유럽의 주요 금융기관들이 폐쇄형 생성형 AI 모델 대신 오픈 가중치(오픈소스) 기반 모델을 채택해 자신들의 거래 데이터를 바탕으로 독점적 AI 지능을 구축하고 있다. 엔비디아 가속 컴퓨팅 플랫폼이 이러한 움직임의 핵심 인프라로 자리잡았다.

거래 기초 모델로 생산 규모 확대

핀테크 기업 Revolut는 자체 개발한 기초 모델 'PRAGMA'를 엔비디아 Blackwell Ultra GPU에서 구동하고 있다. NVIDIA cuDF 툴킷과 Dynamo-Triton 소프트웨어를 활용해 PRAGMA를 프로덕션 환경에서 확장 중이며, 현재 8천만 명의 고객을 서빙하도록 설계되었으며 추가로 3배 규모까지 확장할 수 있다.

Revolut의 AI 담당 책임자 Pavel Nesterov는 "Revolut는 매초 수십억 건의 거래를 처리하는데, 기초 모델이 이 규모와 다양한 도메인에서 작동할 수 있을지가 핵심 질문이었다. PRAGMA가 그 증명"이라며 "엔비디아와의 협력으로 연구 성과에서 프로덕션 뱅킹 시스템으로의 간격을 좁힐 수 있었다"고 설명했다.

영국의 핀테크 Starling Bank는 영국 주권 클라우드(sovereign cloud) 기반으로 에이전트 모델을 훈련한 최초의 은행이 됐다. Civo의 영국 클라우드 인프라에서 자체 거래 데이터만으로 'Starling Intelligence'라는 지능 계층을 개발했다.

Lloyd Banking Group은 'ATUM'이라는 트랜잭션 기초 모델을 구축했다. 수십억 건의 은행 거래를 재사용 가능한 지능으로 변환하는 모델로, 엔비디아 RTX PRO 6000 Blackwell GPU로 가속되며 은행 전역의 업무 효율성을 높이고 있다.

비용 효율성, 60% 절감 달성

오픈 가중치 모델은 유럽 금융기관에게 자신이 보유한 데이터 기반의 독점 AI를 자체 비용 구조 내에서 구축할 수 있는 길을 열었다.

네오뱅크 bunq의 에이전트 어시스턴트 Finn은 이제 오픈 가중치 모델에서 구동된다. 엔비디아 가속 컴퓨팅으로 구동되며, Nebius 플랫폼에 배포되면서 폐쇄형 고가 모델과 동일한 품질을 답변당 비용 60% 절감으로 달성했다.

NatWest는 엔비디아의 음성 모델 Nemotron 3.5 ASR을 활용해 영국의 모든 억양, 방언, 금융 용어를 인식할 수 있는 기술을 개발 중이다. Modulr은 결제 운영의 각 분야별 전문화된 모델을 구축 중이며, 엔비디아의 Nemotron-3-Ultra-550B 오픈 모델을 기반으로 한다. Santander는 구조화된 금융 데이터용 엔비디아 Kumo 패밀리 오픈 가중치 모델을 도입해 핵심 뱅킹 업무용 전문 지능을 구축하고 있다.

데이터 처리 성능, 42배 향상

금융 정보 제공업체 LSEG(London Stock Exchange Group)은 엔비디아와 협력해 역사적 시세 데이터 분석 속도를 10배 높였다. 엔비디아 RTX PRO 6000 Blackwell GPU에서 가속된 Polars GPU 엔진을 활용한 것이다.

데이터 분석 기업 RavenPack은 Bigdata.com 기반 데이터셋 생성 파이프라인을 구축했다. 자연어 연구 가설을 입력하면 백테스트 가능한 레이블링된 데이터셋을 반환하는데, 미세조정된 엔비디아 Nemotron 모델이 기초다. 투자자는 이 데이터셋으로 시장 동향을 파악하고 분석할 수 있다.

결제 플랫폼 Stripe는 자체 사기탐지 시스템 'Stripe Radar'에서 엔비디아 GPU 가속 Ray Data를 활용해 데이터 파이프라인 속도를 42배 향상시키고 비용을 92% 절감했다(오프라인 테스트). 이를 통해 머신러닝 파이프라인이 모델 훈련을 지속적으로 최적화하고 사기 탐지 정확도를 개선할 수 있다.

산업적 의미: 주권화·비용화·도메인화

이번 움직임은 유럽 금융 산업의 세 가지 변화를 반영한다.

첫째, 데이터 주권과 규제 준수다. 유럽은 GDPR로 개인정보보호를 강조해왔고, 금융기관들은 핵심 고객 거래 데이터를 자국 클라우드에서만 처리하려 한다. 오픈 모델은 이를 가능하게 한다.

둘째, 폐쇄형 생성형 AI의 높은 비용 부담 완화다. OpenAI GPT-4나 Google Gemini 같은 프리미엄 모델은 쿼리당 비용이 높지만, 오픈 가중치 모델과 자체 GPU 인프라 조합은 60% 이상 비용 절감을 달성했다.

셋째, 금융 도메인 맞춤형 모델의 성장이다. 단순 챗봇이 아닌 거래, 음성, 결제, 사기탐지 등 특정 금융 기능별 모델이 일반 목적 모델과 다른 성과를 내고 있다.

엔비디아는 이 여정의 하드웨어 및 소프트웨어 플랫폼 기반이 되었다. Blackwell GPU와 CUDA 에코시스템, cuDF·Ray 같은 데이터 처리 도구 없이는 이 규모의 프로덕션 배포가 불가능했을 것이다.

한국의 주요 은행과 핀테크 기업들도 유사한 기술 전환을 검토할 시점이다. 국내 금융감독 규정과 데이터 규제 환경에서 자체 클라우드 기반 오픈 모델 도입은 비용 효율 외에도 규정 준수 측면에서 이점이 있다. 다만 현재 국내에서는 여전히 클로즈드 생성형 AI 기반 도입이 우선이며, 도메인 특화 오픈 모델에 대한 이해와 투자는 상대적으로 미흡한 상황이다.