삼성SDS × 우리은행, 175개 AI 에이전트로 은행 업무를 재설계하다
삼성SDS가 자체 AI 플랫폼 FabriX 위에 175개 전문 에이전트를 얹어 우리은행 5대 영역 29개 업무를 자동화한다. 국내 금융권 최초 대규모 AI 에이전트 뱅킹의 아키텍처와 실행 로드맵을 해부한다.
은행 업무의 70%는 반복이다
2026년 4월 7일, 삼성SDS가 우리은행 'AX를 위한 AI 에이전트 구축' 사업의 우선협상대상자로 선정되었다. 이번 사업은 기업여신, 자산관리, 내부통제, 고객상담, 업무자동화 등 5대 영역 29개 핵심 업무에 175개 이상의 AI 에이전트를 구축하는 프로젝트다. 국내 금융권 최초의 대규모 AI 에이전트 업무 체계 구현 사례로 주목받고 있다.
175
AI 에이전트 수
29
적용 업무
30%
업무 속도 향상
68%
코드 전환 비용 절감
"기업여신 심사 한 건에 서류 검토만 수 시간, 내부통제 보고서는 매주 수백 페이지를 수작업으로 생성하고 있다. AI 에이전트 도입으로 업무 처리 속도를 약 30% 개선할 것으로 기대한다." — 우리은행 디지털금융그룹 관계자
BEFORE: 사람이 모든 단계를 잇는 수동 파이프라인
은행 업무의 한계는 세 가지로 요약된다. 모두 '부서마다 시스템이 다르고, 그 사이를 사람이 메운다'는 구조적 문제에서 출발한다.
- 서류 과부하 — 여신 심사·자산관리 리포트 등 반복 문서 검토에 인력이 집중된다. 심사 1건에 4시간 이상 소요
- 부서 사일로 — CRM·여신·리스크 시스템이 각각 분리되어 있고, 시스템 간 API 연동 없이 데이터를 수동 연계한다
- 실시간 대응 불가 — 고객 상담·내부통제 이벤트 발생 후 수동 확인까지 수십 분 지연
결국 업무 처리의 속도·정확도 모두 사람의 컨디션에 의존한다. 전문인력 퇴사 시 업무 공백, 수기 보고서 누락·오기 등 리스크가 상존하는 구조다.
AFTER: FabriX 기반 멀티에이전트 오케스트레이션
삼성SDS는 자체 AI 에이전트 플랫폼 FabriX(패브릭스)를 활용해 시스템을 구축한다. FabriX는 기업 데이터와 업무 시스템을 다양한 LLM과 안전하게 연결하는 통합 플랫폼이다. 사람 대신 AI 에이전트가 시스템을 연결하고, 사람은 최종 판단만 한다.
| 계층 | 구성 요소 | 역할 |
|---|---|---|
| Orchestrator | FabriX Agent Studio | 업무 요청 분석 → 에이전트 조합 → MCP/A2A 프로토콜로 협업 지시 |
| AI Agents | 175개 전문 에이전트 | 여신심사·자산배분·통제점검·상담응대·문서생성 등 |
| LLM Layer | 멀티 LLM 허브 | 업무별 최적 모델 선택 + Brity Copilot/Automation |
| Data / System | 은행 내부 시스템 | CRM·여신·수신·내부통제·컴플라이언스 DB API 연동 |
설계 3원칙
- Human-in-the-Loop — AI가 초안과 분석을 담당하고, 최종 의사결정은 반드시 사람이 수행한다
- Agent Specialization — 범용 1개가 아닌, 업무별 175개 전문 에이전트로 구성한다. 각 에이전트는 한 가지 업무에 특화된다
- MCP + A2A — 에이전트 간 표준 프로토콜로 협업 및 확장을 지원한다. MCP(Model Context Protocol)는 LLM이 외부 시스템과 연결하는 표준이다
핵심 인사이트: 이번 프로젝트의 차별점은 '에이전트 하나의 성능'이 아니라 175개 에이전트가 하나의 플랫폼(FabriX) 위에서 표준 프로토콜(MCP/A2A)로 협업하는 오케스트레이션 구조에 있다.
구현 — 기업여신 심사 에이전트 오케스트레이션
기업여신 심사를 예로 들면, 문서 에이전트가 재무제표·등기부를 자동 추출하고, 신용분석 에이전트가 스코어링하고, 컴플라이언스 에이전트가 AML/KYC를 검증한다. 최종적으로 의사결정 초안을 심사역에게 전달해 승인을 받는다.
# FabriX Orchestrator — 기업여신 심사 에이전트 협업 흐름
async def process_loan_request(app_id):
# 1) 문서 에이전트: 재무제표·등기부 자동 추출
docs = await doc_agent.extract(app_id) # OCR + NLP
# 2) 신용분석 에이전트: 재무비율·업종 리스크 스코어링
score = await credit_agent.analyze(docs)
# 3) 컴플라이언스 에이전트: AML/KYC 자동 검증
check = await compliance_agent.verify(app_id)
# 4) 의사결정 초안 → 심사역에게 Human-in-the-Loop
draft = generate_decision(score, check)
return await_human_approval(draft) # 최종 승인은 사람
async def process_loan_request(app_id):
# 1) 문서 에이전트: 재무제표·등기부 자동 추출
docs = await doc_agent.extract(app_id) # OCR + NLP
# 2) 신용분석 에이전트: 재무비율·업종 리스크 스코어링
score = await credit_agent.analyze(docs)
# 3) 컴플라이언스 에이전트: AML/KYC 자동 검증
check = await compliance_agent.verify(app_id)
# 4) 의사결정 초안 → 심사역에게 Human-in-the-Loop
draft = generate_decision(score, check)
return await_human_approval(draft) # 최종 승인은 사람
금융 AI 에이전트의 핵심 리스크
LLM 할루시네이션이 여신 판단에 섞이면 수억 원 규모 오심사로 이어질 수 있다. 반드시 Guardrail Layer(출력 검증·금액 범위 제한·이상치 탐지)를 에이전트와 사람 사이에 삽입해야 한다.
