웹케시, 금융 업무를 대신 처리하는 AI 에이전트로 방향 튼다

• 웹케시가 금융 AI 에이전트 회사로 포지션을 확 바꾸는 중임

  • 기존 경리나라, 브랜치Q, 인하우스뱅크 같은 B2B 금융 서비스를 AI 에이전트 기반으로 전환하겠다는 전략
  • 윤완수 부회장은 금융 AI가 이제 “답변” 단계에서 “업무 실행” 단계로 넘어간다고 봄

• 핵심 제품은 지능형 RDB 커넥트인 오페리아(OPERIA)임

  • 자연어를 SQL로 변환하고, 금융권 정보계·계정계 데이터베이스와 연동해 데이터를 추출·해석·추론하는 역할
  • 단순 챗봇이라기보다 금융 데이터베이스와 대규모 언어 모델(LLM) 사이에 끼는 운영 레이어에 가까움
  • 자체 테스트 기준 정답률은 99% 수준이라고 밝힘

• 웹케시가 보는 UI 변화도 꽤 노골적임. 메뉴 누르는 시대가 끝나고 자연어 지시가 업무 인터페이스가 된다는 것

  • 예전에는 사람이 메뉴를 찾아 들어가고, 데이터를 조회하고, 필요하면 개발팀이 쿼리를 짜야 했음
  • 앞으로는 “이 거래처 자금 흐름 보여줘” 같은 식으로 말하면 AI가 데이터를 찾아 업무 결과를 만들어내는 구조를 노림

• 금융권 특성상 외부 클라우드 AI에 데이터를 올리는 방식은 어렵다고 봄

  • 은행 데이터는 외부 생성형 AI 서비스로 보내기 힘들고, 보안·감사·안정성 요구가 빡셈
  • 그래서 웹케시는 금융사 내부망 안에서 다양한 LLM을 운영하고, 오페리아가 그 안에서 RDB와 AI를 연결하는 구조를 강조함
  • 기존 코어 DB를 직접 바꾸지 않고 AI를 붙일 수 있다는 점도 금융권 설득 포인트로 잡음

• 실제 적용도 PoC에서 고객 서비스 쪽으로 넘어가는 분위기라고 함

  • NH농협은행과는 에이전트 뱅킹 PoC를, 광주은행과는 경영정보 에이전트 실증을 진행
  • NH농협은행의 ‘AI하나로’ 기반 자금관리 에이전트는 파일럿을 거쳐 실제 고객 대상으로 확대 적용 중
  • 예시로는 사용자가 “법인카드 분실 신고 후 재발급해줘”라고 지시하면 AI가 관련 업무를 순차 처리하는 방식이 언급됨

• 웹케시 내부도 AI 전환(AX)을 꽤 세게 밀고 있음

  • 전 직원에게 클로드 계정을 지급했고, 조직 절반 이상이 AX 중심 구조로 바뀌고 있다고 설명
  • 신규 서비스 개발에서는 바이브 코딩 활용 비중을 높이는 중
  • 개발자만 만들던 업무 자동화를 현업 직원도 직접 구현하기 시작했다는 얘기도 나옴

• 웹케시는 금융권을 넘어 증권, 보험, 공공시장까지 AI 에이전트 사업을 넓히려 함

  • RDB 기반 데이터가 있는 곳이면 대부분 AI 에이전트 수요가 생긴다는 판단
  • 공공 영역에서는 복지·행정 데이터 활용 수요를 보고 있고, 공공복지 에이전트 PoC도 진행 중

---

기술 맥락

• 금융권에서 AI 에이전트를 붙이려면 모델 하나 잘 고르는 걸로 끝나지 않아요. 실제 업무 데이터가 RDB에 있고, 이 데이터는 권한·감사·보안 정책을 타야 하거든요. 그래서 오페리아 같은 중간 레이어가 필요한 거예요.

• 자연어를 SQL로 바꾸는 선택은 사용자가 메뉴와 화면 구조를 몰라도 데이터를 조회할 수 있게 만들기 위해서예요. 다만 금융 데이터는 틀리면 바로 사고라서, 기사에서 정답률 99%를 강조하는 것도 결국 신뢰성 문제를 의식한 거죠.

• 내부 구축형 구조를 택하는 이유는 은행 데이터를 외부 생성형 AI로 보내기 어렵기 때문이에요. 모델은 내부망에서 돌리고, 오페리아가 그 안에서 데이터베이스와 연결되면 기존 코어 시스템을 크게 흔들지 않으면서 AI 기능을 얹을 수 있어요.

• 이 접근의 진짜 승부처는 PoC 이후예요. 법인카드 분실 신고나 자금관리처럼 실제 고객 업무로 넘어가면, 자연어 이해뿐 아니라 예외 처리, 권한 확인, 처리 이력 기록까지 같이 맞아야 하거든요.