글로벌 금융업계 AI 프로젝트, 파일럿에서 상품화로 '레벨업'

Computerworld

금융 업계가 인공지능(AI)에 많은 돈을 쏟아붓고 있다. 은행을 예로 들면, 2019년까지 AI에 56억 달러를 투자할 것으로 예상된다. 이는 유통/소매에 이어 2위에 해당하는 규모다.
 

ⓒGetty Images Bank


지금까지는 파일럿 단계에 머문 AI 프로젝트가 절대다수였다. 또 확실한 비즈니스 사례 없이 기술이 도입되는 경우가 많았다.

다시 말해, 그냥 유행을 따르는 것이었다.

현재 대부분 AI 프로젝트는 현업에 챗봇 기술을 도입하거나, 머신러닝을 배포하며, 고객 행동과 고객 요구를 파악하고, 고객 서비스 효율성을 높이고, 보안을 강화하는 데 목적을 두고 있다.

분석 서비스 공급업체인 프랙탈 애널리틱스(Fractal Analytics)의 최고 프랙티스 책임자(Chief Practice Officer) 산카르 나라야난은 “은행 서비스 전반에 걸쳐 고객 여정에 대한 기억을 보존할 수 있도록 만드는 데에 목적이 있다”라고 말했다.

기본적인 문제와 사안에 목적을 둔 초기 시스템들
나라야난에 따르면, 앞서 설명한 테스트를 위한 파일럿 프로젝트가 성숙기에 접어들면서 ‘상전벽해’ 같은 변화가 발생하고 있다. 올해는 기업이 프로덕션 시스템을 배치하기 시작하는 한 해가 될 전망이다. 처음에는 기본적인 문제들을 해결하는 것에 초점이 맞춰질 것으로 분석된다. 기능이 강화된 대화형 챗봇을 통해 고객 관계 관리(CRM)를 처리하는 것을 예로 들 수 있다.

나라야난은 “더 큰 개념은 ‘마찰’ 경감이다. 사업체에 대출 서비스를 제공하는 대부분의 은행은 많은 서류, 문서화를 요구한다. 가장 중요한 ‘마찰점’ 가운데 하나가 이런 서류에 대한 심사이다. 자금을 유치하기 원하는 사업체와 위험 평가를 위해 심사를 해야 하는 은행 담당자 모두에 해당하는 마찰점이다”라고 말했다.

예를 들어, 신용한도를 자동으로 높이는 문제를 생각하자. 이는 일반적으로 간단한 계산에 따른다. 정기적으로 카드를 사용하고, 제때 대금을 납부했을 때 신용한도가 올라간다. 그러나 고객들이 신용한도 향상을 어떻게 인식하는지에 대한 조사는 거의 이뤄지지 않는다.

나라야난은 “고객들이 행복할까? 아니면 은행이 자신을 옭아맬 더 긴 올가미를 던졌다고 생각할까? 간단한 질문이다. 고객에게 자격이 있는지 판단하기는 쉽다. 그러나 이것이 고객을 위해 해야 할 정말 옳은 일일까? 그런데 고객의 과거 이력과 기록을 더 완전히 파악하면, 수동 한도 향상, 또는 자동 한도 향상 중 하나를 선택해 제공할 수 있다. 이것이 인간화한 AI이다”라고 설명했다.

대부분 금융 서비스의 LoB(Line of Business)는 현재 구획화, 또는 구분된 형태를 보이고 있다. 다른 비즈니스 인수 과정에 도입된 사유, 또는 구형 컴퓨터 시스템에 의지하고 있어, 다른 CRM 및 ERP 시스템과 통합되지 않는다는 의미이다. 예를 들어, 은행은 통합된 단일 환경에서 고객의 체킹(수표 또는 당좌) 계좌, 저축 계좌, 신용카드와 관련된 내역을 확인할 수 있지만, 모기지(주택 담보 대출)는 확인하지 못하는 경우도 있다. 이런 정보들을 통합하면 더 쉽게, 재정 상태에 대한 완전한 정보를 토대로 추가적인 상품을 제안할 수 있게 된다.

웰스파고은행에서 AI 엔터프라이즈 솔루션을 책임지고 있는 척 먼로에 따르면, AI를 전사적으로 적용할 수 있는 전략적인 비즈니스 도구로 바라보지 않고, 데이터 과학이나 기술이라는 좁은 시각으로 판단하고 있는 기업과 기관이 많다.

먼로는 “AI 기술은 트랜스포메이션 변화를 견인할 잠재력을 가지고 있다. 전사적으로 유의미한 인사이트를 끄집어낼 수 있게끔 데이터를 체계화하는 데 아주 중요하다”라고 말했다. 또 “개인적으로 ‘엔드투엔드(완전한)’ 프로세스를 이해하고 기회를 명확히 정의하는 것이 중요하다고 생각한다. 독자적인 AI로 비즈니스 목표를 달성하기란 아주 힘들다”라고 덧붙였다.

1년 6개월 전, 웰스파고는 데이터 관리 및 IT팀과 협력해 전사적으로 AI 도입에 박차를 가하는 역할을 맡는 AI 엔터프라이즈 솔루션을 만들었다. 이 팀은 고객경험부터 운영, 위험 관리까지 모든 영역에 개입하고 있다.
 

