인공지능 AI는 이제 전문적인 능력을 갖추기 시작했습니다. 최근에는 금융 상품 추천과 매매 전략 분석, 금융 사기 탐지, 대출 심사, 자산 포트폴리오 최적화, 보안 감시 등 금융 산업의 다양한 분야에서 AI 기술이 활용되고 있습니다. 이러한 인공지능 기술의 활용으로 금융 산업은 효율성과 정확성을 높이는 동시에, 더욱 빠른 시장 대응과 복잡한 금융 시장 분석이 가능해졌습니다. 이 글에서는 금융 산업의 인공지능이 필요한 이유와 적용 기술 및 활용 사례, 장점과 한계에 대해 소개하겠습니다.
금융 AI, 금융 인공지능이 필요한 이유
금융 기관은 AI를 도입하여 수익을 개선하고 비용을 절감함으로써 많은 혜택을 얻을 수 있습니다. 세계적인 컨설팅 펌인 McKinsey는 AI가 글로벌 은행에 연간 최대 1조 달러의 가치를 제공할 수 있을 것으로 예상합니다. Accenture는 금융 AI 서비스를 통해 2035년까지 전 세계 은행에 1조 달러의 가치를 새로운 부가가치를 창출할 것으로 예상합니다. 인공지능 기술은 기존 금융업의 다양한 한계를 해결하고 있습니다. 금융 거래의 복잡성, 방대한 양의 독점 및 타사 데이터, 사기 행위의 증가 등 금융 서비스의 구조적인 문제까지 다양하게 접근하고 있으며, 궁극적으로는 End customer에게 혜택이 만들어 지고 있습니다.
고객 경험 향상
금융 AI를 도입한 기업의 89%는 고객 경험 향상을 위해 AI를 사용합니다. AI는 기업이 합리적인 가격으로 다양한 맞춤형 금융 서비스를 제공할 수 있게 함으로써 금융을 혁신할 수 있는 잠재력을 가지고 있습니다.
예를 들어, 한정된 시간 동안 만날 수 있는 금융 전문가 대신 대화형 AI 챗봇을 통해 금융 거래의 고객 경험은 크게 향상 될 수 있습니다. 사람들이 금융 상품과 산업에 대해 더 쉽게 이해할 수 있도록 돕기 때문에 금융 상품을 구매할 때 발생하는 CS를 줄일 수 있습니다. 금융 기관은 방대한 양의 데이터를 활용하여 개인화된 투자 전략을 제안하고, 사기 행위를 신속하게 감지하며, 사기 청구를 효율적으로 평가할 수 있습니다.
운영 효율성 향상
AI는 신원 확인이나 신용 점수, 대출 승인, 포트폴리오 최적화 등 다양한 활동의 자동화 시대를 불러왔습니다. 인공지능의 고도화로 수작업은 대폭 줄고 정확도는 향상되었기 때문이죠. 금융 기관은 여기서 절약한 예산을 고객에게 더 좋은 혜택으로 돌려줄 수 있게 되었습니다.
수익성 및 수익 증대
한 보고서에서 조사한 금융 서비스 기업의 72%가 수익 증가를 위해 AI를 도입한다고 응답했습니다. 효율성이 향상되면, 금융 기관은 비용을 절감하고 수익을 높일 수 있기 때문이죠. 은행은 인공지능을 활용하여 더 나은 투자 결정을 내릴 수 있습니다. 또한 효과적인 리스크 관리를 통해 안정성을 높일 수 있다는 장점이 있습니다.
부정 행위 탐지 기능
2022년, 약 80억 달러의 사기 손실이 발생했다면 믿어지시나요? 실제 은행 전체의 총 비용은 이보다 훨씬 더 높은 비용이라고 합니다. 사기는 은행의 수익에 영향을 미치고, 소비자 가격이 상승하면서 직·간접적인 비용 인상을 부르는 위험이 있습니다. 인공지능은 이를 대비해 추세를 감지하고 방대한 양의 데이터를 분석합니다. 기존의 부정 행위 방지 솔루션을 능가하는 인공지능은 앞으로 발생할 모든 위험에 대비하기 위해 꾸준히 개선되고 있습니다.
금융 AI 활용 분야, Use Case
이 그래프는 DACH 지역의 은행과 보험사를 대상으로 AI의 잠재적 사용 가능성에 대해 설문한 결과입니다. 설문에 응한 임원의 약 80%가 비즈니스 프로세스에서 디지털 효율성을 높이고 싶어하며, 73% 임원은 비용 절감 혜택을 누리고자 하죠. 또한 절반 이상의 인원이 챗봇, 자동화 및 예측 마케팅 등의 새로운 영역에서 인공지능을 이미 사용하고 있다고 응답했습니다.
