무적인 성과지만, 무려 7.1%의 연평균성장률을 기록한 2014~2021년 기간에 비해서는 높지 않은(modest) 수준이다.
2022년 4% 감소했던 금융 자산은 2023년 7% 가까이 반등하며 275조 달러를 기록했다. 글로벌 상장 주식 시장의 견조한 실적이 이러한 반등에 핵심 역할을 했다. 주식 시장은 견고한 기업 실적과 2022년 7%로 고점을 찍은 후 4%까지 낮아진 글로벌 인플레이션에 힘입어 15.8% 증가율을 달성했고, 72조 5,000억 달러 규모를 기록했다. 2022년 8.7% 감소했던 생명보험 및 연금 펀드 포트폴리오 부문도 상장 주식 시장의 호조로 2023년 3.6% 증가한 67조 1,000억 달러를 달성했다.
이러한 가운데 2022년 12% 축소됐던 자산관리회사의 CBV(Client Business Volume, 운용자산과 대출의 합계)가 10.2% 확대로 돌아섰다. CBV 수익은 주로 순이자수익에 의한 초과 이익(windfall profit)에서 나왔다. 견고한 시장에 힘입어 2023년 자산관리회사의 CBV 수익은 약 5.2bp 개선되었다. 그러나 비용이 4.2bp 상승해 수익 개선 폭 대부분을 상쇄하며 이익 마진이 단 1bp 상승하는 데 그쳤다.
자산관리회사가 유리한 환경에 의존해 수익성 개선을 기대하기는 어려운 시점이다. 자산관리 분야의 이익 마진은 2007 년부터 40% 넘게 하락하고 있다. 자산관리업계가 비즈니스 모델 전환을 서두르지 않으면 앞으로도 장기적인 이익 마진 하락 추세가 계속될 것으로 전망된다.
자산관리업계의 발 빠른 조치가 없다면 장기적인 이익 마진 하락은 계속될 것
자산 종류별 금융 자산 동향
사모펀드 및 기타 비상장 주식 보유는 고금리와 거래 둔화에도 불구하고 증가 폭이 2022년 2.7%에서 3.9%로 증가하여 34조 1,000 억 달러를 기록했다. 채권은 고금리 시기에 선호도가 높은 장기 채권의 수요에 힘입어 20.5% 늘어난 7조 9,000 억 달러로 집계됐다. 반면, 현금 및 예금은 소비자가 예금을 고수익 자산으로 옮기고 물가 상승률이 일 년 내내 높은 수준을 유지한 가운데 소비를 늘리면서 2.8% 줄어든 74조 4,000 억 달러를 기록했다. 부채는 금리 인상 전과 비교했을 때 그 증가 폭이 감소해 3.8% 확대되는 데 그쳤으며, 총 59조 9,000억 달러 규모에 머물렀다.
향후 인플레이션 감소, 금리 안정화 및 주식 시장의 긍정적 모멘텀 형성을 통해 수년 내에 장기 평균을 회복할 수 있을 것으로 전망된다. 이 경우 2028년까지 순자산 증가율은 연평균 6%에 달할 것으로 예상된다.
지역별 금융 자산 동향
금융 자산은 2022년 특히 북미와 서유럽 등 선진 경제권에서 대폭 축소되었으나, 2023년에는 두 지역 모두에서 반등했다. 가장 빠른 성장세를 보인 북미 지역은 주식 시장 호조에 힘입어 2023년 신규 창출된 금융 자산의 절반 이상을 차지했다. S&P 500 지수는 기술주와 반도체주를 중심으로 2023년에만 24%가 넘는 상승률을 보였다. 애플, 엔비디아, 마이크로소프트는 사상 처음으로 시가총액이 3조 달러를 돌파했다. 서유럽의 회복세는 북미만큼 견고하지는 않았으나, 금융 자산이 4.4% 증가한 것으로 나타났다. 이 지역의 경우 북미에 비해 주식에 대한 노출이 낮았고, 따라서 주식 시장을 통한 회복이 상대적으로 약세를 보였다. Stoxx Europe 600 지수의 경우 16% 상승에 그쳤다.
2023년 아시아태평양 지역은 금융 자산이 5.1% 증가하는 데 그쳤다. 중국의 자산 창출 속도가 둔화한 것이 주요 원인으로 꼽힌다. 그렇지만 아태 지역은 2028년까지 높은 성장세를 보일 것으로 예상된다. (보기 2 참조) 2023년 5,880억 달러라는 사상 최대 규모의 신규 금융 자산을 창출한 인도가 중국에 이어 새로운 동력원으로 부상할 것으로 전망되기 때문이다. 인도는 2028년까지 아태 지역의 전반적 성장에 매년 약 7,300억 달러를 보탤 것으로 예상된다.
글로벌 금융 허브의 판도 변화
2023년 크로스보더 자산은 5.1% 증가한 13조 달러로, 전년 대비 1%p 증가했다. 아랍에미리트가 가장 놀라운 증가세를 보였다. 이러한 추세가 지속된다면 세계 7위 금융 허브를 기록하고 있는 아랍에미리트는 2028년까지 채널 제도(Channel Islands)와 맨섬(Isle of Man)을 제치고 6위로 도약할 것으로 전망된다.
북미도 견조한 성장세를 보였다. 이는 특히 중국 본토 발 유입이 일시적으로 큰 둔화를 보이며 홍콩이 세계 최대의 금융 허브로 부상할 것이라는 전망에 먹구름이 드리운 아태 지역의 상황과 대비된다. 이제 장기적으로 싱가포르가 홍콩의 성장세에 도전장을 낼 수 있는 위치에 오른 것으로 보인다. 물론 이러한 추세가 다시 변화할 수 있지만, 지속적인 지정학적 긴장으로 향후 몇 년간 안전한 금융 허브 및 다변화에 대한 수요가 유지되며 전반적인 크로스보더 자산 증가율도 다소 높아질 것으로 전망된다.
