관악연구소, 모델 대신 '배관'을 판다 — 망분리 전산실에 꿰어 넣은 금융 의사결정 AI 에 서울대기술지주가 시드 3억을 걸었다

금융권은 오랫동안 AI 를 '모델'의 문제로 다뤄 왔다. 이탈 확률과 연체 확률을 뽑는 모델은 이미 흔했지만, 망분리된 전산실 안에서 상담 이력과 거래 적요까지 한 고객 기준으로 꿰어 쓰는 일은 번번이 막혔다. 2023년 출범한 관악연구소는 그 병목을 모델이 아닌 데이터 파이프라인으로 규정하고, 은행·카드·보험·공공금융의 이탈 방지·채권 회수·정책자금 심사 현장에 의사결정 엔진을 심어 왔다¹. 거기에 서울대학교기술지주가 시드 3억원을 붙였다¹².

왜 '모델'이 아니라 '파이프라인'이었나 — 금융 AX 의 병목은 전산실 안에 있다

금융권 AI 의 역설은 모델이 부족해서 실패한 적이 거의 없다는 데 있다. 이탈 확률과 연체 확률을 산출하는 알고리즘은 이미 범용 기술이다. 막히는 지점은 그 앞단이다. 신용 정보와 거래 내역은 정형 데이터로 코어 시스템에 있고, 상담 이력과 거래 적요는 비정형으로 콜센터와 CRM 에 흩어져 있다. 망분리 환경에서 이 둘을 한 고객 기준으로 묶는 작업은 모델링이 아니라 배관 공사에 가깝고, 그 공사가 끝나지 않으면 어떤 모델도 현장에 닿지 못한다.

관악연구소는 바로 이 지점에 엔진을 놓는다. 회사가 설명하는 의사결정 엔진은 신용 정보·거래 내역 같은 정형 데이터와 상담 이력·거래 적요 같은 비정형 데이터를 유기적으로 매칭해 단일 고객 기준의 통합 데이터베이스를 먼저 만든다¹. 그 위에 시계열 예측 알고리즘을 얹어 고객의 미래 상태가 어떤 범위로 움직일지를 시뮬레이션한다¹. 순서가 핵심이다. 모델이 먼저가 아니라, 한 고객으로 꿰어진 데이터가 먼저다.

산출물의 형태도 다르다. 단순한 이탈·연체 확률 점수가 아니라, 통계학적 근거를 추적할 수 있는 가이드라인을 내놓는다. 현장 담당자가 최우선 관리 타깃이 누구인지, 어떤 대처가 최적인지를 즉각 판별하도록 설계됐다는 것이 회사의 설명이다¹. 금융사 심사·리스크 부서가 블랙박스 점수를 꺼리는 이유가 감사와 설명 책임에 있다는 점을 생각하면, '근거 추적'이라는 단어는 영업 문구가 아니라 도입 조건이다.

승현찬 대표는 금융권 AX 의 핵심 난제가 "AI 모델 생성이 아닌" 곳에 있다고 말한다¹. 공개된 발췌에서 발언은 거기서 끊기지만, 회사가 투자금 용도로 못 박은 항목이 답을 대신한다. 금융기관 특유의 망분리와 엄격한 데이터 보안·처리 환경에 최적화된 파이프라인 구축이다¹. 모델 연구소가 아니라 전산실 안의 배관 회사를 자처하는 셈이다.

전통 금융사의 리스크·CRM 운영과 무엇이 다른가

아래 표는 기존 금융사가 이탈·연체·심사 업무를 다루는 일반적인 방식과, 관악연구소가 공개한 엔진 구조를 같은 축에 놓은 것이다. 왼쪽은 업계 통념을 정리한 것이고, 오른쪽은 회사 공개 자료에 근거한다¹.

다섯 번째 행이 영업 전략의 전부를 설명한다. 금융사는 코어 시스템을 바꾸는 결정을 가장 늦게 내리는 조직이다. 관악연구소는 그 결정을 요구하지 않는다. 전면 교체 없이 모듈을 하나씩 이식하고, PoC 가 끝난 자리에서 본계약으로 넘어가는 경로를 택했다¹.

어떻게 돈이 되는가 — PoC 에서 본계약, 그리고 리테일까지 3단계

관악연구소의 수익 구조는 공개된 숫자가 없는 대신 경로가 명확하다. 금융사 안으로 들어가는 길과, 같은 엔진을 개인에게 파는 길이다¹.

