38 39
인공지능이 가져올 금융 서비스 혁신 전망
Science & Technology Policy
l 과학기술정책 포커스 : 인공지능 기술의 활용 전망과 스마트 강국을 위한 제언이제영 광주대 경영학과 교수
들어가며
핀테크 혁신으로 일컬어지는 금융서비스 디지털화의 주 요 특징으로는 자동화와 세분화, 그리고 개인 맞춤화 등 을 들 수 있다(이성복, 2019.10.). 챗봇으로 대표되는 자 동화는 금융서비스 제공 과정에서 비용 절감 및 편의성 향상에 기여하고 있으며, 수요자 중심의 시장 트렌드가 확산되면서 고객의 다양한 요구에 맞출 수 있는 금융서 비스의 세분화와 개인 맞춤화 역시 강화되고 있다. 이러 한 추세 속에서 보수적이라고 평가를 받는 금융산업에 서도 AI는 기존의 금융시스템에 디지털 혁신을 가져올 중추기술로 주목받고 있다(김홍년, 2018.9.). 특히 인공 지능 기술 구현의 기반이 되는 컴퓨팅 성능의 발전과 활 용 가능한 데이터 양의 증대, 객체 간 연결성 강화로 AI 서비스의 상업화 역시 가속화되고 있다. 고성능 컴퓨팅 기술의 발전은 새로운 알고리즘 및 분석 툴의 적용을 가 능케 하고 있으며, 다양한 기기와 센서 등으로부터 수집 한 빅데이터는 분석에 활용될 수 있는 데이터의 범위를 넓히고 AI 학습의 효율성을 높여준다. 이러한 인공지능
및 관련 디지털 기술의 혁신은 결과적으로 금융서비스 의 고부가가치화에 기여한다.
글로벌 금융기업들은 고객대응, 업무관리, 금융사기탐 지, 실시간 모니터링 및 리스크관리 등 다양한 분야에서 인공지능을 활용하고 있으며, 국내에서도 그동안 일부 업무 분야에만 제한적으로 도입됐던 인공지능 서비스 의 영역이 점차 확장되고 있다(강영신, 2020.8.). 맥킨지 (McKinsey)의 최근 조사에 따르면 금융분야는 타산업 과 비교했을 때 미래 AI 서비스에 대한 수요 및 활용 정 도가 가장 높은 분야인 것으로 나타난다. 이는 디지털 기 술에 기반한 IT 기업들이 금융산업의 혁신을 주도하는
‘테크핀(TechFin)’ 시대가 도래하고 있음을 의미하며, 이 과정에서 인공지능 역시 대량의 금융 데이터를 분석 하고 활용하는 데 적용될 수 있는 핵심적인 도구로서 향 후 비즈니스 모델 혁신을 주도해 나갈 것으로 기대된다.
다음에서는 이러한 인공지능을 활용한 국내외 금융서비 스 혁신 사례 및 발전 방향에 대해 살펴본다.
[그림 1] 산업별 인공지능 활용 현황 및 미래 수요
자료: McKinsey Global Institute (2018.10.15.)
1)40 41
업무관리와 서비스의 자동화
RPA(Robotic Process Automation)란 기존에 사람이 중심이 되어 처리했던 업무과정을 로봇을 이용해 자동 화시키는 기술을 말한다(IBM&Infrasoft, 2018.11.).
RPA에 사용되는 로봇은 물리적 형태가 있는 기기가 아 닌 소프트웨어 형태의 로봇이며, 기존에 담당 인력을 중 심으로 수동적으로 처리해 왔었던 거래 확인, 데이터 관 리, 타 시스템과의 연동 및 통신 등의 작업을 소프트웨 어 로봇을 통해 자동적으로 처리할 수 있게 한다. 이에 RPA는 반복적으로 대량의 트랜잭션의 처리를 요구하는 분야에 적용하기 적합하며, 이러한 자동화 서비스로 사 람은 기계적인 대규모 수작업 대신 보다 창조적인 작업 에 집중할 수 있게 된다.
로봇 자동화 발전과정은 크게 3단계로 구분할 수 있 는데, 1단계는 청구서 발송이나 전표 처리 등의 반복 적인 거래업무를 자동화하는 단계이고, 2단계는 비 정형데이터 프로세싱 기술의 발전으로 자동화의 범위
가 넓어지는 단계이며, 3단계는 지능화 단계로 로봇의 학습과 판단에 기반한 자동화가 이루어지는 단계이다 (IBM&Infrasoft, 2018.11.).