스위스는 세계 최대의 금융 허브 자리를 유지하며, 평균 4.8%의 지속 성장세를 보였고 절대액 기준으로 가장 많은 자산을 보유하고 있다. 서유럽 및 중동으로부터의 자산 유입이 2023년 스위스의 성장을 주로 이끌었다. 제재와 자산 동결 및 대형 은행 합병을 둘러싼 일시적 우려가 있기는 하나, 스위스는 여전히 중립국 지위, 안정적인 경제, 낮은 인플레이션, 고도로 발달한 금융 인프라를 바탕으로 크로스보더 자산 거점으로서의 지위를 굳건히 유지하고 있다.
그럼에도 불구하고 스위스와 영국, 룩셈부르크 등 유럽의 여타 크로스보더 금융 허브는 싱가포르, 아랍에미리트, 미국에 비해 성장 속도가 더딘 것으로 나타났다. 이는 주로 중동과 아시아 시장에서 자산 창출이 지속적으로 급증하는 가운데, 지리적 다변화에 대한 수요가 커지고 있기 때문이다. 스위스는 2028년까지 새롭게 창출되는 글로벌 크로스보더 자산의 15~20%를 차지하며 당분간은 선도 금융 허브로서의 지위를 유지하겠지만, 앞으로는 1위 자리를 차지하기 위한 치열한 경쟁이 펼쳐질 것으로 예상된다. (보기 3 참조)
홍콩의 크로스보더 자산 증가율은 2023년에 3.2%로 둔화했다. 홍콩의 크로스보더 자산 흐름의 70% 이상을 차지하는 중국 본토의 성장이 둔화한 것과 중국의 부유층 및 고액 자산가 세그먼트를 중심으로 싱가포르향 자산이 증가한 것이 원인이다. (부록 “방법론” 참조) 이는 2018~2023년 기간 홍콩이 기록한 연평균성장률(CAGR) 10.4%에서 크게 하락한 수치로, 주요 금융 허브 중 가장 낮은 성적이기도 하다.
성장을 재촉진하기 위해 홍콩은 다변화 전략을 모색하고 있다. 구체적으로 글로벌 패밀리 오피스 서비스 허브로서의 지위를 강화하고, 시장 유동성을 개선하며, 크로스보더 위안화 허브로서의 역할을 공고히 하기 위해 노력하고 있다. 홍콩은 또한 분산 원장 기술과 같은 혁신적인 기술을 통해 금융 시장의 변화를 주도하고 있으며, 고성장 부문에서 IPO를 유치하기 위해 총력을 펼치고 있다. 이러한 전략이 유효하다면, 홍콩이 성장 궤도를 되찾는 것은 물론 종국에는 스위스를 제치고 세계 최대 금융 허브로 도약할 수 있을 것이다.
싱가포르도 아태 지역의 경제 성장 둔화를 피하지는 못했다. 싱가포르의 2023년 크로스보더 자산 증가율은 2018~2023년 연평균성장률(CAGR) 11.1%에서 대폭 하락한 7.8%를 기록했다. 그러나 싱가포르는 홍콩에 비해 다양한 자산 유입원을 가지고 있다. 절대액 기준으로는 여전히 중국이 싱가포르 신규 자산의 최대 유입원이지만, 싱가포르는 이 외에 고성장 경제를 자랑하는 타 아태 지역 국가에서도 신규 자산을 확보하고 있다. 싱가포르는 인도 자산의 최대 금융 허브로, 인도 발 크로스보더 자산 전체의 약 4분의 1을 보유하고 있다. 싱가포르는 향후 5년간 약 8.5%의 연평균성장률(CAGR)을 보이며 아태 지역에서 가장 빠르게 성장하는 금융 허브가 될 것으로 전망된다.
아랍에미리트는 높은 증가율을 이어갔다. 2023년 아랍에미리트로 유입된 크로스보더 자산의 40%는 사우디아라비아를 비롯한 부유한 중동 국가에서 발생했고, 크로스보더 자산 규모는 8.9% 증가했다. 아랍에미리트는 2028년까지 연평균성장률 7.7%를 기록하며 세계 6위 금융 허브로 성장할 것으로 전망된다.
아랍에미리트는 아시아와 아프리카를 위한 크로스보더 금융 허브의 역할을 강화해왔다. 이를 위해 중국과의 관계를 강화하고 고급 부동산 시장에 대한 국제적인 투자를 대대적으로 유치했다. 이는 서방 제재의 여파 속 2022년 및 2023년 아랍에미리트에 주된 성장 동력으로 작용했던 러시아발 자산 유입 감소를 보완하는 데 도움을 줄 수 있다. 러시아에서 유입됐던 일회성 자산은 이미 재배치되었으나, 아랍에미리트는 우크라이나 전쟁과 관련된 국제적 제재에 대응해 더 엄격한 은행 규정을 시행하고 러시아 기업에 대한 감시도 강화하고 있다.
금융 허브로서 높은 성장률을 달성한 아랍에미리트 외에, 중동 지역 내 사우디아라비아의 성장세가 두드러진다. 사우디아라비아는 2028년까지 연간 약 6.4%씩 성장할 것으로 전망된다.
미국은 가장 빠르게 성장하고 있는 서양 자산의 금융 허브이며, 계속해서 글로벌 자산의 매력적인 목적지로 자리 잡고 있다. 2023 년 미국의 크로스보더 자산 유입액은 5.6% 증가했으며, 2028년까지 싱가포르의 성장률 전망치에 버금가는 연 약 6.9%의 성장률을 이어갈 것으로 보인다. 특히 플로리다 주는 중남미 및 서유럽 투자자들의 선호를 받고 있으며, 다수의 등록 투자 자문사(registered investment advisor, RIA)가 포진해 있다. 등록 투자 자문사는 지난 10년 동안 급속히 성장하여 현재 미국 자산 관리 시장의 약 20%를 차지하고 있으며, 자산운용 규모의 지속적인 두 자릿수 성장을 보이고 있다.
