영국 은행 바클리스가 앤스로픽의 AI 모델 클로드(Claude)를 전사 차원으로 확대 도입한다고 발표했습니다. 소프트웨어 개발, 레거시 시스템 현대화, 고객 업무 처리까지 적용 범위를 넓히는 것이 핵심입니다. 금융권처럼 보수적인 산업에서 생성형 AI가 “실험”을 넘어 “일상 업무”로 들어오고 있다는 점에서 주목할 만한 사례입니다.
다만 이 내용은 앤스로픽이 자사 뉴스룸을 통해 공개한 발표를 근거로 합니다. 도입 효과의 수치는 바클리스 측 설명을 그대로 옮긴 것이므로, 독립적으로 검증된 결과로 받아들이기보다는 기업이 밝힌 목표와 현황으로 읽는 것이 정확합니다.
바클리스가 밝힌 도입 현황
| 항목 | 내용 |
|---|---|
| 도입 범위 | 소프트웨어 개발, 레거시 시스템 현대화, 사내 지식 활용, 고객 이메일 분류 |
| 개발자 활용 목표 | 연내 개발자의 50%가 클로드 코드(Claude Code) 사용 |
| 사내 지식 어시스턴트 | 직원 1만 6천 명 이상이 사용 중 |
| 고객 이메일 분류 | 하루 약 12만 건 처리 |
가장 눈에 띄는 숫자는 개발자의 절반이 코딩 도구를 쓰도록 하겠다는 목표입니다. 개발 조직 전체를 AI 도구 중심으로 재편하겠다는 의지를 보여줍니다. 하루 12만 건의 고객 이메일을 AI가 분류한다는 대목도 규모 면에서 인상적입니다. 단순 보조가 아니라, 대량 업무의 1차 처리를 맡긴다는 의미로 읽힙니다.
금융권이 AI를 받아들이는 방식
은행은 개인정보와 규제 준수 문제 때문에 AI 도입에 가장 신중한 산업 중 하나로 꼽힙니다. 그럼에도 바클리스가 전사 확대를 발표했다는 것은, 초기 실험 단계를 지나 실제 비용 절감과 업무 속도 개선을 확인했다는 신호로 해석할 수 있습니다.
- 레거시 시스템 현대화: 수십 년 된 전산 시스템을 고치는 작업은 인력과 시간이 많이 드는 대표적인 영역입니다. AI가 코드 분석과 전환을 돕는다면 비용과 기간을 줄일 수 있습니다.
- 개발 생산성: 개발자 절반이 코딩 도구를 쓰는 구조는 코드 작성·검토 속도를 높여 신규 서비스 출시를 앞당기는 효과를 노린 것으로 보입니다.
- 사내 지식 접근성: 1만 6천 명이 쓰는 사내 어시스턴트는 규정, 절차, 문서를 빠르게 찾게 해줘 직원 생산성에 직접 영향을 줍니다.
- 고객 응대 자동화: 이메일 분류를 AI가 맡으면 사람은 복잡하고 민감한 문의에 집중할 수 있습니다.
“전사 도입”과 “실험”의 차이
많은 기업이 AI 파일럿을 시작하지만, 실제로 전 직원·전 부서 단위로 확대하는 경우는 많지 않습니다. 바클리스의 사례는 도입 범위가 개발팀, 사내 지식, 고객 업무 등 여러 영역에 걸쳐 있다는 점에서 “부분 실험”보다 한 단계 나아간 모습입니다.
다만 전사 확대는 보안·데이터 거버넌스 정책을 함께 갖추지 않으면 위험해집니다. 은행의 경우 고객 정보가 AI 시스템을 어떻게 오가는지, 모델이 잘못된 답을 내놓을 때 누가 책임지는지 등을 명확히 해야 합니다. 발표 자료에서 이런 세부 기준은 자세히 다루지 않아, 후속 설명이 필요한 부분입니다.
앤스로픽과 금융권 파트너십의 흐름
앤스로픽은 최근 금융, 법률, 제조 등 규제가 많은 산업을 중심으로 기업 고객을 넓히고 있습니다. 보안과 신뢰성을 강조하는 전략을 내세우면서, 대형 은행이나 컨설팅 기업과의 협력 사례를 늘려가는 추세입니다. 바클리스의 전사 확대 발표도 이런 흐름의 연장선에 있습니다.
경쟁 관계에 있는 오픈AI, 구글, 마이크로소프트 역시 금융권 고객 확보에 공을 들이고 있습니다. 그만큼 금융사 입장에서는 특정 모델에 종속되지 않도록 여러 AI 도구를 비교·검토하는 과정이 필요해지고 있습니다.
