금융 기관들은 높아지는 고객 기대, 진화하는 위협, 그리고 급증하는 데이터 볼륨에 직면해 끊임없이 현대화를 요구받고 있습니다.
실제로, 은행 고위 의사결정자의 60% 이상이 디지털 전환 속도가 느려 신규 고객 유치 기회를 놓쳤다고 인정합니다. 모바일 중심 사용자는 실시간 앱 경험을 요구하고, 사기범들은 점점 더 빠르고 정교해지며, AI 기반 고객 서비스는 이제 기본이 되고 있습니다.
속도, 확장성, 인텔리전스가 필수일 때, 선도적인 은행과 핀테크 기업들은 Redis를 선택합니다.
그렇다면 Redis는 어떻게 도움을 줄까요?
Redis를 통해 고객들은 디지털 격변의 시대에 아래와 같은 성과를 얻고 있습니다.
- 모바일 뱅킹 경험을 76% 더 빠르게 제공하여 고객 충성도를 높임
- 초당 수십만 건의 거래에서 실시간으로 사기 탐지 및 방지
- 비용을 절감하고 고객 서비스 응답 시간을 50% 이상 단축하는 AI 기반 챗봇 도입
반응성과 확장성이 뛰어난 모바일 뱅킹 앱 구축
오늘날 은행의 가장 중요한 지점은 손바닥 안에 있습니다. 모바일 뱅킹은 전 세계 은행 거래의 62% 이상을 차지하며, 그 비중은 계속 증가하고 있습니다. 고객들은 계좌 조회, 자금 이체, 수표 입금 등 거의 모든 금융 활동을 모바일 앱에서 처리합니다. 2023년 딜로이트 연구에 따르면, 모바일 뱅킹 거래는 평균 90초 미만이 걸리지만, 같은 거래를 실제 지점에서 하면 8분 이상 소요됩니다.
모바일 뱅킹의 확산은 고객 경험을 크게 향상시키지만, 은행의 기술 스택에 상당한 부담을 주기도 합니다. 대부분의 시스템은 크고 복잡하며, 최신 성능과 확장성 요구를 충족하기 어렵습니다. 또한 데이터 사일로로 인해 플랫폼 간, 계좌 간 통합 인사이트 제공이 어렵습니다.
이를 해결하기 위해, 은행들은 기존 시스템 옆에 Redis를 세션 저장소나 캐시로 널리 활용해, 대대적인 재설계 없이 속도와 확장성을 높이고 있습니다.
- 캐시로서의 Redis: Redis는 앱이 계좌 잔고, 시장 데이터, 거래 내역 등 실시간으로 대량의 고객에게 정보를 제공할 수 있게 해줍니다.
캐시 어사이드 방식:
- 모바일 금융 앱이 데이터(예: 계좌 잔고, 시장 정보)를 필요로 할 때, 먼저 Redis에 캐시된 데이터가 있는지 확인합니다. 있으면 실시간으로 앱에 데이터를 제공합니다.
- 없다면, 기본 데이터베이스에서 데이터를 불러와 사용자에게 제공하고, 그 정보를 Redis에 저장해 다음 요청에 대비합니다.
금융 데이터는 자주 변경되기 때문에, 캐시에 저장된 데이터가 금방 오래될 수 있습니다. Redis Data Integration을 활용하면, 백엔드 데이터베이스의 변경 사항을 Redis 캐시에 계속 동기화해 데이터의 신선도를 유지하고, 백엔드 부하도 줄일 수 있습니다. 이 방식은 지점이나 웹앱에서 변경된 정보가 모바일 앱에도 즉시 반영되는 옴니채널 서비스에도 유용합니다.
- 세션 저장소로서의 Redis: 세션 데이터를 Redis에 저장하면 앱이 사용자에게 즉각적으로 반응할 수 있습니다.
금융 기관들은 인증 토큰, 사용자 프로필, 최근 활동, 거래 내역, 증권 및 시장 기준 데이터, 작성 중인 폼 등을 Redis에 저장합니다. Redis의 빠른 속도 덕분에 세션 데이터에 즉시 접근할 수 있고, 내장된 TTL(만료 시간) 기능으로 세션 만료도 안전하게 관리할 수 있습니다.
Axis Bank의 Redis 사용 사례 - 모바일 앱 속도 76% 증가
“Axis Bank 사례: 실시간 데이터 혁신으로 고객 경험을 바꾸다”
이러한 Redis의 강점을 가장 잘 보여주는 대표적 사례가 바로 인도 Axis Bank입니다. Axis Bank는 남아시아를 대표하는 대형 은행으로, 모바일 앱을 통한 고객 경험 혁신을 위해 Redis를 도입했습니다1.
