Monthly Copilot · July 2026 · 월간 코파일럿 7월호 · Customer Case · Agenthon
Customer Case | AI Tour Agenthon in Seoul 2026
데이터로 예방하고,
AI로 선제 대응하다
AI Tour Agenthon in Seoul 2026 — 코파일럿이 보여준 가능성
AI XYZ 팀의 Credit Risk Guardian 소개 이미지

정유·에너지 업계에서 신용 리스크 관리는 단순한 재무 업무를 넘어, 회사의 손익을 좌우하는 핵심 과제입니다. 거래처 한 곳의 부실이 곧바로 큰 손실로 이어질 수 있고, 업종마다 위험이 드러나는 방식도 제각각이라 담당자의 경험과 직관에 의존하기엔 한계가 분명하죠. 매일 수십 곳의 거래처 정보를 일일이 들여다보는 일도 결코 만만치 않습니다.

이번 7월호에서는 바로 이 오래된 숙제를, 익숙한 도구로 새롭게 풀어낸 팀의 이야기를 소개합니다. AI Tour Agenthon in Seoul 2026 로우코드 부문에서 2위를 차지한 AI XYZ 팀은, 여신 담당자의 일상에 가장 가까이 다가가는 방식으로 답을 찾았습니다. 이들이 만든 「Credit Risk Guardian」은 업종별 특화 신용 리스크를 조기에 포착해 담당자에게 경보를 보내주는 에이전트로, 거래처 정보 수집부터 위험 분석, 등급 판정, 알림, 조치 기록까지 여신 업무 전 과정을 6단계로 자동화했습니다.

특히 주목할 점은 별도의 개발 인력이나 외부 솔루션 없이, 모두에게 익숙한 M365와 Copilot만으로 구축했다는 사실입니다. SharePoint, Power Automate, AI Builder, Teams처럼 이미 사내에 자리 잡은 도구들을 활용하여 Agent를 개발했고, 도입 후 업무 시간 83% 절감ROI 10배라는 성과를 만들어냈죠. AI가 분석하고 사람이 결정하는 Human-in-the-Loop 구조로 신뢰성까지 챙긴 점도 인상적입니다.

Article Summary
이번 호에서는 AI XYZ 팀이 어떤 문제의식에서 출발했는지, 6단계 자동화 흐름은 어떻게 설계됐는지 그 전 과정과 인사이트를 자세히 풀어봅니다.

01 · 왜 지금, 이 에이전트인가 — 매일 2시간의 수동 검색

여신 담당자의 하루는 검색창에서 시작됩니다. 담당자별 매일 50개가 넘는 거래처에 대해 공시 자료, 주가 흐름 등을 일일이 수기로 확인하는 일이 일상이었죠. 보기에는 단순한 반복 업무 같지만, 그 안에는 회사의 자산을 지키는 무거운 책임이 담겨 있습니다. 그러나 이 방식에는 네 가지 구조적인 한계가 있었습니다.

비효율적 수동 검색
담당자별로 하루 평균 2시간 이상 이 검색에만 쓰이며, 본업인 분석과 판단에 쓸 시간을 잠식했습니다.
판단 오류 및 신호 누락
정보량은 갈수록 늘고 담당자별 역량 편차는 존재하는 상황. 정작 중요한 위험 신호가 묻혀버리는 일이 적지 않았습니다.
위험 대응 지연
위험을 감지하더라도 보고와 결재 절차를 거치다 보면 평균 1~2일이 소요됐고, 그사이 상황은 더 악화되곤 했습니다.
지식 자산 유실
담당자가 바뀌면 그동안 쌓아온 분석 이력과 판단 근거가 함께 사라져, 업무 연속성에 공백이 생겼습니다.
AI XYZ 팀의 답
"AI is eXpanding Your Zone." — 담당자의 업무 영역을 넓히고, 매일 반복되는 수작업을 AI가 대신한다. 사람은 그 시간을 아껴 진짜 중요한 판단과 결정에 집중한다. 단순한 자동화 도구가 아닌, 담당자의 동료를 만들겠다는 발상이 출발점이었습니다.

02 · 한 장으로 보는 6단계 End-to-End 자동화

Credit Risk Guardian의 가장 큰 특징은 어느 한 지점만 자동화한 것이 아니라, 데이터 수집부터 조치 기록까지 여신 업무 전 과정을 6단계로 끊김 없이 연결했다는 점입니다. 매일 오전 8시, 누구도 버튼을 누르지 않아도 에이전트가 알아서 하루 일과를 시작합니다.

