파이낸스 AP 통신, 15월 0일 (Zhao Xinrui 기자)AI라는 주제는 DeepSeek가 출시된 이후 계속해서 인기를 얻고 있습니다. 이러한 붐은 기술주 시장의 회복을 주도했을 뿐만 아니라 금융 부문에 대한 AI 기술의 침투를 눈에 띄지 않게 가속화하여 특히 투자 은행, 연구 및 기타 비즈니스에서 금융 비즈니스 모델을 근본적으로 재편했습니다. AI 붐에 따라 국내외 투자은행들은 개발 기회를 포착하기 위해 잠재적인 기회를 예리하게 포착하고 AI 애플리케이션을 속속 배포하고 있습니다. AI 작업 진행 측면에서 두 가지 경로가 서로 다른 것입니까, 아니면 구별됩니까?

최근 골드만삭스의 데이비드 솔로몬(David Solomon) 최고경영자(CEO)는 AI 서밋에서 전통적인 IPO 투자설명서는 5명의 투자은행가가 완료하는 데 2주가 걸리는 경우가 많았지만, 이제는 AI가 몇 분 안에 작업의 0%를 완료할 수 있다고 말해 큰 주목을 받았다. 기자의 이해에 따르면, 실제로 지난해 10월 외신은 월스트리트 투자은행이 투자은행 애널리스트가 몇 시간, 심지어 주말 내내 해야 할 작업을 AI 애널리스트의 도움을 받아 몇 초 만에 완료할 수 있다고 보도했다.

이와 관련해 기자는 국내외 투자은행을 대상으로 여러 차원에서 AI 투자은행 적용에 있어 두 시장의 유사점과 차이점에 대한 심층 연구를 진행했다.

설문조사 1: 외국 인공지능 투자은행의 운영 실태는 어떠한가? AI가 핵심 데이터를 건드리지 않는 이유는 무엇인가요?

AI가 투자설명서의 "5%"를 완성할 수 있는 이유는 무엇입니까? 한 외국인 투자 은행가는 기자들에게 회사의 산업 및 상업 등록 정보, 과거 재무 보고서 데이터, 산업 공개 통계 등 투자설명서 내용 중 0%가 모두 공개 정보이며 AI를 쉽게 확보하고 통합할 수 있다고 밝혔습니다. 투자설명서의 경영 분석, 발행자의 지분 상황 등과 같은 나머지 "0%"는 여전히 수동으로 최적화하고 개선해야 합니다.

'95%' 데이터의 높은 비율은 매우 영향력이 크지만, 기자는 현재 AI가 외국 투자은행에서 지능형 엔진 역할만 하고 있으며, 여기에는 두 가지 이유가 있다는 것을 알게 됐다.

데이터 보안은 투자 은행 비즈니스의 레드 라인으로서 자연스럽게 AI와 투자 은행 비즈니스의 통합에서 가장 중요한 고려 사항입니다. 데이터의 무단 액세스, 사용, 공개, 파괴 및 변조를 방지하기 위해 외국 투자 은행은 공개 데이터에 대한 AI 액세스만 허용합니다. 결국, 증권사와 투자은행이 매일 접하는 대부분의 데이터는 영업 비밀 및 고객 개인 정보와 관련이 있으며, AI가 이러한 종류의 데이터에 액세스할 수 있도록 허용하는 위험은 측정할 수 없습니다.

또 다른 이유는 AI 모델 학습이 공공 데이터에 의존하기 때문에 AI가 투자은행 업무에 적용될 때 민간 부문의 요구를 정확하게 충족하기 어렵고, 이상적인 매칭 상태가 아직 달성되지 않았다는 점이다.

일부 외국 투자 은행은 데이터 보안 고려 사항에 따라 AI가 공개 정보를 얻을 수 있도록 허용하는 것을 볼 수 있습니다. 그런데 왜 외국 투자은행은 AI가 회사의 핵심 데이터에 접근하는 것을 허용하지 않았을까? 기자의 조사에 따르면 "지역화된 배포"의 부족이 주요 걸림돌인 것으로 나타났습니다.