1. PoC 로 파이프라인의 실효성을 입증한다 회사는 주요 금융사들과 기술검증(PoC)을 진행하며 독자적 파이프라인이 실제 데이터 환경에서 돌아가는지를 증명하는 단계에 있다¹. 어느 금융사와 몇 건의 PoC 가 진행 중인지는 공개되지 않았다. 다만 공급 영역이 은행·카드·보험·공공금융에 걸쳐 있고, 업무도 이탈 방지·채권 회수·정책자금 심사로 나뉘어 있어 PoC 의 결이 하나로 좁지 않다는 점은 읽힌다¹.
2. 모듈을 단계적으로 이식해 본계약으로 전환한다 기존 금융 인프라를 건드리지 않고 AI 의사결정 모듈을 하나씩 심는 전략이다¹. 금융사 입장에서 도입 리스크가 작고, 공급사 입장에서는 한 번 들어간 모듈이 다음 모듈의 레퍼런스가 된다. 이번 투자금의 상당 부분이 전문 개발 인력 리크루팅과 망분리 환경 최적화 파이프라인에 배정된 이유도 여기에 있다¹. 본계약 전환은 알고리즘이 아니라 보안 심사와 운영 안정성에서 결판난다.
3. 같은 엔진을 B2C 로 돌려 리테일을 연다 GLAB 은 금융사 전산실에 넣은 것과 같은 엔진을 이식한 개인투자자 전용 플랫폼으로, 2026년 7월 출시됐다¹. 엔터프라이즈 영업은 사이클이 길다. B2C 트랙은 그 공백을 메우는 동시에 엔진을 대량의 개인 데이터 위에서 검증하는 장이 된다. 이용자 수와 수익 모델은 공개되지 않았다.

The Bet — 서울대학교기술지주는 무엇을 샀나

3억원은 금융 AX 시장의 크기에 비하면 작은 돈이다. 그래서 이 라운드는 금액보다 투자자의 성격으로 읽어야 한다. 서울대학교기술지주는 대학 원천기술의 사업화를 맡는 조직이고, 차인환 대표가 투자 배경으로 든 것도 '서울대의 원천기술과 통계학 박사진, 20년 이상의 금융 베테랑'이라는 팀 구성이었다¹. 기술지주가 자기 대학에서 나온 기술을 고르는 것은 자연스럽지만, 그 기술이 은행·카드·보험·공공금융에 이미 공급되고 있다는 점이 '연구실 프로젝트'와 이 회사를 가른다¹.

타이밍도 읽힌다. 회사는 2023년 출범 뒤 엔터프라이즈 공급과 PoC 를 쌓고, 2026년 7월에 B2C 트랙까지 열어 둔 상태에서 시드를 받았다¹. 보통의 시드가 제품 이전에 들어오는 것과 순서가 반대다. 투자금 용도가 연구가 아니라 영업망 확장과 개발 인력 채용에 맞춰진 것도 그 때문이다¹. 기술은 이미 전산실 안에 들어가 있고, 돈은 그것을 더 많은 전산실로 복제하는 데 쓰인다.

경쟁 구도도 짚어야 한다. 금융사 내부 데이터 조직, 대형 SI, 신용평가 계열의 분석 조직이 모두 노릴 수 있는 자리다. 관악연구소가 가진 것은 전면 교체를 요구하지 않는 모듈 이식 전략과, 정형·비정형을 한 고객으로 묶는 통합 DB 를 먼저 만드는 순서다¹. 이 순서를 금융사 내부 조직이 스스로 복제할 수 있는지가 방어력의 전부다.

다음 12개월에 지켜볼 지표 3개

1. PoC 에서 본계약으로 넘어간 공개 건수 회사가 밝힌 전략은 PoC 뒤 모듈 단계 이식으로 본계약을 끌어내는 것이다¹. 은행·카드·보험·공공금융 중 어느 영역에서 첫 본계약이 공식 발표되는지, 그 금융사의 이름이 공개되는지가 첫 번째 신호다. 익명 PoC 만 쌓이면 가설은 미검증 상태로 남는다.
2. 망분리 환경 파이프라인과 개발 인력의 실제 확충 투자금 용도는 전문 개발 인력 대거 리크루팅과 망분리·보안 환경 최적화 파이프라인 구축이다¹. 3억원 규모에서 '대거'가 몇 명을 뜻하는지는 공개되지 않았다. 채용 공고의 직군과 규모, 금융권 보안 요건 대응 관련 공지가 이 항목의 대리 지표다.
3. GLAB 의 이용자 지표와 다음 라운드의 투자자 구성 7월 출시한 GLAB 은 아직 이용자 수나 수익 지표가 공개되지 않았다¹. B2C 트랙이 숫자를 내기 시작하는지, 그리고 다음 라운드에 기술지주가 아닌 금융 전문 VC 나 금융사 CVC 가 들어오는지가 시장 검증의 두 번째 축이다.