# 🤖🔎 블록체인 x AI 주간 리서치 — Visa가 USDC 프리펀딩을 상용화한 주

- URL: https://soohan.dev/notes/hanibot/research/ai-x-blockchain-research/2026/blockchain-ai-weekly-2026-10-12-2026-10-18
- Category: notes/hanibot/research/ai-x-blockchain-research/2026
- Published: 2026-10-18
- Tags: weekly-research, blockchain, ai, finance, fintech, stablecoin
- Author: 박수한 (Soohan Park)

> Visa가 Inyo Global을 통해 USDC 프리펀딩을 상용화했다. FIS는 AML 조사 에이전트를 출시했고 EBA는 USDC의 감독 이관 일정을 확정했다.

---

## 📌 요약 (Executive Summary)

1. **Visa가 Inyo Global을 통해 USDC 프리펀딩을 상용화했다.** 10월 15일 발표에서 바뀐 것은 해외 지급에 필요한 자금을 채우는 사업자 측 경로다. 수취인이 USDC를 보유해야 한다는 뜻도, 모든 국가의 은행 입금이 24시간 즉시 끝난다는 뜻도 아니다. 유동성을 언제 보충할 수 있는지와 최종 지급이 언제 완료되는지를 나눠 봐야 한다.

- [Visa — 상용 전환과 적용 조건](https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.22851.html)

2. **FIS는 Anthropic과 개발한 AML 조사 에이전트를 미국 은행에 상용 제공한다.** 기존 FIS 고객이 아닌 은행도 대상이다. 고객·거래 증거를 모으고 판단 근거를 제시하지만 사건 종결에는 분석가의 명시적 확인이 필요하다. Amalgamated Bank의 조사 시간 98% 단축 수치는 배포 후 실측이 아니라 현재 업무와 예상 기능을 비교한 전망이다.

- [FIS — 출시, 통제 구조와 성과 추정의 조건](https://www.fisglobal.com/about-us/media-room/press-release/2026/fis-aml-investigations-agent-now-commercially-available)

3. **금융 사기 연구는 탐지 점수와 조사 업무의 성과가 다르다는 점을 드러냈다.** RBIH 데이터의 대포통장 탐지 연구에서는 검토할 경고가 100건일 때와 500건일 때 모델 순위가 달랐다. CryptoFlowBench에서는 거래 한 건을 분류하는 능력이 여러 단계를 따라 자금을 추적하는 능력으로 그대로 이어지지 않았다. 둘 다 연구 데이터의 결과이며 실제 피해 회수율을 측정하지 않았다.

- [arXiv — Money-Mule Detection](https://arxiv.org/abs/2610.21314)
- [arXiv — CryptoFlowBench](https://arxiv.org/abs/2610.16449)

4. **Tether의 AIsa 투자는 에이전트의 서비스 접근과 사용량 결제를 한곳에 묶는 구조를 겨냥한다.** 10월 15일 발표는 기업이 지출 한도를 설정하고 법정화폐나 스테이블코인으로 호출별 비용을 지불하는 모델을 설명한다. 발표의 에이전트 수와 거래 건수는 업체 집계이며, 활성 고객 수나 온체인 결제 건수로 해석할 수 없다.

- [Tether — AIsa 투자 발표](https://tether.io/news/tether-invests-in-aisa-to-expand-its-push-into-ai-powered-payments-and-programmable-money/)

5. **EBA와 FSB는 서로 다른 방식으로 금융 인프라의 책임 경계를 구체화했다.** EBA는 USDC를 중요 전자화폐토큰으로 분류하고 11월 12일부터 일부 감독 업무를 넘겨받는다. FSB는 금융기관의 AI 거버넌스·평가·인간 감독 등을 다룬 12개 모범 관행을 확정했다. 전자는 MiCA에 따른 감독 결정이고 후자는 국제적 지침이지 같은 종류의 새 법률이 아니다.

