전 세계 은행이 2025년 순이익 1조 3,000억 달러(약 1,737조 6,060억 원)로 또다시 사상 최대 실적을 냈지만, 예금 금리를 비교하려는 고객은 이제 은행 상담사보다 챗GPT에 먼저 묻는다. 맥킨지 글로벌 뱅킹 조사에 따르면, 금융 업무에 AI를 쓰는 소비자의 74%가 챗GPT, 클로드, 제미나이 같은 범용 AI를 이용했고, 거래 은행의 챗봇을 쓰는 비율은 그 절반 수준이었다. 맥킨지는 새 기술을 천천히 따라가도 고객이 함께 기다려 주던 은행의 유예 기간이 AI 앞에서는 끝났다고 경고했다.

맥킨지 글로벌 뱅킹 보고서의 1.3조 달러와 기술 유예 기간 종료

맥킨지가 2026년 11월 10일 공개한 ‘글로벌 뱅킹 연례 보고서 2026(Global Banking Annual Review 2026)’에 따르면, 전 세계 은행 산업은 2025년 순이익 1조 3,000억 달러를 기록해 2024년 사상 최대치보다 7% 증가했고, 다시 한번 모든 산업 가운데 가장 많은 순이익을 냈다. 맥킨지는 2026년에도 이익 증가율이 9~11%에 이를 것으로 추정했다. 다만 보고서는 기록적인 실적 아래에서 구조적인 문제가 쌓이고 있다고 경고했다. 보고서는 AI가 금융 산업 구조를 바꾸면서 생기는 새 수익을 ‘AI 디스럽션 배당(AI disruption dividend)’이라고 부르고, 이 몫은 정확하고 빠르게 움직이는 은행이 가져갈 것으로 내다봤다.

인터넷과 스마트폰이 다른 소비자 산업을 바꿀 때도 은행은 다른 업종보다 느리게 새 기술을 받아들였고, 위협이 지나가기를 기다리는 전략으로 대부분 버텼다. 보고서는 이를 앞서가지 않고 뒤따르는 ‘영리한 추격자 전략(smart followership)’이라고 불렀다. 이 전략이 통한 것은 은행에 가장 큰 수익을 안기는 55세 이상 고객도 디지털을 늦게 받아들였기 때문이다.

미국 모바일 뱅킹 데이터에 따르면, 2023년 기준 55세 이상 고객층이 은행에 안긴 소매 수익은 4,490억 달러(약 600조 1,424억 원)로, 35세 미만(1,870억 달러), 35~44세(1,690억 달러), 45~54세(1,690억 달러)보다 두 배 이상 많았다. 그러나 이 연령대에서 모바일을 주 거래 채널로 쓰는 비율은 30% 안팎으로 네 연령대 가운데 가장 낮았다. 수익성이 가장 높은 고객이 가장 느리게 움직인 덕분에 은행은 새 기술에 적응할 시간을 확보했고, 보고서는 이 시간을 ‘유예 기간(grace period)’이라고 표현했다.

보고서는 AI 도입 속도가 역사상 가장 빠르고 젊은 층과 노년층이 거의 같은 속도로 AI를 받아들이고 있어, 이번에는 이 전략이 통하지 않는다고 밝혔다. 모바일 뱅킹이 은행 이용자의 절반이 되기까지 10년 가까이 소요된 반면, 자산 10만 달러(약 1억 3,366만 원) 규모 사용자의 절반 이상은 이미 대규모언어모델(LLM)에 금융 질문을 하고 있다. 대규모언어모델은 챗GPT처럼 방대한 글을 학습해 사람의 말로 묻고 답하는 AI를 말한다. 55세 이상 고객도 젊은 층과 비슷한 속도로 AI를 쓰기 시작하면서, 보고서의 표현대로 이번에는 유예 기간이 없다.

4만 6,000명 조사 결과, 금융 업무 생성형 AI 이용률 23%

맥킨지가 13개국 소매 금융 고객 약 4만 6,000명을 조사한 결과, 생성형 AI를 안다는 응답은 92%, 어떤 용도로든 쓴다는 응답은 58%, 금융 업무에 쓴다는 응답은 23%였다. 생성형 AI는 질문에 맞춰 글, 이미지, 답변을 새로 생성하는 AI를 말한다. 고객 4명 가운데 1명꼴로 예금, 대출, 투자 같은 금융 문제를 AI와 상의하고 있다는 의미다.