문제점: 오프라인-온라인 데이터 불일치
기존 Axis Bank 모바일 앱은 고객이 지점에서 계좌 정보, 상품 변경, 권한 위임 등을 처리해도, 이 변경 사항이 앱에 실시간 반영되지 않는 문제가 있었습니다. 이는 전통적 데이터베이스 기반 인프라의 한계 때문으로, 고객 불만과 UX 저하로 이어졌습니다1.
해결책: Redis 기반 실시간 데이터 플랫폼 구축
Axis Bank는 ‘런타임 계좌 권한 관리(Runtime Account Authorization)’라는 혁신적 방식을 도입했습니다.
- Redis 도입으로 실시간 데이터 제공
- 핵심 뱅킹 테이블을 Golden Gate Syncing으로 로컬 데이터베이스에 복제하고, Redis Data Integration(RDI)으로 변경된 데이터를 실시간으로 Redis에 반영합니다. 이를 통해 모바일 앱은 항상 최신 계좌 정보와 거래 내역을 실시간으로 조회할 수 있게 되었고, 수작업 개입 없이 신속한 서비스가 가능해졌습니다1.
- 고가용성 및 빠른 응답성 확보
- Pacemaker 기반 이중화(Primary-Replica) 구조로 장애 발생 시에도 서비스가 중단되지 않도록 설계했습니다. Redis 파이프라이닝을 활용해 9개 테이블에서 동시 쿼리를 실행, 4.25배 빠른 응답 속도를 달성했습니다1.
성과: 고객 중심 혁신의 모범 사례
이러한 변화로 Axis Bank는 일일 1,000만 명 이상의 모바일 사용자에게 끊김 없는 실시간 서비스를 제공하며, 남아시아 금융권에서 고객 중심 혁신의 선두주자로 자리매김했습니다.
Axis Bank 디지털 채널 총괄 Rupesh Sawant는 “Redis 덕분에 신속한 데이터 조회, 성능 향상, 안정성 확보로 고객 경험이 획기적으로 개선됐다”며, “혁신과 서비스 품질에 대한 우리의 약속을 Redis가 실현해줬다”고 평가했습니다.
실시간 사기 탐지
모바일 뱅킹의 확산은 사용자 경험을 개선했지만, 동시에 금융 사기의 위협도 커졌습니다. 2023~2028년 온라인 결제 사기 피해액은 전 세계적으로 3,500억 달러를 넘을 것으로 예상됩니다. 사기가 발생하면 결국 비용은 상인, 은행, 카드사가 부담하게 됩니다.
사기 탐지는 금융기관과 정교해진 사기범 간의 ‘쫓고 쫓기는 게임’입니다. 사기를 막으려면 거래가 승인되기 전에 즉시 탐지해야 하며, 분석해야 할 데이터의 규모와 복잡성도 방대합니다.
이를 위해 금융기관들은 Redis를 실시간 사기 탐지에 널리 활용합니다. 특히 온라인 피처 스토어로서, 실시간 거래 위험 점수 산정에 Redis가 쓰입니다.
- 거래 위험 점수 산정: Redis는 세계 유수의 은행과 결제사에서 초당 70만 건 이상의 거래를 분석해 위험 점수를 산정합니다. 거래 위험 점수는 금액, 위치, 고객 행동, 기기 정보 등 다양한 요소로 계산되며, 점수가 높으면 추가 인증이나 차단 조치가 이뤄집니다. Redis 덕분에 수 밀리초 내에 점수가 산출되어, 사기 발생 전 차단이 가능합니다.
- 온라인 피처 스토어: 이는 종종 Redis를 온라인 피처 스토어로 활용해 구현합니다. 피처 스토어란 머신러닝 모델이 잠재적 사기나 이상 징후를 탐지할 때 사용하는 데이터(피처)를 관리하고 제공하는 시스템입니다. 피처 스토어는 보통 두 부분으로 나뉩니다. 첫째, 오프라인 피처 스토어는 정상과 이상 행동을 구분할 수 있도록 모델을 학습시키는 데 사용하는 대량의 과거 데이터를 저장합니다. 둘째, 온라인 피처 스토어는 실시간 데이터를 저장해 모델이 실시간 의사결정이나 거래 점수 산정에 활용할 수 있도록 제공합니다.
