많은 글로벌 기업이 AI 시범 도입 단계에서 고전하는 가운데, 세계적인 금융 서비스 기업 모건 스탠리는 일찍이 매일 AI를 사용하는 조직으로 탈바꿈했습니다.
모건 스탠리는 2023년 OpenAI와 파트너십을 맺은 후 자체 개발한 재무 상담사용 AI 어시스턴트 Morgan Stanley Assistant를 시작으로 Debrief, AskResearchGPT 등 회의 요약, 리서치 검색 솔루션까지 도입하며 전사적인 AX를 성공적으로 구현했죠. 특히 규제가 엄격하고 오류에 민감한 금융업계에서 이룬 성과라는 점에서 더욱 주목받고 있습니다.
많은 기업이 "AI를 도입했는데, 왜 확산되지 않을까?"라는 고민에 빠져 있을 때, 모건 스탠리는 신뢰성, 정확성, 범용성, 용이성 등을 갖춘 AI로 몇 년 전부터 놀라운 수준의 생산성 및 전문성을 기록하고 있습니다.
모건 스탠리가 월스트리트에서 AX를 선도하게 된 비결, 어디에 있을까요?
오늘은 모건 스탠리가 AX 전략에 적용한 4가지 핵심 원칙을 통해, 성공적인 AI 전환 과정을 구체적으로 살펴보겠습니다.
1. 철저한 평가·승인 절차: 검증된 것만 배포한다
3년 전, 모건 스탠리는 OpenAI와 파트너십을 맺고 맞춤형 AI 솔루션 개발을 시작했습니다.
당시 금융 기업 중 AI 기술을 도입하고 활용하기 시작한 첫 사례였는데요. 보안과 정확도에 금융업계인 만큼, 모건 스탠리는 외부 AI 도구를 그대로 도입하기보다 내부 AI 시스템을 직접 구축하는 전략을 택했습니다.
모건 스탠리는 첫 번째로 재무 상담사를 위한 AI 솔루션을 개발하기 위해 평가 프레임워크부터 마련했습니다. 파일럿으로 일단 써보면서 고치는 방식이 아니라, 평가 기준을 먼저 만들고 이를 충족한 유즈 케이스(use case)만 보내는 방식이었죠.
새로운 아이디어는 아래와 같은 4단계 검증 프로세스를 거쳐야 했습니다:
- 내부 테스트: 개발 전 기술 타당성 검토
- 거버넌스 포럼 검토: 모든 유즈 케이스에 대하여 내부 정책 및 규정 준수 여부 확인
- 전문가 검증: 전문가 작업과 비교, 자문위원·프롬프트 엔지니어의 단계별 개선 사항 피드백
- 공식 승인: 공식 거버넌스 위원회의 최종 승인 후에만 다음 단계 진행
그 결과 매일같이 불어나는 문서 라이브러리를 빠르게 검색하고, 방대한 자료를 효과적으로 요약하며, 텍스트를 53개국어로 번역하는 Morgan Stanley Assistant가 탄생하였습니다. 모건 스탠리는 이 AI 솔루션을 300명의 재무 상담사를 통해 충분한 검증을 거친 뒤 1만 6천여 명의 상담사에게 전사 배포하였죠.
덕분에 문서 검색 효율은 20%에서 80%까지 개선됐고, 오늘날 Morgan Stanley Assistant는 10만 개의 내부 문서를 기반으로 어떤 질문에도 정확하게 답합니다. 모건 스탠리의 재무 상담사들은 투자 추천, 사업 성과, 내부 프로세스 등 이전에는 고객과 논의하지 못했던 주제에 대해서도 자유롭게 이야기할 수 있습니다. AX 전략을 통해 업무에서 가장 큰 병목이었던 지식 접근 문제를 구조적으로 제거한 것이죠.
2. 검증된 성공 사례 확장: 이미 통한 것을 넓힌다
Morgan Stanley Assistant가 조직의 슈퍼 앱으로 자리잡으면서, 모건 스탠리는 새로운 AI를 만들어내는 대신 검증된 성공 사례를 인접 업무로 확장하는 AX 전략을 택했습니다. 이미 현업에서 신뢰를 확보한 구조를 재사용하여 기술적·조직적 리스크를 최소화하려는 것이었죠.
모건 스탠리의 첫 번째 AI 솔루션이 재무 상담사의 질문에 따라 문서를 검색·요약하는 도구였다면, 두 번째는 고객과의 미팅 후 내용을 요약하고, 그에 기반하여 후속 조치를 정리하고, 고객에게 보내는 이메일 초안을 작성하는 AI 솔루션이었습니다.