인도에서는 금융 업무에 생성형 AI를 쓰는 비율이 53%로 조사 대상국 가운데 유일하게 절반을 넘었고, 브라질(36%)과 멕시코(35%)가 그다음으로 높았다. 반면 독일은 13%, 프랑스는 15%, 포르투갈은 16%에 그쳤고, 미국은 20%, 영국은 25%였다. 이번 조사 대상 13개국에 한국은 포함되지 않았다.

그림1. 국가별 생성형 AI 인지와 이용률, 금융 업무 사용은 평균 23% (자료: 맥킨지 보고서 Exhibit 4 재구성)

금융 업무에 AI를 쓰는 소비자의 74%는 챗GPT, 클로드, 제미나이 같은 범용 AI를 거쳤고, 이는 자신이 거래하는 은행의 챗봇을 쓰는 비율의 약 두 배였다. 보고서는 기능을 제대로 갖춘 챗봇을 내놓은 은행이 아직 많지 않다고 지적했다. 예전에는 영업점 상담사에게 예금 금리를 묻던 고객이 이제는 챗GPT에 시장 전체의 금리 비교를 요청한다. 보고서는 거래는 여전히 은행에서 이뤄지지만, 그 거래를 결정하는 대화는 점점 은행 밖에서 일어난다고 설명했다.

미국 소비자는 금융 상품을 고를 때 평균 2.5곳의 금융기관을 비교해 왔지만, 대규모언어모델은 훨씬 많은 상품을 손쉽게 비교한다. 오랜 거래 관계나 가까운 영업점 때문에 주거래 은행에 머물던 고객도 AI가 제시한 비교 결과를 보고 다른 은행 상품을 고를 수 있다.

보고서는 대화 다음 단계로 소프트웨어 에이전트의 조언에 따라 돈이 움직이기 시작했다고 진단했다. AI 에이전트는 웹사이트에서 구매를 돕고, 투자처를 조언하고, 계약을 협상해 청구서까지 발행하는 등 사람을 대신해 일을 처리하는 AI 프로그램을 말한다. 비자의 ‘인텔리전트 커머스(Intelligent Commerce)’와 마스터카드의 ‘에이전트 페이(Agent Pay)’는 가맹점이 검증된 에이전트의 구매를 받을 수 있게 했다. 페이팔은 챗GPT 결제 화면에 자사 지갑을 넣기로 했고, 스트라이프와 오픈AI는 그 바탕이 되는 규약을 함께 개발했다.

보고서에 따르면, 메타가 2026년 9월 출시한 개인 AI 에이전트 ‘뮤즈’는 미국에서 22일 만에 다운로드 500만 건을 넘겨 챗GPT, 그록, 클로드보다 빠르게 이 기록에 도달했다. 뮤즈는 금융 데이터 연결 서비스 플레드를 통해 사용자의 잔액과 거래 내역을 읽고 있다.

AI 이용자 62%의 은행 선호와 이탈 가능성

맥킨지 조사에서 AI 이용자의 62%는 AI 서비스와 조언을 다른 어느 곳보다 주거래 은행에서 받고 싶다고 답해, 고객의 신뢰는 아직 은행 쪽에 있었다. 응답자들은 AI와 관련한 가장 큰 걱정으로 개인정보 보호를 꼽았다. 보고서는 고객이 1,000달러(약 134만 원) 잔액으로는 챗봇을 시험해 볼 수 있지만, 30만 달러(약 4억 99만 원)의 저축을 어디에 둘지 정하는 가족은 사람 상담사를 찾는다고 설명했다.

고객이 은행을 믿어야 개인 맞춤 답변에 필요한 금융 정보를 맡기기 때문에, 신뢰는 데이터 확보와도 연결된다. 외부 AI 도구는 아직 거래 기록과 계좌 정보의 일부에만 접근할 수 있지만, 은행은 이를 모두 갖고 있다.

다만 AI 이용자의 절반가량은 은행이 쓸 만한 AI를 내놓지 않으면 외부 금융 앱을 이용할 수 있다고 답했다. 보고서는 신뢰가 은행에 첫 번째 기회를 줄 뿐이며, AI를 쓰는 고객의 절반은 무한정 기다리지 않겠다고 말한다고 설명했다.

