04 / FINANCE · 2026.05.07—11.07
금융: 에이전트의 답변이 승인·위험·결제와 연결된다 2026.05~11에 공개된 금융비서, 에이전트 결제·신뢰 신호, 계좌이체 위험 평가와 B2B 분석 기술을 추적합니다.
◈ 금융 AI의 변화는 대화 기능 하나보다 거래 맥락·권한·위험 판단을 실제 행동에 연결하는 기술에서 나타난다.
확인한 발표 7건 확인 2026.11.07 발표 사실과 파급효과 분석 구분
Agent Pay Trust Framework AI 거래 가능성 점수 에이전트 위험 신호 Advanced B2B Analytics AI 수락 성향 점수 매입채무 분석 A2A Protect 통합 사기 점수 Transfer learning Adaptive Retrieval S&P Global AI Data Portal Kensho LLM-ready API AI Financial Assistant Visa Data & AI Platform Digital Enablement SDK Portfolio Analytics MCP Semantic·Metadata Layer 사전 계산·승인된 분석 결과 Agent Pay for Machines Verifiable Intent 프로그래머블 지출 통제
2026-06-10 Agent Pay for Machines 신규 서비스 발표 · 파트너와 사용 사례 검증
2026-06-26 Portfolio Analytics MCP 제한적 출시
2026-07-14 AI Financial Assistant 발표 · 8월 미국 파일럿 예정으로 공지
2026-07-21 Adaptive Retrieval 서비스 출시 발표
2026-09-01 A2A Protect 기존 서비스의 상용 기능 확대 발표
2026-09-28 Advanced B2B Analytics 제품 출시 발표 · 초기 제공 금융기관 공개
2026-09-30 Agent Pay Trust Framework 미국 테스트 도입 중
01 2026-09-30 미국
미국 테스트 도입 중 카드 승인 시스템이 AI가 시작한 거래인지 구분하기 시작한다 Agent Pay Trust Framework AI 거래 가능성 점수 에이전트 위험 신호
사람의 클릭 패턴을 전제로 한 승인 판단에 에이전트 개입 여부와 거래 의도를 추가한다.
새로 나온 내용 Agent Pay에 신원·의도·행동·사기 정보를 결합한 신뢰·인텔리전스 서비스를 추가한다고 발표했다.
첫 서비스는 거래를 AI 에이전트가 시작했을 가능성을 나타내는 점수이며 미국에서 테스트를 진행하는 단계다.
기술적으로 달라진 부분 신원·의도·통제·실행·인텔리전스의 공통 프레임워크 위에서 발급사와 가맹점에 거래 맥락을 전달한다.
금융에 미치는 영향 분석 금융·커머스 서비스에서 에이전트 식별, 구매자의 위임 범위와 결제 위험 신호를 결합하는 별도 기술층이 형성될 가능성을 보여준다.
3개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 신뢰·인텔리전스 서비스 확장 대상 → Mastercard Agent Pay 근거 ↗ AI 거래 가능성 점수 테스트 지역 → 미국 근거 ↗ 신뢰·인텔리전스 서비스 구성 계층 → Agent Pay Trust Framework 근거 ↗ 발표의 범위 AI가 시작했을 가능성 점수는 그 거래가 안전하다는 보증과 다르다. 미국 테스트를 글로벌 GA로 표현하면 안 된다.
다음에 확인할 변화 테스트의 실제 제공 범위, 점수의 오류와 승인 결과, 의도·권한 증명의 표준 연결을 확인한다.
출처 1개 02 2026-09-28 미국
제품 출시 발표 · 초기 제공 금융기관 공개 공급사 결제 데이터에서 카드 수락 가능성을 점수화한다 Advanced B2B Analytics AI 수락 성향 점수 매입채무 분석
분산된 공급사 지급 내역을 보고 담당자가 우선순위를 정하던 작업에 동적 성향 점수를 추가한다.
새로 나온 내용 공급사 카드 수락 기회를 분석하는 Advanced B2B Analytics를 발표했다.
AI 기반 수락 성향 점수와 대화형 분석 화면을 제공하며 Absa·Emirates NBD를 초기 제공 금융기관으로 명시했다.
기술적으로 달라진 부분 매입채무 정보를 카드 수락 가능성과 지급 흐름의 가시성으로 연결해 공급사 접촉 우선순위를 도출한다.
금융에 미치는 영향 분석 은행의 기업금융 지원과 B2B 결제 운영에서 생성형 대화뿐 아니라 구조화 거래 데이터의 예측·추천 기술도 제품화되는 흐름이다.
3개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 Advanced B2B Analytics 제공 기능 → AI 기반 공급사 카드 수락 성향 점수 근거 ↗ Absa 초기 제공 → Advanced B2B Analytics 근거 ↗ Emirates NBD 초기 제공 → Advanced B2B Analytics 근거 ↗ 발표의 범위 카드 수락 성향은 신용위험 점수와 다른 목적의 지표다. 발표만으로 기업의 운전자본 개선이나 비용 절감 효과를 확정할 수 없다.