1. 투자 및 대출 심사
AI는 재무 분석가와 자산 관리자의 판도를 바꾸어 놓았으며, 정보를 수집하고 분석할 수 있는 규모를 완전히 바꾸어 놓았습니다. 정형 및 비정형 데이터 소스에서 관련 정보를 자동으로 식별, 추출, 분석하면 분석가와 관리자가 프로세스에 통합할 수 있는 데이터의 양과 관련성이 증가하여 훨씬 더 효율적이고 효과적으로 작업할 수 있습니다. 금융에 맞게 Fine-tuning된 LLM, 대규모 언어 모델을 활용하면, 연구 및 기타 데이터 소스를 신속하게 요약하여 투자 포트폴리오 작성에 도움을 받을 수 있죠.
투자 조사에 AI를 활용하는 금융 회사 중 75%는 콘텐츠 요약 목적을 사용하고 있으며, 62%의 기업이 데이터 패턴 식별 및 추세 탐지에 사용한다고 밝혀졌습니다. 즉, 금융 서비스 기업은 재무제표나 과거 시장 데이터, 타사 데이터베이스, 소셜 미디어 콘텐츠, 뉴스 및 이미지의 데이터를 사용하여 모델을 학습 시키고 있습니다. 이러한 이질적인 데이터 소스 분석에 AI를 활용하면 기업 우위를 점하는 데에 도움이 되는 여러 인사이트를 얻을 수 있는 것입니다.
투자 뿐만 아니라, AI는 대출자의 신용도를 평가하는 데에 사용할 수 있습니다. 이를 통해 금융 기관은 더 많은 정보에 입각한 대출 결정을 내릴 수 있습니다. 또한 자동화된 투자 조언을 제공하는 AI를 통해 대량의 데이터를 분석하고 투자 기회를 파악할 수 있을 뿐만 아니라, 더 많은 사람들이 쉽게 돈을 투자하고 재무 목표를 달성하는데 도움이 됩니다.
2. 이상 거래 탐지 및 리스크 관리
금융 스캠은 날이 갈수록 그 수법이 더 정교해지고 있습니다. 이에 금융 기관들은 자금 세탁 방지 규정 요건을 충족하기가 어려워지고 있죠. 그러나 금융 인공지능의 도입 이후 상황이 바뀌고 있습니다.
2022년 AI 지원 금융 사기 탐지 및 예방 플랫폼의 총 비용 절감액은 전 세계적으로 약 27억 달러를 기록했으며, 2027년에는 총 104억 달러를 넘을 것으로 예상됩니다. 금융기관은 AI의 abnormal detection을 통해 부정 거래를 식별하고, 대규모 데이터 세트에서 이상 징후를 발견할 수 있습니다.
또한 리스크 관리는 금융 기관에 매우 중요한 일입니다. AI는 리스크에 노출될 확률과 잠재적 영향을 분석하여 전체 위험을 평가하고 정량화할 수 있습니다. 기관이 직면한 다양한 유형의 위험을 포착하고 측정하여, 이러한 위험과 관련된 잠재적인 원인에 대해 포괄적인 근거를 제공할 수 있습니다. AI는 인간보다 복잡한 패턴을 식별하고, 보다 정확한 예측을 산출할 수 있기 때문에 기업이 보다 효과적으로 리스크 관리를 할 수 있도록 돕습니다.
이러한 기술은 특히 신용 점수 관리에 유효하게 적용되고 있는데요. 머신러닝을 기반으로 편향적이지 않고, 신속하고 정확한 신용 평가를 수행할 수 있습니다. AI를 활용해 다방면의 데이터를 비교해 잠재적 대출자를 평가하는 것입니다. 그 외에도 AI 기반의 신용 점수는 수작업 부하를 줄이고, 신속한 카드 발급 및 대출 신청 처리로 고객 만족도를 높일 수 있다는 장점이 있습니다.
3. 고객 대면 프로세스 자동화
금융 서비스 산업에 AI를 도입하면서, 더 복잡해지는 고객의 요구를 충족할 수 있게 되었습니다. 기업은 문서 디지털화, 데이터 입력 및 신원 확인과 같은 반복적이고 수동적인 작업을 자동화할 수 있게 된 것이 핵심이었죠. 이는 사람이 수행해야 하는 지루한 작업의 수와 비용을 줄일 수 있으며, 이를 기반으로 휴먼 에러를 최소화할 수 있다는 장점이 있습니다.