보고서는 이 변화가 은행에 손해만 안기지는 않는다고 봤다. 고객이 AI의 비교를 거쳐 돈을 옮기면 은행의 예금 이익은 줄어들 수 있지만, 변화를 내다본 은행은 더 알맞은 투자 상품, 금융 자문, 현금 관리 기능을 먼저 내놓아 수익 구조를 재편할 수 있다. 맥킨지는 이런 은행이라면 예금 이익이 줄어도 AI로 생기는 새 수익이 그 감소분보다 커 전체 수익성이 높아질 수 있다고 분석했다.

생산성 체감 80%와 이익 효과 체감 6%의 간극

맥킨지는 AI를 도입해도 효과가 이익으로 잘 이어지지 않는 이유 가운데 하나로 지금의 AI가 개별 업무 단위로 설계돼 있다는 점을 꼽았다. 은행을 포함한 기업 전반을 대상으로 한 맥킨지의 2026년 AI 현황 조사(State of AI)에서 응답자의 80%는 AI로 개인 생산성이 높아졌다고 답했지만, 이자와 세금을 빼기 전 영업이익(EBIT)의 상당 부분을 AI 덕분으로 본 비율은 6%에 그쳤다. 직원 개인의 업무 처리는 빨라졌지만 회사의 손익에는 효과가 거의 드러나지 않는다는 의미다.

맥킨지의 AI 전문 조직 퀀텀블랙이 금융과 전문 서비스 기업에서 실제로 운영 중인 에이전트 시스템 7개를 측정한 결과, 에이전트는 업무 시간을 약 60% 줄였다. 그러나 한 사람에게 돌아가는 절감은 하루 한두 시간 수준이어서, 보고서는 직원 한 명의 업무가 조금 줄었다고 그만큼을 비용 절감으로 거둘 수 있는 은행은 없다고 지적했다. 업무 속도와 달리 일하는 절차는 그대로여서, 몇 분 만에 작성한 여신 심사 보고서도 목요일에만 열리는 심사위원회를 기다려야 한다. 생성형 AI를 쓰는 기업 가운데 어느 부서에서든 업무를 재설계한 곳은 4분의 1에 불과했고, 맥킨지는 절약한 시간 대신 비용, 처리량, 위험을 기준으로 성과를 측정할 것을 강조했다.

보고서가 제시한 다음 단계는 직원 개인이 아닌 은행 전체의 역량을 높이는 ‘기관 지능(institutional intelligence)’이다. 기관 지능은 은행 곳곳에 흩어진 데이터, 정책, 과거 결정, 전문가 판단을 한데 모아 모든 직원과 AI 에이전트가 은행 전체의 지식을 바탕으로 일하게 하는 체계를 말한다. 지금은 은행에서 가장 뛰어난 여신 심사역이 은퇴하면 그 판단력은 회사에 남지 않는다. 맥킨지는 자사 경험상 기관 지능을 갖추면 평균적인 직원도 상위 25% 수준의 성과를 낼 수 있다고 밝혔다.

보고서에 따르면, 앞서가는 은행들은 기관 지능을 세 층으로 쌓고 있다. 첫째 층은 고객과 여신 정보를 한곳에 모은 데이터처럼 에이전트가 대량으로 쓸 수 있는 신뢰할 만한 데이터다. 둘째 층은 고객의 계좌, 채무, 규제 상태가 서로 어떻게 연결되는지 담은 맥락 정보이고, 셋째 층은 정책 매뉴얼에 없는 베테랑 심사역의 판단을 에이전트가 다시 쓸 수 있는 형식으로 기록한 지식이다. 맥킨지가 조사한 은행 경영진의 48%는 데이터 준비 부족을 AI 도입의 가장 큰 걸림돌로 꼽았고, 기술 자체는 가장 작은 문제로 봤다. 보고서는 모든 은행이 같은 AI 모델을 살 수 있는 만큼 경쟁력의 차이는 이 세 층에서 생긴다고 진단했다.