다음에 확인할 변화 점수 갱신 주기·설명 가능성, 공급사별 편향과 실제 전환 결과를 확인한다.
출처 1개 03 2026-09-01 미국
기존 서비스의 상용 기능 확대 발표 계좌이체 사기 탐지가 네트워크 학습과 설명 가능한 경보로 확장된다 A2A Protect 통합 사기 점수 Transfer learning
은행별 데이터만으로 탐지 체계를 키우던 방식에 외부 네트워크 신호와 사유 설명을 함께 연결한다.
새로 나온 내용 Featurespace 기술을 통합한 새로운 계좌 간 이체 사기 점수를 발표했다.
전이학습과 네트워크 위험 신호를 활용하며, API 경보에 거래가 표시된 이유를 평문으로 제공한다고 설명했다.
기술적으로 달라진 부분 은행 시스템에 단일 API로 연결하고, 참여 기관의 선택에 따라 네트워크 수준 위험 정보를 추가로 사용한다.
금융에 미치는 영향 분석 금융 에이전트가 조회를 넘어 이체·지급을 실행할수록 실행 전 위험 평가와 사후 설명을 연결할 필요가 커질 수 있다.
3개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 A2A Protect 기술 통합 → Featurespace 근거 ↗ A2A Protect 활용 방식 → 전이학습 근거 ↗ A2A Protect 제공 인터페이스 → 단일 API 근거 ↗ 발표의 범위 발표상의 탐지율·오탐 감소율은 공급사 측 결과다. 서로 다른 은행·사기 유형에 같은 효과가 난다고 일반화할 수 없다.
다음에 확인할 변화 실제 도입 은행의 오탐·미탐, 설명의 유용성, 데이터 공유 범위와 처리 지연을 확인한다.
출처 1개 금융 데이터 검색이 고정 API 질의와 다단계 적응 검색으로 나뉜다 Adaptive Retrieval S&P Global AI Data Portal Kensho LLM-ready API
단일 기업·문서를 정해 조회하는 경로에 여러 데이터셋을 오가며 복잡한 연구 요청을 처리하는 검색 경로를 추가한다.
새로 나온 내용 S&P Global은 자연어 요청으로 허가된 금융 데이터를 검색·조합하는 Adaptive Retrieval을 출시했다고 발표했다.
여러 데이터셋을 함께 다루는 적응 검색과 기존의 직접·구조화 질의 방식을 AI Data Portal에서 함께 제공한다.
기술적으로 달라진 부분 Adaptive Retrieval은 복수 출처·데이터셋의 요청을 조정한다. 기존 Deterministic Retrieval은 Kensho LLM-ready API 기반의 직접 구조화 질의를 맡는다.
금융에 미치는 영향 분석 금융 리서치·보고서 생성에서 한 가지 검색 방식으로 통일하기보다, 정확한 고정 조회와 탐색적 다단계 조사를 작업별로 결합하는 구조가 확산될 수 있다.
3개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 AI Data Portal 함께 제공 → Adaptive·Deterministic Retrieval 근거 ↗ Deterministic Retrieval 기반 API → Kensho LLM-ready API 근거 ↗ Adaptive Retrieval 검색·조합 → 라이선스된 S&P Global 복수 데이터셋 근거 ↗ 발표의 범위 새로 출시한 것은 Adaptive Retrieval이며 Kensho 기반 기존 질의 방식은 2025년부터 제공된 배경 기술이다. 데이터 라이선스와 인용 가능성이 분석의 사실성·수익성을 보장하지 않는다.
다음에 확인할 변화 데이터 권한·인용 출처, 질의별 재현성, 여러 출처를 조합할 때의 오류·지연·비용을 확인한다.
출처 1개 05 2026-07-14 미국
발표 · 8월 미국 파일럿 예정으로 공지 은행 앱의 대화가 소비 내역 설명에서 카드 제어로 이어진다 AI Financial Assistant Visa Data & AI Platform Digital Enablement SDK
FAQ 챗봇과 별도로 거래 맥락 기반 답변과 허용된 금융 동작을 연결한 기능이다.
새로 나온 내용 카드 이용자의 실제 금융 활동을 바탕으로 질문에 답하고 월별 지출 변화를 제시하는 금융비서를 발표했다.
초기 기능에 대화 중 카드 잠금·알림 설정을 포함하고, 은행의 기존 앱과 SDK에 연결하는 구조를 설명했다.
기술적으로 달라진 부분 Visa DAP가 여러 AI 모델 접근을 제공하고, 금융비서는 Digital Issuer Solutions와 SDK 기능을 대화 진입점으로 묶는다.
금융에 미치는 영향 분석 금융 상담·모바일뱅킹에서 답변 정확도뿐 아니라 거래 맥락, 허용 동작과 인증 결과를 연결하는 기술의 비중이 커질 수 있다.