즉 RPA는 반복되는 단순 업무를 처리하는 자동화 단 계에서 ‘AI와의 결합’을 통한 지능화 단계로 진화하 고 있으며, 국내 금융권에서도 은행과 보험 업종을 중심으로 RPA 진화가 가속화되는 양상을 보이고 있 다. NH 농협은행의 경우 가계 및 기업여신 등 주요 업무에 RPA를 도입한 것을 시작으로 다양한 고객 채 널 연결에 기반한 실시간 심사 및 계정처리, 내부통 제 등의 업무에 RPA를 확대・적용하고 있으며, 신한 은행의 경우 임직원들의 업무 환경 개선의 목적으로
‘RPA 에코(Eco) 프로젝트’ 시행을 통해 모든 업무에 RPA 적용이 가능한 시스템 자동화 서비스 플랫폼으 로 전환시키는 혁신 중에 있다.2) 보험계약(언더라이 팅) 및 보험금 지급 심사가 주가 되는 보험업계에서 도 RPA는 활용될 수 있는데, 고객 수익률 통계 산출
Science & Technology Policy
l 과학기술정책 포커스 : 인공지능 기술의 활용 전망과 스마트 강국을 위한 제언과 같은 대량 업무나 보험금 당일 지급심사 등의 반복 적 업무는 RPA를 통해 자동으로 처리될 수 있다.3) 추 후 인공지능과 결합된 RPA는 인지적(Cognitive) 기 능이 강화되어 현재의 프로세스 중심의 자동화를 확 장하고, 추론을 통한 자율적인 의사결정, 학습에 기반 한 새로운 인사이트 제시 등의 기능을 수행할 수 있을 것으로 기대된다.
고객 맞춤형 자산관리 서비스 제공
인공지능은 고객 자산관리와 같은 맞춤형 서비스 분 야에서도 활발히 활용되고 있다. JP Morgan Asset Management는 자사 AI 분석 플랫폼인 ‘ThemeBot’
을 활용해 비정형 데이터에 대한 자연어처리와 키워드 분석, 머신러닝(Machine Learning) 적용 등으로 투자 종목을 발굴해내고 있다.4) 10,000개 이상의 글로벌 주 식을 스크리닝하는 과정에서 ThemeBot은 관련 뉴스 기사나 기업정보, 연구논문, 규제 현황 등 수억 개에 달 하는 데이터 소스들을 분석한다.5) 이 과정에서 자산관 리 전문가는 각 주식의 유동성과 시가총액, 수익성 등 을 종합적으로 고려하고, 고객 투자성향에 적합한지를 판단하여 최종적으로 포트폴리오 편입 여부를 결정하 게 된다. JP Morgan은 또한 AI 기반 주식거래 프로그 램 ‘LOXM’을 개발한 바 있는데, LOXM는 고객의 주 문을 빠른 속도에 최적의 가격으로 이행하는 것을 목 적으로 한다. 즉, ThemeBot이 어떤 주식을 매수할 것 인지 결정하는데 초점이 맞춰져 있다면, LOXM은 주식 을 어떻게 효과적으로 사고 팔지를 판단하는 데 유용하 게 활용된다. LOXM은 과거 수백만 개에 달하는 거래 시나리오로부터 심층 강화학습(Deep Reinforcement Learning, DRL) 기법을 통해 훈련받음으로써, 유동적 으로 변하는 시장 조건하에서도 데이터 분석과 시뮬레
이션에 기반한 최적의 거래가 자동적으로 실행되도록 하는데 그 목적이 있다.6)
자연어처리와 딥러닝 기술은 앞서 소개된 RPA의 고객 맞춤형 서비스 구현을 위해서도 필수적인데, 특히 고객 개개인의 PC나 모바일을 통한 비대면 투자 및 자산관리 활동을 돕는 로보어드바이저(Robo-Advisor) 서비스에 적용 가능하다. 인공지능은 시장의 실시간 정보 뿐만 아 니라 고객의 과거 거래이력과 투자상담 과정에서 생성 되는 방대한 양의 정형・비정형 데이터를 처리하는데 적 용되어 고객별로 보다 세분화된 투자전략을 제공하는데 활용될 수 있다. 향후 고객들은 자신의 투자성향에 맞는 자산 포트폴리오 구성을 로보어드바이저를 통해 관리함 으로써 운용비용 절감과 수익률 제고를 추구하게 될 것 으로 기대된다.