요약 기능은 이미 Morgan Stanley Assistant 개발 과정에서 검증을 마친 만큼, 모건 스탠리는 새로운 기능인 ‘회의 내용 기반 후속 조치 작성 기능’을 중심으로 엄격한 테스트를 진행했습니다. 이를 위해 다양한 회의 유형을 반영한 평가 데이터 세트를 구성해 오류 없이 핵심 항목을 포착하는지 검토했죠.
그 결과 모건 스탠리의 두 번째 AI 솔루션, Morgan Stanley Debrief가 탄생했습니다. Debrief는 고객 동의를 기반으로 미팅 내용을 녹취한 후 핵심 내용과 후속 조치를 요약·작성하고, 이를 바탕으로 고객에게 발송할 이메일 초안을 생성합니다. 동시에 해당 내용을 CRM 시스템인 세일즈포스에 저장하죠.
Debrief의 핵심은 단순한 기능 추가가 아니라, 이전에 검증된 AI 인프라의 전략적 확장이었다는 점입니다. 기존 평가·검증 프레임을 확장하여 테스트하고, 이전에 검증된 문서 요약 능력을 회의 요약으로 전환하는 등 성공 케이스를 적절히 수정하고 넓힌 것인데요. 이러한 AX 전략 덕분에 모건 스탠리는 개발 기간과 비용을 줄이면서도 안정성을 유지할 수 있었습니다.
3. 정확성을 높이는 데이터 통제: 답의 범위를 제한한다
금융 업계에서 사용하는 생성형 AI가 근거 없이 그럴듯한 답변을 내놓는 것은 바로 리스크로 이어질 수 있습니다. 모건 스탠리는 이 문제를 원천 차단하기 위해 AI가 말할 수 있는 범위를 구조적으로 제한하는 AX 전략을 취했는데요.
모건 스탠리의 AI 솔루션은 내부 데이터 라이브러리에 기반한 검색 증강 생성(Retrieval-Augmented Generation) 방식으로 설계되었습니다. 이는 생성형 AI가 답변을 생성하기 전 신뢰할 수 있는 데이터 소스에서 관련 정보를 검색하여 프롬프트에 추가하는 구조인데요. AI의 답변 범위를 제한하여 할루시네이션을 줄이고 정확도를 높이는 효과가 있습니다.
덕분에 모건 스탠리는 AI 답변의 오류를 줄이는 동시에 모델을 재학습하지 않더라도 문서만 업데이트하면 최신 정책과 정보가 즉시 반영되는 환경을 만들 수 있었습니다. 규정과 내부 기준이 자주 바뀌는 금융사에서는, 정확도만큼이나 최신성을 안정적으로 유지하는 것이 중요하기 때문이죠.
모건 스탠리의 데이터 통제 전략은 단순한 보안 조치가 아니라, AI가 어디까지 알고, 무엇을 근거로 활용하는지를 제한하는 기술이었습니다. 이러한 통제 구조를 통해 모건 스탠리는 금융 산업에서도 생성형 AI를 전사적으로 활용할 수 있는 기반을 마련한 것이죠.
AX에 대비한 모건 스탠리의 발빠른 데이터 관리
2019년, 모건 스탠리는 Data Center of Excellence를 설립했습니다.
이 기구는 사내에 분산된 데이터를 정비·통합해 품질을 끌어올리는 데 집중했는데요. AX 시대를 발 빠르게 예견한 모건 스탠리가 일찍이 데이터를 체계적으로 정리하여 AI가 활용할 수 있는 데이터 기반을 구축한 것입니다. 덕분에 모건 스탠리의 AI 솔루션들은 내부적으로 선별·검증된 양질의 데이터를 기반으로 작동하죠.
데이터가 잘못되면 AI도 잘못된 답을 내놓습니다. 모건 스탠리는 AI를 도입하기 전에 먼저 데이터를 준비했고, 이 또한 성공적인 AX 전략의 토대가 된 것인데요. 덕분에 모건 스탠리가 개발·도입한 AI는 모든 직원들에게 신뢰할 수 있는 시스템으로 빠르게 발돋움할 수 있었습니다.
4. AI를 기존 업무에 통합: 안 쓰면 일이 안 되게 만든다
모건 스탠리가 도입한 AI 솔루션들의 또 다른 공통점은 AI를 새로운 도구이자 업무 영역으로 추가하지 않고, 기존의 업무 흐름에 녹여냈다는 것입니다.
