제품 출시 주기를 6개월에서 2주로 단축한 LSEG의 규모
금융권의 리서치와 보고서 작성 작업은 파편화된 데이터의 수동 합성 과정에 의존한다. 분석가가 여러 터미널과 문서를 오가며 데이터를 수집하고 정리하는 방식은 시간 소모가 크고 작업 흐름이 자주 끊긴다. 런던증권거래소그룹(LSEG)은 OpenAI를 도입해 제품 출시 주기를 약 6개월에서 2주 수준으로 단축했다. 고객 요청 접수부터 프로덕션 환경 배포까지의 전 과정을 AI로 최적화해 시장 진입 속도를 높였다.
LSEG는 전 세계 약 190개 시장의 금융 데이터 인프라를 운영하며, 40,000명 이상의 고객사와 약 400,000명의 최종 사용자를 지원한다. LSEG는 서로 다른 규제와 데이터 표준을 가진 190개 시장의 요구사항을 빠르게 반영해 제품화할 수 있는 체계를 구축했다. 방대한 데이터셋과 복잡한 금융 도메인 지식을 AI가 처리함으로써 기존의 수동 개발 병목 구간을 제거했다.
규제 산업인 금융권에서 데이터 신뢰성과 거버넌스를 유지하며 AI를 확장하는 것은 까다로운 작업이다. LSEG는 검증된 데이터와 AI 모델을 직접 연결하는 통합 구조를 통해 데이터 출처가 불분명한 할루시네이션(Hallucination) 리스크를 제어하고 실무 적용이 가능한 수준의 정확도를 확보했다. LSEG는 신뢰할 수 있는 데이터 인프라에 AI의 속도를 결합해 금융 데이터 워크플로우를 혁신했다.
Model Context Protocol과 엔터프라이즈 거버넌스의 결합
LSEG는 데이터 수집과 복사-붙여넣기 과정을 제거하기 위해 ChatGPT Enterprise와 OpenAI API를 배포하고 Model Context Protocol(모델 컨텍스트 프로토콜, AI 모델이 외부 데이터 소스에 표준화된 방식으로 접근하게 하는 규약)을 도입했다. 이 프로토콜은 LSEG의 신뢰 데이터와 OpenAI 모델을 직접 연결해 데이터 이동 경로를 단축한다. 사용자가 질문하면 모델이 프로토콜을 통해 검증된 최신 금융 데이터에 즉시 접근해 답변을 생성하며, 실시간으로 정확한 컨텍스트를 참조해 답변의 신뢰도를 높인다.
출력값의 무결성을 위해 모델 평가 프레임워크(Model evaluation frameworks)를 구축해 AI 응답의 정확도를 정량적으로 측정하고 관리한다. 특히 대외 핵심 출력물에는 인간 개입형 검토(Human-in-the-loop review) 공정을 필수적으로 배치했다. AI가 초안을 작성하면 전문가가 최종 검증하는 단계적 필터링을 통해 금융 데이터의 엄격한 정확도를 유지하며, 평가 지표를 바탕으로 모델 응답 품질을 지속적으로 튜닝해 오답률을 낮춘다.
보안 체계는 데이터 흐름 제어에 집중한다. 데이터 프라이버시 및 보안 제어 시스템으로 기업 내부 민감 정보가 모델 학습에 이용되거나 외부로 유출되는 경로를 차단했다. 권한 관리 시스템으로 사용자별 접근 데이터 범위를 설정하고, 모든 AI 상호작용에 대한 감사 로그를 남겨 규제 준수 여부를 실시간으로 추적한다. 이러한 거버넌스 체계를 통해 AI를 기업의 표준 워크플로우에 통합했다.
