Northern Trust and Microsoft Frontier Company collaborate to transform client onboarding through AI - Source

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Northern Trust와 Microsoft는 인간의 감독과 데이터 통제를 유지하면서 고객 온보딩 데이터 준비 시간을 83% 줄인 AI 에이전트를 도입하고 협력을 확대했다.

📌 핵심 요약

• Northern Trust와 Microsoft는 2026년 11월 9일 협력 확대를 발표하고, 양사 팀이 공동 개발한 AI 고객 온보딩 에이전트를 Northern Trust Asset Servicing의 Front Office Solutions 플랫폼에 도입했다. 에이전트는 고객의 과거 거래 데이터를 Northern Trust의 표준 형식으로 변환한다.
• Front Office Solutions는 재단, 기금, 연금제도, 대형 패밀리오피스 등 기관투자자에게 성과 분석을 제공한다. 특히 대체자산의 성과 이력을 재구성하려면 여러 출처의 데이터를 통합해야 하며, Northern Trust 조사에서는 자산 소유자의 57%가 분산된 내·외부 데이터의 통합을 최대 과제로 꼽았다.
• Northern Trust는 실제 고객 온보딩 사례에서 데이터 준비 시간이 기존 약 2.5주에서 평균 3일로 83% 단축됐다고 밝혔다. 측정 범위에는 데이터 변환, 분석가 검토, 예외 처리, 최종 검증이 포함됐다.
• 96.5%의 F1 최초 처리 품질 점수는 익명화된 실제 고객 거래 자료를 활용한 대표 테스트 사례 7건의 통제된 시험 결과다. 분석가의 피드백이나 수정 전에 기준 결과와 비교한 수치이며, F1은 정밀도와 재현율을 결합한 지표다.
• 에이전트는 Microsoft Azure와 Microsoft Foundry를 기반으로 Microsoft 365의 Microsoft Excel·SharePoint와 연동된다. 분석가가 결과를 검토·수정·승인하고, 승인된 지식은 축적되며, Microsoft는 익명화 데이터만 사용해 평가를 개선하고 고객 데이터 통제권은 Northern Trust가 유지했다.

🧩 주요 포인트

1. 분산된 과거 거래 데이터의 표준화 → 기관투자자 온보딩에서 수작업 부담을 줄이고 고객 서비스 개시를 앞당기는 데 초점을 맞춘 적용 사례다.
2. % 시간 단축과 96.5% F1은 측정 환경과 대상이 다름 → 실제 업무 처리 시간의 개선과 통제된 시험의 최초 처리 품질을 구분해 해석해야 한다.
3. 분석가의 검토·수정·승인과 Northern Trust의 데이터 통제권 유지 → 사람에게 판단과 책임을 남기면서 승인된 기관 지식을 축적하는 운영 방식이다.

🧠 상세 정리

1. 협력 확대와 기관투자자 온보딩의 과제

Northern Trust와 Microsoft는 2026년 11월 9일 Northern Trust 전반의 AI 전환을 가속하기 위한 협력 확대를 발표했다. 첫 적용 대상은 Northern Trust Asset Servicing의 Front Office Solutions 고객을 위한 AI 온보딩 에이전트로, Northern Trust와 Microsoft Frontier Company의 Forward Deployed Engineering(FDE) 팀이 공동 개발했다. 이 플랫폼은 재단, 기금, 연금제도, 대형 패밀리오피스 등 기관투자자에게 성과 및 분석 기능을 제공한다. 고객 온보딩에서는 여러 출처에 흩어진 수년간의 투자·거래 데이터를 통합해야 하며, 특히 대체자산의 성과 이력 재구성이 복잡하다. Northern Trust 조사에서 자산 소유자의 57%가 서로 다른 내·외부 출처의 데이터 통합을 최대 과제로 꼽았다는 결과는 이 문제가 업계 전반의 과제임을 보여준다.

2. 시간 단축 성과와 품질 점수의 측정 범위

에이전트는 고객의 과거 거래 데이터를 Northern Trust의 표준 형식으로 바꾸는 핵심 작업을 자동화한다. Northern Trust는 도입 후 실제 고객 온보딩 사례를 측정한 결과, 데이터 준비 시간이 기존 약 2.5주에서 평균 3일로 줄어 83% 단축됐다고 밝혔다. 이 시간에는 데이터 변환뿐 아니라 분석가 검토, 예외 처리, 최종 검증도 포함됐다. 별도로 제시된 96.5% F1 최초 처리 품질 점수는 익명화된 실제 고객 거래 워크북을 이용한 대표 테스트 사례 7건의 통제된 시험에서 나왔다. 실행 중 공개하지 않은 분석가 작성 기준 결과와 에이전트의 출력값을 비교했으며, 분석가의 피드백이나 수정은 반영하기 전이었다. 따라서 정밀도와 재현율을 결합한 F1 점수와 실제 업무 시간의 개선은 서로 다른 측정 결과로 구분해 이해해야 한다.

3. Azure 기반 구성과 분석가의 업무 흐름

에이전트는 Microsoft Azure 위에 구축됐으며 기업용 AI를 위한 Microsoft Foundry를 사용한다. Microsoft 365의 Microsoft Excel과 SharePoint 등 익숙한 도구와 연동돼 Northern Trust 분석가가 결과를 검토하고 다듬은 뒤 승인할 수 있다. 업무 흐름 전반에는 사람의 감독이 포함돼 있어 분석가는 출력과 추론을 평가하고 예외를 해결하며 전문가 피드백을 제공한다. 에이전트는 고객이 실제 서비스를 이용하기 전 구축 과정에서 활용되므로, 분석가는 고객의 초기 데이터를 검증하면서 오류를 발견하고 조정할 수 있다. Azure 기반의 통제된 지식 계층은 승인된 온보딩 지식을 보존해 기관의 전문성이 이후 처리에도 활용되도록 한다. 양사는 이 구성이 수작업을 줄이고 고객에게 더 빠르고 예측 가능한 온보딩 경험을 제공한다고 설명한다.