모건 스탠리는 거의 모든 직원이 매일 반복하는 자료 탐색, 문서 요약 등의 공통 업무부터 AI로 재설계했습니다. 덕분에 AI가 특정 직무가 쓰는 특수한 도구가 아니라 누구나 써야 하는 기본 인프라로 빠르게 자리잡을 수 있었죠.
또한 모건 스탠리는 AI 툴을 기존 업무 도구 안에서 원클릭으로 사용할 수 있도록 구축하였습니다. 덕분에 직원들은 매일 사용하는 이메일, 메신저, 협업 툴 등에서 바로 AI 솔루션을 호출할 수 있는데요.
예를 들면 연구 자료를 검색·요약하는 AskResearch도 모건 스탠리가 특허를 보유한 워크플로우 솔루션과 연동하여 직원들이 단 한 번의 클릭을 통해 이메일 초안을 받아보고, 이를 수정하여 고객에게 전달할 수 있도록 설계되었습니다. AI 사용 시 발생할 수 있는 추가적인 의사결정을 제거하여 조직 저항을 제거하고, 진입 장벽을 크게 낮추어 빠른 AX를 이룬 것이죠.
Debrief의 경우, 미팅 기록 → 요약 → 후속 조치 작성 → 이메일 초안 → CRM 저장에 이르는 일련의 프로세스를 AI로 전환한 사례인데요. 이는 AI 출력이 곧바로 다음 액션의 시작점이 되는 구조입니다. 덕분에 직원들에게 AI는 참고용 정보를 제공하는 도구가 아니라, 업무를 굴리는 엔진이 되었죠.
모건 스탠리에서는 회의가 끝나면 자동으로 Debrief가 작동하고, 문서가 필요하면 Assistant를 열며, 리서치가 필요하면 AskResearch를 쓰는 것이 당연한 업무 프로세스가 되었습니다.
이 모든 AX 전략의 선제 조건, AI 교육입니다
모건 스탠리의 성공은 단순히 좋은 AI 기술을 선택해서가 아닙니다.
이는 AX 과정에 4가지 원칙을 일관되게 적용한 결과입니다.
그리고 이 모든 AX 전략을 기술이 아닌 조직을 중심에 두고 설계했다는 것입니다.
많은 기업이 "어떤 AI를 쓸까?"에서 AX 전략을 시작하지만, 모건 스탠리는 "우리 조직은 AI를 어떻게 받아들일까?"에서 시작했습니다. 기술은 수단이고, 목적은 조직을 근본적으로 바꾸는 것이었습니다. 이처럼 AX 전략의 성패는 AI 기술이 아니라, 그것을 받아들이는 사람과 조직의 준비도에 달려 있습니다.
그렇다면 우리 조직은 준비되어 있을까요?
AX는 어떻게 준비해야 할까요?
이 모든 질문의 답은 교육에서 시작합니다.
모건 스탠리도 처음부터 98%의 도입률을 달성한 것이 아닙니다. 직원들이 AI를 이해하고, 신뢰하고, 자신의 업무에 적용할 수 있도록 지속적인 교육과 지원을 제공했습니다. 기술 도입과 조직 교육을 병행한 것이 성공의 열쇠였죠.
스파르타 AI 기업교육은 성공적인 AX를 위한 필수 역량을 교육합니다. 단순하고 일관된 교육 콘텐츠가 아니라, 고객사의 AI 성숙도와 업계 특성, 직무·직급·레벨 등에 맞추어 현 시점에 딱 맞는 AI 교육을 제공합니다. 그런 만큼 단순한 AI 도구 활용법이 아닌 AI를 조직에 통합하는 방법, 데이터를 관리하는 원칙, 워크플로우를 재설계하는 사고방식까지 함께 전달합니다.
무엇보다 스파르타는 조직의 AX 전략 로드맵을 함께 고민합니다. 전사적인 관점에서 AI 역량을 체계적으로 쌓아갈 수 있도록 스파르타 PM이 고객사의 HRD 담당자와 함께 교육의 A to Z를 설계하고 관리합니다. 교육 전 AI 성숙도 및 활용 능력을 측정하고, 교육 후 성과 평가와 함께 다음 단계를 제안하는 지속 가능한 AX 파트너십을 구축하죠.
글로벌 기업 못지 않은 AX 전략을 구현하고 싶다면, 조직의 AI 역량부터 자리잡아야 합니다.
AX 전략의 토대, 우리 조직의 AI 역량을 팀스파르타가 빠르게 길러드리겠습니다.
Share article