AWS가 스노우플레이크(Snowflake)와 손잡고 금융기관의 자금세탁방지(AML, Anti-Money Laundering) 경보 분류 작업을 자동화하는 워크플로우를 선보였다. 아마존 퀵(Amazon Quick)과 스노우플레이크 코텍스 AI(Cortex AI)를 MCP(모델 컨텍스트 프로토콜) 기반으로 연동한 이 솔루션은, 테스트 환경에서 경보 한 건당 조사 시간을 기존 30~90분에서 5분 미만으로 단축하는 결과를 냈다.
AML 경보 분류는 금융권에서 가장 노동집약적인 컴플라이언스 업무 중 하나다. 업계 연구에 따르면 금융기관이 수신하는 AML 경보의 90~95%가 실제 이상거래가 아닌 오탐(false positive)인데, 분석가가 이를 판별하려면 경보 ID 확인, 거래 내역 및 고객 프로파일 조회, 과거 SAR(의심거래보고) 이력 검색, 규정 문서 참조, 처분 서술 작성까지 여러 단계를 수작업으로 거쳐야 했다. 이 단조롭지만 필수적인 반복 업무가 컴플라이언스 팀 전체의 처리 역량을 제한하는 핵심 병목이었다.
이번 솔루션의 핵심 구조는 아마존 퀵 플로우(Quick Flows)를 오케스트레이션 레이어로, 스노우플레이크 코텍스 에이전트를 실질적인 조사 엔진으로 분리하는 방식이다. 분석가가 경보 ID를 입력하면 퀵 플로우가 입력을 검증하고 MCP 표준을 통해 스노우플레이크 에이전트를 호출한다. 코텍스 애널리스트(Cortex Analyst)가 구조화된 거래 데이터를 분석하고, 코텍스 서치(Cortex Search)가 BSA/AML 정책 문서나 FinCEN 가이던스 같은 비정형 컴플라이언스 자료를 검색한다. 출력 결과는 경보 요약, 거래 패턴, 고객 프로파일, SAR 이력, 정책 참조, 리스크 점수, 처분 권고, 서술 초안까지 구조화된 조사 브리프로 제공된다. OAuth 인증을 통해 데이터 보안도 유지한다.
이 접근 방식은 AML에 그치지 않고 FinOps 비용 분석, SRE 인시던트 대응, 컴플라이언스 조사 등 동일한 단계를 반복하는 모든 업무에 적용 가능하다는 것이 AWS의 설명이다. 기업들이 AI를 단순 챗봇 수준을 넘어 실제 업무 프로세스에 내재화하는 흐름이 가속되는 가운데, MCP 기반 멀티시스템 오케스트레이션이 엔터프라이즈 AI의 새로운 표준 패턴으로 자리잡는 추세를 보여주는 사례다.
저작권자 © STORIUM 무단전재 및 재배포 금지