광학 문자 인식 (OCR) 과 같은 기술은 수표나 영수증, 송장 등을 즉시 디지털화할 수 있게 해주며, AI로 구동되는 안면인식은 고객의 ID와 얼굴이 인식하는지 여부를 쉽게 판단하는 동시에 해당 정보가 유효한지까지 한 번에 확인할 수 있게 합니다.
머신러닝 기반의 NLP는 문서에서 관련 정보를 추출하고 보고서를 생성할 수 있습니다. 이렇게 생성된 데이터를 기반으로 자동으로 보고서를 생성하여, 고객과 규제 기관이 수행해야 하는 프로세스를 간소화합니다. 일상적인 업무에서 RPA의 역할이 점점 더 커짐에 따라, 숙련된 직원들은 더 가치 있는 업무에 집중할 수 있게 됩니다.
4. 개인화된 챗봇
고객 참여와 만족도를 유지하는 핵심 역량으로, 우수한 고객 서비스의 가치가 점점 더 높아지고 있습니다. 그러나 즉각적인 24시간 지원을 위해 실제 에이전트에 의존하는 것은 비현실적이고 비용도 많이 듭니다. 그러던 중, ChatGPT가 입증한 대화형 AI의 발전으로 판도가 바뀌고 있습니다.
대형 언어 모델(LLM)이라고 불리는 GPT-4나 Anthropic의 Claude는 사람처럼 고객의 의도를 이해하고, 인간과 가깝게 반응하는 대화형 챗봇으로 유명해졌습니다. 이를 기반으로 많은 금융기관들이 최상의 대응을 제공하고 정책에 맞게 조정하기 위해 모델을 맞춤화하는 프로젝트를 시작했습니다. 독점 데이터를 가지고 학습 시킨 모델을 파인 튜닝, 프롬프트 튜닝 및 검색과 같은 기술을 통해 맞춤 조정하는 것이 주요 아젠다로 떠올랐습니다. 이렇게 학습된 AI는 개별 고객 프로필과 선호도를 기반으로, 개인화된 금융 조언과 안내를 제공하고 사용자에게 예산 책정, 재무 계획 및 투자 결정을 지원할 수 있게 되었습니다.
5. 맞춤형 포트폴리오 분석
자동화된 자산 관리 플랫폼은 AI를 사용해 각 고객의 가처분 소득, 위험 허용치 및 재무 목표에 맞도록 포트폴리오를 조정할 수 있습니다. 투자자가 해야 할 일은 이 정보를 제공하기 위한 초기 설문조사를 완료하고, 매달 정해진 금액을 입금하는 것입니다. 로보어드바이저는 고객이 목표를 달성할 수 있도록 필요에 따라 자산을 선택하고 구입한 후 목표를 재조정하는 방식으로 움직입니다. 이들은 점점 더 유능해지는 머신러닝 모델을 통해 더 많은 데이터를 분석하고, 더 개인화된 투자 계획을 제공할 수 있게 되었습니다.
로보어드바이저는 투자에 관심이 있지만, 독립적으로 투자 결정을 내리기 어려워하는 사람들에게 가장 유효한 기능입니다. 인적 자산 관리자를 고용하는 것보다 훨씬 저렴한 옵션이기 때문이죠. 특히 자본 기반이 적은 최초 투자자들에게 인기 있는 선택으로 떠오르고 있습니다.
그간 포트폴리오는 투자 유형 등 다양한 요소를 고려해야 하기 때문에 수동적으로 평가하기가 어려운 항목이었습니다. 많은 금융 기관이 이러한 과제를 해결하기 위해, 포트폴리오 평가 프로세스에 AI를 도입하고 있습니다. 금융기관은 자동화되고 정확한 AI-Powered 자산 평가를 통해 정확하고 효율적인 의사 결정이 이루어지도록 개선할 수 있었습니다. 모델은 과거 시장 데이터나 회사 재무, 경제 지표 등의 대량의 재무 데이터를 활용합니다. 이를 기반으로 기업이 포트폴리오 평가에 영향을 미치는 패턴이나 상관 관계, 추세를 식별할 수 있도록 지원합니다.
금융 AI 활용 기술 및 예시
여기에서는 금융산업의 AI에 적용된 기술을 소개하겠습니다.