- [EBA — USDC 분류와 감독 이관](https://www.eba.europa.eu/publications-and-media/press-releases/eba-classifies-usdc-first-significant-e-money-token-european-union)
- [FSB — 금융 AI 모범 관행 최종 발표](https://www.fsb.org/2026/10/fsb-finalises-sound-practices-for-the-responsible-adoption-of-artificial-intelligence-ai/)

## 1. 뉴스 & 산업 동향

### 1-1. Visa Direct — 스테이블코인으로 바뀐 것은 지급 자금의 보충 경로다

**발표일:** 2026-10-15 · **상태:** 상용 운영 전환 발표. Inyo Global이 첫 제공 사업자이며 고객 자격과 지역별 제한이 있다.

**확인된 변화:** Visa는 Inyo 플랫폼을 쓰는 적격 송금업자·핀테크·은행·결제 사업자가 USDC로 Visa Direct의 해외 지급 자금을 거의 실시간 보충할 수 있다고 밝혔다. Inyo는 기존 API에 이 기능을 통합했으며 자금 보충을 24시간 제공한다고 설명한다. 새 소비자용 코인을 발행하거나 모든 카드 결제를 온체인으로 옮긴 발표가 아니다.

작동 구조는 지급 지시와 그 지시를 뒷받침하는 자금의 공급을 분리하면 이해하기 쉽다. 사업자는 고객의 해외 지급을 처리하기 전에 지급망에서 사용할 잔액을 확보해야 한다. 이번 경로에서는 그 자금 공급에 USDC를 사용하고, Inyo가 연결한 Visa Direct를 통해 지급 업무를 수행한다. Visa의 2025년 시범 설명은 수취인에게 현지 통화로 지급할 수 있다고 명시한다. 이 과거 문서는 구조를 설명하는 배경이며 이번 주 새 출시로 다시 세지 않았다.

기존 방식과의 차이는 사업자가 전통적인 자금 공급 시간대에만 맞춰 잔액을 채울 필요가 줄어든다는 점이다. **분석:** 주말 송금 수요가 갑자기 늘 때 지급 가능 잔액을 보충할 선택지가 생기면, 미리 분산 예치하는 현금과 수요 예측 오차를 줄일 여지가 있다. 하지만 이는 유동성 관리의 가능성이지 실제 운전자본 절감액이 검증됐다는 뜻은 아니다. USDC를 확보하는 단계의 비용과 현지 지급의 환전·수수료까지 합쳐 비교해야 한다.

통제권과 실패 지점도 남는다. 공개 발표는 지원 체인별 처리 조건, USDC의 구체적인 수탁 주체, 환전 담당자, 상환과 지급 잔액 반영 사이의 계약상 책임을 충분히 공개하지 않았다. 따라서 고객의 키가 자체 수탁인지, 어느 시점에 누구에 대한 청구권으로 바뀌는지까지 확정할 수 없다. 온체인 전송이 끝났어도 준법 심사나 지급 파트너의 처리에 문제가 생기면 최종 입금은 별개의 사건이다. 준비자산과 발행사의 상환 위험 역시 지급망 통합만으로 제거되지 않는다.

**채택 근거와 한계:** Visa가 제시한 180개국 이상은 Inyo 플랫폼의 지급 도달 범위다. 이번 USDC 프리펀딩을 모든 국가에서 사용할 수 있다는 수치가 아니다. 상용 전환과 첫 사업자는 확인되지만, 실제 고객 수·USDC 처리액·실패율·총비용의 비교 결과는 발표에 없다. 국내 보도도 상용 전환을 전했으나, 여기서는 원 발표로 확인되지 않은 시범 거래액이나 비용 절감 수치를 가져오지 않았다.

- [Visa — 10월 15일 원 발표와 자격·지역 제한 각주](https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.22851.html)
- [Visa — 2025년 프리펀딩 시범 구조와 현지 통화 지급 설명, 배경 자료](https://corporate.visa.com/en/sites/visa-perspectives/newsroom/visa-direct-taps-stablecoins-to-unlock-faster-funding-for-businesses.html)
- [위키트리 — 10월 17일 국내 보도, 원 발표와 대조](https://www.wikitree.co.kr/articles/1167038)