2개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 AI Financial Assistant 구성 기능 → Visa Digital Issuer Solutions 근거 ↗ AI Financial Assistant AI 기반 → Visa Data & AI Platform 근거 ↗ 발표의 범위 7월 발표는 8월 파일럿 예정이라고 설명한다. 파일럿 완료나 전 세계 일반 제공을 확인한 자료는 아니며, 구독 관리 확대는 미래 계획이다.
다음에 확인할 변화 실제 참여 은행·제공 지역·허용 동작 확대와 인증·오실행 처리 결과를 확인한다.
출처 1개 검증된 포트폴리오 위험·성과 분석을 MCP로 에이전트에 제공한다 Portfolio Analytics MCP Semantic·Metadata Layer 사전 계산·승인된 분석 결과
언어 모델이 금융 수치를 새로 계산하도록 맡기기보다 이미 검증된 분석 결과를 MCP로 호출하는 경로를 추가한다.
새로 나온 내용 FactSet은 Portfolio Analytics MCP의 제한적 출시를 발표했다. 성과·기여도·위험 분석의 기존 승인 결과를 대화·에이전트 인터페이스로 제공한다.
시맨틱·메타데이터 계층이 질의를 일관된 공식 결과에 연결하며, 고객의 비공개 LLM 환경 안에서 결과를 제공한다고 설명했다.
기술적으로 달라진 부분 사전 계산·승인된 분석 출력 위에 시맨틱·메타데이터 계층과 MCP를 두어 자연어 질의를 해당 결과에 연결한다.
금융에 미치는 영향 분석 자산운용·위험관리의 에이전트는 유창한 보고서 생성뿐 아니라 수치의 계산 주체·기준·권한·감사 가능성을 유지하는 연결 방식이 중요해질 수 있다.
2개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 Portfolio Analytics MCP 제공 결과 → 사전 계산·승인된 포트폴리오 분석 근거 ↗ 시맨틱·메타데이터 계층 질의 연결 → 공식·일관된 분석 결과 근거 ↗ 발표의 범위 제한적 출시이며 모든 고객에게 일반 제공된다는 뜻은 아니다. 기존 분석 결과가 검증됐다는 것과 에이전트가 모든 질문을 올바르게 해석한다는 것은 다르다.
다음에 확인할 변화 지원하는 분석 항목·메타데이터 범위, 질의 해석 오류와 고객 환경의 권한·감사 로그 연계를 확인한다.
출처 1개 07 2026-06-10 미국
신규 서비스 발표 · 파트너와 사용 사례 검증 에이전트가 쓰는 API·데이터에 기계 단위 결제를 붙인다 Agent Pay for Machines Verifiable Intent 프로그래머블 지출 통제
사람이 건별로 결제 화면을 여는 흐름에서, 허용된 소프트웨어가 서비스를 사용하며 비용을 지급하는 구조로 범위를 넓힌다.
새로 나온 내용 에이전트·기계 사이의 고빈도·소액 결제를 위한 Agent Pay for Machines를 소개했다.
에이전트 자격 확인, 조직의 승인 규칙·지출 한도, 여러 지급 수단의 정산을 핵심 기능으로 설명했다.
기술적으로 달라진 부분 Agent Pay를 기반으로 자격·권한·거래·정산을 분리하고 카드·계좌·스테이블코인 등 여러 결제 수단을 연결하도록 설계됐다.
금융에 미치는 영향 분석 API·데이터·연산을 에이전트가 작업 중 구매하는 사업 모델에서는 사용 권한과 예산 통제가 실행 인프라의 일부가 될 수 있다.
3개 원문 명시 관계 · 원의 크기: 이 그림의 연결 수 Agent Pay for Machines 기반 프로그램 → Mastercard Agent Pay 근거 ↗ Agent Pay for Machines 권한 통제 → 조직의 승인 규칙·지출 한도 근거 ↗ Agent Pay for Machines 지원 설계 → 카드·계좌·스테이블코인 정산 근거 ↗ 발표의 범위 발표된 설계와 파트너의 지지는 실제 대규모 정산 실적이나 모든 지역의 상용 지원을 의미하지 않는다.
다음에 확인할 변화 지원되는 정산 수단·지역, 거래당 비용, 지출 한도 집행과 분쟁·환불 처리의 실제 제공 상태를 확인한다.
출처 1개 다음 산업군으로 이어지는 가능성
기술 변화가 다음으로 닿는 곳 점선은 아래 발표를 바탕으로 한 적용 가능성 분석입니다. 해당 산업의 도입·성과가 확인됐다는 뜻은 아닙니다.
금융 분석 MCP · 검증된 계산 결과 ⇢ 영향 분석 RAG ↗ 금융 연구 에이전트의 답변에 문서 검색뿐 아니라 성과·기여도·위험 계산 결과를 함께 넣는 구성을 검토할 수 있다.
확인할 신호: 숫자의 기준일·계산 조건·권한과 재현성 보존 쇼핑 에이전트의 구매 요청을 승인할 때 사람의 의도와 거래 위험을 전달할 신호가 중요해질 수 있다.
확인할 신호: 테스트에서 상용 확장 여부와 가맹점·발급사의 실제 지원 범위