자산 관리 고객 온보딩에는 AI 그 이상의 것이 필요합니다

모든 시스템이 제 역할을 다하더라도 자산 관리(Wealth Management) 고객 온보딩은 지연될 수 있습니다. 문서는 수집되었고, 스크리닝 결과가 나왔으며, 워크플로 작업도 완료되었습니다. 하지만 무엇이 변했는지, 어떤 증적이 최신인지, 예외 처리를 누가 담당하는지 파악해야 하는 사람이 있기 때문에 케이스는 여전히 대기 상태에 머물러 있습니다.

고객의 입장에서 이러한 경계는 보이지 않습니다. 고객은 하나의 여정만을 경험하며 자신의 정보와 진행 상황이 함께 이동하기를 기대합니다. 그러나 기업 내부에서 그 여정은 고객 관계 관리(CRM), 문서, 고객 확인 제도(KYC), 스크리닝, 수탁, 워크플로 시스템을 가로지르며, 각 시스템은 케이스의 서로 다른 부분을 보유하고 있습니다.

기업들은 이러한 개별 단계를 더 빠르게 만들기 위해 투자해 왔으며, AI는 이를 더욱 가속화하고 있습니다. 하지만 다음 팀이 여전히 케이스를 재구성하고, 증적을 대사하며, 완료된 것처럼 보이는 작업을 다시 열어야 한다면 더 빠른 추출, 스크리닝 요약, 또는 라우팅 결정은 큰 의미가 없습니다.

온보딩은 여전히 이러한 인수인계 과정에서 시간을 잃습니다. 현대적인 플랫폼은 시스템 간의 케이스를 연결하고, 상황 변화에 따라 작업을 조율하며, 프로세스가 의존하는 통제와 인간의 판단력을 유지해야 합니다. 그렇지 않으면 시스템 간에 비용이 누적됩니다.

자산 관리 고객 온보딩은 왜 이렇게 오래 걸릴까요?

첫 번째 비용은 고객이 가장 직접적으로 느끼는 것, 바로 시간입니다.

싱가포르에서는 프라이빗 뱅킹(PB) 계좌 개설에 약 6주가 소요되며, 복잡한 케이스는 더 오래 걸립니다. 2026년 5월, 싱가포르 통화청(MAS)은 MAS와 업계가 공동 주도하는 계좌 개설 워킹그룹의 이니셔티브를 통해 해당 중간값을 한 달 이내로 단축할 것으로 예상된다고 밝혔습니다.

기업 내부에서는 직원들의 소요 시간으로 나타납니다. 캡제미니 세계 자산 보고서 2026(Capgemini World Wealth Report 2026)에 따르면, 144명의 자산 관리 임원 중 60%가 통합된 고객 뷰를 갖추지 못한 것으로 나타났습니다. 또한 16개 시장의 1,317명에 달하는 프라이빗 뱅커(RM)들은 운영 업무가 전체 시간의 41%를 차지한다고 응답했습니다. 이 수치는 온보딩뿐만 아니라 자산 관리 운영 전반을 다루지만, 루틴한 조율 작업이 얼마나 많은 역량을 소모하는지 보여줍니다.

온보딩 여정 자체에는 많은 팀이 관여합니다. 2024년 글로벌 자산운용사 10여 곳을 대상으로 한 EY 보고서에 따르면, 응답 기업의 절반 이상이 온보딩에 최소 10개 팀이 관여하는 것으로 나타났습니다. 그러나 CRM 시스템과의 강력한 연동을 보고한 곳은 15%에 불과했습니다.

“글로벌 자산운용사의 절반 이상이 온보딩에 최소 10개 팀을 참여시키고 있지만, 강력한 CRM 통합을 보고한 곳은 15%에 불과합니다.”

2024년 KPMG와 홍콩 프라이빗웨스협회(Private Wealth Management Association)가 홍콩의 35개 사립 자산 관리 기관을 대상으로 진행한 연구에 따르면, 온보딩 요구사항이 비용 증가와 고객 경험 저하의 요인으로 지적되었습니다.

조사 결과는 시장, 고객층, 감독 체계에 걸쳐 있으며, 각각은 맥락 속에서 이해되어야 합니다. 공통된 패턴은 분절된 고객 정보와 여러 팀이 여정을 이어 붙이는 방식입니다.