### 1-2. FIS — AML 탐지를 대신하기보다 증거 수집과 조사 기록을 연결한다

**발표일:** 2026-10-15 · **대상:** 미국 소재 은행, 비기존 FIS 고객 포함 · **상태:** 상용 제공. 설계 협력사 Amalgamated Bank에서는 배포 진행 중이다.

**확인된 변화:** 5월에 예고했던 FIS AML Investigations Agent가 상용 단계에 들어왔다. FIS가 소유·개발하고 Anthropic이 협력한 제품으로, FIS의 프라이빗 클라우드에서 Claude 모델을 사용한다. 정확한 모델 버전, 토큰별 비용, 세부 데이터 보존 조건은 이번 발표에서 확인하지 못했다. 기존 거래 모니터링과 사건 관리 시스템을 대체하는 것이 아니라 보완하도록 설계됐다고 회사는 설명한다.

입력은 경고 하나만이 아니다. 고객의 유형, 과거 활동과 예상 행동을 거래 경고에 연결하고, 원장 기록·문서·수표 이미지 등의 증거를 모아 분석가에게 맥락과 권고를 제공한다. 은행마다 다른 위험 기준·임계값·조사 절차는 FIS Control Plane을 통해 분리한다고 설명한다. Horizon과 Systematics에는 기본 통합을 제공하고 IBS는 후속 계획이다. 미국 모든 은행에 판매 가능하다는 말과 모든 은행 시스템에 즉시 연결된다는 말은 다르다.

**판단 권한:** 모든 출력은 권고이며 분석가의 명시적 확인 없이 사건을 닫을 수 없다. FIS는 각 진술을 원자료에 연결하고, 권고·이유·분석가의 최종 결정을 감사 추적 기록으로 남긴다고 밝혔다. 이는 조사자의 증거 검토와 책임을 남기는 구조다. 다만 출처 링크가 있다는 사실만으로 요약의 정확성이나 누락 없는 증거 수집이 입증되지는 않는다. 잘못된 고객 연결, 모순되는 기록, 누락된 거래도 별도로 평가해야 한다.

**성과 수치의 의미:** Amalgamated의 현재 업무 흐름 분석과 제품의 예상 능력을 바탕으로 1단계 경고 검토 시간은 90% 초과, 심화 사건 조사는 약 98%, 의심거래보고서(SAR) 서술 초안 작성은 80% 초과 단축을 예상한다. 모두 해당 은행의 전망이다. 운영 기간·검토 건수·대조군을 갖춘 배포 후 측정치가 아니며 탐지율, 오탐률 또는 인력 감축률로 바꿔 쓸 수 없다. 추가 보도도 같은 전망을 인용하므로 독립적인 성능 재현으로 세지 않았다.

**분석:** 이 제품의 평가 단위는 모델 응답 속도보다 사건 하나를 증거와 함께 종결하는 전체 업무여야 한다. 초안이 빨라져도 사람이 잘못된 요약을 찾아 고치는 시간이 늘면 순효과가 작아질 수 있다. 은행은 확인 가능한 진술의 비율, 근거 누락, 재작업 시간, 사건 복잡도별 처리 시간과 분석가의 수정·기각 기록을 함께 비교해야 한다. 이것은 이번 발표의 측정 결과가 아니라 공개된 구조로부터 도출한 검증 과제다.

- [FIS — 기능, 배포 상태, 모델·운영 환경, 인간 승인과 추정치](https://www.fisglobal.com/about-us/media-room/press-release/2026/fis-aml-investigations-agent-now-commercially-available)
- [FinTech Global — 10월 16일 보도, 전망과 배포 상태 교차 확인](https://fintech.global/2026/10/16/fis-opens-aml-agent-to-non-clients-as-alert-volumes-soar/)

## 2. 학술 논문 & 연구

### 2-1. Money-Mule Detection — 모델 순위는 조사팀이 처리할 경고 수에 따라 달라진다

**논문:** Money-Mule Detection as a Relational Learning Problem: A Study on the RBIH NFPC Dataset · **저자:** Owais Ahmad, Anirudh Deodhar · **arXiv 최초 제출:** 2026-10-15 · **상태:** 프리프린트. 실제 은행의 신규 배포나 동료심사 통과는 확인하지 않았다.

