[핀테크를 통한 금융 AI 트렌드와 혁신사례] 강의 정리

<1차시 - 핀테크 비즈니스 현황 및 트렌드>

금융업

• 금융은 경제의 성장에 있어서 가장 중요한 핵심 기능

 

 

핀테크

• 기술을 기반으로한 금융
• 핀테크 산업은 우회적으로 금융업에 진출하는 것이 산업모델의 핵심
• 은행업이 금융산업 내에서 가장 많은 비중 차지
• 핀테크는 B2C 컨셉으로 금융업 내에서도 기업 중심의 비지니스 모델보다는 가계, 개인이 중심이 비즈니스 모델이 핀테크의 공략 분야
• 핀테크 산업은 신용대출, 주택담보대출, 개인사업자 대출 중심으로 침투할 것
• 최근 공략 분야 → 대출 분야 (특히, 신용대출)

 

 

정부의 정책적 지원

 

• Open Banking
  • 인터넷전문은행, 핀테크업체 성장의 핵심 변수가 될 전망
  • 은행이 갖고 있는 고객의 자산정보, 거래정보, 개인 정보등을 공개해 은행, 핀테크 사업자가 이용, 이체 등 각종 금융 서비스를 제공할 수 있도록 하는 제도
  • 16개 은행뿐만 아니라 인터넷전문은행, 저축은행, 상호금융권까지 참여 추진 예정
  • 오픈뱅킹 처리 대행 수수료를 현행 400~500원(입출금)에서 1/10 수준으로 낮출 것을 검토

 

• MYDATA
  • 신용정보법 통과를 통해 금융회사가 보유한 모든 정보를 한 곳에 모아 볼 수 있도록 하는 것
  • 뱅킹샐러드 등 현행 마이 데이터 업체는 스크래핑을 활용하여 흩어진 고객 정보 확보
  • 신용정보법 통과 이전에도 정부가 은행에게 API를 오픈하도록 해 고객 정보를 접근할 수 있도록 하는 것

 

• 지급지시 전달업(My Payment)

 

• 종합지급 결제업 도입

 

상품의 표준화, 금융의 플랫폼 화의 핵심 변수

 

• 대환 대출 시장 성장은 신규 대출금리와 기존 대출간 금리차이에 따라 달라질 듯
• 은행의 소극적인 대응 전략과 정부 정책, 향후 대환대출 시장의 변수
• 대환 신용대출 시장, DSR 한도와 금융회사 별 신용도 문제로 상대적으로 성장세는 더딜 것으로 예상
• 12월 오픈하는 대환 주택담보대출 시장, 신용대출 대비 표준화 정도가 커 향후 성장 가능성 높음
• 전세자금 대출 시장, 향후 대환 및 대출 플랫폼 시장에서 가장 큰 시장이나 정부 규제가 변수가 될 수 있음

 

 

<2차시 - 핀테크 비즈니스 AI 활용 현황>

 

금융 분야는 디지털화가 가장 손쉬운 분야 

• 금융서비스는 전산적으로 이동 가능한 금전을 매개로 제공되는 무형의 서비스 → 사람의 개입이 필요하지 않은 가상의 현실에서 또는 플랫폼 경제에서 손쉽게 구현 가능
• 금융 분야가 ICT 분야  다음으로 디지털 성숙도가 가장 높음
• 디지털 전환 성공요건  → 디지털 리더십, 전략, 문화, 기술적 역량
• 2019년, 2020년 산업별 AI 채택 비중을 조사한 결과 → 금융 분야가 자동차/ 부품과 함께 두번째로 높음 

 

금융 분야에서 AI 역할 

• 자동화(automation) →  비용 절감 : 사람의 일상적이고 반복적인 작업을 사람의 지도를 받거나 자율학습 또는 머신러닝을 통해 자동으로 처리함으로써 궁극적으로 비용절감에 기여
• 지능적 분석 → 개인 맞춤화 : 사람보다 폭넓은 데이터를 이용하고 분석하고, 직접 의사결정을 내려 자신 행동하거나 사람에게 사결정 또는 행동을 요구하는 과정을 통해 고객의 특성에 맞는 맞춤형 서비스를 효율적으로 개발 가능
• 혁신 →  수익 기회 창출 : 자동화, 개인맞춤화, 최적화를 통해 새로운 상품과 서비스의 개발하고, 새로운 방식의 사업모델을 구축 가능 

