현대차 미국·멕시코 법인, USDT로 7분 송금 실험…기업 정산 확대될까

현대자동차의 미국과 멕시코 법인이 테더의 스테이블코인 'USDT'를 활용해 국경 간 자금이체 파일럿을 마쳤다. 2만달러 규모의 결제를 아발란체(AVAX) 블록체인에서 약 7분 만에 처리하면서, 기존 해외 송금보다 훨씬 빠른 정산 가능성을 확인했다.

테더에 따르면 현대자동차 미국법인은 자금을 USDT로 바꾼 뒤 현대자동차 멕시코법인으로 전송했고, 이후 다시 미국 달러로 환전했다. 전송과 검증까지 걸린 시간은 약 7분으로, 일반적인 은행 해외송금이 3~4시간 이상 걸리는 것과 비교하면 차이가 컸다.

이번 실험에는 Axiym의 정산 인프라가 쓰였고, 현대카드는 송금 구조를 설계해 규제·준법·회계·운영 요건을 점검했다. 핵심은 기존 기업 자금운용 체계를 크게 바꾸지 않고도 스테이블코인 기반 정산이 가능한지 확인하는 데 있었다. 현대차와 테더는 향후 더 많은 결제 경로와 현지통화 정산으로 시험 범위를 넓힐 계획이다.

기업 자금운용은 스테이블코인 업체들이 가장 주목하는 영역으로 떠오르고 있다. 키르바는 4월 서클과 손잡고 USDC를 기업 재무 플랫폼에 연동했고, 비트소 비즈니스는 올해 상반기 스테이블코인 거래량이 전년 동기 대비 81% 늘었다고 밝혔다. 특히 신규 고객의 60% 이상이 은행과 라이선스 결제사업자 등 금융기관이었다.

시장에서도 기업 수요 확대 신호가 뚜렷하다. 페이바이스는 조사 대상 기업의 22.5%가 이미 국제결제에 스테이블코인을 쓰고 있거나 12개월 안에 도입할 계획이라고 전했다. 디파이라마에 따르면 전체 스테이블코인 시가총액은 약 3123억달러로, 1년 전 2571억달러에서 21.5%가량 늘었다. 이 가운데 테더의 USDT는 여전히 가장 큰 비중을 차지하고 있다.

결국 현대차 계열사의 이번 파일럿은 스테이블코인이 개인 투자 수단을 넘어 기업 '재무'와 '정산' 영역으로 들어가고 있음을 보여준다. 빠른 처리 속도와 낮은 운용 장벽이 확인되면서, 향후 글로벌 기업들의 크로스보더 송금 방식에도 적잖은 변화가 이어질 가능성이 커 보인다.

---

기사요약 by TokenPost.ai 🔎 시장 해석 현대차가 스테이블코인(USDT)을 활용해 국경 간 송금을 7분 만에 처리하며 기존 은행 시스템 대비 압도적인 속도를 입증함 기업 재무 및 정산 영역에서 스테이블코인의 실사용 가능성이 현실화되고 있는 흐름 글로벌 기업과 금융기관 중심으로 스테이블코인 기반 결제 인프라 수요가 빠르게 증가 중 💡 전략 포인트 스테이블코인은 기존 시스템을 완전히 대체하기보다 ‘보완형 인프라’로 도입되는 흐름 크로스보더 결제, 내부 법인 간 자금 이동, 공급망 정산에서 가장 먼저 확산될 가능성 기업 도입 확대에 따라 관련 인프라 기업(Avalanche, Circle, Tether 등)의 역할 강화 예상 📘 용어정리 스테이블코인: 달러 등 법정화폐 가치에 연동된 디지털 자산 크로스보더 송금: 국가 간 자금 이동을 의미하는 국제 송금 트레저리(기업 재무): 기업의 현금, 자금 운용, 내부 정산 등을 관리하는 기능 블록체인 정산: 중앙기관 없이 거래를 검증하고 기록하는 분산형 결제 방식

💡 자주 묻는 질문 (FAQ)

Q. 스테이블코인 송금이 왜 이렇게 빠른가요? 스테이블코인은 블록체인 네트워크 위에서 작동하기 때문에 여러 은행을 거치는 중개 과정이 없습니다. 거래가 네트워크에서 직접 검증되면서 거의 실시간에 가깝게 정산되기 때문에 기존 국제 송금 대비 훨씬 빠른 속도를 구현할 수 있습니다. Q. 기업들이 실제로 스테이블코인을 많이 쓰고 있나요? 아직 모든 기업이 사용하는 단계는 아니지만, 빠르게 확산 중입니다. 조사에 따르면 약 20% 이상의 기업이 이미 도입했거나 1년 내 도입 계획을 갖고 있으며, 특히 금융기관과 글로벌 기업 중심으로 활용이 늘고 있습니다. Q. 앞으로 은행 송금이 사라지게 되나요? 당장 대체되기보다는 보완 관계로 발전할 가능성이 큽니다. 기존 은행 시스템은 규제와 안정성 측면에서 여전히 중요하며, 스테이블코인은 속도와 효율성을 보완하는 역할로 점진적으로 확대될 것으로 보입니다. TP AI 유의사항 TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.