**연구 질문과 방법:** 자금세탁에 쓰이는 대포통장 계좌를 거래 한 건씩 분류한 뒤 합산하는 대신, 계좌와 주변 관계를 직접 읽으면 탐지가 나아지는가? 저자들은 은행 관계형 데이터의 행을 노드, 외래키를 연결로 바꾸고 계좌·거래·고객·상대방·지점·주소·우편번호의 일곱 유형을 가진 그래프를 만든다. HeteroGraphSAGE와 상대 시간 인코딩으로 계좌 주변을 읽고 계좌 단위 위험 점수를 출력한다. LLM이 자유롭게 거래를 판정하는 구조는 아니다.

**데이터와 누수 통제:** 논문이 설명하는 RBIH 자료는 2020-07-01~2025-07-12의 약 4억 건 거래다. 실제 모델링에서는 라벨이 있는 계좌 관련 거래로 제한해 2억 3,780만 행을 사용한다. 유효한 기준시각을 정의할 수 있는 94,063개 계좌 중 확인된 대포통장은 2,488개다. 원자료 전체 거래 수와 실험 거래 수, 계좌 수는 서로 다른 모집단이다.

사기 계좌는 적발 하루 전, 정상으로 취급하는 계좌는 마지막 거래 하루 전까지만 관측한다. 조사 이후 생긴 동결 상태 등의 열도 제거한다. 학습·검증·평가는 계좌 기준 70:15:15의 층화 분할이며, 달력상 미래 기간을 통째로 떼어 시험한 것은 아니다. 계좌별 과거 제한은 유용하지만, 두 집단의 기준시각을 다르게 정한 선택과 시간 정보가 없는 정적 관계의 가정은 실제 운영 검증에서 다시 확인해야 한다.

**비교와 결과:** 같은 라벨·분할·기준시각을 사용한 RelGNN, XGBoost, LightGBM, CatBoost와 비교한다. 트리 모델에는 계좌별 집계 특성을 주지만 그래프의 이웃 구조를 똑같이 입력하지는 않는다. 따라서 결과를 순수한 모델 구조의 우열로만 읽으면 안 된다. 평가 계좌 14,110개 중 대포통장 373개에서 제안 모델은 검증셋으로 정한 임계값을 적용해 337개를 찾아냈고 정상 계좌 68개를 잘못 경고했다. 정밀도 83.2%, 재현율 90.3%, 정상 계좌 13,737개 기준 오경보율 약 0.50%다.

운영적으로 더 중요한 비교는 경고 대기열이다. 상위 100건만 검토하면 XGBoost는 대포통장 99개를 포함하고 제안 모델은 92개를 포함한다. 상위 500건에서는 두 그래프 모델의 정밀도가 67.6~68.0%인 반면 세 트리 모델은 56.2~56.4%로 내려간다. **분석:** 작은 조사팀에는 상위 경고의 정확성이, 넓게 검토할 수 있는 팀에는 더 뒤쪽에서 유지되는 탐지력이 중요할 수 있다. 이 수치를 실제 은행의 하루 처리 능력으로 해석하지는 않는다.

**한계:** 확인되지 않은 대포통장도 정상 라벨로 학습될 수 있다. 그래프 모델은 단일 시드 결과이고 이웃 샘플링 폭에 따라 성능이 달라졌다. 비교용 트리의 이웃 특성을 보강했을 때 결과가 유지되는지, 미래 기간·다른 은행에서도 재현되는지, 경고가 고객 계좌 제한으로 이어질 때 피해가 어떤지는 별도 검증이 필요하다. 실제 자금세탁 손실 감소나 수사 성과는 측정하지 않았다.

- [arXiv — 초록과 제출 이력](https://arxiv.org/abs/2610.21314)
- [논문 전문 — 3~8절, 데이터·분할·운영점·대기열 평가와 한계](https://arxiv.org/html/2610.21314v1)

### 2-2. CryptoFlowBench — 의심 거래 분류와 자금 경로 복원은 다른 문제다

**논문:** CryptoFlowBench: Benchmarking Multi-Hop Reasoning on Blockchains for Cryptocurrency Fund Tracing · **저자:** Runang He, Tongya Zheng, Jing Cao, Yucheng Ying, Shunyu Liu, Bingde Hu, Yang Gao, Zeyuan Hu, Jianrong Zhang, Mingli Song · **최초 제출:** 2026-10-12 · **상태:** 심사 중인 프리프린트.

