[금융 AI] 금융 AI의 주요 활용 분야(1)

1. 신용 평가에서의 AI와 대체 데이터의 활용

전통적으로 개인과 기업의 재무 건전성을 평가할 때 재무제표, 신용 기록, 시장 위치 등의 정보에만 의존해왔는데, 이런 전통적인 데이터 소스만으로는 개인과 기업의 신용 리스크를 전면적으로 평가하기에 한계가 있다는 점이 드러나고 있다. 이러한 상황에서 AI와 대체 데이터의 결합은 신용 평가 방법론에 혁신을 가져온다. 

여기서 대체 데이터란 온라인 거래 기록, 소셜 미디어 활동, 온라인 고객 리뷰 등 전통적인 재무 데이터에서 파악하기 어려운 다양한 측면의 정보를 제공한다. AI와 머신러닝 알고리즘을 활용하여 이 대체 데이터를 분석함으로써, 신용 리스크 평가에 깊이와 정확성을 더할 수 있다.

• 전통적인 데이터 : 금융 거래 내역, 소득 정보, 대출 이력 등
• 신용평가에 활동할 수 있는 다양한 데이터 분포 : 고용 데이터, 은행 데이터, 디지털 거래 데이터, 급여소득 데이터, 세금 신고 데이터, 신용 조사 기관 데이터, 신원 데이터, 유틸리티 데이터, 대체 대출 데이터, 소셜미디어 데이터 등

예시1. S&P 글로벌 마켓 인텔리전스

S&P 글로벌 마켓 인텔리전스는 웹사이트 활동, 트래픽, 인터넷 사용 패턴 등을 포함한 디지털 발자취와 같은 대체 데이터를 활용해 기업의 신용 리스크를 평가했다. 기본 신용 리스크 평가를 수행함과 동시에 이와 같은 대체 데이터를 적용해 다양한 경제 시나리오를 통한 신용 리스크 프로파일을 예측한다. 또한 신용 리스크의 악화나 기본 사건에 대한 조기 경고 신호를 생성하기도 했다.

 

2. 사기 탐지 및 방지

팬데믹 이후 전세계적으로 신원 사기가 크게 급증했고, 사기와 범죄를 예방하는데 있어 정부 규제도 강화되었기 때문에 금융에서 새로운 사기 유형을 탐지하고 방지하는 솔루션은 디지털 거래의 안정성을 높이는 핵심 도구로 자리 잡았다. 사기 거래의 패턴은 지속적으로 변화하기 때문에, 기존의 정적인 규칙 기반 시스템만으로는 더이상 효과적인 탐지가 어렵다. 따라서 네트워크 그래프 분석, 비지도 학습, 딥러닝 등의 AI 기술들을 활용하여 새로운 사기 패턴을 조기에 탐지하고 대응하는 연구가 활발히 진행되고 있다.

 

예시1. 알리페이의 최첨단 사기 탐지 및 방지 엔진

중국의 핀테크 거인인 앤트그룹에서 개발한 사기 리스크 관리 엔진 알파리스크는 이미 2017년 딥러닝과 강화학습 모델이 적용되었고, 2023년에는 LLM을 도입하여 사람의 개입을 크게 줄이면서도 사기 케이스를 정확하게 탐지했다. 그 결과, 알리페이의 사기 손실률은  2020년에 1천만 건 중 0.64건으로, 매우 낮은 수준을 기록했다. 

 

예시2. 페이팔의 사기 탐지 진화

페이팔은 2018년 Simility라는 사기 탐지 전문 기업을 인수하여 그들의 사기 탐지 능력을 강화했다. Simility는 머신러닝을 활용하여 지속적으로 변화하는 사기 행태를 감지하고 적응한다. 더불어 안전한 거래자의 IP 주소를 포함한 화이트리스트, 사기로 알려진 거래자의 IP 주소를 포함한 블랙리스트 목록을 통해 악의적인 활동을 신속히 필터링한다. 여기에 실시간 분석, 자동화 대응을 통해 거래가 일어나는 즉시 데이터를 분석하여 사기 거래를 동적으로 탐지한다.

 

예시3. VISA의 사기 탐지 기술

비자는 자체 거래망과 인공지능 기술을 통해 모든 거래를 강화하고 있다. 비자는 VAA(Visa Advanced Authorization)를 통해 전세계 발급기관에 실시간 리스크 점수를 제공하는데, VAA의 특징은 다음과 같다.

• 간단한 사용 리스크 점수 : VisaNet을 통해 실시간으로 좋은 거래와 나쁜 거래를 식별하는 리스크 점수를 제공한다.
• VisaNet의 글로벌 인사이트 : 비자의 광범위한 데이터와 사기 관련 통찰력을 제공한다.
• 전체 고객 뷰 : 고객의 계좌 기록 중 최근 2년 간의 데이터 프로필을 활용한다.
• 비자 AI 플랫폼 : 최첨단 머신러닝 기술을 사용하여 클라우드 기반의 사기 리스크 모델을 구현한다.

비자가 정확히 어떤 머신러닝 모델을 활용하는지 상세한 정보는 공개되지 않았지만, 특히 비자는 유사한 거래를 그룹화하여 사기 여부를 판별하는 클러스팅 알고리즘에 중점을 둔 것으로 보인다. 

 

3. 고객 서비스

예시1. 웰스파고의 챗봇과 AI비서

웰스파고는 구글 클라우드의 AI 기술을 기반으로 한 가상 비서 Fargo를 도입했다. Fargo는 고객들의 반복적인 은행 업무를 자동화하며 24시간 연중무휴 서비스를 제공한다. 이로 인해 고객은 더욱 편리하게 서비스를 이용할 수 있게 되었고, 웰스파고는 인력 비용을 절감하며 효율적인 서비스 제공이 가능해졌다.

예시2. JP모건 체이스의 추천 시스템

이 회사는 AI를 활용하여 고객의 투자 패턴, 선호도, 리스크 허용 수준 등을 분석하고, 이를 바탕으로 고객에게 최적화된 투자 상품을 추천한다. 이와 같은 개인화된 추천은 고객에게 더 나은 투자 기회를 제공하며, JP모건 체이스에게는 상품 판매량 증가의 기회를 가져다준다.

예시3. 뱅크 오브 아메리카의 고객 여정 관리

뱅크 오브 아메리카의 AI 비서 에리카는 고객의 지출 패턴, 저축 습관, 재무 목표를 분석하여 고객에게 맞춤형 재무 관리 방안을 제안한다. 이렇게 되면 고객은 자신의 재무 상황을 더욱 체계적으로 관리하게 되고, 미래 재무 목표 달성에 한 걸음 더 가까워진다.

예시4. 아메리칸 익스프레스의 AI 기반 금융 상품 마케팅

이 회사는 고객의 구체적인 소비 패턴을 깊이 있게 분석하여, 특정 브랜드나 상점에서의 할인 혜택 뿐만 아니라, 고객의 생활 스타일과도 잘 어울리는 카드 상품을 추천한다.