- STT
음성을 텍스트로 변환하여 고객 상호 작용에서 얻은 통찰력으로 서비스를 개선하고 더 나은 고객 서비스 경험 제공 - 감정 분석
투자 연구, 채팅 데이터 감정 등 NLP를 사용해 감정적 의견과 특정 텍스트의 감정을 식별 - 데이터 처리
정형 및 비정형 데이터를 추출하고 문서 집약적인 프로세스를 위해 데이터를 분석, 검색 및 저장 - 이미지 인식
이미지와 비디오에서 부동산이나 차량 등의 재산 피해를 평가하고 보험 청구 처리를 가속화하거나 신원 문서 확인을 통해 고객 온보딩을 가속화 - 챗봇
인간과 유사한 AI 기반 컨택 센터 경험 으로 고객을 기쁘게 하여 비용을 절감, 앱, 웹사이트, 디지털 플랫폼 및 가상 도구에 스마트하고 직관적인 경험을 제공하여 개인 금융을 혁신 - 머신러닝
데이터 통찰력을 사용하여 높은 정밀도로 구체적인 미래 결과를 예측할 수 있으며, 많은 양의 금융 데이터를 학습하여 패턴을 발견하고 이를 활용해 예측 모델을 구축 - 사이버 보안
사이버 공격과 위협을 탐지, 예방 및 대응함으로써 사이버 보안 측면을 자동화 - 생성 AI
Auto Agent를 통해 자산 시장 분석 후 상품 개발, 보험금 지급 자동화, 트렌드 모니터링 등 사람이 직접해야 하는 금융 데이터 관련 업무를 획기적으로 효율화
궁극적으로 AI는 데이터 관리, 분석을 가능하게 합니다. 또한 머신러닝 및 도구를 활용하여 비즈니스 인텔리전스 및 의사 결정을 위한 데이터에서 통찰력을 얻고 가치를 창출하게 합니다.
👉 금융, 은행 업무 자동화에 쓰이는 OCR에 대해서 자세히 알아보기
금융 AI 적용 사례
BloombergGPT
블룸버그(Bloomberg)는 금융 산업에서 AI를 활용하여 다양한 분야에서 혁신적인 역할을 수행하고 있습니다. 블룸버그는 GPT를 Fine-tuning한 BloombergGPT를 개발하여 금융 관련 질문에 정확한 답변을 제공할 수 있도록 했습니다. 이 모델은 감정 분석 작업에서도 평가되었으며, 다른 모델보다 우수한 성능을 보여줍니다. (논문링크)
BloombergGPT는 정서 분석, 뉴스 분류 및 기타 금융 작업을 수행할 수 있는 능력을 갖추고 있습니다. 이를 통해 금융 시장 데이터와 정보를 신속하게 분석하여 금융 제품 및 투자 추천, 거래 알림 등 다양한 서비스를 제공합니다. 특히, Bloomberg Terminal이라는 인공지능 기술을 활용한 금융 분석 서비스를 제공함으로써 전문가들과 기관투자자들에게 신뢰성 있는 시장 정보와 데이터를 제공합니다.
에이셀
에이셀은 데이터헌트와 함께 미국 FiscalNote의 한국 자회사로 자산시장의 데이터를 모으고 이를 실시간으로 처리하여 자산 시장의 가격을 예측하고 투자에 정확한 판단을 돕습니다.
에이셀은 DaaS 방식의 데이터 엔진, AiM 은 자산 시장의 가격에 영향을 주는 다양한 데이터를 처리하고 인사이트를 도출합니다. 실시간 뉴스, 소셜 미디어, 기업의 IR 보고서, 제품 리뷰, 관세청 수출 데이터, 카드사 결제 데이터 등 다양한 금융 비정형 데이터를 모으고 정형 데이터와 결합 시 가중치 및 자산과 매칭을 고도화 된 알고리즘과 노하우로 정확하게 진행합니다. 이를 통해 아래와 같은 독보적인 가치를 제공할 수 있습니다.
- 헤지펀드 & 자산운용 등 투자 전문사
무역, 신용카드 결제, 전자상거래, 뉴스 감성분석 등 에이셀에서 제공하는 다양한 대체 데이터는 기업 공시 이전에 실시간 데이터로 자산의 가치를 예측하는데 도움이 됩니다. - 일반 기업
자사 및 경쟁사 신제품에 대한 소비자 반응 분석, 기업이 속한 시장 경쟁 환경 및 점유율 분석, 소비 트렌드 변화 포착 등 사업기획, 영업 마케팅, IR 등에 필요한 다양한 데이터 서비스를 제공하여 기업의 자산 가치를 극대화 하는데 도움이 됩니다.
이 밖에도 B2C 고객을 대상으로 한 금융 Data platform, 빅파이낸스를 서비스 중이며, 조만간 LLM을 통해 어려운 자산 투자에 도움이 되는 AI agent 서비스를 공개할 예정입니다.