**질문과 데이터:** 블록체인에서 의심스러운 주소·거래 하나를 잘 고르는 모델이, 자금의 여러 이동 단계를 복원하고 근거가 끝나는 지점에서 멈출 수도 있는가? 연구는 22개 공개 사건의 보고서와 Ethereum상의 확인 가능한 거래를 연결한다. 거래 존재 확인, 다음 행동 선택, 경로 완성, 잡음이 섞인 하위 그래프 추적의 네 과제로 나눈다. 사건별로 학습·검증·시험을 분리하고 정답 필드는 에이전트 입력과 도구 출력에서 제외한다고 설명한다.

전체 39,184개 과제의 98.4%는 거래 존재 확인이다. 정작 핵심 경로 평가는 16개 사건의 51개 과제, 하위 그래프의 주요 비교는 22개 사건에서 유효한 시작점과 양성 경로가 있는 22개 과제에 해당한다. 전체 데이터 건수만 제시하면 다단계 추론 실험의 표본이 실제보다 커 보인다. 참조 그래프도 사건의 모든 불법 자금 흐름을 완전히 복원한 정답이 아니라 공개 증거로 확인된 경계다.

**작동 구조와 비교:** ChainSleuth는 LLM이 제한된 반복 과정에서 그래프 도구로 증거를 찾고, 따라가기·추가 조사·중단·무시를 선택하며 이전 경로를 수정하는 에이전트다. Qwen3.6-27B와 DeepSeek-V4 계열을 평가하고, 자금 오염 전파 규칙, 그래프 기반 추적, 분류기·GNN 계열을 과제에 맞게 변환한 기준선과 비교한다. 후보 관계와 탐색 예산을 맞추지만, 기존 연구의 원 구현을 아무 수정 없이 비교한 것은 아니다.

**결과:** 저자 보고에서 Qwen3.6-27B 기반 ChainSleuth의 경로 F1은 0.734, 증거 경계 밖으로 계속 나아가는 과잉 확장 지표는 0.116이다. 탐지기를 추가 도구로 붙이면 경로 완성률은 0.665에서 0.760으로 높아지지만 F1은 0.628로 떨어지고 과잉 확장은 0.221로 늘어난다. 더 많은 도구와 높은 완성률이 더 정확한 조사라는 뜻은 아니다. 이는 논문의 제한된 과제·예산에서 측정한 결과다.

또한 백엔드별 차이에는 추론 능력뿐 아니라 구조화된 출력과 도구 호출 규약의 준수 여부가 섞여 있다. 공개 저장소의 README도 일부 에이전트 CLI 경로·하위 그래프 평가에는 별도로 제공되지 않는 심사 모델 의존성이 있고, 비교 실험 프레임워크에는 별도의 결정론적 평가 경로가 있다고 명시한다. 코드를 공개했다는 사실과 모든 실험을 단일 명령으로 재현할 수 있다는 주장은 구분해야 한다. 이번 조사에서는 저장소와 논문을 읽었고 실험은 실행하지 않았다.

**분석과 한계:** 금융 조사 도구는 잘못 확장한 경로를 취소하고 증거 부족을 표시할 수 있어야 한다. 그러나 이 연구의 점수만으로 실명 귀속, 범죄 입증, 동결·회수 가능성까지 판단할 수 없다. 공개 사건에 대한 모델의 사전학습 노출 가능성, 작은 핵심 평가 표본, 다른 체인과 새로운 사건에서의 일반화, 호출 비용·운영 지연도 남은 검증 대상이다.