기업은 직원들의 근무 시간, 반복적인 증적 검색, 수작업 대사, 예외 처리, 통제 이력 준비를 통해 이러한 조율 과정을 감당합니다. 통합, 유지보수, 변경 테스트는 계좌 개설과 자금 조달을 기다리게 하는 동안 추가적인 비용을 발생시킵니다.

더 빠른 작업이 항상 더 빠른 온보딩 여정으로 이어지는 것은 아닙니다. 시스템이 제 시간에 작업을 완료하더라도 다음 인수인계 단계에서 케이스가 정체될 수 있습니다.

AI는 각 작업을 더욱 가속화할 수 있지만, 시스템 간의 마찰을 자동으로 제거하지는 못합니다.

작업 수준의 AI가 온보딩 여정을 가속화하지 못하는 이유는 무엇인가요?

AI는 이미 자산 및 운용 관리 분야로 진입하고 있습니다. 자산 관리와 운용사 의사결정권자 100명을 대상으로 한 2025년 EY 설문조사에 따르면, 95%의 기업이 여러 유스케이스에 걸쳐 생성형 AI를 확장하고 있다고 답했으며, 78%는 에이전틱 AI를 탐색하고 있었습니다. 그러나 이러한 모멘텀을 측정 가능한 비즈니스 가치로 전환하는 것은 여전히 과제로 남아 있으며, 임원의 27%만이 GenAI로부터 상당한 비즈니스 임팩트를 보고했습니다.

작업 자체를 살펴보면 그 간극을 이해할 수 있습니다. AI는 문서 필드를 추출하고, 스크리닝 결과를 요약하거나, 다음 워크플로 액션을 추천할 수 있습니다. 각 기능은 단일 애플리케이션 내의 작업을 개선할 수 있지만, 인수인계는 여전히 최신 증적과 무엇이 변경되었는지에 대한 명확한 기록에 의존합니다. 또한 팀은 이전 작업을 다시 검토해야 하는지 여부를 알아야 합니다.

AI 에이전트는 이러한 의존성을 더욱 중요하게 만듭니다. 왜냐하면 전문화된 에이전트와 승인된 도구 전반에 걸쳐 작업을 라우팅하려면 공유된 케이스 상태가 필요하기 때문입니다. 해당 상태는 무엇이 완료되었고, 무엇이 오래되었으며, 어떤 예외가 다음 단계를 차단하고 있는지 보여주어야 합니다. 이것이 없다면 더 빠른 오케스트레이션은 줄이려고 했던 바로 그 단절을 재현할 수 있습니다.

고객 온보딩에서 거버넌스가 적용된 케이스 컨텍스트란 무엇인가요?

거버넌스가 적용된 케이스 컨텍스트(Governed case context)는 각 고객 온보딩 케이스에 대한 최신 버전 관리 및 소스 연결 뷰입니다. 이는 증적, 케이스 상태, 완료된 통제, 열린 예외, 에이전트 활동, 의사결정 이력을 하나로 모읍니다. 컨텍스트가 버전 관리되기 때문에 팀은 무엇이 변경되었는지, 변경 사항이 무엇에 영향을 미쳤는지, 이전 작업을 다시 검토해야 하는지 확인할 수 있습니다.

온보딩의 서로 다른 부분은 서로 다른 곳에 존재할 수 있습니다. 핵심 고객 및 수탁 기록은 할당된 시스템에 유지될 수 있는 반면, 증적 처리, 통제, 모델, 케이스 워크플로는 Databricks Data + AI Platform에서 실행될 수 있습니다. 아래 다이어그램에서 볼 수 있듯이 거버넌스가 적용된 케이스 컨텍스트는 기록 소유권과 의사결정 권한을 유지하면서 이러한 작업을 하나의 거버넌스 뷰로 연결합니다. Databricks에서는 Unity Catalog가 이 컨텍스트에 대한 접근 제어, 리니지(lineage), 감사 가능성을 중앙집중화하며, Delta Lake 및 Apache Iceberg와 같은 개방형 테이블 형식은 시스템 전반에 걸쳐 신뢰할 수 있는 데이터 관리와 상호 운용성을 지원합니다.

거버넌스가 적용된 케이스 컨텍스트는 다음 에이전트나 검토자가 케이스를 이해하고 진전시키는 데 도움이 될 때만 유용합니다. 실용적인 테스트는 이력을 재구성하지 않고도 다음 네 가지 질문에 답할 수 있는지 여부입니다.