4. 익명화 데이터 활용과 고객 데이터 통제

양사는 금융서비스 업계의 엄격한 요구에 맞춰 에이전트에 개인정보 보호, 보안, 거버넌스 통제를 포함했다고 밝혔다. Microsoft는 이른바 ‘eyes-off’ 접근법 아래 익명화된 데이터만 사용해 F1 최초 처리 품질 점수와 다른 평가 지표를 반복적으로 개선했다. 이 과정에서 Northern Trust 고객 데이터는 계속 회사의 통제와 거버넌스 아래 유지됐다는 설명이다. 발표문은 이러한 방식이 규제가 엄격한 산업의 데이터 관리 기대를 충족하면서 실제 운영 규모의 성능을 달성하게 했다고 주장한다. 또한 양사는 이번 협력을 데이터와 전문성, 기관 지식의 소유권과 통제권을 유지하면서 첨단 AI를 도입하는 모델로 제시한다.

5. 인간의 전문성을 증폭하는 AI 전략

Northern Trust 최고운영책임자 Pete Cherecwich는 이번 에이전트가 자산 서비스 전문성과 Microsoft의 AI 역량을 결합한 사례라고 설명했다. 그는 고객이 기대하는 감독과 통제를 유지하면서 데이터 준비·검증 시간을 줄여, 양측이 더 높은 가치의 업무에 집중할 여력을 만든다고 말했다. Northern Trust는 135년 이상 강조해 온 서비스, 전문성, 정직성에 AI를 적용하며, 판단과 책임은 사람에게 남기는 ‘증강 지능’을 전략의 중심에 둔다고 밝혔다. Microsoft의 Worldwide Financial Services 부문 기업 부사장 Bill Borden은 AI가 산업 전문성을 더 나은 고객 경험과 성장 여력으로 연결할 수 있다고 말했다. 그는 거버넌스와 인간의 감독을 내장한 이러한 접근이 규제 산업 전반에서 복잡한 업무를 바꾸고 신뢰를 유지하며 사업 가치를 제공할 기회를 보여준다고 평가했다.

6. Northern Trust의 사업 기반과 발표의 성격

Northern Trust Corporation은 1889년 시카고에서 설립됐으며 기업, 기관, 부유층 가족과 개인에게 자산관리, 자산 서비스, 자산운용, 은행 서비스를 제공한다. 미국 24개 주와 워싱턴 D.C.에 사무소를 두고 있으며 캐나다, 유럽, 중동, 아시아·태평양 지역의 22개 거점에서도 사업을 운영한다. 2026년 9월 30일 기준 수탁·관리자산은 19조9,000억 미국 달러, 운용자산은 2조 미국 달러였다. 이러한 회사 소개와 함께 발표문은 Front Office Solutions의 온보딩을 AI 전환 협력의 출발점으로 제시한다. 문서에 제시된 성과와 규제 산업으로의 확장 가능성은 양사의 발표와 경영진의 평가에 근거하며, 구체적인 정량 근거는 온보딩 시간 측정과 최초 처리 품질 시험에 제시돼 있다.

🧾 핵심 주장 / 시사점

• 이 사례의 가치는 과거 거래 데이터의 표준화를 실제 고객 서비스 개시 과정에 연결했다는 데 있다. 데이터 준비 시간 측정에 분석가 검토와 예외 처리까지 포함됐다는 점은 업무 전체의 효율 개선을 판단하는 데 중요하다.
• 96.5% F1은 수정 전 최초 처리 결과를 평가한 수치다. 대표 테스트 사례 7건이라는 시험 범위를 함께 제시해야 품질 성과를 과도하게 일반화하지 않을 수 있다.
• 익명화 데이터로 평가를 개선하고 고객 데이터 통제권과 최종 판단을 기관과 사람에게 남긴 구성이 핵심이다. 다만 규제 산업 전반으로의 확장 가능성은 이번 발표에서 제시한 평가이며, 다른 업무의 정량 성과가 입증된 것은 아니다.

✅ 액션 아이템

• 83% 시간 단축을 검토할 때 약 2.5주에서 평균 3일로의 변화와 데이터 변환·분석가 검토·예외 처리·최종 검증의 포함 범위를 함께 확인.
• 96.5% F1을 해석할 때 대표 테스트 사례 7건, 익명화된 실제 고객 거래 자료, 피드백·수정 전 최초 처리라는 조건을 함께 반영.
• Microsoft Azure·Microsoft Foundry 기반 적용을 검토할 때 분석가의 검토·수정·승인과 Northern Trust의 데이터 통제권 유지 방식을 함께 고려.

❓ 열린 질문

• 83% 시간 단축을 측정한 실제 고객 온보딩 사례의 수와 사례별 처리 시간 편차는 어느 정도인가?
• 대표 테스트 사례 7건에서 나온 96.5% F1은 다른 고객 거래 자료에서도 어느 정도 유지되는가?
• Microsoft Excel·SharePoint를 통한 분석가의 검토·수정·승인과 승인된 지식의 축적은 지속적인 성능 개선에 어떻게 연결되는가?