미국으로 유입되는 크로스보더 자산의 약 절반은 경제 불확실성과 급격한 환율 변동을 피해 안전한 투자처를 찾는 중남미 투자자들로부터 창출된다. 그리고 전체 크로스보더 자산 유입의 5분의 1은 서유럽이 담당하고 있다. 이러한 유입의 대부분은 부동산, 비상장 기업, 또는 매력적인 미국 IPO 시장에 투자하는 초고액 순자산가와 패밀리 오피스로부터 이뤄진다.
생성형 AI와 자산관리의 미래
휴일 동안 자산관리회사에 맡겨둔 투자 포트폴리오에 대해 긴급한 질문이 생겼다고 가정해 보자. 담당자의 응답을 기다리는 대신, 스마트 어시스턴트 형태의 챗봇으로부터 개인 맞춤형 답변을 즉시 받을 수 있다면 어떨까. 그러면 이후 담당자와의 미팅에서 이전 포트폴리오 보고서를 재검토할 필요 없이, 새로운 투자 기회에 대해 상의할 수 있을 것이다.
한편, 자산관리회사의 담당자가 중요한 고객과의 미팅을 준비하고 있다고 가정해 보자. 스마트 어시스턴트는 맞춤형 투자 아이디어를 생성하고 미팅 안건 초안을 작성하는 데 도움을 줄 수 있다. 회의 중에는 고객과의 최근 커뮤니케이션 및 시장 동향을 기반으로 주요 고려 사항과 제안점을 제시한다. 회의가 끝나면 회의록을 생성 및 공유하고 다음 단계를 제안한다.
이러한 시나리오는 생성형 AI의 부상 덕분에 이제 실현 가능한 상황이 되었다. 자산관리 회사들은 고객 경험을 향상하고 효율성을 개선하기 위해 밸류체인 전반에 걸쳐 생성형 AI 활용 방안을 실험하기 시작했다. 생성형 AI는 비용을 절감하고 전반적인 생산성을 높이는 동시에 고객과의 상호작용을 한 단계 끌어올릴 수 있는 잠재력을 가지고 있다. 이를 통해 자산관리 업계가 장기적인 수익성 개선을 위해 필요로 하는 긍정적인 충격을 유도할 수 있다.
BCG 가 자산관리 회사 및 민간 은행을 포함하는 주요 금융기관 60여 곳을 대상으로 실시한 금융기관 내 생성형 AI(GenAI in FI) 벤치마킹 설문조사에 따르면 응답자의 85%가 생성형 AI 가 파괴적 혁신과 전환을 주도할 강력한 원동력이 될 것이라고 생각한다고 답했다. 그러나 모두가 생성형 AI의 중요성에 대해 이야기하고 있음에도 불구하고, 이를 본격 도입하는 것은 주저하고 있는 것으로 나타났다. 조사에 따르면, 응답자의 82%가 포괄적이고 장기적인 생성형 AI 전략과 단기적인 실행 로드맵이 모두 부족하다고 답했다.
이번 장에서는 자산관리업계에서 가장 관련성이 높은 현재 및 미래의 생성형 AI 활용 방안에 대해 알아보고, 개별적 사용 행태를 벗어나 생성형 AI를 기업의 디지털 전환 과정에 온전히 통합할 수 있는 종합적인 가이드를 제시하고자 한다.
밸류체인 전반에 걸친 생성형 AI 활용
밸류체인 전반에 걸쳐 생성형 AI를 활용할 수 있는 기회가 다양한데, 특히 고객 확보, 온보딩, 서비스 제공, 내부 지원 등 네 가지 영역에서 그 활용 가능성이 높다. (보기 4 참조)
고객 확보
선두 기업들은 이미 고객 확보를 지원하기 위해 생성형 AI를 시범 도입하고 있다. 이들은 다양한 내부 및 외부 소스를 통해 맞춤형 피칭 자료를 생성해 주는 도구를 실험하고 있다. 이러한 도구를 통해 개인정보보호 규정이 허용하는 선에서 외부 소스를 통해 고객 정보를 수집하고 이를 고객관계관(customer relationship management, CRM) 프로그램에 자율적으로 업데이트할 수 있다.
강력한 문서 작성기로 기능할 수 있는 진일보한 생성형 AI 도구도 등장할 것으로 전망된다. 이 도구는 제안 요청서(request for proposal, RFP)를 검토 및 요약해 답변 초안서를 작성할 수 있고, 담당자가 대화 기능을 통해 문서를 수정할 수 있도록 지원한다. 생성형 AI RFP 작성 도구는 자산관리 회사의 이전 RFP 답변서 전체에 접근 가능해, 고품질의 초안을 간편하게 생성하고, 컴플라이언스 및 품질 기준 충족을 보장하며, 정보 누락으로 인한 내부의 불일치 상태나 서비스 실행 이슈 발생 가능성을 최소화할 수 있다.
BCG의 연구와 프로젝트 경험에 비추어볼 때, 이러한 생성형 AI 활용을 통해 관리 담당자가 RFP 및 피칭 문서 등에 투입하는 시간을 최대 50%까지 줄일 수 있을 것으로 보인다.
초기 파일럿 사례 조사에 따르면 생성형 AI 활용이 고객 전환율을 크게 향상시킬 수 있으며, 장기적인 전환율은 최대 100%에 달할 수 있을 것으로 전망된다.
잠재 고객 발굴에 방대한 양의 수작업이 필요한 점을 고려할 때, 이와 같은 생성형 AI 활용은 상위 자산 세그먼트 및 외부 자산관리 영역에서 서비스를 제공하는 은행들에 특히 강력한 도구로 작동할 것이다.
