2017.12.08

금융 업계의 AI·머신러닝 활용처 10선

Scott Carey | Computerworld UK

유럽의 주요 은행들이 방대한 보유 데이터를 활용해 규제 준수뿐 아니라 고객 참여도 및 운영 효율을 개선할 수 있는 AI 기술에 주목하고 있다.



진짜 이득을 더 얻는 쪽이 고객인지 아니면 은행 자신인지는 논란의 여지가 있으며, 결과는 규제 당국의 감시에 달려 있다. 인터넷의 아버지 팀 버너스리는 AI 시스템이 금융계 일부로 포함될 가능성과 이것이 시스템의 공정성에 시사하는 바에 대해 바로 최근에 경고한 바 있다.

그렇다면 주요 은행들은 최첨단 AI 및 머신러닝 기술을 어떻게 활용할 계획일까? 몇 가지 예를 소개한다.

사기 방지
금융 업계에서는 주로 사기 방지 및 준법 개선을 목적으로 머신러닝을 활용해 왔다. 머신러닝 알고리즘은 방대한 거래 데이터 속에서 이상 행위를 찾아낼 수 있기 때문에 안성맞춤인 기술이다.

올해 초 로이드 금융 그룹(Lloyds Banking Group) 빅데이터 최고 공학자 앤드류 맥콜은 “[사기]에 대해 실시간으로 파악하고 있다면 뭔가 대처할 수 있다. 어제 발생한 사기를 오늘에서야 파악하는 것은 사기 방지 메커니즘만큼 효과적이지 않다”고 말했다.

HSBC 회장 더글라스 플린트는 4월 처음 개최된 국제 핀테크 회의에서 “AI 및 머신러닝을 활용해 금융 시스템을 감시한다면 고객과 우리 자신을 더 잘 보호할 기회가 생길 것”이라고 말했다.

알고리즘 거래


은행들은 1970년대부터 컴퓨터 알고리즘을 이용해 주식 거래를 해왔다. 이는 1987년 ‘검은 월요일’ 주가 폭락 사태에 일부 원인을 제공하기도 했다. 그러나 AI 시스템이 발전하면서 자연스럽게 은행들의 시선은 경쟁우위를 점할 수 있는 기술로 향하고 있다.

올 4월 바클레이(Barclays) 그룹 혁신 책임자 마이클 하티는 금융에서 AI가 활용되기 가장 쉬운 부분은 ‘대규모 알고리즘 거래’라고 말한 바 있다. 즉, “방대한 양의 고속 데이터를 활용해 경쟁자를 제치고 고객에게 더 나은 제품과 가치를 제공한다”는 뜻이다.

여기서 하티가 말한 고객이란 일반적인 소비자 금융 고객이 아닌 바클레이의 투자 고객임을 주목할 필요가 있다. 몇몇 은행이 어떻게 전자 초단타 거래를 통해 미국 증권시장을 ‘조작’했는지에 대한 자세한 내용은 마이클 루이스의 저서 <플래시 보이스(Flash Boys)>를 참고할 수 있다.

AI로 운용되는 펀드
영국 헤지펀드 맨 그룹(Man Group) 역시 지난 1년 간 AI 알고리즘을 활용해 펀드 일부에 대한 투자 전략을 규정해 매우 긍정적인 결과를 얻었다.

2017년 9월 블룸버그(Bloomberg)는 다음과 같이 전했다. “2015년까지 인공지능은 맨 그룹의 최대 펀드 중 하나인 AHL 디멘션 프로그램(AHL Dimension Programme)의 수익 중 절반 가량에 기여했다. 이 펀드는 전체 자산 중 AI로 관리하는 부분이 적은데도 현재 운용 금액이 51억 달러에 달한다.”

머신러닝 시스템은 전세계 컴퓨터의 상세한 거래 정보를 비롯한 수백만 개의 데이터 포인트를 샅샅이 뒤진다. 인간이 볼 수 없는 패턴을 찾아내고 자가 수정을 통해 개선 및 시정 변화에 대한 적응을 계속함으로써 스스로 돈벌이 전략을 알아낸다.

또한 블룸버그는 맨 그룹을 비롯한 업계 전체가 AI를 활용해 “가장 빠른 거래 실행 방법을 찾아내고 시장 움직임을 예측하며 보도 자료 및 금융 보고서에서 주가 등락의 단초가 될 키워드를 찾아내고 있다”고 전했다.