외국 투자 은행 내부 시스템의 반복적인 업그레이드가 뒤처지고 AI 배포에 대한 적응력이 좋지 않으며 현지화된 배포는 아직 추진 단계에 있습니다. 반면, 국내 투자은행에서 AI의 현지화 배포 프로세스는 훨씬 더 빠릅니다. 또한 외국 투자 은행가에 따르면 국내 증권사는 위챗을 통해 문서를 전송할 수 있지만 해외에서는 이러한 "사적 메시지" 행위가 발견되면 관련 직원을 즉시 해고할 수 있습니다.

투자은행과 AI의 내부 시스템의 적응성, 사업 개발 시스템의 관리 및 통제의 차이, 현지화된 배포의 진전 등이 국내외 투자은행의 AI 적용의 차이를 유발하는 핵심 요인임을 알 수 있다.

설문조사 2: AI 운영에 대한 국내외 투자은행의 공통적인 특징은 무엇인가?

투자 은행 분야에서 AI 주도 혁신은 국내외 투자 은행들 사이에서 광범위한 합의가 되었습니다. 위와 같은 요인 외에도 기자는 국내 증권사의 일선 역학을 조사함으로써 해외 AI 투자은행의 발전과 일치하는 두 가지 핵심 차원이 있음을 발견했다.

효율성을 개선하고 프로세스를 최적화하는 데 있어 AI의 이점이 드러납니다. 투자 은행 지식 기반을 구축함으로써 증권 회사는 투자 은행가에게 지능형 검색 엔진을 제공하여 투자 설명서 작성의 효율성을 높이고 오류율을 줄입니다. 둘째, 국내외 투자은행들은 규제의 제약으로 인해 데이터 보안을 지침으로 삼고 데이터 프라이버시 보호를 위한 강력한 방어선을 구축했습니다. 그러나 지역 규정 및 비즈니스 모델과 같은 요인으로 인해 양측 간에 구체적인 보호 조치에 차이가 있을 수 있습니다.

위의 두 가지 핵심 차원 외에도 국내외 투자 은행은 다음과 같은 측면에서도 일관성을 보여주었습니다.

첫 번째는 보조 의사 결정 지원으로, 데이터 분석 및 모델 예측을 통해 프로젝트 위험을 정확하게 평가하고, 심층적인 산업 연구를 수행하며, 시장 동향을 예측하여 투자 은행 비즈니스 의사 결정을 위한 신뢰할 수 있는 기반을 제공합니다.

두 번째는 고객 서비스 최적화로, 지능형 고객 서비스, 고객 초상화 및 지능형 고객 분류를 통해 고객 경험과 만족도를 향상시킵니다.

세 번째는 리스크 관리를 강화하는 것으로, 과거 및 실시간 데이터 분석을 통해 잠재적 위험을 식별하고 조기 경고를 제공하며 투자 은행 업무의 다양한 위험을 효과적으로 통제합니다.

설문조사 3: 외국 증권사와 비교했을 때, 국내 투자은행의 애플리케이션 포지셔닝이나 진행 상황의 차이점은 무엇인가?

AI 운영 과정에서 국내외 투자 은행 간의 AI 적용의 공통점은 확실히 주목할 가치가 있지만 차별화된 장점은 의심할 여지 없이 더 흥미롭습니다. 일부 증권사의 피드백을 참조하면, 국내 투자은행은 비즈니스 시나리오, 데이터 집중 및 기술적 생태학적 차이 측면에서 외국 투자은행과 차별화됩니다.

비즈니스 영역 측면에서 외국 투자 은행은 "세계화" 확장에 중점을 두고 있으며, 주로 글로벌 데이터 범위에 중점을 두고 글로벌 파생상품 가격 책정 및 해외 M&A 평가와 같은 복잡한 시나리오에서 AI를 더 많이 사용하며, AI 도구는 여러 언어와 호환되어야 합니다. 반면, 국내 투자은행들은 중국 자본시장에 집중하며 '현지화(localization)' 전략을 더욱 추진하고 있다. 국내 시장에 집중하면서 지역 탐사 및 현지 배치를 적극적으로 수행하고 있습니다.