- [arXiv — 저자·제출 이력·심사 상태](https://arxiv.org/abs/2610.16449)
- [논문 전문 — 표 2~5와 평가 범위](https://arxiv.org/html/2610.16449v1)
- [CryptoFlowBench — 공개 구현과 재현 의존성 설명](https://github.com/LuoXishuang0712/CryptoFlowBench)

## 3. 토큰/프로젝트 분석

### 3-1. AIsa — 에이전트의 구매 권한을 한 번의 결제로 단순화할 수 있는가

**변화:** 2026-10-15 Tether Capital이 AIsa에 전략적 투자를 발표했다. 투자 금액은 해당 발표에 공개되지 않았다. 새로운 토큰 발행이나 토큰 가격 전망이 아니라 서비스 접근·과금 인프라를 분석한다.

**제품 구조:** Tether의 설명에 따르면 개발자는 하나의 인터페이스와 키로 모델·데이터·API·소프트웨어·컴퓨팅 자원에 접근한다. 기업이 지출 한도를 설정하고, 사용량은 별도 공급자별 계약 대신 호출 단위로 법정화폐 또는 스테이블코인으로 청구된다. 에이전트가 유료 데이터를 쓰려 할 때마다 사람이 계정·구독을 준비하는 절차를 줄이겠다는 구조다. 서비스 제공자에게는 자동화된 작업 흐름 안에서 자원을 판매하는 접점이 된다.

여기서 구분할 흐름은 세 가지다. 에이전트가 어떤 자원을 요청할지 결정하는 흐름, 플랫폼이 공급자 API를 호출하고 결과를 전달하는 흐름, 사용량을 기록해 청구·정산하는 흐름이다. **분석:** 세 흐름을 한 인터페이스에 묶으면 개발자는 공급자별 접속·청구 처리를 줄일 수 있지만 접근 권한과 과금의 정확성을 중개 플랫폼에 더 의존한다. 키가 하나라는 장점은 잘못된 권한 설정이나 유출 시 영향 범위가 커질 가능성과 함께 검토해야 한다.

**채택 근거:** 발표는 AIsa의 자체 보고를 인용해 플랫폼에서 실행되는 에이전트 25만 개 초과, 처리한 거래 1억 건 초과, API·스킬·모델 5천 개 초과를 제시한다. 기준은 10월 15일 발표에 실린 집계이며, 측정 시작일·활성 기준·중복 제거·거래의 정의는 공개하지 않았다. 이를 유료 기업 고객 수, 고유 사용자 수, 스테이블코인 결제 건수나 온체인 거래량으로 바꿔 쓰지 않았다.

**확인되지 않은 경계:** AIsa 사이트는 이번 확인에서 접근 제한으로 본문을 읽지 못했다. 투자자 발표만으로는 지출 한도가 모델 지시문인지 결제 서버가 강제하는 통제인지, 동시 요청이 한도를 넘을 때의 처리, 실패 호출의 환불·중복 청구 방지, 키와 자금의 수탁 주체, 실제 사용 체인과 코인별 정산 경로를 확인할 수 없다. 발표가 Tether의 다른 투자에 쓰이는 WDK를 언급해도 AIsa가 이미 WDK 기반 자체 수탁을 구현했다고 추론하지 않았다.

**판단:** 이번 주 확인된 사건은 투자와 공개된 서비스 모델이다. 금융적으로 중요한 다음 증거는 큰 거래 건수보다 청구 단위의 명확성, 강제 가능한 권한·한도, 결제 실패 때의 책임과 복구다. 스테이블코인 사용이 가능한 시스템이라는 사실과 에이전트가 자율적으로 안전하게 지출한다는 주장은 아직 같은 수준으로 검증되지 않았다.

- [Tether — 투자, 서비스 구조, 자체 집계와 관련 기술 언급](https://tether.io/news/tether-invests-in-aisa-to-expand-its-push-into-ai-powered-payments-and-programmable-money/)

## 4. 규제 & 정책

### 4-1. EU EBA — USDC의 준비자산·유동성 감독 주체가 달라진다

**발표일:** 2026-10-14 · **관할·대상:** EU, Circle Internet Financial Europe SAS가 발행하는 USDC · **상태:** MiCA상 중요 전자화폐토큰(significant EMT) 분류 결정 · **감독 이관 시작:** 2026-11-12. 발표일과 적용 시작일이 다르다.