 

 

AI 활용 분야와 기술

• AI는 데이터 처리/분석, 업무 자동화, 의사결정 등 거의 모든 분야에 접목 가능
• 디지털 금융자문과 자산관리
• 고객의 금융거래 탐색과 시각화
• 고객의 신용/보험사고위험/투자성향 평가
• 계약 체결과 가격 결정
• 고객 불만 처리
• 계약 관리 및 분석
• 고객 이탈 예측
• 알고리즘 트레이딩
• 시장 조사/분석
• 자산가치 평가

 

<3차시 - 핀테크 AI 비즈니스 혁신 사례>

 

핀테크 활용

• 인공지능은 핀테크 금융 산업을 발전시키는 혁신적인 솔루션을 생산
• 핀테크 기업의 90%는 이미 인공지능을 사용
• 재무보고, 사기탐지, 데이터분석, 알고리즘 티레이딩, 로봇 프로세스 자동화, 신용평가 및 대출 예측에 사용

 

ChatGPT 기반 핀테크 AI

• 지능적으로 개인화된 고객 지원을 제공하여 가상 비서 역할을 수행
• 실시간 응답과 정확한 정보를 통해 원활한 고객 경험을 제공 
• 대량의 고객 문의를 동시에 처리하여 운영 효율성을 향상

 

AI를 사용하지 않아야 할 때

• 데이터가 제한적이거나 불충분한 경우
• AI 구현에 필요한 비용이 잠재적 이점보다 큰 경우
• 도메인 전문성이 부족하거나 팀의 이해도가 낮은 경우
• 단순하고 반복적인 작업
• 단기 또는 임시 프로젝트

 

<4차시 - 금융분야의 AI 도입을 위한 규제>

 

AI 시대 본격화와 금융 

• 금융 분야는 AI 활용이 매우 활성화될 수 있는 영역
• AI는 금융권에서 강한 임팩트를 줄 수 있는 기술
  • 고객경험(금융서비스)
    • 챗봇 및 상담봇, 신원인식, 컨설팅, 공과금 자동인식 및 납부, 스마트 ATM
  • 마케팅 및 영업
    • 로드어드바이저, 시장예측, 전자문서 시스템, 고객분석(VoC 및 로그), AI 스피커(단순안내)
  • 리스크 관리
    • 이상거래 탐지(FDS), 자금세탁 방지, 불완전판매QA, 연체 예측 및 기업진단, 컴플라이언스/약관분석
  • 후선업무 지원
    
    • AI기반 신용평가, 프로세스 자동화(RPA), 자동심사(대출, 보험 등), 각종 서류 분석, AI 관제 및 관리
  •  금융사들은 인공지능을 도입하여 기업활동 전 과정에 걸친 금융서비스 혁신을 촉진하고 있으나, 인공지능으로 인한 금융사고 위험성 상존
  • 금융분야 인공지능의 윤리적 위험성이 기술 활성화 장애요소로 작용하여 관련 법/제도 마련이 요구되는 상황
    • 인프라 측면에서 양질의 데이터가 부족하여 신뢰성 높은 인공지능 모델 학습이 어려움
    • 개인정보 보호처리가 미비한 데이터가 섞여 학습데이터 추출 공격시 개인정보 유출 가능
• 핀테크
  • 핀테크의 핵심은 기술을 비즈니스 모델에 현실성 있게 구현하는 것 → 사업참여자들의 자격, 활동 범위와 방법을 제한하는 법적 테두리를 아는 것이 필수적임
• 금융 규제 샌드박스 제도
  • 혁신금융서비스
    • 금융 소비자의 편익을 증대할 수 있는 혁신적인 금융서비스를 시장에서 테스트할 수 있도록 지정범위 내에서 시범영업 및 임시 규제 특례 적용
  • 지정대리인
    • 혁신금융서비스의 시범 운영을 위하여 핀테크 기업이 금융회사의 본질적 업무를 수탁받아처리
  • 위탁테스트
    • 핀테크 기업이 개발한 서비스의 사용권을 협력 금융회사에게 위탁하고 금융회사가 이를 운영
  • 규제신속확인
    • 규제 불확실성에 직면한 금융서비스 사업자에게 해당 서비스와 관련된 법령의 적용 여부 신속 확인