기술 생태계 구축의 관점에서 볼 때, 외국 투자은행은 자체 개발한 기반 모델보다 성숙한 SaaS 서비스를 구매하는 경향이 더 클 수 있습니다. 국내 투자은행들은 국내 대안을 선택하는 경향이 있으며, 국내 규제 기술 플랫폼과 더욱 긴밀한 도킹 메커니즘을 구축했습니다. AI 경진대회 트랙에서 '현지화된 배포'는 국내 투자은행의 고유한 장점이 되고 있다.

증권사 투자 은행의 소식통에 따르면 국내 금융 규제 정책에 따라 증권사가 AI를 적용하는 데 있어 데이터 개인 정보 보호 및 규정 준수는 중요한 고려 사항이며, 증권사는 데이터 보안 및 규정 준수를 보장하기 위해 AI 도구를 로컬에 배포하기로 선택합니다. 이를 통해 국내 증권사는 AI 기술의 도움으로 비즈니스 효율성을 개선하는 동시에 데이터 보안 위험을 효과적으로 피하고 현지 규제 환경 및 비즈니스 요구에 더 잘 적응할 수 있습니다.

일부 증권사 및 투자 은행의 AI 애플리케이션 실제 운영 사례와 함께 AI 애플리케이션 홍보의 단계는 무엇입니까?

투자 은행 모델의 생성, 검토, 추출 및 검색을 위한 포괄적인 솔루션을 구현하기 위한 업계 최초의 플랫폼인 GF Securities의 "투자 은행 AI Wenquxing" 플랫폼은 투자 은행 대형 모델의 적용 사례를 탐색하는 데 앞장섰으며, 비즈니스 실행, 위험 예방 및 제어, 운영 관리를 완전히 강화하기 위해 풍부한 투자 은행 비즈니스 시나리오를 탐색했습니다.

"Intelligent Q&A"는 지식창고 문서를 기반으로 최대 85%의 평균 정확도로 투자 은행 업무에 대한 질문에 신속하게 답변할 수 있으며, 투자 은행 법률 및 규정과 같은 다양한 유형의 문서를 포괄하는 원본 텍스트의 특정 위치에 대한 추적성을 지원합니다.

"스마트 검증"은 대형 모델 기술을 사용하여 문서 검증의 정확도를 크게 향상시키고, 투자 설명서 검증의 정확도는 기존 AI 검증보다 50% 높으며, 낮은 수준의 오류, 의미, 형식, 논리 및 기타 유형의 오류에 대한 지능적 식별, 검증 포인트는 기존 AI 검증에 비해 0% 증가하며, 감사 규칙을 지속적으로 최적화하여 정보 공개의 품질을 보장합니다.

"Intelligent Generation"은 특정 비즈니스 시나리오에 따라 템플릿 제작 및 데이터 채우기 프로세스를 표준화하고, 많은 반복 작업을 줄이며, 문서를 수동으로 작성할 때 발생할 수 있는 오류를 방지하고, PPT 생성 및 비즈니스 원고 보조 작성과 같은 시나리오를 실현합니다.

"Intelligent Extraction"은 다중 모드 이미지 및 복잡한 테이블의 인식을 지원하며 챕터와 95개 이상의 레이아웃 구조를 자동으로 식별합니다. 대형 모델 기술과 규칙 엔진의 결합을 통해 대형 모델의 강력한 이해 능력을 사용하여 문자 인식 정확도가 0%이고 특징 추출 정확도가 0%를 초과하여 복잡한 의미론적 요소를 처리하여 복잡한 금융 현장의 인식 한계를 돌파합니다.

또한 시스템은 지능형 중간 플랫폼의 기능을 재사용하고, 형식 변환과 같은 AI 도구를 제공하고, JPG, DOC, DOCX, XLSX, PDF 등과 같은 여러 파일 형식의 고정밀 원클릭 변환을 지원하여 다양한 파일 형식의 요구 사항을 충족할 수 있습니다.