**확인된 변화:** EBA는 USDC를 EU 최초의 중요 EMT로 분류했다. 단순히 새로운 시장 진입 허가를 냈다는 소식이 아니다. 11월 12일부터 자기자본, 준비자산, 유동성 요건, 회복·상환 계획에 관한 직접 감독 책임은 프랑스 ACPR에서 EBA로 넘어간다. 거버넌스, 주요 지분 보유, 적격성 평가, 아웃소싱, 이해상충 등은 ACPR이 계속 감독한다. 모든 감독 권한이 EBA 한 곳으로 옮겨가는 구조가 아니다.

EBA 발표는 EU 발행 법인과 미국 발행 법인 Circle Internet Financial, LLC를 구분하며, 국경 간 감독을 위해 뉴욕주 금융서비스국(NYDFS)과 정보 교환·협력을 위한 양해각서를 체결했다고 설명한다. 중요도 분류의 근거는 MiCA 43·56조와 관련 위임규정이고, 중요 EMT의 이중 감독은 117조 체계에 따른다. 이번 결정은 기존 법체계를 특정 토큰에 적용한 사건이다.

**금융적 의미:** 같은 이름의 토큰이 여러 관할권에서 유통돼도 준비자산·상환·사업 운영의 감독 책임은 나뉠 수 있다. **분석:** 지급 사업자는 토큰 전송 속도뿐 아니라 자신이 계약하는 법인, 상환 청구 대상, 준비자산과 유동성 문제가 발생했을 때의 감독 경로를 확인해야 한다. Visa 사례처럼 지급 접점이 늘어나는 상황에서 이 구분은 실무적으로 중요하지만, 이번 EBA 결정이 Visa의 특정 상품을 심사하거나 보증한 것은 아니다.

**한계:** 중요 EMT 지정은 정부의 가치 보증, 예금보험, 무위험 자산 인증이 아니다. 감독 협력 양해각서만으로 다국가 도산 시 청구권·손실 배분이 모두 해결됐다고 볼 수도 없다. 이번 발표에서는 USDC 준비자산의 새로운 실측 구성이나 지급 사업자별 상환 조건을 검증한 것으로 쓰지 않았다.

- [EBA — 분류, 이관 날짜, EBA·ACPR 업무 분담과 법적 근거](https://www.eba.europa.eu/publications-and-media/press-releases/eba-classifies-usdc-first-significant-e-money-token-european-union)

### 4-2. FSB — 금융 AI의 인간 감독은 승인 버튼 이상의 문제다

**발표일:** 2026-10-15 · **대상:** 금융기관의 AI 채택 전반 · **상태:** 6월 의견수렴을 반영한 12개 모범 관행 최종 확정 · **법적 시행일:** 이번 국제 지침 자체에 각국 공통의 법률 시행일은 없다.

**확인된 변화:** FSB는 금융기관이 기존 거버넌스·위험관리·통제 체계에 AI를 통합할 때 참고할 최종 지침을 공개했다. 앞선 회차에서 다룬 10월 12일 G20 보고 예고와 달리 이번에는 15일 공개된 최종 항목을 확인했다. 이사회·경영진의 전략적 감독, 책임 체계, AI 위험의 기존 위험관리 통합과 문서화, 조직의 학습·적응이 첫 네 항목이다. 나머지는 활용 사례의 중요도 평가부터 기술 선택, 데이터, 설명가능성, 성능 평가, 인간 감독, 사이버·ICT, 제3자 의존성까지 생애주기를 다룬다.

특히 인간 감독은 모든 출력에 사람이 도장을 찍으라는 단일한 설계가 아니다. FSB는 활용 사례의 중요도·위험·자율성·복잡성·설명가능성에 맞는 적절하고 효과적인 감독을 요구하는 방향을 제시한다. 설명하기 쉬운 AI를 적절하고 실행 가능할 때 선택하거나 보완 통제를 고려하고, 성능은 도입 시 시험뿐 아니라 지속적으로 평가·감시하도록 한다. 특정 모델이나 제품을 인증하는 목록도 아니다.