 

<5차시 - 간편결제 사례>

 

간편결제서비스

 

• 신용카드나 은행 계좌 등 지급결제수단의 정보를 스마트폰 등에 미리 등록해두고 거래 시에 비밀번호 입력, 지문인식 등의 간단한 인증으로 빠르고 간편하게 결제하는 것을 말함
• 간편결제서비스에 사용되는 지급결제수단에는 신용카드, 은행계좌, 선불계정 등이 있음
• 정부가 추진하고 있는 전자금융거래법 개정안에는 '마이페이먼트'와 '종합지급결제사업자'의 신설이 포함

 

지급결제

 

• 경제주체들이 경제활동에 따른 채권채무관계를지급수단을 이용하여 해소하는 행위
• 지급 수단
  • 현금(화폐): 그 자체로서 지급결제가 마무리
  • 어음, 수표, 신용카드, 계좌이체: 지급, 청산 및 결제의 세 단계

 

신용카드 가맹점

• '여신전문금융업법'에 따라 신용카드 회원에 대하여 물품을 판매하거나 용역을 제공하는 곳을 말함

 

VAN

• 신용카드 가맹정과 신용카드사와의 사이에는 지급결제 정보를 전달하는 기능을 수행하며 PG(PaymentGateway)사는 온라인쇼핑몰에서 대표가맹점으로 지급결제업무를 대행하는 역할을 함

 

모바일 간편결제

• 오프라인 상점에서의 모바일 간편결제는 MST, NFC, QR코드, 폰투폰 방식 등이 사용
• 모바일 간편결제 거래 시 본인 인증은 지식 기반, 소유기반, SMS기반, 생체정보기반 등의 기술이 사용

 

지급결제시장

• 지급결제시장은 신용카드 중심에서 다양한 지급결제 수단을 미리 등록해 놓고 자유롭게 선택하여 간단하고 편리하게 사용할 수 있는 간편결제 서비스 중심으로 급격하게 이동
• 고객과의 접점 확보를 위한 최적의 서비스로 금융서비스 플랫폼으로 진화
• 신용카드사의 경우 오픈뱅킹처럼 경쟁사의 지급결제수단을 자사의 앱에서 사용이 가능하도록 상호개방하는 오픈페이 서비스를 통해 고객과의 접점을 확보해 나가는 전략을 수립 

 

<6차시 - 로보어드바이저>

 

 

로보어드바이저

• 로드어드바이저는 자동화된 금융자문, 투자자문 또는 자산관리 서비스를 뜻함
• 자동화된 자산관리 서비스를 제공하기 위해 일반적으로 '미리 짜여진 알고리즘'을 사용
• 서비스의 무한복제 및 상시접근이 가능하여 자산관리 서비스의 공급비용을 절감할 수 있고 고객 니즈에 맞는 맞춤형 서비스도 제공 가능

 

로드어드바이저 작동원리

• RA 알고리즘은 서비스 절차에 따라 고객진단, 자산배분, 리밸런싱 알고리즘으로 구성
• 고객진단 알고리즘은 금융소비자보호법의 적합성원칙 규제에 따라 고객 유형 확인, 고객 정보 파악, 고객 적합성 평가의 순서대로 설계되어야함
• 자산배분 알고리즘은 미리 설정된 가정과 절차에 따라 일관적이고 체계적인 방법으로 효율적 자산배분을 도출할 수 있어야함
• 리밸런싱 알고리즘의 리밸런싱성과가 포트폴리오의 수익을 개선하지 못하고 위험을 경감하지 못한다면 이를 타당하게 설명할 수 있어야함

