웰스파고는 AI로 10억 건을 처리하고도 왜 신뢰 문제가 없었나 — '먼저 프라이버시, 나중에 확장'

한눈 요약: 미국 4위 은행 웰스파고의 AI 비서 '파고(Fargo)'는 2026년 3월까지 누적 10억 건 이상의 고객 상호작용을 처리했습니다. 비결은 화려한 모델이 아니라 순서였습니다. 고객의 음성을 기기 안(on-device)에서 먼저 지우고 정제한 뒤, '의도와 개체' 데이터만 모델에 넘깁니다. 원본 고객 데이터는 AI 모델에 절대 닿지 않습니다. 프라이버시를 정책이 아니라 아키텍처에 넣은 것이죠.

숫자로 보는 파고

웰스파고는 자산 약 2조1,500억 달러(2025년 말), 직원 20만5,000명, 4개 사업부를 가진 대형 은행입니다. 2023년 모바일 앱에 심은 파고는 폭발적으로 성장했습니다.

지표	수치
누적 상호작용 (2026년 3월)	10억 건 이상
연간 상호작용 (2023 → 2024)	2,130만 건 → 2억4,540만 건
2024년 실적	내부 예측치의 2배 이상
모바일 활성 사용자	3,300만 명 이상

속도와 프라이버시를 맞바꾸지 않는 법

금융에서는 보통 속도와 프라이버시가 서로를 갉아먹습니다. 웰스파고는 그 트레이드오프를 아키텍처로 풀었습니다. 파고는 고객의 말을 기기 내부에서 실시간으로 전사하고 민감정보를 제거한 뒤, 축약된 의도·개체 정보만 언어 모델로 보냅니다. 디지털·데이터·AI 총괄 미셸 무어는 이를 두고 "AI를 책임감 있게 확장하려는 절제된 접근"이라고 표현했습니다.

먼저 프라이버시 아키텍처를 깔고, 그다음 확장하는 순서 — 대부분의 회사가 고객 대면 AI를 내놓는 방식과 정반대입니다. 들어갈 때는 느리지만, 사용량이 3배로 뛰어도 신뢰 문제가 따라오지 않은 이유이기도 합니다.

거버넌스는 새로 만들지 않고 '빌려' 썼다

2025년 8월 웰스파고는 구글 클라우드와 손잡고 엔터프라이즈 AI 에이전트 플랫폼 Agentspace를 도입했습니다. 25만 건에 달하는 공급업체 계약서에서 조항·지급 조건을 찾아내고, 외환 거래 문의를 분류·요약하고, 사내 규정을 대화형으로 검색하는 식입니다. 여러 기능을 따로따로 만드는 대신 하나의 수평 플랫폼으로 묶어 '감독해야 할 곳'을 줄였습니다.

특히 웰스파고는 AI 전용 거버넌스를 새로 세우지 않았습니다. 대신 수십 년간 대출·자본시장 모델을 검증하던 SR 11-7 프레임워크에 생성형 AI까지 얹어, 1,400개 이상의 모델을 같은 기준으로 검증합니다. '밑바닥부터 만든 엄격함'보다 '이미 신뢰하던 엄격함을 빌리는 것'이 빠르다는 판단이죠.

다른 기업이 배울 점

정리하면 세 가지입니다. 프라이버시는 정책이 아니라 설계에 넣을 것, 거버넌스는 발명하지 말고 빌려올 것, 그리고 내부 예측치는 천장이 아니라 바닥으로 볼 것. 이 '판단은 결국 사람이 한다'는 접근은 다른 대기업에서도 반복됩니다. 같은 결의 사례로는 비자의 첫 AI 보안 워크플로우와 "AI는 절대 결정하지 않는다"고 선을 그은 CVS헬스를 함께 보면 좋습니다.

출처: 웰스파고 뉴스룸·2025 연차보고서, 구글 클라우드 블로그 등(뉴스레터 Neatprompt 정리 기준). 수치·인용은 발표 내용을 따랐습니다.