FSI AWS Cases
유스케이스
AI 검색
케이뱅크의 Data-Driven AI
케이뱅크
은행
AIxIndustry Week 2025
도입 배경
디지털 은행 환경 변화
금융 고객의 디지털 채널 선호도 증가 및 개인화 서비스 수요 확대 (70% 이상의 고객이 개인화 서비스를 중요하게 인식)
물리적 제약 없는 금융 서비스 제공으로 기존 은행 대비 60~70% 낮은 비용 구조 실현 가능
규제 당국의 플랫폼 기반 혁신 및 경쟁 촉진 기대
기존 온프레미스 인프라의 한계
온프레미스 하둡 클러스터의 확장성 및 유연성 부족
온프레미스 데이터 웨어하우스의 하드웨어 노후화 및 불필요한 데이터 누적
AI/ML 분석 환경의 구조적 제약: 하드웨어 소규모, 자원 고정으로 인한 경합 발생, 라이선스 비용 문제
데이터 접근 및 권한 설정에 하루 이상 소요되는 비효율
약 20명 수준의 제한적 데이터 활용 인력
K뱅크의 비즈니스 목표
'생활 속의 은행', '혁신적 투자', 'AI 기반 은행' 실현을 위한 기술 기반 필요
코어뱅킹 강화 및 개방형 에코시스템을 통한 다양한 금융 서비스 제공
금융 소비자 초개인화 서비스 및 소비자 권익 보호를 위한 AI 활용 체계 구축
데이터 드리븐 AI 기반의 레이크하우스 아키텍처 구현 필요
도입 효과
데이터 플랫폼 현대화 성과
데이터 활용 인원이 기존 20명에서 200명 이상으로 10배 확대
데이터 저장량 8배 이상 증가에도 비용은 약 30% 증가에 그침
데이터 접근 및 권한 설정 시간이 하루 이상에서 최대 1시간, 평균 10분 이내로 단축
Amazon S3, EMR, Redshift, Athena 등 관리형 서비스 기반의 레이크하우스 구축으로 데이터 접근성·비용·성능·비즈니스 민첩성 동시 개선
AI/ML 플랫폼 고도화
Amazon SageMaker AI 도입으로 데이터 탐색부터 모델 생성·관리까지 전 과정 단일 플랫폼에서 처리
대규모 인스턴스(32XLarge) 및 GPU 즉시 수급 가능으로 분석가의 인프라 대기 문제 해소
VPC Only 모드 기반 보안 강화로 금융 규제 요건 충족 및 온프레미스 연계 구조 확보
분석가들이 인프라 걱정 없이 서비스·프로덕트에 집중 가능한 환경 조성
AI 서비스 적용 성과
계좌번호 기관 추천
: 계좌번호 6자리 입력 시 95% 이상, 11자리 입력 시 99% 이상 추천 정확도 달성, 송금 UX 개선
금리인하요구권 대상자 추천
: ML 기반 선제적 안내로 승인률 기존 대비 3배 이상 증가(40% 수준), 알림 대상을 1/n 수준으로 축소하면서도 성과 향상
스미싱 문자 AI 판독
: RAG 구조 도입으로 정확도 15% 향상, 최종 95% 수준 달성, 2초 이내 판별 및 근거 제시 가능
케이뱅크의 Data-Driven AI
관련 자료
케이뱅크의 Data-Driven AI.pdf
프레젠테이션
이 사례에 대해 질문하기
이 유스케이스에 대해 궁금한 점을 질문해 보세요.