KB국민은행
KB국민은행은 최신 머신러닝 모형 기반의 ‘기업여신 자동심사 지원시스템(Bics : Big data CSS)’을 도입하여 기업 여신 담당자의 신용리스크 판정을 보조합니다.
'BIcs'는 재무정보와 비재무정보 등 각종 정보를 활용하여, 여신 대상 기업의 신용리스크 분석 결과를 제공합니다. 또한, 향후 우량기업으로 성장할 기업을 예측할 수 있는 기능도 탑재되어 있습니다.
이 외에도 매년 주기적으로 모델 재학습이 가능하도록 자동화된 모델 학습 파이프라인을 제공하고, 'Bics' 실행 결과에 대한 보고서도 자동으로 작성하여 기업 여신 담당자에게 제공됩니다.
또한, KB국민은행에서는 보이스피싱 예방을 강화하기 위해 'AI 보이스피싱 모니터링 시스템'을 고도화하는 프로젝트를 진행하고 있습니다.학습 데이터 및 변수를 수집하여 이를 토대로 AI 모델 재학습 파이프라인도 구축되어 있습니다. 이러한 기능으로 인해 기업 여신 담당자는 더욱 쉽고 정확하게 여신 승인/ 거절에 대한 판단을 내릴 수 있게 됩니다.
금융 인공지능의 한계
- 데이터 의존성
AI는 대량의 정확한 데이터를 필요로 합니다. 그러나 금융 분야에서는 데이터의 품질과 가용성에 제한이 있을 수 있으며, 이는 AI 모델의 성능을 제한할 수 있습니다. - 인과 관계 해석의 어려움
AI 모델은 패턴 및 상관 관계를 식별할 수 있지만, 인과 관계를 명확히 이해하는 것은 어려울 수 있습니다. 따라서 예측 결과에 대한 해석과 설명이 중요한 금융 결정에서는 주의가 필요합니다. - 불확실성 처리
금융 시장은 불확실성과 변동성이 높은 환경입니다. AI는 이러한 불확실성을 완전히 해결하기 어려울 수도 있으며, 예측한 결과에 오류가 발생할 수도 있죠. - 윤리적 고민
AI 기술 도입으로 인해 개인정보 보호와 프라이버시 문제가 부각되고 있습니다. 금융 기관들은 고객의 데이터를 적절하게 보호하고, 윤리적인 사용을 위해 적절한 지침과 규제 체제를 마련해야 합니다. - 인간 요소와 상호작용 부재
금융 서비스에서는 고객들과의 상호작용과 개인화된 조언이 필요합니다. 하지만 AI는 사람의 감정을 완벽히 이해하지 못하기 때문에, 복잡한 상호작용을 처리하는데에 한계가 있습니다.
결론: 금융 서비스 혁신에 AI 활용은 필수, 그러나 한계를 극복하기 위한 지속적인 연구가 필요
금융 산업에서 AI 기술은 혁신과 경쟁력 확보를 위해 필수적인 요소입니다. AI를 활용하지 않는 기존 금융 서비스들은 경쟁력의 감소와 고객 유치에 어려움을 겪을 것으로 예상됩니다. 금융 산업은 미래 시장에서 경쟁력을 유지하고 변화에 대응하기 위해 AI 기술의 적극적인 도입과 자체 기술 개발에 주력해야 합니다. 이를 통해 혁신적인 서비스 제공과 효율성 향상, 사기 탐지 및 예방, 고객 서비스 개선, 위험 평가와 관리 등 다양한 영역에서 성장과 발전을 이끌어낼 수 있습니다.
하지만 AI 도입에는 신뢰성 있는 정보를 제공할 수 있도록 데이터 수집과 처리 노하우가 굉장히 중요하며, 금융 기관들은 데이터 보호와 개인정보 관리를 위한 엄격한 조치를 취하고, 규제 요구사항을 준수하여 신뢰성 있는 AI 시스템 구축에 주력해야 합니다.
금융 산업은 지속적으로 발전하는 기술 동향에 대응하고 변화하는 고객 요구를 충족시키기 위해 AI 도입을 권장합니다. 이는 미래 시장에서 경쟁력 유지와 성공적인 비즈니스 모델 구축을 위한 필수적인 전략입니다.
다양한 산업에 AI 활용 콘텐츠
- 건축 AI 인공지능
- 의료 AI 인공지능
- 교육 AI 인공지능
- 변호사 AI 인공지능
- 커머스 AI 인공지능
- 보안 AI 인공지능
.webp)
.svg)