로보 어드바이스
로보 어드바이스(Robo-advice)와 투자 기회의 대중화는 오랫동안 핀테크 신생기업들, 예컨대 영국에서는 특히 넛메그(Nutmeg), 머니팜(Moneyfarm)과 같은 기업들의 영역이었다.

대형 은행 역시 가담하고 시작했다. UBS는 영국에서 스마트웰스(SmartWealth) 제품을 출시하고 있으며 냇웨스트(Natwest)는 11월 인베스트(Invest)라는 로보 어드바이스 서비스를 단돈 500파운드에 출시했다.

이러한 서비스는 고객에게 정해진 질문을 던진다. 이를 통해 머신러닝 알고리즘은 고객의 위험 분류를 설정하고 고객의 자금을 포트폴리오에 투자한다. 일반적으로 위험이 낮은 상장지수펀드(ETF)들이다.

이 과정이 자동화되면 개별 펀드매니저들이 필요하지 않게 되고 투자 관련 수수료는 낮아지므로 더 많은 고객을 은행에 유치할 수 있다.

로보 어드바이저들은 고객들이 자신의 포트폴리오에 접근할 수 있게 해 주고 챗봇을 통한 지원 및 고객 서비스를 제공한다. 기존에 이런 서비스 제공에 소요되었던 비용 역시 절감된다.
 

실시간 거래 분석
구형 IT인프라를 대량 보유한 주요 은행에게 실시간 거래 추적 능력은 과거 오랫동안 문제였다. 그런데 지연 없이 거래 추적이 가능하도록 데이터를 준비하면 은행의 고객 파악에 도움이 된다. 그뿐 아니라 이 데이터를 활용한 AI 및 딥러닝을 통해 시간의 경과에 따른 고객의 소비 습관을 파악하여 개인 맞춤식 부가가치 제품을 제공할 수 있다.

최근 이 문제를 연구해 온 로이드 데이터 과학팀은 거래를 거의 실시간으로 추적할 방법을 찾아냈다. 로이드 금융 그룹 빅데이터 최고 공학자 앤드류 맥콜은 은행 내에서 거의 실시간으로 데이터를 처리할 수 있게 되면서 “머신러닝 측면은 물론 고객 응대와 고객에게 금융에 대한 통찰력 제공을 개선할 방법 측면에서 많은 기회가 생겨나기 시작했다”고 말했다.
 

 


2017.12.08

금융 업계의 AI·머신러닝 활용처 10선

Scott Carey | Computerworld UK

유럽의 주요 은행들이 방대한 보유 데이터를 활용해 규제 준수뿐 아니라 고객 참여도 및 운영 효율을 개선할 수 있는 AI 기술에 주목하고 있다.



진짜 이득을 더 얻는 쪽이 고객인지 아니면 은행 자신인지는 논란의 여지가 있으며, 결과는 규제 당국의 감시에 달려 있다. 인터넷의 아버지 팀 버너스리는 AI 시스템이 금융계 일부로 포함될 가능성과 이것이 시스템의 공정성에 시사하는 바에 대해 바로 최근에 경고한 바 있다.

그렇다면 주요 은행들은 최첨단 AI 및 머신러닝 기술을 어떻게 활용할 계획일까? 몇 가지 예를 소개한다.

사기 방지
금융 업계에서는 주로 사기 방지 및 준법 개선을 목적으로 머신러닝을 활용해 왔다. 머신러닝 알고리즘은 방대한 거래 데이터 속에서 이상 행위를 찾아낼 수 있기 때문에 안성맞춤인 기술이다.

올해 초 로이드 금융 그룹(Lloyds Banking Group) 빅데이터 최고 공학자 앤드류 맥콜은 “[사기]에 대해 실시간으로 파악하고 있다면 뭔가 대처할 수 있다. 어제 발생한 사기를 오늘에서야 파악하는 것은 사기 방지 메커니즘만큼 효과적이지 않다”고 말했다.

HSBC 회장 더글라스 플린트는 4월 처음 개최된 국제 핀테크 회의에서 “AI 및 머신러닝을 활용해 금융 시스템을 감시한다면 고객과 우리 자신을 더 잘 보호할 기회가 생길 것”이라고 말했다.

알고리즘 거래


은행들은 1970년대부터 컴퓨터 알고리즘을 이용해 주식 거래를 해왔다. 이는 1987년 ‘검은 월요일’ 주가 폭락 사태에 일부 원인을 제공하기도 했다. 그러나 AI 시스템이 발전하면서 자연스럽게 은행들의 시선은 경쟁우위를 점할 수 있는 기술로 향하고 있다.