은행 업무 중 AI가 먼저 들어가는 영역
은행 업무는 크게 고객 응대, 리스크 관리, 내부 개발, 규정 준수 등으로 나뉩니다. 이 중 AI가 가장 먼저 자리 잡는 영역은 대체로 위험도는 낮지만 반복 업무가 많은 곳입니다. 바클리스가 고객 이메일 분류와 사내 지식 검색부터 시작한 것도 이런 원칙과 맞닿아 있습니다.
| 영역 | AI 적용 난이도 | 예시 |
|---|---|---|
| 사내 지식 검색 | 낮음 | 규정·절차 문서 검색, 질의응답 |
| 고객 문의 분류 | 낮음~중간 | 이메일·문의 유형 자동 분류 |
| 내부 개발 보조 | 중간 | 코드 작성, 테스트, 리뷰 보조 |
| 레거시 시스템 현대화 | 중간~높음 | 오래된 코드 분석과 전환 지원 |
| 신용 심사·리스크 판단 | 높음 | 규제 준수와 설명 책임이 엄격한 영역 |
표에서 보듯 난이도가 높은 영역일수록 사람의 검토와 설명 가능성이 중요해집니다. 바클리스 발표에 리스크 판단 같은 핵심 의사결정 영역은 포함되지 않았다는 점에서, 현재로서는 비교적 안전한 영역부터 확대하는 단계로 볼 수 있습니다.
개발자 생산성 논쟁, 숫자만큼 중요한 질문
“개발자의 절반이 코딩 도구를 쓴다”는 목표는 생산성이 올라간다는 전제를 담고 있습니다. 하지만 AI가 작성한 코드의 품질, 보안 취약점, 유지보수 부담을 어떻게 관리할지는 별도의 문제입니다. 코드 검토 체계가 함께 강화되지 않으면 생산성 향상이 오히려 기술 부채로 돌아올 수 있다는 지적도 업계에서 꾸준히 나오고 있습니다.
따라서 이런 발표를 볼 때는 도입 규모뿐 아니라, 검토 절차와 품질 기준이 함께 제시되는지를 확인하는 것이 중요합니다. 바클리스 측의 후속 설명이 이 부분을 얼마나 다룰지 주목할 필요가 있습니다.
국내 기업·직장인에게 주는 시사점
- 개발 조직의 도구 변화: 코딩 보조 도구가 개발 현장의 표준으로 자리 잡는 흐름은 국내 IT 기업에도 그대로 적용될 가능성이 큽니다.
- 사내 지식 검색의 중요성: 문서가 많은 조직일수록 AI 기반 사내 검색이 실질적인 효율을 줍니다.
- 보안과 규제 검토 선행: 국내 금융사도 AI 도입 시 개인정보보호와 금융 규제를 먼저 점검해야 합니다.
AI 에이전트가 업무를 맡는 흐름은 이미 여러 서비스에서 확인됩니다. 관련 배경은 AI 에이전트란? 2026년 지금 당장 써먹는 자동화 실전 5가지 글에서 정리했고, 클로드를 실제로 써본 경험은 ChatGPT Plus 해지하고 Claude로 갈아탄 이유에서 확인할 수 있습니다.
자주 묻는 질문
Q. 바클리스가 클로드를 쓰면 고객 정보가 AI에 들어가나요?
발표 자료에는 데이터 처리 방식의 세부 내용이 없습니다. 금융사는 일반적으로 내부 보안 환경이나 전용 계약을 통해 데이터를 관리하지만, 구체적인 구조는 확인되지 않은 상태입니다.
Q. 클로드 코드는 무엇인가요?
앤스로픽이 제공하는 개발자용 AI 코딩 도구입니다. 자연어로 지시하면 코드를 작성·수정·검토하는 작업을 돕는 방식으로 쓰입니다.
Q. 이 발표는 얼마나 믿을 만한가요?
바클리스와 앤스로픽이 공개한 내용을 기반으로 한 발표입니다. 수치와 목표는 기업이 밝힌 것이므로, 실제 성과는 이후 추가 보도나 독립적 평가로 확인하는 것이 바람직합니다.
Q. 금융권은 AI 도입 시 어떤 규제를 받나요?
국가와 기관에 따라 다르지만, 일반적으로 개인정보보호, 금융 소비자 보호, 모델 설명 책임 등이 주요 규제 대상입니다. 국내에서도 금융당국이 AI 활용에 관한 가이드라인을 점차 정비하고 있습니다.
Q. 사내에서 AI 도구를 쓸 때 주의할 점은?
업무상 기밀이나 개인정보를 무단으로 입력하지 않도록 사내 정책을 세우는 것이 가장 기본입니다. 또한 AI가 만든 결과물은 사람이 검토한 뒤 사용하는 절차를 두는 것이 안전합니다.
마무리: 금융권에서도 AI는 “옵션”이 아닌 “기본”으로
바클리스의 전사 확대 발표는 보수적인 금융권에서도 생성형 AI가 업무 기본 도구로 자리 잡고 있다는 것을 보여줍니다. 중요한 것은 얼마나 많이 쓰느냐보다 어떤 기준과 보안 체계 아래서 쓰느냐입니다. 도입 효과의 실제 검증은 앞으로 나올 후속 보도를 함께 지켜봐야 합니다.
Sources: Anthropic Newsroom (2026-10-01)