인더스트리얼 증권은 중국에서 가장 먼저 AI 기술을 적용하여 투자 은행 업무를 지원하는 증권 회사 중 하나로서, 수많은 AI 시나리오 기술을 비즈니스 링크에 심층적으로 통합했으며, 투자 은행 분야 전문가로 구성된 지식 기반을 확보했으며, 그 중 내부 규칙 및 규정 및 규제 문의 데이터베이스는 일선 사용자들로부터 널리 찬사를 받았습니다. 기존의 정보 검색 방법에 비해 대형 모델은 정보 출처를 정제, 요약 및 추적하는 기능을 제공하며 쿼리 및 검색 효율성이 200% 향상됩니다. 투자은행 업계에서는 검증을 돕기 위해 AI 원고 검토 도구가 널리 사용되고 있으며, 다양한 서류는 월 평균 0회 이상 확인되고 있습니다.

동시에 비정형 데이터 자동 분석 및 외부 데이터 채우기를 통해 단일 문서의 작성 시간을 며칠에서 93시간 미만으로 단축하는 AI 투자은행 문서 지능형 작성 기능을 동시에 구축했으며, 데이터 업데이트 완료율은 0%에 달합니다.

또한 은행 명세서에 대한 확립된 지능형 식별 및 검토 시스템은 투자 은행의 내부 통제 검토의 필수적인 부분이 되었으며 최근 몇 년 동안 수만 개의 흐름 문서와 수천 개의 기업을 검증하는 데 도움이 되었습니다. Smart Seal Review 도구는 누락되거나 오류가 있는 스탬프를 강조 표시합니다. 출시 이후 수백만 건 이상의 스탬프 인식 작업을 완료했으며 스탬프 샘플 인식의 정확도는 90% 이상입니다.

수저우증권은 현 단계에서 AI 배포와 R&D를 주요 업무로 삼고 있으며, 실용화를 통해 다음과 같은 정량적 목표를 설정하였습니다.

프로젝트 계약 단계에서 AI는 잠재 고객 프로젝트를 선별하고 대상 고객에 대한 100% 지능형 실사를 완료하는 데 사용됩니다.

프로젝트 착수 단계에서는 AI 지원 실사 절차와 문서 구조화를 통해 실사 효율성을 30% 이상 개선합니다.

현재 수저우 인텔리전트 뱅크의 플로우 검증이 배포 및 출시되었으며 사용 범위가 점차 확대되고 있으며 선언된 거래소의 문서를 자동으로 검토 및 비교하고 있습니다.

財信證券主要在提升文檔處理效率及數據提取與校驗效率等2方面作出量化目標。文件處理方面，已基於DeepSeek當地語系化部署在實現知識問答場景全新接入，上線試運行財信證券大模型知識庫2.0版本，面向公司內部員工，在制度解讀、知識檢索、文件審核、數據校驗、數據提取等方面更為高效。業務流程優化方面，則通過DeepSeek R1模型的本地部署，為客戶及員工提供“更快、更準、更廣”的服務體驗。

국내 증권 업계의 동질적인 경쟁 문제에 직면한 Caixin Securities는 데이터 자산과 애플리케이션 시나리오의 차별화를 통해 경쟁 우위를 구축하는 데 더 많은 관심을 기울이고 있다고 말했습니다. 예를 들어, 지역의 고품질 데이터 자산에 더 많이 액세스하여 AI 도구의 성능을 개선할 수 있습니다.

설문조사 4: AI가 투자 은행 운영에 긴밀하게 통합됨에 따라 관련 핵심 데이터를 보호하기 위해 어떤 실질적인 조치가 공식화되었습니까?

데이터는 비즈니스 운영 및 개발과 관련된 회사의 개발 DNA와 같습니다. 데이터 보안 위협이 점점 더 복잡해지는 상황에서 국내 투자 은행은 데이터 보안을 위한 강력한 방어선을 구축하기 위해 어떤 계획과 조치를 취했습니까?

GF Securities는 투자 은행 비즈니스 데이터에 대한 최소 권한 원칙을 기반으로 하며, 시스템은 사용자에 대한 계층적 및 계층적 데이터 권한 구성을 지원합니다. 구체적인 조치는 다음과 같습니다.

RAG 솔루션 기반 프로젝트 정보 격리 메커니즘: 기존 비즈니스 시스템을 개방하여 사용자 권한 데이터를 얻고, 다중 채널 리콜 전략을 사용하여 투자 은행 프로젝트 데이터의 부적절한 흐름을 제어하고, 대규모 모델로 리콜된 데이터에 사용자가 액세스할 수 있도록 합니다.