 

로드어드바이저 역할

• 비대면 채널을 통해 사람의 개입없이 서비스 제공
• 미리 짜여진 알고리즘을 통해 자동화된 서비스 제공
• 고객에 가장 적합한 포트폴리오 자동 추천
• 시장 상황에 맞게 효율적인 리밸런싱 실시

 

로드어드바이저 한계

• RA라고 해서 자산관리 성과가 반드시 좋은 것은 아닐 수 있음
• 부적합한 포트폴리오 추천 가능
• 리밸런싱 역량 사전검증 어려움

 

<7차시 - 여신 분야 AI 사례>

 

여신업무

• 금융 기관이 제공하는 여러 종류의 대출과 신용 상품, 모기지 등과 관련된 업무를 말함

 

여신업무 내 AI 활용 예시 

• 하나 은행에서는 기업 대출심사, 개인 대출심사에 AI 적극 활용
  
  • 기업대출심사
    • 하나은행은 2017년 부터 기업대출 심사에 AI 도입
    • 기업대출 심사란 기업이 요청하는 대출신청 내용을 지점장, 심사역이 심사해 승인여부를 결정하는 것
    • 이를 자동화하여 영업점창구에서 승인여부/금액/금리를 당일 신청할 수 있게 함
    • 담보대출금액 한도 설정 50억원까지만
    • 기업 대출에 적용 최초 사례
  • AI 개인 대출
    
    • 실제로 AI가 거래패턴을 분석해서 한도를 산정해 주기 때문에 별도 자격증명서류 제출 불필요
    • 거래패턴 분석을 위해 하나은행 거래를 6개월 이상 이용한 고객만 사용 가능 
• KB국민은행 Bics - KB국민은행은 기업여신 심사에 ML 기반 기업여신 자동심사를 적용하고 효율적인 관리를 위해 '데이터준비/ AI모델링/운영/배포'까지 전프로세스를 구축한 MLOps구현
• MLOps란 Machine Learing + Operation으로 머신러닝 모델 개발과 운영을 통합해 ML 시스템을 자동으로 유지, 관리 운영
• 22년 8월 KB국민은행은 AI 기술이 적용된 머신러닝 모형 기반의 기업여신 자동심사 지원시스템(Bics)를 도입
• Bics
  • 재무정보와 대안 정보를 포함한 각종 비재무정보를 활용해 신용리스크가 낮은 여신에 대한 시스템 판정 결과를 기업여신 담당자에게 제공하는 시스템
  • 머신러닝 기반 모형으로 향후 우량기업으로 성장이 가능할 것으로 예상되는 기업을 선별할 수 있는 기능 포함
  • 경기변동에 대응할 수 있도록 최신의 데이터를 활용해 매년 주기적으로 모형이 개발될 수 있도록 재학습 모형 개발 프로세스구축
  • Bics가 실행된 건에 대해서 기업개요, 재무 현황 및 분석의견, 시스템 판정 결과 등이 반영된 'Bics' 보고서가 자동으로 작성, 기업여신 담당자에게 제공

 

여신업무 내 AI 활용 한계와 과제

• AI는 엄청난 양의 데이터를 짧은 시간에 처리하여 비정형/비금융 데이터까지 활용, 신용평가의 새 장을 열고 있음
• 여신업무의 AI활용은 강력한 편의성을 제공하나 AI 학습상의 오류, 데이터 확보의 한계 등 극복해야할 과제 존재
  • 과도한 최적화로 인한 판단 오류
    • 관리자의 Data cleansing 작업을 거치며 주관이 반영될 수 있음
    • 금융기관 내 누적 데이터를 학습시켜도 예외상황은 늘 발생하며 이에 대해 적시적인 대응 불가
  • 회색지대, 씬 파일러
    • 씬파일러는 서류가 적어 파일이 얇다는 의미로 금융이력이 부족한 사람을 의미
    • ML을 위한 데이터 자체가 부족하여 AI로서의 대응이 어려움에 따라 대안 신용평가 모델의 필요성이 대두
  • 데이터 확보의 한계
    • AI는 바탕이 되는 데이터가 판가름, 질 좋은 데이터가 기반이되어야함
    • 양질의 금융정보 데이터 확보는 법/제도 이슈, 고객제공동의 이슈 등으로 확보하기가 매우 어려움
    • 인터넷 전문은행들이 비금융 데이터를 활용한 다양한 도전 중임