이미 기존 금융 기관과 핀테크 기업들은 링크드인(LinkedIn), 인스타그램(Instagram), 틱톡(TikTok) 등과 같은 플랫폼을 통해 인구통계학적 및 행동적 특성에 기반하여 차세대 시장의 잠재 고객을 타겟팅하고 있다. 머지않아 자산관리 회사는 대규모 언어 모델 및 기타 생성형 AI를 활용하여 M&A 데이터베이스와 뉴스 플랫폼을 탐색하고, 특정 생애 혹은 유동성 이벤트와 관련된 잠재 고객을 보다 체계적으로 식별할 것으로 예상된다. 또한, 생성형 AI를 통해 은행의 자사 소매 및 기업 고객 네트워크 내 소외된 고객군 등의 범주에서 새로운 리드를 발굴할 수도 있을 것이다.
생성형 AI로 특정 고객 주소나 거래 패턴을 검색하기 위해 CRM에 대한 데이터 분석을 실행할 수도 있다. 미래에는 생성형 AI를 통해 각 어드바이저의 고객 목록과 잠재 고객의 개인 및 산업 배경을 비교하고, 해당 리드를 가장 적합한 어드바이저와 직접 매칭할 수도 있을 것으로 전망된다.
온보딩
생성형 AI를 통해 KYC 분석 시 고객 온보딩 및 주기적인 자료 검토 속도를 향상할 수 있다. 생성형 AI 솔루션은 KYC 파일의 완전성과 타당성, 기타 정보와의 일관성을 보장해 준다. 또한, 생성형 AI 는 고객 신원 인증을 지원하고, 정보를 최신 상태로 유지하기 위해 주기적인 검토도 수행할 수 있다. 예를 들어, 일정 주기마다 생성형 AI 가 KYC 파일에 기재된 고객의 국가 정보를 거래 패턴 및 미디어 스크리닝 결과와 직접 비교할 수 있다. 아울러 고객 KYC 파일에 위험 신호가 없는지 자동으로 점검하고 잠재적 문제점을 포착하면 담당자에게 이를 조기에 통지할 수도 있다. 현업 부서가 자동화된 시스템에서 즉각적인 피드백을 받기 때문에 KYC 검토 부서와 일을 여러 번 반복할 필요가 없어진다. 이를 실제로 활용해 본 담당자들은 고객 파일 검토에 투입되는 시간이 50% 넘게 단축됐다고 답했다. 대형 자산관리회사들은 이 분야에서 생성형 AI 활용을 촉진하기 위해 전문 규제기술(RegTech) 기업들과 협력하고 있다.
서비스 제공
많은 자산관리회사가 GPT(generative pretrained transformer) 기술을 활용해 고객 또는 직원들에게 서비스를 제공하는 챗봇을 도입하고 있다. 실제로 유럽의 한 대형 은행이 주요 기술 기업과 손잡고 선보인 GPT 기반 대화형 아바타는 고객과의 상호작용을 토대로 신속한 포트폴리오 인사이트를 제시하고, 자동 결제, 주소 변경 등의 기본적인 요청 사항을 처리하며, 구체적인 질문에 답변을 제공할 수 있다. 아직은 은행들이 이러한 기술을 복잡하지 않은 고객 업무를 대상으로 시험하고 있는 상태이지만, 앞으로 자산관리 상품 및 서비스 관련 더욱 복잡한 업무까지도 그 활용 범위가 확대될 수 있을 것으로 보인다. 이러한 기술을 통해 지역이나 소득 등 유사한 환경에 있는 고객들을 식별하고, 그들이 유용하다고 평가한 자문 및 교육 기회를 비슷한 다른 고객들에게도 추천 및 제공할 수 있다.
내부 지원 업무에도 이러한 기술이 활용될 수 있다. 북미의 한 자산관리회사는 고객 담당자의 업무 효율성을 높이기 위해 AI 어시스턴트를 도입했다. 회사는 폐쇄된 환경에서 방대한 내부 문서로 집중적인 훈련을 시행했고, 지속적인 사용자 피드백을 통해 AI 어시스턴트의 정확도를 높였다.
또한 제품 전략가, 최고투자책임자, 시장 전문가 등에 이르기까지 회사 내 다양한 전문가들이 축적한 노하우를 해당 AI 어시스턴트에 입력해 관리 담당자가 고객을 만날 때 해당 지식을 손쉽게 참고할 수 있도록 했다.
투자 관련 지식 생성 외에도, 많은 기업이 컴플라이언스 정책, 절차, 교육 자료, FAQ, 과거 서비스 커뮤니케이션 사례 등을 분석하기 위해 생성형 AI 모델을 훈련시키고 있다. 이를 통해 현업 부서에 더 빠르고 개인화된 기초 지원을 제공할 수 있기 때문이다. 고객관리 담당자는 더 신속한 고객 서비스를 제공할 수 있고, 동시에 리스크 자문 팀의 업무 부담을 줄일 수 있다. 예를 들어, 고객 담당자는 생성형 AI 기반 챗 솔루션을 활용해 KYC 문서에 필요한 질문에 대한 답변을 신속하게 생성할 수 있다. 내부감사인협회(Institute of Internal Auditors)가 대형 은행을 위해 개발한 리스크 관리 프레임워크 내 자산관리업계 사례 조사에 따르면, 생성형 AI를 통해 2선 방어 역할을 하는 매니지먼트 및 컴플라이언스 기능과 통제 기능에서 자문 자원을 약 30% 절감할 수 있는 것으로 나타났다. (“컴플라이언스 프로세스의 혁신” 참조)
고객 담당자의 또 다른 주요 행정 업무는 문서 작성을 포함하는 고객 회의 준비다. 대부분의 자산관리 회사가 데이터 집계, 포트폴리오 검토, 보고서 작성, 제품 아이디어 구상, 고객 소통문서 개발 등의 작업을 지원하는 코파일럿 도구를 실험하고 있다. 이러한 도구는 투자 목표, 리스크 프로필 등 고객 관련 정보를 제공하고, 실시간 트레이딩 아이디어와 최적의 다음 스텝을 제안하며, 자동으로 CRM 시스템에 업데이트 사항을 반영하는 등 회의의 질을 한 단계 끌어올리는 데 도움을 준다. 회의 후에는 생성형 AI 도구가 고객 보고서를 작성하고, 다음 단계를 제안하며, 담당자가 최종 검토할 수 있도록 결과 자료를 정리한다.