온라인 피처 스토어의 작동 방식:
- 고객 프로필, 결제 활동, 기기 정보, 위치 등 원시 데이터를 배치 시스템과 실시간 스트림에서 수집
- 피처 엔지니어링 파이프라인이 이 데이터를 사기 탐지에 유용한 신호(평균 거래 금액, 실패한 로그인 횟수, 위치 변화 등)로 변환
- 이 신호(피처)를 Redis 온라인 피처 스토어에 저장
- 거래 발생 시, 사기 탐지 모델이 이 실시간 피처를 즉시 불러와 위험 점수를 산정하고, 의심 거래를 탐지
세계적인 카드사는 Redis로 초당 70만 건의 거래를 분석, 수백만 달러의 손실을 예방하고 있습니다. Redis의 밀리초 단위 응답 덕분에 즉각적인 의사결정이 가능해집니다.
AI 챗봇으로 고객 서비스 효율화
고객 서비스는 여전히 매우 중요합니다. FICO 설문조사에 따르면, 고객의 88%가 ‘고객 경험이 은행의 상품·서비스만큼이나 중요하다’고 답했습니다. AI 시대에 선도 금융기관들은 AI로 고객 경험을 혁신하고, 경쟁 우위를 확보하고 있습니다.
AI 기반 챗봇은 전체 문의의 80% 이상을 자동 처리해, 상담원이 복잡한 업무에 집중할 수 있게 합니다. 예를 들어, JP모건의 Coach AI 툴은 상담원이 정보를 95% 더 빠르게 찾고, 3~5년 내 고객군을 50% 확장할 수 있도록 돕고 있습니다.
하지만 AI 챗봇 구축은 쉽지 않습니다. 응답 정확도, 대규모 성능, 데이터 통합, 동일 데이터에 대한 반복적 LLM/API 호출 등 여러 과제가 있습니다.
Redis는 이런 문제를 해결해 빠르고 정확하며 비용 효율적인 AI를 구축할 수 있게 합니다. Redis의 대표 활용은 다음과 같습니다.
- 벡터 데이터베이스: 임베딩을 저장해 RAG(Retrieval Augmented Generation)를 구현, LLM의 답변 정확도 향상
시맨틱 캐싱: 자주 묻는 질문-답변 쌍을 저장해, 챗봇이 메모리에서 빠르게 답변을 반환하고, 불필요한 LLM 호출을 줄임
시맨틱 캐싱의 작동 방식:
- 사용자가 예를 들어 “신용 한도는 어떻게 올리나요?”라고 질문
- 앱이 질문을 임베딩(벡터)으로 변환
- Redis가 벡터 검색으로 유사한 과거 질문을 찾음
- 일치하는 질문이 있으면 캐시된 답변을 즉시 반환
- 없으면 LLM에 질문을 보내 새 답변 생성
- 사용자는 캐시 또는 실시간 생성된 답변을 받음
- 장기 메모리: 여러 세션과 대화에 걸친 고객 상호작용 저장
- 단기 메모리: AI 에이전트가 답변 경로를 계획, 중간 상태를 Redis에 저장해 빠른 조회 가능
- 시맨틱 라우팅: 챗봇이 다양한 부서·툴(캘린더, 가격 앱 등)로 질문을 분기해 최적의 응답 제공
Asurion은 Redis로 AI 기반 인사이트와 라우팅 속도를 높여 고객 서비스 응답 시간을 50% 이상 단축했습니다.
결론
Axis Bank의 성공 사례는 금융권에서 실시간 데이터 혁신이 얼마나 중요한지 명확하게 보여줍니다. 고객들은 더 이상 느린 응답이나 정보 불일치를 참지 않습니다. 실시간 데이터 제공은 단순히 기술적 개선을 넘어, 고객 신뢰와 브랜드 경쟁력 확보의 핵심 요소가 되었습니다.
Redis는 복잡한 시스템 재구성 없이도 실시간 데이터, AI, 보안까지 아우르는 강력한 솔루션을 제공합니다. Axis Bank처럼 기존 시스템의 한계를 극복하고, 실시간 데이터 기반의 서비스를 제공하는 은행들은 이미 시장에서 두각을 나타내고 있습니다. 앞으로 금융권의 미래는 실시간 데이터 혁신에 달려 있으며, Redis 같은 인메모리 데이터 플랫폼이 그 중심에 설 것입니다. 이제는 더 이상 선택이 아닌 필수로 자리잡은 실시간 데이터 혁신, 그리고 이를 실현하는 Redis의 역할을 주목해야 할 때입니다. 금융기관이 고객 중심의 혁신을 추구한다면, Axis Bank의 사례처럼 Redis를 통한 변화를 적극적으로 모색해야 할 것입니다.
원문 출처:
Axis Bank's mobile app revamp skyrockets UX satisfaction
How leading financial institutions use Redis to drive growth
