금융 업계의 AI 최신 동향 (1)_분석력 향상, 젊은 세대 위한 기능

0

모든 업계에서 인공지능(AI)에 대한 관심이 높아지고 있다. 그 중 금융은 특히 AI의 영향을 크게 받는 업계 중 하나다. 업무 자동화로 인해 대규모 실업이 발생할 수 있는 분야기 때문이다. 여기에서는 해외 사례를 중심으로 금융 업계에서 AI가 활용되는 최신 동향을 짚어본다. 우선 ‘분석 및 통찰 수준의 향상‘과 ‘젊은 세대의 자금 변통 지원‘ 2가지를 살펴보자.

 분석 및 통찰 수준의 향상 

기계학습 기반의 AI가 능력을 발휘하는 업무 중 하나로 ‘예측’ 기능을 들 수 있는데 이것이 은행 융자나 대출의 판단에 효과적으로 이용되고 있다. AI가 신용도 평가의 새로운 알고리즘을 만들어내고 있는 것이다.

신용카드의 천국이라고 할 수 있는 미국에서는 신용카드의 신용도 평가에 AI가 많이 도입되어 있다. 미국에서 대표적인 신용도 평가 기준으로 오랫동안 사용되어온 것으로 ‘FICO 스코어’라는 것이 있다. 주로 개인의 신용카드나 대출 심사에 사용된 기준으로 개인의 신용도를 점수화한 것이다. 300~850점 내에서 점수화되어 평가되는데 700점 이상이 되어야 좋은 점수로 본다.

그러나 이 점수에 최근 2가지 과제가 지적되고 있다. 첫 번째는 680점 이하 점수를 가진 층이 많다는 것이다. FICO 스코어라는 기존의 제한된 신용도 평가 시스템 내에서 680점 이하의 소비자는 저금리로 융자를 받을 수 없다. 그들이 이용할 수 있는 것은 신용도가 낮은 소비자에게 융자해주는 고금리대출, 즉 서브프라임론이다. 그들은 이 복잡한 서브프라임 시장에서 다양한 리스크에 노출되는 문제에 직면한다.

두 번째는 신용카드 이용 기간이 짧은 등 FICO 스코어를 측정하는 데 충분한 데이터가 없는 사람을 정확하게 평가하기 어렵다는 점이다. 이처럼 FICO와 같은 기존의 신용도를 측정하는 제도에 변혁이 필요해졌다.

이에 FICO 스코어를 제공하는 FICO사는 분석 소프트웨어 기업으로서의 장점을 살려 현재 AI에 의한 알고리즘의 강화를 모색하고 있다. 2017년 12월에 ‘Explainable Machine Learning Challenge’라는 프로젝트를 시작했는데, ‘AI 리서치’라는 명목으로 집을 담보로 한 대출 계약인 HELOC(Home Equity Line of Credit)의 신청서 데이터를 익명화하여 AI 개발자용으로 일반에 공개하고 심층학습을 사용한 새로운 알고리즘 개발을 목표로 하고 있다.

FICO 스코어 이외에 새로운 신용도 평가 시스템을 만들고자 하는 움직임도 활발해지고 있다. FICO에 대항하는 새로운 모델인 Vantage Score나, 보스톤에 거점을 둔 스타트업으로 기계학습을 이용한 Underwrite.ai는 FICO보다 많은 데이터를 활용해 정확한 신용도 평가가 가능한 모델을 제공하고 있다고 주장한다.

이러한 신용도를 더 정확하게 측정하는 모델을 이용하면 기존의 FICO 스코어에서 680점 이하 소비자의 신용도가 올라갈 것으로 기대된다. 결과적으로 지금까지보다 저금리로 대출 가능한 소비자층이 증가하게 되고 이를 통해 대출 수요가 높아질 것으로 기대된다. AI의 활용에 의해 방대한 데이터 처리와 그로 인한 예측이 금융 업계에 만들어내는 좋은 예라고 할 수 있다.

신용도 평가에 AI를 도입하는 것은 우리 생활의 개선에도 도움이 될 수 있다. WalletHub나 S-Peek 같은 앱에서는 간단히 자신의 신용도 스코어를 알 수 있고 그 스코어를 향상시키기 위한 조언도 얻을 수 있다.

지금까지 신용도 평가 프로세스에는 인적 작업도 들어갔지만 AI의 도입에 의해 향후에는 보다 객관적인 평가 기준이 운용됨과 함께 스스로 스코어를 확인하고 개선할 수도 있게 될 것이다.

 젊은 세대의 자금 변통 지원 

최근 금융 시장이 우려하고 있는 미국 밀레니얼 세대의 ‘무저축’ 문제도 AI에 의한 개선이 기대된다. 8,000명 이상의 미국인을 대상으로 한 GOBankingRates사의 조사는 밀레니얼 세대가 저축을 할 수 없다는 문제를 지적하고 있다. 대상자 전체에서 저축을 전혀 하지 못한다고 답변한 사람의 비율은 작년보다 증가했고 이것은 특히 밀레니얼 세대에서 현저하게 나타나고 있다. 저축액이 5,000달러 이상인 사람의 비율도 증가하지 않고 있지만 저축을 할 수 없는 사람의 문제는 심각해지고 있다.