빅데이터 분석에 기반한 금융위험 예측 및 규제 준수 인공지능은 그간 금융 서비스 중에서도 챗봇이나 로보 어드바이저 등 일부 한정된 분야에 적용되어왔으나 최 근에는 신용평가와 같은 전통적으로 제도권 금융기관 의 업무로 여겨지던 서비스 부문에도 활용되고 있다. 한 예로 미국의 스타트업인 펀드박스(Fundbox)는 대출이 필요한 소상공인과 중소기업을 지원하는 신용정보 제 공 플랫폼을 운영 중인데, AI 분석에 기반한 빠른 대출 금 지급 서비스를 지향한다.8) 즉, 펀드박스는 기존 제도 권의 대출 심사 과정에서 수반되는 복잡한 서류 제출 및 금융기관 승인절차를 개선하고자 인공지능을 활용한 데 이터 분석에 집중하는데, 특히 제품 공급기업이 현금이 없는 상황에서도 보유한 매출채권으로 손쉽게 담보 대 출을 받을 수 있도록 해당 고객의 회계 소프트웨어 또 는 은행계좌와의 연계를 통한 기업신용도 분석을 실시 한다. 이러한 머신러닝 기반 기업 신용평가 및 대출 심
[그림 2] IBM RPA 발전 로드맵
자료: IBM&Infrasoft(2018.11.), p.4
42 43
사는 이제까지 전통적인 금융기관이 제공하지 못한 혁 신적 비즈니스 모델로 평가받고 있다(류한석, 2020.1.).
인공지능은 사기나 자금세탁 등 금융범죄를 탐지하는데 도 적용된다. 피처스페이스(Featurespace)는 금융거래 과정에서 발생되는 이상거래를 탐지하기 위해 ‘적응형 행동 분석(adaptive behavioral analytics)’이라는 방 법을 사용하는데, 여기서 ‘적응’이란 축적된 과거의 데 이터 분석에 기반해 새로운 패턴을 탐지해나가는 과정 을 의미한다. 피처스페이스는 7가지 머신러닝 솔루션으 로 구성된 ARIC Risk Hub를 통해 실시간으로 이상금 융거래를 탐지하고 있으며, 운영 효율성이 개선되면서 정상거래의 비정상거래 판단오류 역시 70% 이상 감소 시킬 수 있었다.9)
이러한 이상거래탐지(FDS), 자금세탁방지(AML), 리스 크 예측평가 등의 업무는 크게 레그테크(RegTech)의 영 역에 포함되는데, 금융 관련 법규의 복잡성이 증가하고 있는 현 상황에서 인공지능은 기업들의 규제 준수 비용
을 줄이고 프로세스의 효율성을 높이는데도 활용된다.
2025년까지 글로벌 금융회사의 35%가 AI에 기반한 준 법감시시스템을 도입할 것으로 예측되면서 국내에서도 새로운 컴플라이언스 시스템의 필요성이 높아지고 있는 상황이다.10) 인공지능 기반 레그테크 서비스는 향후 금 융 환경이 급격히 변하는 과정에서 도입되는 새로운 규 제에 기업들이 효과적으로 대응토록 돕는 기술적 솔루 션이 될 것이다.