1. 어떤 증적이 최신 상태이며, 어떤 소스와 버전이 이를 뒷받침하나요?
2. 어떤 작업이 완료되었고, 무엇이 변경되었으며, 어떤 결과가 이제 오래되었을 수 있나요?
3. 어떤 부분이 해결되지 않았으며, 다음으로 허용되는 조치는 무엇인가요?
4. 어떤 작업을 에이전트나 승인된 도구가 수행할 수 있으며, 어디서 권한을 가진 검토자가 결정해야 하나요?

이러한 답변이 한곳에 있으면 거버넌스가 적용된 슈퍼바이저 에이전트는 현재 케이스 상태에서 작업을 재개할 수 있습니다. 전문화된 에이전트에 독립적인 작업을 할당하고, 승인된 도구를 호출하며, 판단이 필요한 경우 검토자를 참여시킬 수 있습니다. 또한 상충되는 증적을 플래그 처리하고 검토를 위한 완전한 패키지를 조립할 수 있으며, 해당 패키지의 기반이 되는 증적, 변경 사항, 작업은 케이스에 계속 첨부되어 있습니다.

가치는 이 컨텍스트를 여정 전반에 걸쳐 활용하는 데서 나옵니다. 현대적인 플랫폼은 이를 최신 상태로 유지하고, 그 주변에서 에이전트와 사람들을 조율하며, 첫 번째 증적부터 최종 결정에 이르기까지 가시성과 거버넌스를 유지해야 합니다.

에이전트 준비가 완료된 온보딩 플랫폼에 필요한 것은 무엇인가요?

거버넌스가 적용된 케이스 컨텍스트를 활용하려면 네 가지 플랫폼 기능이 필요합니다. 이를 통해 앞서 확인한 마찰 요소, 즉 인수인계 시마다 케이스를 다시 구축하는 것, 수동으로 작업을 조율하는 것, 민감한 데이터에 대한 접근을 통제하는 것, 전체 여정을 보지 않고 작업만 측정하는 문제를 해결할 수 있습니다.

1. 케이스의 최신 뷰 유지:
   증적이 도착하고, 통제가 실행되며, 결정이 내려짐에 따라 플랫폼은 거버넌스가 적용된 컨텍스트를 업데이트하고 기본 소스에 대한 링크를 유지해야 합니다. 특정 기록에 할당된 시스템은 권한을 유지할 수 있으며, 에이전트와 팀은 동일한 버전의 컨텍스트를 기반으로 작업합니다. Databricks에서는 Lakeflow Connect가 지원되는 소스 시스템의 변경 사항을 플랫폼으로 가져오고, Databricks AI Functions가 새로운 증적을 추출 및 분류하며, Lakebase가 온보딩 애플리케이션에서 사용되는 라이브 트랜잭션 상태를 유지합니다.
    
2. 사람이 권한을 유지하면서 에이전트 작업 조율:
   거버넌스가 적용된 수퍼바이저 에이전트는 현재 케이스 상태를 기반으로 다음 허용된 액션을 선택하고, 정의된 작업을 전문 에이전트나 승인된 툴에 보내며, 판단이 필요할 때 자격 있는 검토자를 참여시켜야 합니다. 예외 처리, 오버라이드 및 온보딩 승인에 대한 책임은 사람이 유지합니다. Databricks에서는 Supervisor Agents가 거버넌스가 적용된 엔터프라이즈 데이터 전반에서 Unity Catalog 함수, MCP 서비스 및 Genie Agents(구 Spaces)를 포함하여 전문 에이전트와 승인된 툴을 조율할 수 있습니다.
    
3. 데이터, 툴 및 액션 거버넌스:
   온보딩에는 개인 식별 정보(PII) 및 기타 민감한 기록이 포함됩니다. 각 에이전트는 작업에 필요한 데이터와 툴에만 액세스할 수 있어야 하며, 민감한 필드는 적절히 마스킹되거나 제외되어야 합니다. 에이전트 활동은 추적 가능하고 검토 가능하게 유지되어야 합니다. Databricks에서는 Unity Catalog가 거버넌스가 적용된 데이터 및 AI 자산 전반에 걸쳐 세밀한 액세스 제어, 마스킹, 리니지 및 감사 가능성을 제공하며, Unity Gateway는 각 에이전트가 호출할 수 있는 모델과 MCP 툴 제어, 가드레일 적용, 모델 간 요청 라우팅, 예산 및 속도 제한 집행, 모든 요청 로깅을 통해 해당 거버넌스를 에이전트 런타임까지 확장합니다.
    