직무별 생산성 변화: 수동 합성에서 즉각적 통찰로
LSEG의 애널리스트들은 ChatGPT를 활용해 방대한 양의 금융 및 시장 정보를 빠르게 요약한다. 과거 며칠이 걸리던 기초 자료 수집 단계가 몇 분 만에 완료되면서, 데이터 사이의 상관관계를 분석하는 통찰 도출 단계로 즉시 진입한다. 리서치의 시작점을 앞당겨 분석의 밀도를 높였다.
제품 개발과 고객 대응 영역의 실행 방식도 바뀌었다. 제품 팀은 기획서 작성 대신 AI로 기능 프로토타입을 신속하게 제작해 실제 작동 여부를 검증하며, 더 많은 가설을 빠르게 실험하고 수정한다. 비즈니스 팀은 고객 커뮤니케이션 문구 작성과 기술 문서화 작업에 AI를 투입해 반복적인 문서 작성 시간을 줄이고 고객 소통과 전략 수립에 더 많은 자원을 배분했다.
LSEG는 전 세계 수천 명의 직원에게 수주 내에 AI 도구 사용 권한을 부여했다. 안전한 환경 내에서 실무자가 즉각적으로 도구를 사용해 업무 방식을 바꾸도록 유도했다. 파편화된 데이터와 단절된 워크플로우로 발생하던 병목 현상을 AI라는 통합 인터페이스로 해결했으며, 이는 리서치와 프로토타이핑이라는 핵심 업무의 실행 체계를 재편한 결과다.
K-금융 실무자를 위한 신뢰 데이터 기반 확장 전략
LSEG는 보안을 이유로 접근을 막는 대신, 규정을 준수하는 안전한 환경을 먼저 구축하고 그 안에서 실무자가 자유롭게 도구를 쓰게 만드는 인에이블링(Enabling) 전략을 택했다. 통제 중심의 보안 정책을 실행 중심의 가이드라인으로 전환해 실무자가 도구를 즉시 사용하게 했다.
또한 고객이 이미 사용 중인 ChatGPT 환경에 기업의 신뢰 데이터를 직접 통합했다. 새로운 전용 툴 개발과 사용자 교육의 비효율을 제거하고, 익숙한 인터페이스 내에서 LSEG 데이터를 즉시 활용하게 만들었다. 이는 모델이 임의로 답을 생성하는 환각 현상을 제어하고 검증된 사실만을 기반으로 응답하게 만드는 장치가 된다.
LSEG는 이제 AI를 리서치 프로세스 전반과 제품 개발, 고객 솔루션 등 워크플로우 레벨의 애플리케이션으로 확장한다. AI가 특정 작업의 보조 도구를 넘어 데이터 수집, 교차 검증, 결과 도출까지 이어지는 전체 업무 흐름의 핵심 엔진으로 작동하도록 설계해 전 과정의 자동화를 구현한다.
금융 AI의 실무적 가치는 결정 속도와 정확도를 동시에 높이는 타임 투 인사이트(Time to Insight)의 구현에 있다. LSEG는 OpenAI 모델과 자사의 검증된 데이터를 결합해 사용자가 방대한 자료 속에서 즉각적으로 정확한 판단을 내리게 돕는다. 데이터 거버넌스를 유지하며 AI를 전사적으로 확장하는 이 경로가 규제가 엄격한 환경에서 가장 현실적인 실행 모델이 된다.
금융권의 리서치와 보고서 작성은 여전히 파편화된 데이터를 수동으로 합성하는 비효율적인 과정에 의존한다. LSEG는 Model Context Protocol을 통해 OpenAI 모델과 자사의 신뢰 데이터를 직접 연결하며 제품 출시 주기를 6개월에서 2주로 단축하는 실질적인 성과를 냈다.
규제 산업에서 AI를 전사적으로 확장하는 핵심은 단순한 모델 도입이 아니라 데이터 신뢰성과 거버넌스를 유지하는 실행 경로를 확보하는 일이다. 결국 데이터 인프라의 통제권과 AI의 속도를 결합하는 설계 역량이 금융 AI의 실질적인 생존력을 결정한다.
