씨티그룹, AI로 계좌 개설·시스템 전환 속도 높여…보스턴 독자가 봐야 할 변화는 ‘규제·운영 중심의 AI 적용’

씨티그룹이 인공지능(AI)을 계좌 개설과 레거시 시스템 전환 같은 핵심 내부 업무에 적용하며 운영 속도를 높이고 있다고 8일 밝혔다. 이번 발표의 핵심은 단순한 챗봇 도입이 아니라, 문서 검토·데이터 이전·코드 작성·테스트처럼 오류 비용이 큰 은행 업무에 AI가 들어가고 있다는 점이다. 금융권의 AI 활용이 실험 단계에서 실제 운영 단계로 옮겨가고 있다는 신호로 읽힌다.

로이터 보도에 따르면 씨티는 미국 서비스 부문 계좌 개설 과정에서 문서 검토 시간을 1시간 이상에서 15분 수준으로 줄였다고 밝혔다. 또 오래된 시스템을 새 환경으로 옮기는 과정에서도 AI를 활용해 데이터 마이그레이션, 코딩, 테스트를 더 빠르게 진행하고 있다고 설명했다. 씨티 기술 조직 규모는 약 5만 명이며, 1년 전 약 50% 수준이던 기술 인력 내 외부 계약자 비중을 20%까지 낮추는 계획도 진행 중이라고 밝혔다. 현재는 그 전환의 절반가량이 진행됐다고 회사 측은 설명했다.

이 변화는 비용 절감만으로 보기 어렵다. 씨티는 2020년 연방준비제도와 미 통화감독청의 시정명령 이후 리스크 관리, 데이터 정확성, 내부 통제 개선을 요구받아 왔다. 씨티 연차보고서에서도 회사는 인프라 현대화, 수작업 단순화와 자동화, 데이터·기술 고도화, 규제 프로세스 자동화와 데이터 품질 개선을 변환 작업의 핵심 축으로 제시했다. 다시 말해 이번 AI 활용은 생산성 향상과 함께 규제 대응, 운영 안정성, 데이터 통제 강화라는 과제와 맞물려 있다.

이 지점이 보스턴 독자에게 중요한 이유는, 금융권 AI 채용과 직무 변화가 반드시 화려한 연구 인력 중심으로만 움직이지는 않는다는 점을 보여주기 때문이다. 다만 여기서 한 가지는 분명히 구분할 필요가 있다. 씨티의 발표와 공개 문서가 직접 확인해 주는 것은 AI가 핵심 운영 업무와 규제 관련 개선 작업에 쓰이고 있다는 사실까지다. 반면 이것이 곧바로 보스턴 지역의 특정 직무 채용 확대나 특정 직군 우위로 이어진다고 단정할 수 있는 단계는 아니다.

그럼에도 취업시장 관점에서 참고할 만한 해석은 가능하다. 은행처럼 규제가 강한 조직에서 AI를 실제 업무에 붙이기 시작하면, 모델을 만드는 일만큼이나 결과를 검토하고 데이터 흐름을 관리하며 감사 가능성을 확보하는 역할이 중요해질 수 있다. 계좌 개설 자동화 역시 단순한 문서 인식 기술만으로 끝나지 않고, 예외 처리, 기록 관리, 데이터 정합성, 내부 승인 절차와 연결된다. 따라서 현직자나 이직 준비자는 생성형 AI 자체보다 운영 자동화, 데이터 품질, 테스트, 내부 통제, 시스템 전환 경험이 어떻게 업무에 연결되는지를 함께 보는 편이 현실적이다.

유학생과 졸업 예정자에게도 시사점은 있다. 다만 비자나 스폰서십에 대해서는 신중하게 볼 필요가 있다. 씨티가 외부 계약자 의존도를 낮추고 내부 인력을 늘리려는 방향을 제시한 것은 확인된 사실이지만, 이것이 곧바로 유학생이나 H-1B 지원자에게 유리하거나 불리하다고 일반화할 수는 없다. 실제 채용 판단은 회사별 스폰서십 정책, 팀 예산, 직무의 핵심성, 장기 유지 필요성에 따라 달라질 수 있다. 이번 사례가 보여주는 것은 금융권 대형 조직이 AI를 도입할수록 핵심 업무를 장기적으로 관리할 수 있는 내부 역량을 더 중시할 가능성이 있다는 정도다.

보스턴의 한인 독자 입장에서는 이 뉴스를 뉴욕 금융권의 단일 사례로만 볼 필요는 없다. 동부권 취업시장에서 금융, 헬스케어, 엔터프라이즈 소프트웨어처럼 규제와 운영 안정성이 중요한 산업은 적지 않다. 이런 산업에서는 AI를 잘 쓰는 능력만큼, 결과를 설명 가능하게 만들고 검증 가능한 프로세스로 연결하는 실무 감각이 더 중요해질 수 있다. 특히 레거시 시스템 전환, 데이터 이전, 문서 기반 업무 자동화 경험은 산업을 옮길 때도 비교적 설명하기 쉬운 역량으로 남는다.

지금 당장 바뀌는 것은 AI가 금융권의 실제 운영 업무 안으로 더 깊이 들어가고 있다는 점이다. 다만 앞으로 지켜봐야 할 것은 두 가지다. 첫째, 이런 도입이 신규 채용 확대보다 기존 인력의 역할 재편으로 먼저 나타날지 여부다. 둘째, 규제 환경 아래에서 AI 활용이 확대될수록 오히려 더 많은 검증, 문서화, 데이터 거버넌스 역량을 요구하게 될지 여부다. 현재까지 확인된 사실만 놓고 보면, 이번 씨티 사례는 AI가 사람을 일괄적으로 대체한다는 단순한 그림보다는 대형 조직이 핵심 업무를 더 통제 가능하고 자동화된 방식으로 다시 설계하는 과정에 가깝다. 보스턴의 직장인과 유학생에게 필요한 시선도 여기에 있다. AI 자체에 대한 관심을 넘어서, 규제가 있는 조직에서 데이터를 다루고 운영 흐름을 바꾸며 결과를 책임 있게 검토할 수 있는 역량이 어떤 방식으로 평가받는지 차분히 살펴볼 필요가 있다.