유럽의 네오뱅크 bunq가 Amazon Bedrock 기반의 고도화된 AI 에이전트 시스템인 'Finn'을 통해 고객 서비스의 패러다임을 바꿨다. 기존의 상담 모델에서 자율형 에이전트 프레임워크로 전환한 결과다. 현재 전체 사용자 상호작용의 97%를 AI가 처리하고 있으며, 이 중 70%는 사람의 개입 없이 완전히 자동화된 상태로 운영된다.

기술적 핵심은 전문화된 AI 유닛들을 도구처럼 관리하는 '오케스트레이터' 패턴에 있다. 하나의 모델이 모든 금융 지식을 완벽히 습득하려 애쓰는 대신, 중앙 오케스트레이터가 질문의 의도를 파악해 특정 에이전트에게 배분하는 방식이다. 각 에이전트는 거래 로그를 분석하거나 복잡한 규제 문서를 해석하는 등 전문 과업을 수행한다. 이러한 분산형 의사결정 구조 덕분에 2,000만 명에 달하는 대규모 사용자에게도 민첩한 서비스를 제공할 수 있게 됐다.

이 멀티모달 시스템은 38개 언어의 실시간 음성 번역은 물론, 영수증 이미지 인식 같은 시각적 업무도 훌륭히 소화한다. 불과 3개월 만에 구축된 이번 시스템은 검색 증강 생성(RAG) 기술이 일반적인 파운데이션 모델을 어떻게 신뢰할 수 있는 금융 전문가로 탈바꿈시키는지 보여주는 대표적 사례다. bunq는 상담원의 직접 개입을 최소화하며 평균 응답 시간을 단 47초로 대폭 줄이는 성과를 거뒀다.

유럽의 네오뱅크 bunq가 Amazon Bedrock 기반의 고도화된 AI 에이전트 시스템인 'Finn'을 통해 고객 서비스의 패러다임을 바꿨다. 기존의 상담 모델에서 자율형 에이전트 프레임워크로 전환한 결과다. 현재 전체 사용자 상호작용의 97%를 AI가 처리하고 있으며, 이 중 70%는 사람의 개입 없이 완전히 자동화된 상태로 운영된다.

기술적 핵심은 전문화된 AI 유닛들을 도구처럼 관리하는 '오케스트레이터' 패턴에 있다. 하나의 모델이 모든 금융 지식을 완벽히 습득하려 애쓰는 대신, 중앙 오케스트레이터가 질문의 의도를 파악해 특정 에이전트에게 배분하는 방식이다. 각 에이전트는 거래 로그를 분석하거나 복잡한 규제 문서를 해석하는 등 전문 과업을 수행한다. 이러한 분산형 의사결정 구조 덕분에 2,000만 명에 달하는 대규모 사용자에게도 민첩한 서비스를 제공할 수 있게 됐다.

이 멀티모달 시스템은 38개 언어의 실시간 음성 번역은 물론, 영수증 이미지 인식 같은 시각적 업무도 훌륭히 소화한다. 불과 3개월 만에 구축된 이번 시스템은 검색 증강 생성(RAG) 기술이 일반적인 파운데이션 모델을 어떻게 신뢰할 수 있는 금융 전문가로 탈바꿈시키는지 보여주는 대표적 사례다. bunq는 상담원의 직접 개입을 최소화하며 평균 응답 시간을 단 47초로 대폭 줄이는 성과를 거뒀다.