로드맵과 글로벌 비교
우리은행 × 삼성SDS 실행 로드맵
| 시점 | 마일스톤 | 상세 |
|---|---|---|
| 2026.05 | 1단계 착수 | FabriX 플랫폼 구축 + 핵심 에이전트 개발 시작 |
| 2026.12 | 90개 에이전트 1차 배포 | 기업여신·고객상담·업무자동화 영역 우선 적용 |
| 2027.08 | 175개 전체 완성 | 자산관리·내부통제 영역까지 확대, 전사 AI 에이전트 체계 완성 |
삼성SDS는 이와 함께 우리은행 '중장기 IT 인프라 최적화' 3단계 사업도 수주했다. Unix 기반 시스템을 Linux 환경으로 전환해 클라우드 환경에서 안정적으로 운영할 수 있도록 개선하는 것이 핵심이다.
글로벌 비교
- ABN AMRO (네덜란드) — MS Copilot Studio 기반 'Anna', 연간 수백만 건 상담 자동화, 50%+ 자동 해결
- Oracle OFSS (글로벌) — 12개월 내 수백 개 리테일·기업뱅킹 AI 에이전트 출시 예정
- 글로벌 은행의 57%가 3년 내 리스크·컴플라이언스에 AI 에이전트 완전 내장 전망
커리어 인사이트 — AI 에이전트가 만드는 새로운 직무
유망 직무
- AI 에이전트 개발 — LLM 오케스트레이션, 프롬프트 엔지니어링, Guardrail 설계 (Python·LangChain·MCP)
- 금융 SI / 컨설팅 — 삼성SDS·LG CNS 등 금융 AX 프로젝트 기획·구축·운영 (FabriX·Brity·도메인 지식)
- AI 감사 / 거버넌스 — AI 에이전트 출력 검증, 편향 모니터링, 금융 규제 준수 (XAI·AI RMF·내부통제)
// Interview Questions
Q. 멀티에이전트 오케스트레이션에서 에이전트 간 충돌(conflicting output)을 어떻게 해결하겠는가?
Q. 금융 AI 에이전트에 Human-in-the-Loop를 적용할 때, 어디까지 자동화하고 어디서 사람이 개입해야 하는가?
Q. LLM 할루시네이션이 여신 심사에 영향을 미치지 않도록 Guardrail을 설계한다면?
핵심 정리
- 삼성SDS × 우리은행 — 국내 금융권 최초 대규모 AI 에이전트 업무 체계 구현. 5대 영역 29개 업무에 175개 에이전트
- FabriX — 삼성SDS의 AI 에이전트 플랫폼. MCP/A2A 프로토콜로 에이전트 간 협업, 멀티 LLM 허브 지원
- Human-in-the-Loop — AI가 초안·분석, 사람이 최종 결정. 금융 규제 준수의 핵심 원칙
- 업무 효율화 — 업무 처리 속도 30% 향상, 코드 전환 에이전트 98.8% 전환율·개발비용 68% 절감
- 로드맵 — 2026.05 착수 → 2026.12 90개 에이전트 → 2027.08 175개 전체 완성
- Guardrail 필수 — LLM 할루시네이션 리스크. 출력 검증·금액 범위 제한·이상치 탐지 레이어 삽입 필수
은행의 업무 구조가 AI 에이전트로 재설계된다
참고자료
01
전자신문 — 삼성SDS, 우리은행 'AI 에이전트 뱅킹' 구축한다…"금융 AX 지원" (2026.04.07)
etnews.com
02
뉴스와이어 — 삼성SDS, 우리은행 'AI 에이전트 뱅킹' 구축 나선다 (2026.04.07)
newswire.co.kr
03
한국경제 — 삼성SDS, AI로 우리銀 업무 30% 감축 (2026.04.07)
hankyung.com
04
헤럴드경제 — 삼성SDS, 우리은행 175개 'AI 에이전트 뱅킹' 구축 (2026.04.07)
biz.heraldcorp.com
05
블로터 — 삼성SDS '패브릭스', 에이전틱AI 공략 키워드는 '맞춤형'
bloter.net
06
FinTech Futures — Banking in 2026: Production scale AI agents
fintechfutures.com
07
McKinsey — The paradigm shift: How agentic AI is redefining banking operations
mckinsey.com
'금융 IT' 카테고리의 다른 글
| AI가 결제하면, 누가 책임지는가 (0) | 2026.04.12 |
|---|---|
| AI 에이전트가 은행 계좌를 연다 (0) | 2026.04.11 |
| 초 단위 시세조종, 이제 AI가 잡아낸다 (0) | 2026.04.10 |
| 한 셀이 죽어도, 은행은 살아있다 (1) | 2026.04.08 |
| 13년 망분리, 별표 7로 풀린다 (0) | 2026.04.08 |