생성형 AI의 활용을 통해 효율성이 좋아지면, 회의의 질과 확장성도 크게 향상될 것이고 담당자는 고객에게 더 많은 시간을 할애할 수 있게 된다. 글로벌 자산관리 회사 한 곳의 경우 이러한 기술 활용을 통해 고객관리 담당자의 주당 포트폴리오 검토 건수를 현재 세 건에서 아홉 건으로 세 배 늘리는 것을 목표로 하고 있다.
컴플라이언스 프로세스의 혁신
두 번째 방어선(the second line of defense)은 생성형 AI 관련 리스크를 관리하고 완화하는 데 중요한 역할을 하며, 자산관리 회사가 해당 기술을 비즈니스에 활용하는 것을 가능케 한다. 리스크 프레임워크 및 평가를 담당하는 두 번째 방어선은 첫 번째 방어선에 속하는 프론트 오피스 직원, 리스크 매니저, 컴플라이언스 전문가들의 생성형 AI 관련 기준 준수 여부를 모니터링한다. 또한, 두 번째 방어선은 AI 모델 인벤토리와 관련 리스크에 대한 보고서 등을 통합한다.
BCG의 경험으로 볼 때 금융 기관은 생성형 AI 관련 리스크를 전체 리스크 관리 체계에 완전히 통합하는 것이 바람직하다. 생성형 AI 는 규제 컴플라이언스, 사이버∙IT∙데이터 리스크, 모델 리스크, 아웃소싱 및 벤더 리스크, 평판 및 지속가능성 리스크 등에 특히 강한 영향을 미칠 것이다. 두 번째 방어선에서 이러한 업무가 다뤄질 수 있도록, 금융 기관은 생성형 AI 관련 주제를 두 번째 방어선에 완전히 통합하거나, 생성형 AI 리스크를 다루는 가상 팀을 구성하거나, 생성형 AI 전담 부서를 운영하는 등 다양한 방법을 활용할 수 있다.
그러나 변함없는 사실은 성공적인 생성형 AI 도입을 위해서는 컴플라이언스 기능 자체의 효율성이 극대화되어야 한다는 점이다. 생성형 AI가 컴플라이언스 검토 방식에 혁신적 변화를 불러일으킬 것으로 전망되는 가운데, 최첨단 기술이 아니더라도 쉽게 접근 가능한 여러 방법들을 통해 컴플라이언스 프로세스를 재편할 수 있다. 컴플라이언스 관련 아래와 같이 여섯 가지 접근법을 소개하고자 한다.
- 프론트 오피스 지원 모델. 기관들은 1.5선 방어 기능을 단순히 통제의 목적으로만 사용하지 않고 지원 및 협력 모델로 변환할 수 있다. 이 모델은 1.5선 방어 기능에 속하는 KYC 애널리스트가 고객 파일을 검토하고, 고객관리 담당자를 위해 파일을 준비하며 핵심 사항이 눈에 띄도록 표시하는 등으로 작동할 수 있다. 이때 KYC 애널리스트는 고객에 대한 지식을 구축하기 위해 검토 과정 전반에 걸쳐 고객관리 담당자와 협업 관계를 유지하게 된다.
- 리스크 기반 접근. 20개 이상의 입력 요소에 중점을 둔 정교하고 다이나믹한 고객 리스크 등급(client risk rating, CRR) 모델을 통해 고위험 고객을 정확하게 식별하고, 해당 고객군을 최대 10~20%p까지 낮출 수 있다. 기관들은 개별적 특성과 리스크 지표에 맞추어 이러한 모델을 각각의 고객 세그먼트에 맞게 조정해야 한다. 최신 CRR 모델 및 세분화된 KYC 질문지의 결합과 고객 생애 주기 전반에 걸친 프로세스 검토를 통해 모니터링, 문서화 및 의사결정 전반의 효율성을 확보할 수 있다.
- 설계 단계에서 컴플라이언스 통합. 실제 사용자 지침과 예방 장치를 업무 흐름에 통합함으로써 여러 방어선에 걸쳐 프로세스를 효율화한다. 이 방법은 고성장 분야에서 효과적이며, 경험이 부족한 신규 입사자가 업무를 수행할 때 도움이 된다. 예를 들어, 자산관리 회사는 출장 예약 도구에 국가 간 규제 확인 기능을 통합해 컴플라이언스를 보장할 수 있다.
- 맞춤형 정보 및 문서 요구사항. 세부 리스크 평가를 통해 정보 및 문서 요구사항을 설정하면 컴플라이언스 프로세스를 간소화하고 상호작용을 줄일 수 있다. 예를 들어, 잠재 고객 탐색 및 온보딩 과정에서 사전에 고객 리스크 등급을 계산하면 자산 출처를 심도 있게 검증하는 데 도움을 준다.
- 초기 피드백 및 투명성. 고위험 고객군의 경우 컴플라이언스팀의 예비 고객 리스크 등급 등을 기반으로 관리 담당자가 온보딩 시작 단계에서 투명하게 피드백을 제공하는 것이 매우 중요하다. 고객이 직접 온라인 포털에 접근해 프로세스 진행 과정을 확인할 수 있도록 하는 것도 도움이 된다. 컴플라이언스팀에서 예비 CRR 등급을 제공하면, 온보딩에 소요되는 리소스를 다른 작업에 활용할 수 있다.