 

<8차시 - 은행 분야 AI 사례>

 

은행 AI 변화

• 신한은행 마이쏠
  • 신한은행은 자사 통합 앱 SOL 내의 AI 기반 자산관리 서비스를 마이쏠 런칭, 수익성, 리스크, 유동성을 분석해 고객 자산의 건강도를 평가하고 AI 로보어드바이저가 포트폴리오 리밸런싱을 수행 
    • 고객 맞춤형 포트폴리오 MY포트 제공
    • 예금, 펀드, 대체투자상품 등이 포함된 최적의 고객별 자산배분 비중을 산출해 목돈 마련 등 고객의 금융 목표에 적합한 상품과 자산 리밸런싱을 추천
    • 보유 자산의 수익률, 변동성, 상품별 위험 등을 진단해 효과적인 개선 방안을 알려주는 자산 건강도 진단 서비스와 시장 변화에 맞는 투자 전략을 제공하여 투자 방향성을 제시하는 투자 가이던스 서비스로 고객 보유 자산 수익률 관리 강화
• KB국민은행
  • KB 국민은행은 금융 AI 센터를 통해 한국어 텍스트 처리 기술을 직접 개발하여 자사 서비스에 반영 
  • KB-STA
    • KB State of the art Text Analytics의 약어로 한국어 처리 기술을 직접 개발
    • 고객 상담부터 자연어 데이터 분석 등 고객을 위한 금융 서비스 전반에 활용할 수 있는 기술 확보
  • 특징
    • 금융에 특화된 인공지능 학습으로 은행 업무시 인간의 말을 더 정확하게 이해하는 서비스 개발 가능
    • 시장에 흩어져 있는 자연어 비정형 빅데이터를 수집, 가공하여 고객이 원하는 지식을 빠르게 제공
  • 보유 기술
    • 언어모델: 딥러닝 기반 한국어 사전학습 언어모델
    • 형태소 분석: 한국어 형태소 분리 및 복원
    • 개체명 인식: 문서에 언급된 이름 및 카테고리 추출
    • 키워드 추출: 중요 단어 또는 문장 추출
    • 주제/의도 분류: 주제, 의도, 감성 등 자동 분류
    • 이벤트 추출: 관심 이벤트 표현 추출
    • 유사문서 검색: 의미기반 벡터 인코딩 및 검색
    • 기계독해: 질문 및 본문으로부터 적절한 답변 추출

 

 

AI는 금융을 어떻게 바꿀 수 있을까

• 인공지능의 금융권 도입은 피할 수 없는 흐름, 법/규제 변화에 발맞추어 다양한 서비스가 선보일 것임

 

<9차시 - 인슈어테크 사례 1>

 

생명보험 업무구조

• 생명보험: 사람의 사망 또는 생존을 보험사고로 하는 일체의 보험
• 생명보험사는 생명 등을 담보로 하는 상품을 개발하여, 소비자에게 판매하고, 소비자 별 심사를 통해 계약을 체결한 다음, 사고가 났을때 보험금 지급
• 생명보험사의 업무에는 상품개발, 영업/마케팅, 계약심사, 지급심사 등

 

인슈어테크

• 디지털 경험, 빅데이터 및 AI활용, 플랫폼화, 새로운 보험상품과 서비스 개발이 인슈어테크의 트렌드
• 보험업 전반에서 사람을 통해, 획일적 상품으로, 사람이 처리함으로 인한 문제점을 디지털 채널과 개인화 상품, 디지털 업무로 개선해 나가고 있음