은행 운영 모델의 속도 차등화

맥킨지는 은행에 위험 관리 규율을 지키면서 속도를 크게 높이는 운영 방식을 처방했다. 보고서는 하나의 운영 모델, 하나의 속도로는 안정과 속도를 동시에 얻을 수 없다며 기술 개발과 혁신을 속도별로 나눠 조직하라고 제안했다. 익숙하고 점진적인 혁신은 기존 사업 조직이 빠르게, 사내 신사업 육성 조직은 더 빠르게, 불확실하지만 큰 도약이 될 수 있는 초기 연구개발은 가장 빠르게 진행하는 구조다.

지금의 통제 모델은 체크리스트, 두 사람이 함께 확인하는 승인, 일부 사례만 뽑아 보는 감사처럼 사람이 일하는 속도에 맞춰져 있다. 보고서는 기계 속도로 일하는 에이전트를 관리하려면 은행이 에이전트가 지켜야 할 규칙, 한도, 보고 절차를 미리 승인하고, 표본이 아닌 모든 행동을 감시하며, 예외 상황은 지정된 담당자가 책임지는 구조가 필요하다고 설명했다. 통제 업무 자체도 코드와 감시용 에이전트가 맡는다.

대부분의 은행은 아직 디지털 전환 때처럼 2주 단위 개발 주기, 10명 단위 팀, 순차 승인 절차로 AI를 개발하고 있고, 새 기술에 대한 내부 저항은 디지털 전환 때보다 더 크다. 반면 가장 빠른 은행들은 형식적인 회의를 줄인 애자일 방식, 사람과 에이전트를 함께 배치한 새 조직 구조, 에이전트를 전담해 개발하는 체계를 갖췄다.

국내 은행에 주는 시사점

맥킨지는 은행 업계의 이익 분포가 아직은 천천히 바뀌고 있지만 곧 달라질 것으로 봤다. 이익을 어떻게 재투자하느냐에 따라 다르지만, 과거 기술 주기와 달리 늦게 출발한 은행은 따라잡을 기회를 얻지 못할 수도 있다고 경고했다. 이번 조사에 한국은 포함되지 않아 국내 은행 고객이 AI에 금융 질문을 얼마나 하는지는 이 보고서로 알 수 없다. 다만 AI 이용자의 62%가 여전히 은행을 선호하면서도 절반이 은행을 떠날 수 있다고 답한 결과는 국내 은행에도 참고가 된다. 사상 최대 이익을 AI 역량에 얼마나 빨리 재투자하느냐에 따라 은행 간 격차가 벌어질 수 있다.

FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q1. 맥킨지 글로벌 뱅킹 보고서 2026의 핵심 내용은 무엇인가요?
맥킨지 글로벌 뱅킹 보고서 2026은 은행이 2025년 사상 최대인 순이익 1조 3,000억 달러를 냈지만, AI 앞에서는 새 기술을 천천히 따라가도 되던 유예 기간이 끝났다고 진단합니다. 고객이 나이와 관계없이 AI를 빠르게 받아들이고 있어, 빠르고 정확하게 움직이는 은행이 AI가 만드는 새 수익을 가져간다는 내용입니다.

Q2. 사람들은 금융 업무에 AI를 얼마나 쓰고 있나요?
맥킨지가 13개국 소비자 약 4만 6,000명을 조사한 결과, 금융 업무에 생성형 AI를 쓰는 비율은 평균 23%였습니다. 인도는 53%로 가장 높았고 독일은 13%로 가장 낮았습니다. 금융에 AI를 쓰는 소비자의 74%는 챗GPT, 클로드, 제미나이 같은 범용 AI를 이용했습니다.

Q3. AI 시대에도 고객은 은행을 믿나요?
조사에서 AI 이용자의 62%는 AI 서비스와 조언을 주거래 은행에서 받고 싶다고 답해 신뢰는 아직 은행에 있습니다. 하지만 AI 이용자의 절반가량은 은행이 쓸 만한 AI를 내놓지 않으면 외부 금융 앱을 이용할 수 있다고 답했습니다.

기사에 인용된 리포트 원문은 맥킨지에서 확인할 수 있다.
리포트명: Global Banking Annual Review 2026: The AI disruption dividend (McKinsey & Company, 2026년 11월 10일)
이미지 출처: AI 생성 콘텐츠
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.