STEP 01 · 거래처 정보 수집
SharePoint 마스터 조회
➜ 기준 정보 일원화
STEP 02 · 공개 정보 자동 수집
Power Automate
➜ 수동 검색 0건
STEP 03 · AI 위험 분석
GPT-5 · AI Builder
➜ 분석 시간 83% ↓
STEP 04 · 위험 등급 판정
HIGH / MED / LOW 자동 분류
➜ 객관적 평가
STEP 05 · Teams/메일 경보
Adaptive Cards · 즉시 알림
➜ 당일 조치 완료
STEP 06 · 조치 & 기록
SharePoint Audit Log
➜ 감사 추적 100%

각 단계는 독립적으로 작동하지 않습니다. SharePoint에 정리된 거래처 마스터 정보가 공개 정보 수집의 기준이 되고, 수집된 정보는 GPT-5와 AI Builder를 거쳐 위험 등급으로 정제됩니다. 그렇게 도출된 결과가 Teams와 메일을 통해 담당자에게 닿고, 담당자의 조치는 다시 SharePoint에 자동 기록되어 다음 분석의 자산이 됩니다. 데이터가 사람을 거치지 않고도 알아서 흐르는 구조, 이것이 6단계 자동화의 핵심입니다.


03 · Human-in-the-Loop — AI는 제안하고, 사람이 결정한다

Credit Risk Guardian이 단순한 알림 봇과 결정적으로 다른 지점이 바로 여기에 있습니다. AI Builder와 GPT 기반 프롬프트는 각 공개 정보의 문맥을 감성 분석하고, 업종별 지표를 반영해 HIGH/MED/LOW 위험 등급을 자동으로 부여합니다. 여기까지는 AI의 영역이죠.

그러나 한도 축소와 같이 거래처에 직접 영향을 미치는 고위험 의사결정은, 반드시 사람의 손을 거치도록 설계됐습니다. 담당자는 메일 속 '한도 축소 메일 작성하기' 버튼을 눌러 AI가 작성한 초안을 검토하고, 필요하다면 수정한 뒤에야 발송합니다. AI는 무거운 자료 정리를, 사람은 책임 있는 판단을 — 각자 가장 잘하는 일에 집중하는 구조입니다.

종합 리스크 판정은 공개 정보 유입 전 '보통'에서 유입 후 '높음'으로 자동 상향되며, 판단 근거·핵심 관리 포인트·권고 사항까지 에이전트가 보고서로 자동 완성합니다.


04 · 숫자로 증명된 임팩트

도입 효과는 명확하게 측정됩니다. 단순히 "편해졌다"는 정성적 평가가 아니라, 시간·비용·성과 모두에서 정량적 변화가 확인됩니다.

83%
업무 시간 절감
2시간 → 20분
수십억원
연간 손실 예방
조기 차단 효과
10배
투자 대비 효과(ROI)
M365 활용, 추가 비용 Zero

특히 ROI 10배는 기존에 사용하던 M365 라이선스와 연계하여 구현한 결과라는 점에서 의미가 큽니다. 새로운 솔루션 도입 비용도, 별도 개발 조직도 없이, 이미 가진 도구를 잘 엮는 것만으로도 이 정도 성과가 가능하다는 사실을 보여준 셈이죠.

기존 업무와 비교하면 변화의 폭이 더욱 뚜렷합니다.

항목BeforeAfter
업무 처리 시간담당자별 2시간 / 매일 50+ 거래처 수동 검색20분 이내 / 자동 분석 (83% ↓)
정확도 & 신뢰성정보 과부하로 중요 신호 누락·오판GPT 신뢰도 점수 공개 · 7개 지표 교차 검증
위험 대응 속도보고서·결재 대기 1~2일 지연Teams 실시간 경보 · 당일 조치
지식 관리담당자 교체 시 노하우·이력 유실SharePoint 자동 저장 · 감사 추적 100%
익숙한 M365와 Copilot, 그리고 Human-in-the-Loop 설계만으로도 현장의 오랜 숙제는 풀립니다. AI XYZ 팀의 Credit Risk Guardian은 "거창한 새 솔루션"이 아니라 "이미 가진 도구를 제대로 엮는 일"에서 출발했습니다. 우리 팀의 반복 업무 한 가지도, 같은 방식으로 다시 설계해 볼 수 있지 않을까요?