생명보험 인슈어테크 사례

• 고객응대 채널의 디지털화(설계/상담을 AI로 대체)
  • 보험상품 판매과정에서 주요 고지사항 및 안내의무 사항으로 인해 긴 시간 상담원을 통해 안내를 업무 시간 중에 받아야 하는데, 고객은 이로 인해 불편
  • AICC를 통해 AI가 기본 설명 및 완전 판매 모니터링과 기타 각종 안내를 대신
  • 이용자가 원하는 시간대에 365일 응대할 수 있고, 상담원 인건비 및 콜센터 운영비도 장기적으로 절감가능
  • 관련기술: 음성문자변환(STT), 텍스트분석(TA), 교보생명 보유 데이터 기반 학습
• 개인화 상품 및 서비스(AI를 활용한 디지털 케어)
  • 보험가입자의 건강검진정보 및 생활정보를 기반으로 다양한 서비스와 컨텐츠를 제공하는 유형의 헬스케어가 트렌드
  • 하나생명: 건강검진 정보 기반 건강관리에서 마이데이터 기반 자산 및 금융서비스 종합관리 제공
  • 보험가입자의 종합적 정보를 기반으로 토털 서비스 제공
• 디지털 업무(AI가 Moral Hazard 탐지)
  • 보험금 청구 과정에서 과당청구/보험사기를 방지하기 위해 ai가 접목된 인슈어테크 사례가 나타나고 있음(국내 ABL 생명)
  • 보험금 청구 시, AI 알고리즘에 의한 손해율, 거절률을 체계적으로 측정하여 보험 청약부터 보험금 지급까지의 위험도 관리
  • 사고접수 데이터를 기반으로 AI가 1차 분류(필터링)을 통한 위험도를 감지하여 보험사기 예방 가능

 

<10차시 - 인슈어테크 사례 2>

 

손해보험의 업무구조

• 손해보험: 신체상의 손해나 재물 손해가 났을 때 그 손해를 보상해주는 보험
• 손해보험사는 가입자의 각종 손해를 보장하는 상품을 개발하여, 소비자에게 판매하여 소비하여, 소비자별 심사를 통해 계약을 체결한 다음, 사고가 났을때 보험금을 지급하고, 보상서비스를 제공하기도 함
• 손해보험사의 업무에는 상품개발과 영업/마게팅. 계약심사, 지급/보상 등이 있음

 

디지털 채널(챗봇, AI콜 등)

• AI 챗봇/콜을 이용하여 단순업에 대한 고객 서비스 응대를 24시간/365일 수행
• DB손해보험: 생성 AI로 설계사별 AI 가상인간 시도
• 현대해상: 보험약관 대출을 AI 상담사(하이봇, 플루닛)가 처리
• AI 로봇의 응대는 인건비와 근무시간의 한계점을 해결하며 고객의 민원처리 시간에 대한 제약 또한 해소 가능

 

개인 맞춤형 보험(BBI)

• 보험가입자의 차량 내 카메라와 센서 등을 통해 수집한 운전습관을 AI로 분석, 보험료 산정
• 빔덴털: 칫솔의 센서로 치아 상태를 체크, 개선 조언, 치아 건강이 좋아지면 보험료 할인
• 테슬라, GM: 운전자의 운전 습관을 AI가 분석하여 보험료 할인
• 보험 가입자의 위험 해소 목적과 보험사의 보험금 지급 최소화 목적이 일치할 수 있는 접근 방식

 

디지털 업무(RPA를 통합 업무 자동화)

• RPA: 소프트웨어를 활요해 반복적이면서 정형화된 대량 업무를 자동으로 처리하여 업무개선/ 인건비 절감하는 방식
• 삼성화재: 언더라이팅 업무의 자동심사 및 이관 분류
• DB손해보험: 보고서작성, 계약관리, 자료수집 등 RPA 전환
• 반복 업무를 RPA가 대신 함으로써 업무 효율 제고, 업무 처리 속도 개선, 인건비 절감 효과