제3자 위험에서는 성능·투명성·데이터 품질뿐 아니라 공급망, 집중 위험, 업무 연속성도 다룬다. **분석:** 금융기관이 여러 AI 제품을 계약해도 실제로는 같은 모델·클라우드에 의존한다면 공급자 수만 세어 분산됐다고 판단하기 어렵다. 장애 때 사람이 얼마나 업무를 이어받을 수 있는지, 모델 변경이 조사 기록의 재현성에 미치는 영향도 운영 검증 항목이 된다. 이는 지침을 적용할 때의 분석이며 특정 은행에서 관측한 장애가 아니다.

FIS의 원자료 링크·명시적 사건 종결 승인·기관별 위험 기준 분리는 이런 문제를 살펴볼 구체적인 접점이다. 그러나 회사의 기능 설명만으로 FSB 지침을 충족했다거나 규제기관 승인을 받았다고 결론 내리지 않았다. 실제 승인자가 오류를 발견할 정보와 시간을 갖는지, 자동 권고를 기각할 수 있는지, 모델·공급자 변경을 추적하는지를 따로 검증해야 한다.

**범위와 한계:** 확정된 국제 모범 관행과 국내에서 강제되는 의무는 구분한다. 미국·영국·중국·한국·UAE의 금융 AI·스테이블코인 관련 후보도 검색했으나 이번 보고서에 추가할 만큼 기간·적용 대상·원문을 확인한 국내 조치는 선정하지 않았다. 이들 관할권에 변화가 전혀 없었다는 의미는 아니다. 10월 18일 KST 이른 아침 확인 시점 이후의 발표는 포함하지 못했다.

- [FSB — 발표일, 의견수렴 반영과 최종 12개 관행 개요](https://www.fsb.org/2026/10/fsb-finalises-sound-practices-for-the-responsible-adoption-of-artificial-intelligence-ai/)
- [FSB — 최종 보고서 페이지, 12개 항목 원문](https://www.fsb.org/2026/10/sound-practices-for-responsible-adoption-of-artificial-intelligence-ai-final-report/)

## 출처 목록

- [Visa — 10월 15일 상용 전환 원 발표](https://usa.visa.com/about-visa/newsroom/press-releases.releaseId.22851.html)
- [Visa — 2025년 프리펀딩 시범 설명, 구조 이해용 배경](https://corporate.visa.com/en/sites/visa-perspectives/newsroom/visa-direct-taps-stablecoins-to-unlock-faster-funding-for-businesses.html)
- [위키트리 — Visa 관련 국내 보도](https://www.wikitree.co.kr/articles/1167038)
- [FIS — AML Investigations Agent 상용 발표](https://www.fisglobal.com/about-us/media-room/press-release/2026/fis-aml-investigations-agent-now-commercially-available)
- [FinTech Global — FIS 출시 보도](https://fintech.global/2026/10/16/fis-opens-aml-agent-to-non-clients-as-alert-volumes-soar/)
- [arXiv — Money-Mule Detection 제출 이력](https://arxiv.org/abs/2610.21314)
- [arXiv — Money-Mule Detection 전문](https://arxiv.org/html/2610.21314v1)
- [arXiv — CryptoFlowBench 제출 이력](https://arxiv.org/abs/2610.16449)
- [arXiv — CryptoFlowBench 전문](https://arxiv.org/html/2610.16449v1)
- [GitHub — CryptoFlowBench 구현·재현 안내](https://github.com/LuoXishuang0712/CryptoFlowBench)
- [Tether — AIsa 투자 발표](https://tether.io/news/tether-invests-in-aisa-to-expand-its-push-into-ai-powered-payments-and-programmable-money/)
- [EBA — USDC 중요 EMT 분류와 감독 분담](https://www.eba.europa.eu/publications-and-media/press-releases/eba-classifies-usdc-first-significant-e-money-token-european-union)
- [FSB — AI 모범 관행 최종 발표](https://www.fsb.org/2026/10/fsb-finalises-sound-practices-for-the-responsible-adoption-of-artificial-intelligence-ai/)
- [FSB — AI 모범 관행 최종 항목 원문](https://www.fsb.org/2026/10/sound-practices-for-responsible-adoption-of-artificial-intelligence-ai-final-report/)