올 4월 바클레이(Barclays) 그룹 혁신 책임자 마이클 하티는 금융에서 AI가 활용되기 가장 쉬운 부분은 ‘대규모 알고리즘 거래’라고 말한 바 있다. 즉, “방대한 양의 고속 데이터를 활용해 경쟁자를 제치고 고객에게 더 나은 제품과 가치를 제공한다”는 뜻이다.

여기서 하티가 말한 고객이란 일반적인 소비자 금융 고객이 아닌 바클레이의 투자 고객임을 주목할 필요가 있다. 몇몇 은행이 어떻게 전자 초단타 거래를 통해 미국 증권시장을 ‘조작’했는지에 대한 자세한 내용은 마이클 루이스의 저서 <플래시 보이스(Flash Boys)>를 참고할 수 있다.

AI로 운용되는 펀드
영국 헤지펀드 맨 그룹(Man Group) 역시 지난 1년 간 AI 알고리즘을 활용해 펀드 일부에 대한 투자 전략을 규정해 매우 긍정적인 결과를 얻었다.

2017년 9월 블룸버그(Bloomberg)는 다음과 같이 전했다. “2015년까지 인공지능은 맨 그룹의 최대 펀드 중 하나인 AHL 디멘션 프로그램(AHL Dimension Programme)의 수익 중 절반 가량에 기여했다. 이 펀드는 전체 자산 중 AI로 관리하는 부분이 적은데도 현재 운용 금액이 51억 달러에 달한다.”

머신러닝 시스템은 전세계 컴퓨터의 상세한 거래 정보를 비롯한 수백만 개의 데이터 포인트를 샅샅이 뒤진다. 인간이 볼 수 없는 패턴을 찾아내고 자가 수정을 통해 개선 및 시정 변화에 대한 적응을 계속함으로써 스스로 돈벌이 전략을 알아낸다.

또한 블룸버그는 맨 그룹을 비롯한 업계 전체가 AI를 활용해 “가장 빠른 거래 실행 방법을 찾아내고 시장 움직임을 예측하며 보도 자료 및 금융 보고서에서 주가 등락의 단초가 될 키워드를 찾아내고 있다”고 전했다.

로보 어드바이스
로보 어드바이스(Robo-advice)와 투자 기회의 대중화는 오랫동안 핀테크 신생기업들, 예컨대 영국에서는 특히 넛메그(Nutmeg), 머니팜(Moneyfarm)과 같은 기업들의 영역이었다.

대형 은행 역시 가담하고 시작했다. UBS는 영국에서 스마트웰스(SmartWealth) 제품을 출시하고 있으며 냇웨스트(Natwest)는 11월 인베스트(Invest)라는 로보 어드바이스 서비스를 단돈 500파운드에 출시했다.

이러한 서비스는 고객에게 정해진 질문을 던진다. 이를 통해 머신러닝 알고리즘은 고객의 위험 분류를 설정하고 고객의 자금을 포트폴리오에 투자한다. 일반적으로 위험이 낮은 상장지수펀드(ETF)들이다.

이 과정이 자동화되면 개별 펀드매니저들이 필요하지 않게 되고 투자 관련 수수료는 낮아지므로 더 많은 고객을 은행에 유치할 수 있다.

로보 어드바이저들은 고객들이 자신의 포트폴리오에 접근할 수 있게 해 주고 챗봇을 통한 지원 및 고객 서비스를 제공한다. 기존에 이런 서비스 제공에 소요되었던 비용 역시 절감된다.
 

실시간 거래 분석
구형 IT인프라를 대량 보유한 주요 은행에게 실시간 거래 추적 능력은 과거 오랫동안 문제였다. 그런데 지연 없이 거래 추적이 가능하도록 데이터를 준비하면 은행의 고객 파악에 도움이 된다. 그뿐 아니라 이 데이터를 활용한 AI 및 딥러닝을 통해 시간의 경과에 따른 고객의 소비 습관을 파악하여 개인 맞춤식 부가가치 제품을 제공할 수 있다.

최근 이 문제를 연구해 온 로이드 데이터 과학팀은 거래를 거의 실시간으로 추적할 방법을 찾아냈다. 로이드 금융 그룹 빅데이터 최고 공학자 앤드류 맥콜은 은행 내에서 거의 실시간으로 데이터를 처리할 수 있게 되면서 “머신러닝 측면은 물론 고객 응대와 고객에게 금융에 대한 통찰력 제공을 개선할 방법 측면에서 많은 기회가 생겨나기 시작했다”고 말했다.
 

 


X