신뢰있는 AI 금융서비스 발전을 위한 정부의 역할 인공지능 기술이 발전하면서 미래 금융 서비스 분야에 서의 활용 기대와 필요성 역시 높아지고 있다. 그러나 AI의 산업적 활용을 위해서는 기술적 그리고 제도적 측 면에서 이를 뒷받침하는 정책지원 역시 병행되어야 할 것이다. 인공지능은 기본적으로 데이터 분석을 통한 패 턴 정립과 이에 기반한 의사결정과정을 거친다. 이는 AI 기술 개발에 있어서 그 대상이 되는 알고리즘 세분화는
Science & Technology Policy
l 과학기술정책 포커스 : 인공지능 기술의 활용 전망과 스마트 강국을 위한 제언물론 고객에게 제공하고자 하는 서비스 과정에 대한 이 해와 분석이 필수적임을 의미한다. 이러한 서비스 프로 세스 분석은 AI를 통해 특정 서비스를 구현할 수 있는지 에 대한 판단 근거를 제공하는 것은 물론이고, AI가 행 한 의사결정에 대한 서비스 제공자의 해석 및 설명 가능 성을 높여줄 수 있다. 결국 기업의 책임있는 인공지능 활용을 위해서 서비스 개발과정에 고려될 수 있는 AI 사 용에 대한 정부 차원의 가이드라인의 제시가 필요할 것 이다. 미국의 경우 최근 연방거래위원회(Federal Trade Commission, FTC)에서 AI 및 알고리즘 사용 지침을 발표한 바 있는데 해당 지침에서 FTC는 기업이 AI 및 알 고리즘 사용 시 투명성, 설명 가능성, 공정성, 견고성과 실증적 타당성, 책임성을 가져야 함을 강조하고 있다. 국 내에서도 향후 AI 기반 금융 서비스 이용자들이 대폭 늘 어날 것으로 예상되면서, AI 알고리즘에 대한 이용자의 알 권리와 설명요구권 등의 권익향상을 위한 정책적 노 력이 강화되야 할 것이다.
인공지능 서비스 구축의 재료가 되는 데이터의 안전한 활용과 관련된 보다 세부적인 제도 마련 역시 필요하다.
특히 최근 데이터 3법 개정의 핵심사항인 가명정보 활 용과 관련해서 가명처리 과정에서의 안전성 우려와 재 식별 위험 가능성으로 인해 상업적 활용에 제약이 발생 하고 있다(황현아, 2020.10.). 기술이 발전하면서 개인 의 민감정보에 대한 상업적 활용을 우려하는 목소리는 향후 인공지능에 기반한 개인 맞춤형 서비스 개발과정 에서 주의깊게 고려해야 할 사회적 이슈다. 중요한 것은 개정법의 취지에 따라 AI 핀테크 사업자들의 데이터 활 용을 지원하는 정부의 구체적인 지침마련과 동시에 데 이터 유통 및 관리과정에서의 사전 점검 및 위반에 대한 제재 강화로 사용자들의 금융 서비스 신뢰성을 높여나 가는 작업일 것이다.
[그림 3] 로보어드바이저를 활용한 포트폴리오 구성의 예
자료: Fund Selector Asia (2020.8.13.)
7)1) McKinsey Global Institute (2018.10.15.), "The promise and challenge of the age of artificial intelligence", https://c11.kr/j080 (2020.11.1. 접속)
2) Koscom newsroom(2019.10.28.), 「2019년 금융권을 뒤흔든 RPA, 어디까지 진화했나?」, https://newsroom.koscom.co.kr/18216, (2020.11.1. 접속)
3) 머니투데이(2019.10.31.), 「미래에셋생명, 디지털로 ‘더 빠르고 정확 한 미래’ 구현」, https://news.mt.co.kr/mtview.php?no=20191029 17241343549, (2020.11.1. 접속)
4) JPMorgan Asset Management 홈페이지, https://am.jpmorgan.
com/ch/en/asset-management/adv/funds/equities/genetic- therapies-fund/ (2020.11.1. 접속)
5) citywire(2019.11.14.), "JPMorgan and UBS team up for genetic therapies fund", https://c11.kr/j082, (2020.11.1. 접속)
6) Business Insider(2017.8.2.), "JPMorgan takes AI use to the next level", https://c11.kr/j083 (2020.11.1. 접속)
7) Fund Selector Asia(2020.8.13.), "Robo-advisor performance: July 2020", https://fundselectorasia.com/robo-advisor-performance -july-2020/, (2020.11.1. 접속)
8) Fundbox 홈페이지, https://fundbox.com/, (2020.11.1. 접속) 9) Featurespace 홈페이지, https://www.featurespace.com/, (2020.11.1.
접속)
10) Koscom newsroom(2019.8.22.), 「규제관련 기술 레그테크(RegTech) 의 국내 활용 전망」, https://newsroom.koscom.co.kr/ 17492, (2020.11.1. 접속)
11) FTC(2020.4.8.), "Using Artificial Intelligence and Algorithms", https://c11.kr/j08a, (2020.11.1. 접속)
참고 문헌