- 컴플라이언스 데이터를 통한 비즈니스 인사이트 도출. 컴플라이언스 데이터에서 도출된 데이터를 통해 고객 서비스 및 자문 부문을 강화할 수 있다. 고객 생애 주기 관리 및 고객 관계 관리 통합 데이터 플랫폼 구축을 통해 자산관리 회사가 더 맞춤화된 고객 서비스를 제공할 수 있다. 또한 뉴스 모니터링 엔진으로 기업 매각 소식을 파악하는 등 새로운 비즈니스 기회를 발견할 수도 있다. 고객 미팅 노트 및 KYC 정보를 통합 프로필에 결합하면, 고객관리 담당자는 비즈니스 및 리스크 관리 등을 위한 포괄적인 분석을 제공받을 수 있다.
생성형 AI는 직무 기능을 크게 재편성해 고객관리 담당자 및 해당 팀이 높은 수준의 고객 관계 형성에 집중할 수 있도록 지원할 것이다.
내부 지원
자산관리 회사들이 거래 모니터링 및 고객 선별을 위해 미디어 및 이름 검색 등의 방법으로 생성형 AI를 활용하기 시작했다. 초기 도입 기업들은 이미 경보 생성 및 처리 과정에서 상당한 효율성을 실현하고 있다. 개선점 중 하나는 위양성(false positive) 건수가 줄어들며, 현업 부서의 확인이 필요한 사례 역시 감소한 것이다. 이들은 경보 분류 기법을 활용해 규칙 기반 및 생성형 AI 기반 모델이 경보를 자동으로 종료할 시점을 결정하도록 한다. BCG의 고객사 중 한 곳은 이런 방식으로 위양성 건수를 40% 넘게 줄이는 데 성공했다. 경보 자동 처리 건수가 증가함에 따라 2선 방어 부서가 소화해야 할 업무량도 줄어들었다. 나아가 생성형 AI 기반 모델을 활용해 경보 모음집을 생성하고, 고객 및 거래 관련 데이터를 토대로 의심스러운 활동에 대한 보고서 초안도 작성할 수 있다.
밸류체인의 각 단계는 일반적으로 프론트라인의 상당한 시간 투입을 필요로 한다. 하지만 생성형 AI 활용을 통해 투입 시간을 절약하고, 이를 통해 고객 경험에 실질적 영향을 미칠 수 있는 것으로 나타났다.(보기 5 참조)
생성형 AI의 가능성은 어디까지인가?
생성형 AI로 인해 인간 노동력에 대한 수요가 사라질지, 사라진다면 어느 정도나 사라질지를 둘러싸고 많은 추측이 일어나고 있다. 생성형 AI에 밸류체인을 재편할 잠재력이 있는 것은 사실이다. 그러나 생성형 AI가 단시일 내에 사람이 담당하는 핵심 역할을 대신 수행할 가능성은 낮다. 인터넷 도입 등과 같은 주요 혁신들과 마찬가지로 생성형 AI는 완전한 자동화와 전통적인 은행 모델 사이의 균형을 도모하는 운영 모델로 귀결될 것으로 전망된다.
생성형 AI의 발전은 더 높은 수익과 효율성 및 고객 만족도 향상으로 이어질 것이다. 초기 연구에 따르면 행정 업무에 생성형 AI를 활용한 직원은 이를 활용하지 않은 직원보다 업무 만족도가 30%p 가까이 높은 것으로 나타났다. 현재로서는 생성형 AI를 통해 최대 30%의 프론트라인 업무 시간이 절약될 것으로 추정된다. 그러나 해당 기술이 빠르게 진화하는 중이고 금융 업계가 이제야 막 생성형 AI 기술의 진정한 잠재력을 실현하기 시작한 만큼 이 수치는 앞으로 더 증가할 가능성이 크다.
모든 자산 관리 고객 세그먼트에서 극적인 변화가 예상되나, 가장 큰 단기적 영향은 자산가 세그먼트에서 발생할 것으로 보인다. 해당 세그먼트의 경우 머지않아 인간 담당자가 거의 개입하지 않은 상태에서 생성형 AI가 단독으로 잠재 고객의 확보와 온보딩을 진행하고 동시에 고객의 일상적인 은행 서비스 수요에도 대응할 수 있게 될 것이다. 미래에는 한층 고도화된 AI 어시스턴트가 규제 환경에 따라 상품별 질문에 답하고, 간단한 상품에 대해서는 개인화된 자문을 대규모로 제공하게 될 수도 있다.
고객의 요구가 더욱 복잡한 고액 자산가 세그먼트의 경우, 생성형 AI 기반의 고품질 자문과 관리 담당자의 개입을 결합해 그 효과를 극대화할 수 있을 것으로 전망된다. 이 세그먼트의 고객들은 신뢰할 수 있는 관계, 담당자에 의한 맞춤형 지원, 개별적 상황에 대한 깊은 이해 등을 매우 중요시하는 경향이 있다. 현재는 실현 가능성이 낮기는 하지만, 언젠가는 단독으로 또는 사람과 함께 일하면서 어드바이저, 투자 전문가 및 여타 스페셜리스트들의 역할을 통합 수행하는 가상 어드바이저가 등장할 수도 있다. 또한 기업이 보유한 방대한 고객 데이터와 고도화된 서비스 역량에 접근하고, 오늘날에 비해 훨씬 발전된 지식 기반을 아우를 수 있는 통합적인 도구의 출현도 생각해 볼 수 있다.