저축액을 ‘0’이라고 답변한 비율은 전년 대비 15% 증가했다. 이런 현황에 대해 낮은 초임금과 학비 변제가 큰 원인이라고 백악관에서는 발표한 적 있다. 그러나 GOBankingRates는 다른 보고서 결과도 이용해 그들에게 ‘자금 변통’ 지원이 필요하다고 언급했다. 그 보고서에 따르면 ‘임금으로 겨우 생활하고 있다’고 답변하는 밀레니얼 세대는 50%나 되는 데 비해 ‘6개월치 생활비를 커버할 수 있을 정도로 저축을 하고 있다’고 답변한 사람의 비율은 30% 정도였다.

이러한 배경도 있어서 미국에서는 개인 지출을 관리하는 Mint나 Wally 같은 앱이 인기다. Digit이라고 하는 ‘디지털 저금통’ 앱은 은행계좌와 연동시켜 유저의 수입과 지출 패턴을 기계학습으로 분석하고 무리 없는 범위에서 저축용 계좌로 자동 저축한다. 지금은 비슷한 기능의 앱이 많이 나와 있고 수요가 높다. 그 중에서도 특히 주목을 받는 것이 챗봇을 활용한 개인 전용 조언 기능을 탑재한 앱이다.

최근 1~2년 동안 ‘가계부 앱’이라는 지출 관리 앱이나 인터넷 뱅킹을 하는 은행 앱에 AI를 탑재한 챗봇이 도입되기 시작했다. 그 배경에는 챗봇의 언어 처리 능력 향상이 있다. 2017년 12월 홍콩교육대학의 데이빗 코니엄 교수의 챗봇 언어능력 보고서에서도 아직 개선의 여지가 있다면서도 챗봇의 답변 능력이 높아졌음을 인정했다.

챗봇은 사람간의 인터랙션을 대신한다는 점에서 2022년까지 연간 약 8억 달러의 비즈니스 비용을 절감할 것이라고 한다. 이미 대형은행에서는 파이낸스 관리의 디지털 트랜스포메이션의 최우선 사항 중 하나로 챗봇을 적극적으로 도입하고 있다.

2016년 발표된 Bank of America의 AI 챗봇 ‘Erica’는 계좌관리에서부터 지불, 유저의 소비동향 분석이나 조언에 이르기까지 다양한 파이낸셜 가이드를 고객에게 제공할 예정이다. 지금까지 등장한 금융계 AI 챗봇 중에서도 특히 고도의 AI와 고객체험이 기대되는 포인트다.

또 2017년 런칭된 대형은행 Capital One의 AI 챗봇 ‘Eno’도 마찬가지 서비스를 제공한다. 지금은 AI 어시스턴트인 아마존 알렉사의 확장 기능인 알렉사 스킬의 하나로도 개발되어 아마존 알렉사를 탑재한 디바이스에서 이용할 수 있다. 예를 들어 “알렉사, 이번 달에 스타벅스에 얼마나 썼지?”라고 질문을 할 수 있다.

그 외에 홍콩에 본점을 둔 HSBC의 ‘Amy’는 홍콩 지역 최초의 AI 챗봇으로 고객을 지원하고 있다. 마스터카드는 대화형 AI 플랫폼 KAI를 제공하는 스타트업 Kasisto와 제휴하여 페이스북 메신저 상에서 마스터카드 KAI를 론칭했다. 그와 비슷한 형태로 American Express의 챗봇 ‘Amex Bot’도 개인계좌나 정보에 관한 질문에 대응하며 고객과의 거리를 좁히고 있다.

이런 대화형 인터페이스를 활용한 자금 관리 앱 중에서도 특히 주목을 받고 있는 것이 샌프란시스코 스타트업인 Olivia다. 다른 앱에도 있는 자금 트래킹이나 관리, 소비습관 조언 기능을 갖추고 있을 뿐 아니라 미리 설정해둔 목표를 토대로 ‘구입하면 좋을지 어떨지’ 상담을 할 수 있다. 또 ‘고급차를 구입한다’거나 ‘하와이 여행 자금을 모은다’와 같은 높은 목표를 달성하기 위한 플랜을 함께 세울 수도 있다. 현재 시점에서는 이 유저친화적이고 인적 비용이 들지 않는 챗봇에서는 다음과 같은 처리가 가능하다.

(1) 기본적인 질문에 대한 답변
(2) 창구 업무의 대행(은행계좌 관리, 개인간 송금 등)
(3) 신용도 평가 스코어 조언
(4) 특정 목적 달성을 위한 저축 조언
(5) 지불 예정 통지
(6) 현실적인 예산 편성
(7) 신용카드 지불

 

 

페이스북으로 댓글을 달아주세요!

About Author

국내 모바일 산업과 창업 생태계를 응원합니다. 모바일 트렌드에 대한 전문 컬럼을 기고하거나 유망한 스타트업을 소개하고 싶으시면 연락바랍니다. 적극 수용하겠습니다~♥

댓글 남기기