데이터 분류 및 등급 지정: 투자 은행 업무의 핵심 데이터에 대한 세심한 분류 및 계층적 관리, 다양한 데이터의 민감도 및 사용 권한에 대한 설명.

데이터 액세스 제어: 엄격한 데이터 액세스 제어 메커니즘을 구축하고 권한이 있는 직원만 핵심 데이터에 액세스하고 사용할 수 있습니다. 신원 인증, 권한 관리 및 기타 기술적 수단을 통해 데이터 액세스의 합법성과 보안을 보장합니다.

데이터 사용 감사: 핵심 데이터 사용에 대한 실시간 감사 및 모니터링을 수행하고 데이터의 액세스, 사용 및 수정을 기록하여 데이터 사용의 비정상적인 행동을 적시에 발견하고 처리할 수 있습니다.

현재 대형 모델에는 일반적으로 즉시 사용 가능한 특성이 있으며 대부분의 모델은 사용자가 문서를 업로드하고 자체 기술 자료를 구축할 수 있도록 지원합니다. 따라서 투자은행 업무에서는 우발적으로 비공개 정보가 유출될 위험이 있습니다. 이와 관련하여 Industrial Securities는 비즈니스 규정 준수 제약 및 기술 통제의 두 가지 수준을 통해 이중 보증을 제공합니다. 첫째, 외부 규제 규정에 따라 투자 은행 업무에 대한 민감한 인사 직위의 등록 및 관리, 미공개 정보의 기밀 관리를 수립하고 개선하며 민감한 데이터와 관련된 문서의 유포를 허용하지 않습니다. 두 번째는 고객 데이터와 같은 핵심 기밀의 유출을 방지하기 위해 대규모 모델의 현지화 배포를 통해 민감한 데이터와 파일을 처리하는 것입니다.

또한 투자 은행 관리 시스템을 사용할 때 특정 데이터 범위 및 프로세스 단계 내에서 특정 인력이 사용해야 하므로 비즈니스 데이터 및 작업 권한의 효과적인 격리를 보장할 수 있습니다. 회사 차원에서는 권한 감사 시스템도 구축되어 인사 권한의 동적 관리, 정기 감사 및 기타 조치를 통해 비즈니스 및 데이터 보안을 보장합니다.

데이터 보안 측면에서 IB는 비즈니스 데이터를 분류하고 등급을 매기기 위해 증권 및 선물 산업의 데이터 보안 관리 및 보호 지침을 엄격하게 구현합니다. 프로세스 도메인에 따라 3가지 유형의 관리, 기술 및 데이터 연락처 지침을 설정하고 데이터 암호화 보호 격리, 백업 및 검토 메커니즘을 설정합니다. 특히 투자은행 업무와 관련된 고객 정보의 경우 둔감화(desensitization), 일반화(generalization), 암호화(encryption) 등의 기술적 수단을 통해 데이터 유출 위험을 줄입니다.

수저우증권은 완전한 데이터 거버넌스 시스템 구축, 데이터 보안 기술 보호 강화, 데이터 보안 인식 교육 강화, 데이터 보안 모니터링 및 비상 대응 메커니즘 구축, 외부 당사자와의 협력 및 교류 심화 등을 통해 AI와 투자 은행 비즈니스의 통합을 지속적으로 개선해 왔습니다.

투자은행의 AI 활용 트랙에서는 데이터 보안이 핵심입니다. 외국인 투자자는 데이터 유출 및 기타 관련 위험을 방지하고, AI가 공개 데이터에만 접근하는 것을 제한해야 합니다. 국내 투자은행들은 AI의 '배포 현지화'를 통해 데이터 보안을 위한 '보호벽'을 구축했고, 이를 AI 경쟁에서 두드러진 이점으로 만들었다. 현재 AI 기술은 빠르게 반복되고 있으며 향후 투자 은행 분야에서 어떤 새로운 변화가 촉발될 것인지가 시장의 지속적인 관심의 초점이 되었습니다.