생성형 AI 도입을 위한 실행 단계
현재 대부분의 자산관리회사는 전체 기능이나 비즈니스 모델을 전면적으로 개편하기보다 특정 업무의 효율성을 높이기 위해 생성형 AI를 사용하고 있다. 그러나 빠르게 발전하는 생성형 AI 기술을 전반적인 비즈니스 전략과 기존 디지털 전환 로드맵에 통합하는 광범위한 시각을 확보한다면 자산관리회사가 보다 확실한 경쟁 우위를 선점할 수 있다. (읽을 거리 “민간 시장의 분산 원장 기술” 참조) 끝없는 ‘개념 증명’ 단계에 머무르지 않고, 생성형 AI의 이점을 대규모로 누리기 위해 기업은 다음 여섯 가지를 고려해야 한다.
- 목표 수준 설정. 전반적인 전략에서 생성형 AI가 어떤 의미를 가지는지를 기준으로 목표 수준을 세워야 한다. 앞으로 3~5년 이내에 어느 정도의 성장을 원하는지, 전사적 생산성 향상, 비용 절감, 매출 증대를 위해 어떤 전략적 목표를 세워야 하는지 질문해야 한다.
- 현장 의견 수용. 이는 가장 효과적인 활용 방안을 우선 추진하기 위해 고객, 담당자 및 기타 내부 이해관계자와 함께 사용 사례를 시험하는 것을 의미한다.
- 생성형 AI 응용 기술을 “배치(deploy), 재편(reshape), 혁신(invent)” (DRI) 프레임워크에 따라 분류. DRI 프레임워크 수립 후 이를 지속적으로 업데이트해야 한다.
- 배치. 밸류체인 전반에서 신속하게 최대 20%의 생산성 향상 효과를 낼 수 있고, 일상적인 업무 활동에 쉽게 통합될 수 있는 애플리케이션을 개발 및 배치해야 한다. 이는 조직 내외부의 문의를 처리하는 가상 어시스턴트 등의 기능을 포함한다.
- 재편. 피상적인 변화가 아닌, 주요 비즈니스 기능이나 프로세스에 실질적인 변화를 가져올 수 있는 애플리케이션을 설계해야 한다. 이를테면 고도화된 가상 어시스턴트가 컴플라이언스 점검, 재무 계획 수행, 고객용 보고서 작성 등과 같은 업무를 대신 수행할 수 있다.
- 발명. 견고한 AI 기반을 요구하고 깊이 있는 변화를 이끌 수 있는 혁신 개발에 전념해야 한다. 사람과 비슷한 역량으로 자산가 세그먼트 고객에게 서비스를 제공하는 가상 어드바이저가 그러한 혁신 기술 중 하나일 것이다.
- 투자 성향 설정. 이는 생성형 AI 애플리케이션을 통해 기대하는 장단기적 재무적 및 비재무적 수익을 추산하는 과정을 포함한다. 효과를 추적하기 위해서 측정 가능하고 실행 가능한 KPI를 정의해야 한다.
- 생성형 AI 실행 로드맵 수립. 로드맵은 가장 가치 있는 생성형 AI 애플리케이션을 원활하게 통합하고, 해당 애플리케이션이 조직의 전반적인 기술 스택, 데이터 역량 및 파트너 생태계에 미치는 영향을 이해하며, 기존 디지털 이니셔티브와도 정렬되어야 한다. 또한, 로드맵은 기술적 실현 가능성, 투자 요구 사항, 리스크 및 규제 제약 사항 등과 같은 요소를 고려해 가능한 부분을 반영해야 한다.
- 사람과 조직에 대한 함의 고려. 생성형 AI는 전체 노동력의 약 70% 이상에 영향을 미칠 것이다. 따라서 다가올 변화에 대응하는 데 필요한 직원 교육, 고용 및 유지 등을 중심으로 인사 전략을 대대적으로 검토해야 한다. 이와 함께, 전문가팀의 강력한 중앙집권화나 생성형 AI 조정 및 실행 팀 신설 등 조직 구조에 대한 검토도 일부 필요하다.
민간 시장의 분산 원장 기술
자산관리업의 디지털 전환을 종합적으로 이해하기 위해서는 AI뿐만 아니라 다른 획기적인 기술도 살펴볼 필요가 있다. 현재 가능성을 보이는 기술 중 분산 원장 기술(distributed ledger technology, DLT)이 두드러진 것으로 평가받는다. DLT란 중앙 관리 조직의 개입 없이 네트워크 내 다수의 참가자(노드) 간에 발생하는 거래를 모든 참가자가 볼 수 있는 중앙 원장에 기록하는 기술을 의미한다. DLT는 합의 메커니즘과 암호화 기술을 결합해 단일 신뢰 소스를 확립한다.
초기 도입 기업들은 이미 자산관리업의 다양한 요구에 대응하기 위해 DLT 기술을 도입하고 있다. 예를 들어, 이 기술을 통해 대체 투자에 대한 투자 생애 주기를 단순화하고 최적화할 수 있다. 현재 대체 투자 분야는 자금 및 투자 프로세스의 맞춤형 특성으로 인해 상당한 비효율성을 겪고 있다.
이에 대한 하나의 솔루션은 데이터 및 문서 출처 전반에 걸쳐 쉽게 접근할 수 있는 단일 신뢰 소스를 생성하여, 자산관리회사, 펀드운용회사, 펀드관리회사, 펀드수탁회사, 명의개서 대행 회사를 비롯한 모든 생태계 참여자 간의 원활한 워크플로우와 상호작용을 촉진하는 것이다. 또 다른 DLT 솔루션은 거래 결제에 중점을 두고 있다. 이 애플리케이션은 결제 소요 시간을 며칠 단위에서 몇 시간 단위로 단축하여 중간 정산 작업을 대폭 줄여준다. 또한, 거래 히스토리에 대한 보다 투명한 감사 추적 자료를 축적해 주고, 유동성이 낮은 자산의 유동성을 높여 고객 만족도를 향상는 데 기여한다.
