Goldman Sachs의 Kevin Sneader가 신입 은행원을 AI 에이전트 지휘자로 묘사한 것은 경력 첫 단의 변화다. 10월 12일 보도 발언에서 신입은 첫 표나 발표 자료 제작자보다 가상 노동력 관리자다. 업무 조직에 관한 말이지 공개된 전행 대체 계획은 아니다.
일본 외 아시아태평양 총괄이자 경영위원인 Sneader는 전 McKinsey 글로벌 대표다. 발언은 중요하지만 사용자 수, 자동 업무 목록, 기존 교육 폐지의 증거는 없다. 모든 분석가 일자리 예측으로 바꾸면 안 된다.
Sneader는 신입이 즉시 에이전트를 감독한다면 중간 관리자가 어떻게 될지 불확실하다고 명시했다. CEO David Solomon은 AI 일자리 붕괴 전망이 과장됐다고 말했다. 인력 구조 불변이나 고용 위험 부재를 뜻하지 않는다.
Citi Arc는 개발자가 모델과 에이전트를 결합하는 통제 환경이며 더 넓은 직원 접근은 향후 계획이다. 18만 명은 기업 AI 도구 사용이지 에이전트 배치 수가 아니다. UBS는 책임 있는 실험과 업무 성과를 강조하며 실제 은행 사례 교육을 계획한다. JPMorgan의 시스템 간 AI 네이티브 작업 공간은 비전이지 입증된 전면 배치가 아니다.
감독 문제의 벤치마크
BankerToolBench는 502명 은행원과 전체 투자은행 절차를 만들고 아홉 모델을 100개 넘는 기준으로 평가했다. 모델·발표·보고·데이터룸·시장 플랫폼·규제 서류가 포함된다.
최고 모델도 거의 절반을 실패했고 완성 결과 중 고객용 판정은 없었다. Goldman 내부 측정은 아니지만 감독자를 임명해도 믿을 만한 완성 분석가를 얻는 것은 아님을 보여준다.
공시 기간 오류가 모델·도표·고객 설명으로 전파될 수 있다. 보기 좋은 결과와 일관된 설명이 처음 잘못을 숨긴다. 검토자는 출처와 가정을 의심할 지식이 필요하다.
경쟁 은행의 플랫폼과 채용 변화
Citi 플랫폼은 모델 접근·에이전트 제작·감시·긴급 중단을 중앙화한다. 출시 때 18만 직원이 기업 AI 도구를 쓴다고 했다. 모두 자율 에이전트를 운영하거나 같은 권한을 가졌다는 뜻은 아니다.
여러 단계를 실행하는 소프트웨어에는 감시·중단이 중요하다. 초안은 검토를 기다려도 전송이나 하위 시스템 변경은 다른 권한이 필요하다. 플랫폼 거버넌스와 직업 교육은 관련되지만 다른 위험을 다룬다.
UBS는 2027년 졸업생·인턴 지원자에게 실무 AI 능력을 요구한다고 보도됐다. 입사 기대를 바꾸지만 금융 지식·판단·통상 검토가 불필요하다는 증거는 아니다.
고용 전망이 경력 모형을 결정하지 않는다
S&P Global은 단기에는 직업 전체보다 특정 활동을 대체할 가능성을 봤다. Morgan Stanley의 유럽 은행 5년 10% 감소 전망도 인용했으며 상당 부분은 은퇴·자연 감소일 수 있다.
이는 지역 조건부 전망이지 Goldman 실적이나 보편 해고 계획이 아니다. 전문 검토·거버넌스 쪽으로 업무가 이동하며 조정층과 신입 채용도 바뀔 수 있다. 반복 제작을 줄이면서 숙련 검토자를 키우는 경험을 보존할지가 중요하다.
가치가 낮은 일을 없애면서 학습은 보존해야 한다
전통적인 신입 업무에는 불필요한 반복과 가치 있는 연습이 섞여 있다. 발표 자료 서식을 거듭 바꾸는 일은 배움이 적을 수 있다. 반면 공시 사이의 기간을 맞추고, 모델을 다시 만들고, 가정을 설명하는 경험은 나중에 다른 사람의 작업을 검토할 판단력을 길러 준다.
에이전트는 중간 결정들을 드러내지 않고도 완성품처럼 보이는 스프레드시트와 발표 자료를 내놓을 수 있다. 그러면 분석가는 자신이 아직 설명할 수 없는 결과를 승인하라는 요구를 받을 수 있다. 은행은 생산 속도를 전문성 발달의 증거로 여기지 말고 이해를 보존하는 연습을 설계해야 한다.
실용적인 교육 과제는 에이전트 보조 초안과 일부 계산 및 출처 링크에 대한 수동 검증을 결합한다. 신입은 중요한 결론마다 대상 기업, 보고 기간, 가정, 불확실성을 식별해야 한다. 숙련된 검토자는 설명과 산출물을 비교하고 그 사이의 빈틈을 알려 줄 수 있다.
감독에 실제 권한을 부여해야 한다
증거를 조사하거나 부적절한 초안을 거절하거나 마감 문제를 상급자에게 보고할 수 없다면 신입에게 결과의 책임을 실질적으로 맡길 수 없다. 역할을 에이전트 관리라고 부르는 것만으로 이 불일치는 해결되지 않는다. 접근 권한과 검토 기준, 책임 있는 선임자의 최종 승인을 명확히 유지해야 한다.
정보 지원, 권고, 실행은 구분해야 한다. 공개 문서를 모으는 일과 가치평가 가정을 고르는 일은 다르며, 둘 다 고객에게 자료를 보내는 일과 다르다. 단계마다 검토와 허가 경계가 달라야 한다. 기밀 정보는 승인된 시스템 안에 머물러야 한다.
수정된 결과와 학습을 측정해야 한다
단순 생성 속도는 주장의 출처를 추적하고 파일을 대조하며 그럴듯한 오류를 고치는 수고를 가린다. 팀은 검토 시간, 오류의 심각성, 실질적인 수정량, 상급 보고와 최종 승인을 측정해야 한다. 신입이 도움 없이도 근거 없는 가정을 더 잘 찾아내는지도 확인해야 한다.
여러 파일에 걸친 확인이 중요하다. 스프레드시트와 슬라이드, 서술문이 같은 가정의 서로 다른 버전을 재사용할 수 있기 때문이다. 출처와 계산 기록은 검토자가 과정을 재구성하도록 돕지만, 검색만으로 금융 판단이 적절한지 결정할 수는 없다.
Citi의 플랫폼과 UBS의 AI 역량 채용 요건은 문제가 한 은행을 넘어선다는 것을 보여 준다. 그렇다고 동일한 인력 모델이 확립됐다는 뜻은 아니다. 업무 자동화는 전문 검토와 거버넌스로 일을 재분배하면서 분석가 채용이나 관리 계층을 바꿀 수 있다.
의미 있는 증거는 업무별 도입 공개, 의도적으로 실패를 드러내는 훈련, 책임이 어디로 이동하는지 보여 주는 경력 데이터다. 은행은 신입 일을 더 분석적으로 만들 수 있다. 다만 기계가 만든 결과에 이의를 제기할 전문성을 교육 과정이 길러야 한다. 빠른 산출이 충분한 근거를 갖춘 작업이 되는지, 미래의 검토자가 여전히 판단을 배우는지가 핵심 시험이다.