4. 엔드투엔드 측정:
   팀은 에이전트 품질, 지연 시간, 신뢰성 및 에스컬레이션을 사이클 타임, 수동 터치, 재작업, 예외 및 승인 대금 지급 시간과 함께 모니터링해야 합니다. 운영 뷰에는 통합 변경 사항, 중복된 데이터 이동, 제어 증거를 준비하는 데 필요한 노력도 포함되어야 합니다. Databricks Apps는 큐 및 케이스 워크스페이스 내에 Databricks AI/BI 대시보드를 임베드하여 운영 및 규정 준수 리더에게 활성 케이스와 함께 여정 성과에 대한 통합된 뷰를 제공할 수 있습니다.

이러한 기능들이 결합되어 거버넌스가 적용된 케이스 컨텍스트를 운영 모델로 전환합니다. 아래 아키텍처는 컨텍스트, 수퍼바이저 에이전트, 그리고 사람의 검토가 실제로 어떻게 함께 작동하는지 보여줍니다.

수퍼바이저 AI 에이전트는 어떻게 고객 온보딩을 조율하나요?

이 아키텍처는 각 케이스를 중심으로 4가지 기능을 반복적인 운영 루프에 배치합니다. 정보는 소스 시스템에서 들어올 수 있으며, 증거 처리, 제어, 리스크 모델 및 온보딩 워크플로는 플랫폼에서 실행됩니다. 각 결과는 소스 참조 및 기록이 첨부된 채 거버넌스가 적용된 케이스 컨텍스트로 반환되어, 다음 에이전트나 검토자에게 케이스의 현재 상태를 제공합니다.

거버넌스가 적용된 수퍼바이저 에이전트는 해당 컨텍스트를 읽고 다음 허용된 액션을 선택합니다. 케이스에 따라 승인된 툴을 호출하거나, 전문 에이전트에 작업을 할당하거나, 검토자를 참여시킬 수 있습니다. 새로운 증거로 인해 이전 결과가 오래된 정보가 되면, 전체 케이스를 다시 시작하는 대신 영향을 받는 작업을 다시 열 수 있습니다. 또한 완료 및 최신성을 모니터링하여 케이스가 진행되기 전에 누락되거나 상충되는 제어 결과를 플래그 지정합니다.

간단한 예시를 통해 루프가 작동하는 방식을 확인해 보세요. 필요한 문서를 기다리는 케이스를 고려해 보세요. 수퍼바이저는 공백을 식별하고, 검토를 위해 고객 아웃리치 이메일을 준비하며, 누락된 증거에 의존하는 모든 작업을 일시 중지할 수 있습니다. 검토자가 아웃리치를 승인하고 지정된 채널을 통해 문서가 도착하면 케이스 컨텍스트가 업데이트됩니다. 그런 다음 수퍼바이저는 문서 처리를 트리거하고, 영향을 받는 검사만 다시 실행하며, 케이스를 다음 허용된 단계로 라우팅할 수 있습니다.

이 예시 디자인에서 각 전문 에이전트는 정의된 역할을 수행합니다:

• 문서 인텔리전스 에이전트는 제출된 파일을 읽고, 필요한 정보를 추출하며, 누락된 증거를 플래그 지정합니다.
• KYC 및 스크리닝 에이전트는 신원, KYC, 스크리닝 제어의 결과를 통합합니다.
• 리스크 분석 에이전트는 검증된 케이스 팩트를 정의된 규칙 및 제어 결과와 비교하여 평가합니다.
• 케이스 요약 에이전트는 검토를 위한 평가 초안을 준비합니다.

각 결과는 지원 증거 및 소스 참조와 함께 거버넌스가 적용된 케이스 컨텍스트로 반환됩니다. 수퍼바이저는 이 업데이트된 상태를 사용하여 다른 에이전트가 조치를 취해야 하는지, 사람의 검토가 필요한지, 아니면 케이스가 진행될 수 있는지 결정합니다.

사람이 결정 권한을 유지합니다. 제어된 워크스페이스에서 검토자는 증거를 검사하고, 추가 정보를 요청하고, 예외를 해결하고, 근거와 함께 오버라이드를 기록하거나, 권한 내에서 결정을 내릴 수 있습니다. 이들의 액션은 케이스 기록의 일부가 되며 다른 에이전트 작업이나 타겟팅된 재실행을 트리거할 수 있습니다. 케이스 추천은 평가 초안으로 유지됩니다. 알림 처리, 리스크 수용 및 온보딩 승인은 해당 권한이 부여된 시스템 및 검토자에게 유지됩니다.