이러한 초기 단계의 혁신 기술들은 향후 자산관리회사가 대체 투자 상품을 확장하고 워크플로우를 최적화 및 간소화하는 데 중요한 기회를 제공할 것으로 전망된다.
결론
생성형 AI 는 오늘날 우리가 예측하기 어려운 방식으로 자산관리업을 변화시킬 것이다. 그러나 해당 기술의 초기 사용 사례를 살펴보면, 빠르게 변화의 여정에 오른 기업이 결국 업계의 미래를 결정할 유리한 고지에 오를 것이라는 결론에 다다를 수 있다. 생성형 AI를 포함하는 디지털 전환 계획과 그 이점 및 영향력을 수용할 전략을 수립함으로써 향후 상상할 수 없는 만큼의 효율성 및 고객 경험 개선을 불러올 수 있을 것이다.
부록 | 방법론
본 보고서에서는 개인 자산 규모를 다음과 같이 분류했다.
- 0~25만 달러 : 일반
- 25~100만 달러 : 자산가
- 100만~1억 달러 : 고액 순자산가
- 1억 달러 초과 : 초고액 순자산가
금융 자산은 총 성인 거주 인구의 자산을 나타내며, 시장별, 자산군별로 중앙은행 또는 상응 기관에서 수집된 데이터를 바탕으로 전 국가 회계 시스템(System of National Account, SNA)에 따라 집계됐다. 금융 자산은 현금 및 예금, 채권, 상장∙비상장 주식 및 펀드, 생명보험 및 연금, 기타 매출 채권, 크로스보더 자산 등을 포함한다.
금융 자산은 투자 가능한 자산과 투자 불가능한 자산으로 구분했다. 투가 가능한 자산은 전체 금융 자산에서 생명보험, 연금, 비상장 및 기타 주식을 제외한 것을 의미한다. 실물 자산은 비금융 자산으로 부동산, 내구 소비재, 비화폐성 금, 예술품, 골동품, 기타 금속류 등과 같이 현재 가격으로 평가된 것들을 포함한다. 부채에는 신용카드 대출, 주택담보 대출, 기타 장단기 대출이 포함된다.
대략적으로 한 국가의 총자산 중 70~80%p는 중앙은행 또는 통화 당국으로부터 오며, 고품질의 신뢰할 만한 데이터를 제공한다.
금융 자산, 실물 자산 또는 부채에 관한 통합적 통계를 발표하지 않는 시장의 경우, SNA에 맞춘 시장별 대리 지표를 이용해 상향식 분석을 실시했다. 이때 대리 지표는 각 시장의 중앙은행 또는 상응 기관에서 발표한 지표를 사용했다.
금융 자산 하위 항목 수준에서 개별 금융 자산을 예측하기 위해 과거 자산 추동 지표에 대해 고정패널 다중회귀분석을 실시하고, 패턴에는 지표 예측값을 적용했다. 정교한 인공지능 머신러닝 예측 기법도 사용했다. 전체 시계열(과거 및 미래)에 이코노미스트 인텔리전스 유닛(Economist Intelligence Unit) 및 옥스포드 이코노믹스(Oxford Economics)가 발표하는 지표값을 사용하고 필요한 경우 현지 시장에 대한 전문 지식과 예상치를 근거로 미래값을 조정했다.
크로스보더 자산은 금융 자산에 포함했다. 각국 금융 당국, 국제결제은행, 국제통화기금, BCG의 프로젝트 경험을 비롯한 다양한 원천에서 수집한 데이터를 삼각측량 방식으로 분석하여 크로스보더 자산을 추산했다. 크로스보더 자산 증가율 추정은 유동 크로스보더 자산의 순유입과 유출, 가치 상승, 성과에 관한 전제와 기존 자산의 금융 중심지 간 이동을 전제로 한다.
자산 분포 데이터는 자산가 순위 등 다양한 공개 자료를 결합한 계량경제 분석 결과와 성인 거주자 인구 집단의 시장별 분포에 근거하여 생성되었다. 자산 계층의 성장률은 어느 한 계층에 속한 개인이 시간이 지나 자산이 늘거나 줄면서 다른 계층으로 이동하는 것을 보여준다. 따라서 최하위 계층이 역성장했다는 것은 일반적으로 해당 계층에 속한 사람들이 자산을 축적하여 상향 이동했다는 의미이다.
저자 소개
Akin Soysal is a managing director and partner in the Zurich office of Boston Consulting Group. You may contact him by email at soysal.akin@bcg.com.
Michael Kahlich is a managing director and partner in the firm’s Zurich office. You may contact him by email at kahlich.michael@bcg.com.
Ivana Zupais a managing director and partner in BCG’s Zurich office. You may contact her by email at zupa.ivana@ bcg.com.
Dean Frankie is a managing director and partner in the firm’s London office. You may contact him by email at frankle.dean@bcg.com.
Michael Boardman is a senior advisor in BCG’s New York office. You may contact him by e-mail at boardmcn.michael@bcg.com.
Laurin Frommann is a managing director and partner in the firm’s Zurich office. You may contact him by email at frommann.laurin@bcg.com.
Wei Chuan Lim is a managing director in BCG’s Singapore office. You may contact him by e-mail at lim.weichuan@ bcg.com.
Daniel Kessler is a managing director and senior partner in the firm’s Zurich office. You may contact him by email at kessler.daniel@bcg.com.
Omar Rahman is a principal in BCG’s Zurich office. You may contact him by email at rahmar.omar@bcg.com.
Felix Werner is a consultant in the firm’s Frankfurt office. You may contact him by email at werner.felix@bcg.com.
감사의 글
본 보고서의 작성과 제작을 위해 귀중한 인사이트를 제공해 주신 당사 및 관계사 임직원분들께 감사의 말씀을 전합니다.
추가 문의 사항
해당 보고서와 관련하여 궁금한 사항이 있으신 경우, 상기 이메일을 통해 저자들에게 문의해주시기 바랍니다.