거버넌스는 전체 루프를 통해 작업을 따릅니다. 세밀한 액세스를 통해 각 에이전트는 작업에 필요한 데이터와 툴로만 제한됩니다. 에이전트 트레이스는 각 에이전트가 수행한 작업, 소요된 시간, 예상 모델 비용을 기록합니다. 팀은 이 기록을 사용하여 품질을 평가하고, 회귀를 파악하고, 실패를 조사할 수 있습니다. 이러한 트레이스는 AI 및 모델 리스크 감독을 지원하며, 승인된 결정은 비즈니스 기록에 유지됩니다. 트레이스와 결정 기록이 결합되어 컴플라이언스와 감사 팀에 각 케이스에 대한 재구성 가능한 계정을 제공합니다. 어떤 증거가 검토되었는지, 어떤 제어가 실행되었는지, 각 에이전트가 무엇을 생성했는지, 그리고 누가 결과를 승인, 오버라이드 또는 에스컬레이션했는지, 그리고 그 이유는 무엇인지 파악할 수 있습니다. 기업이 사후에 역사를 짜맞추는 대신 각 결정에 도달한 방법을 보여줄 수 있기 때문에 해당 기록은 AML/KYC 기록 보관 및 검사 준비를 지원합니다.

검토자 워크스페이스는 사람의 액션을 기록하고, 애플리케이션은 워크플로에 필요한 라이브 케이스 상태를 유지합니다. 승인된 결정 후, 제어된 통합은 이를 소유하도록 할당된 시스템에 승인된 결과를 기록합니다. Databricks에서는 검토자 워크스페이스를 Databricks App으로 실행할 수 있으며, Lakebase가 라이브 케이스 상태를 유지합니다.

이 운영 모델의 가치는 수집된 첫 번째 증거부터 계정 자금 조달에 이르기까지 전체 여정에 걸쳐 측정되어야 합니다. 그렇지 않으면 더 빠른 에이전트나 제어로 인해 지연이 다음 핸드오프로 단순히 이동할 수 있습니다.

기업은 에이전트 지원 온보딩을 어떻게 측정해야 할까요?

이 아키텍처는 전체 온보딩 여정을 개선할 때 가치를 창출합니다. 더 빠른 에이전트 응답도 중요하지만, 진정한 시험대는 케이스가 더 빨리 이동하는지, 팀이 작업 조율에 소비하는 시간이 줄어드는지, 그리고 제어가 효과적으로 유지되는지 여부입니다.

마찰이 심한 하나의 경로로 시작하세요. 핸드오프, 재작업, 지연이 이미 가시화된 온보딩 여정을 선택합니다. 파일럿이 시작되기 전에 자산 운영, 컴플라이언스, 데이터, 기술 리더를 정렬하세요. 필요한 증거, 각 기록과 결정을 소유하는 사람, 사람의 판단이 필수적인 위치, 수퍼바이저가 트리거할 수 있는 액션에 대해 합의하세요.

워크플로를 변경하기 전에 기준선을 설정하세요. 세 가지 영역에서 현재 여정을 측정합니다:

• 비용 및 용량: 완료된 온보딩당 비용과 각 케이스에 소요된 어드바이저, 운영, 컴플라이언스 시간.
• 여정 성과: 중앙값 및 90사분위수 사이클 타임, 승인 대금 지급 시간, 수동 터치, 액세스한 시스템, 문서 재작업, 예외, 불완전한 케이스 및 이탈.
• 기술 및 제어: 통합 실행 및 변경 비용, 중복된 데이터 이동, 그리고 제어, 리니지 및 감사 증거를 수집하는 데 필요한 노력.

이러한 측정치가 결합되어 팀 큐와 시스템 핸드오프 내부에서 종종 사라지는 작업을 표면화합니다. 또한 거버넌스가 적용된 케이스 컨텍스트가 반복적인 조정 및 증거 검색을 줄였는지, 아니면 단순히 작업을 다른 곳으로 옮겼는지 보여줍니다.

파일럿이 시작되기 전에 성공 임계값을 설정하세요. 속도, 직원 노력, 에이전트 품질, 트레이스 완전성 및 제어 효과를 평가합니다. 수퍼바이저와 전문 에이전트는 피할 수 있는 핸드오프를 줄이고 검토를 위해 더 완벽한 케이스를 준비해야 합니다. 이들의 트레이스는 작업을 더 쉽게 평가하고 조사할 수 있도록 만들어야 합니다.

예외, 오버라이드 및 재개된 케이스 비율은 여전히 근본 원인 및 품질 검토가 필요합니다. 증가했다면 제어 문제가 있음을 나타낼 수 있습니다. 또한 새로운 프로세스가 이전에 누락되었던 문제를 감지하고 있음을 의미할 수도 있습니다.

여정 전반의 결과를 읽어보세요:

• 중앙값 사이클 타임은 개선되지만 90사분위수는 그렇지 않은 경우, 복잡한 케이스가 여전히 정체되어 있는 것입니다.
• 에이전트 처리 속도가 빨라지는데 승인부터 자금 집행까지 걸리는 시간이 그대로라면 병목 현상이 이동한 것입니다.
• 수작업 횟수가 줄어드는데 통제 증빙 준비 과정이 그대로라면 최종 검토 패키지는 여전히 개선이 필요합니다.

첫 증빙 수집부터 계좌 자금 집행까지 효과가 유지되고 통제 유효성이 확실할 때 규모를 확장하세요. 현대적인 온보딩의 기준은 명확합니다. 업무 처리를 더 빠르게 하고, 모든 에이전트의 작업을 검토할 수 있게 하며, 판단이 필요한 모든 곳에서 사람이 최종 권한을 갖도록 하는 것입니다.

FAQ

왜 AI만으로는 자산 관리 고객 온보딩 문제를 해결하기에 부족한가요?

문서 처리, 스크리닝, 라우팅이 더 빨라져도 분산된 증빙, 케이스 상태, 결정 이력 문제는 해결되지 않습니다. 팀이 무엇이 변경되었고, 어떤 작업이 여전히 유효하며, 누가 조치해야 하는지 파악해야 할 때 다음 인계 단계에서 온보딩이 여전히 지연될 수 있습니다.

거버넌스가 적용된 케이스 컨텍스트란 무엇인가요?

거버넌스가 적용된 케이스 컨텍스트란 온보딩 케이스의 최신 상태이자 소스에 연결되고 버전이 관리되는 뷰를 의미합니다. 증빙, 케이스 상태, 통제 결과, 예외 사항, 에이전트 활동, 결정 이력을 연결하여 에이전트와 검토자가 동일한 컨텍스트에서 작업할 수 있도록 지원합니다.

사람이 통제권을 유지하면서 관리형 AI 에이전트가 KYC 및 고객 온보딩을 어떻게 도울 수 있나요?

거버넌스가 적용된 슈퍼바이저 에이전트는 문서 인텔리전스, KYC 스크리닝, 위험 분석을 담당하는 전문 에이전트와 승인된 도구 전반에 걸쳐 작업을 라우팅할 수 있으며, 판단이 필요할 때 검토자를 참여시킵니다. 세분화된 액세스 권한과 추적 기능을 통해 에이전트 활동을 검토할 수 있으며, 사람은 예외 사항, 재정의, 온보딩 승인에 대한 권한을 유지합니다.

아니요. 핵심 기록은 CRM, 수탁 또는 기타 지정된 시스템에 유지하고, 증빙 처리, 통제, 모델, 워크플로는 Databricks Data + AI 플랫폼에서 실행할 수 있으며, Unity Catalog가 데이터, 모델, 에이전트 도구를 거버넌스합니다. 거버넌스가 적용된 케이스 컨텍스트는 기록 소유권과 결정 권한을 유지하면서 작업을 연결합니다.

기업은 에이전트 지원 온보딩의 가치를 어떻게 측정해야 하나요?

기업은 에이전트의 속도에만 의존하기보다는 전체 온보딩 여정에 걸쳐 결과를 측정해야 합니다. 유용한 측정 지표로는 사이클 타임, 승인부터 자금 집행까지 걸리는 시간, 수작업 횟수, 재작업, 직원 노력, 통합 비용, 통제 유효성 등이 있습니다. 개선 사항이 처음부터 끝까지 유지되고 에이전트 작업이 계속 검토 가능할 때 규모를 확장해야 합니다.

마찰이 가장 심한 온보딩 여정 하나로 시작하여 첫 증빙부터 계좌 자금 집행까지의 영향을 측정해 보세요. Databricks가 금융 서비스 기업이 사람이 통제권을 쥔 상태에서 거버넌스가 적용되고 추적 가능한 에이전틱 워크플로를 구축하도록 어떻게 돕는지 확인해 보세요.

금융 서비스 솔루션 살펴보기

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)