---------------------------------------------------------------
산업과 인공지능 인기기사
->오이 농장도 AI 활용··· 클라우드가 문턱 낮춘다
->'IT·자동차회사 출사표' 무인운전 차량 개발 중인 기업 18선
->'사람처럼' 일하는 10가지 로봇
->'AI가 고객 발굴하고 마케팅 카피 작성' 초콜릿회사 이야기
->'항공권 예약부터 재무·회계 자문까지' 열일하는 기업용 챗봇
->AI 기술이 제시하는 또 하나의 가능성··· '스마트 공급망'
->컴퓨터의 창의력, 인류에게 어떤 의미일까?
->쉘, 고객 안내 데스크에 인공지능 “아멜리아” 앉힌다
---------------------------------------------------------------

웰스파고의 사례
웰스파고는 2017년 4월을 기점으로 페이스북 챗봇 파일럿 프로젝트를 출범하면서 AI에 뛰어들었다. 1년이 지난 후, 웰스파고는 고객과의 상호작용을 AI가 어떻게 강화하고 능률화했는지 평가할 수 있었다. 최근에는 단기 프로젝트인 뱅킹 어시스턴트 파일럿 프로젝트를 마쳤다. 웰스파고 모바일 앱에서 AI를 사용하는 대화형 뱅킹 기능이 어떤 식으로 고객경험을 향상하고, 정보를 전달하는지 파악한 프로젝트였다.

그러나 아직 프로덕션 시스템을 배포하지 않았다.

먼로는 “우리는 고객이 챗봇 사용을 왜 좋아하는지 많은 정보를 얻었다. 이는 향후 경험과 환경 강화에 도움을 줄 것이다. 예를 들어, 고객들은 계좌 정보에 액세스해서 거래 내용을 분석하는 기능을 높이 평가했다. 또 향후 챗봇 경험에 반영되기 원하는 여러 추가적인 기능에 대한 유용한 피드백을 수집했다. 이체와 송금, 요금 결제 기능을 예로 들 수 있다”라고 설명했다.

 


AI 개발 착수
AI 개발자를 찾기 쉽지 않다. 새로운 분야라 인재풀이 희소하기 때문이다. 딜로이트 컨설팅에서 로봇 및 인지 자동화에 대한 조사를 책임지고 있는 스리다르 라잔 프린시펄에 따르면, AI나 머신러닝 기술보다 규칙 기반 기술 개발자를 찾기가 더 쉽다.

AI 개발팀을 만들고 AI를 배포할 때, 기업이 가장 먼저 할 일은 비즈니스 목적을 확실히 파악하고, 내부에서 AI 개발자를 육성하기란 아주 힘들고 드물다는 점을 인식해야 한다. 많은 교육과 트레이닝이 필요한 복잡하고 까다로운 분야이기 때문이다. 라잔은 기술과 더불어 비즈니스를 이해하는 개발자가 필요하다고 강조했다.

라잔은 “중력의 중심이 비즈니스 지식으로 이동하고 있다. 머신러닝을 도입했지만, 이를 적용할 분야를 모르면 곤란하다. 먼저 해결해야 할 비즈니스 문제를 찾아야 한다. 소수 인재들을 채용한다. 인큐베이터 프로젝트같이, CoE(Center of Excellence)를 통해 소규모 핵심 팀을 만들어야 한다”라고 강조했다.

딜로이트가 8월에 발표한 보고서는 AI를 추진하는 기업들이 직면하는 주요 난제들을 설명하고 있다. 서로 대화를 하지 못하는 기존의 이기종 시스템, AI 개발자와 프로그래머 부족 문제, AI가 할 수 있는 일과 없는 일에 대한 이해 미흡이 이러한 난제들이다.

딜로이트는 또 AI는 고립되어서는 안 되며, 블록체인이나 양자 컴퓨팅 같은 다른 기술 개발과 병행되어야 한다고 설명했다.

AI와 머신러닝은 주로 데이터에서 정칙성과 비정칙성을 인식하는 패턴 감지, 미래 이벤트에 대해 확률을 결정하는 인사이트, 특정 혜택에서 규칙을 생성하고 데이터를 적용해 결과를 최적화하는 맞춤화, 데이터에서 규칙을 생성하고, 이 규칙에 대해 정책을 적용해 의사결정에 도움을 받는 것, 디지털이나 아날로그 매체를 통해 고객과 접촉, 커뮤니케이션하는 용도로 사용된다.

딜로이트 보고서는 “현업 사람들은 AI에 관해 이야기할 때 특정 기술적 접근법, 잘 정립된 컴퓨터 과학 이론을 언급하지 않는다. 새로운 방법으로 비즈니스를 운영할 수 있도록 도와주는 기능, 능력에 관해 이야기한다”라고 설명했다.

핵심이 되는 기능과 능력들은 대부분 기술 ‘스위트’이다. 적응형 예측 기능을 통해 강화됐고, 일정 수준의 자율 학습 기능이 도입됐다. 서비스나 내부 프로세스를 자동화 및 강화하는 기능을 발전시킨 것들이다.

라잔에 따르면, 파일럿이나 프로덕션 시스템에 현재 사용되고 있는 AI는 크게 4가지로 분류할 수 있다.

• 소매은행(금융기관)이 고객들이 많이 하는 질문에 대답하기 위해 사용하는 챗봇과 가상 비서
• 양식이나 청구서를 작성하기 위해 여러 시스템에서 데이터를 가져올 수 있는 규칙 기반 스크립트나 로봇 프로세스 자동화(RPA)
• 시스템이 계약서에서 텍스트를 읽어, 핵심 조항을 파악하고(또 텍스트의 의미를 판단하고), 시스템이 평이한 언어를 작성할 수 있도록 돕는 자연어 처리 및 생성 기술
• 고객 동향을 파악해 구매 확률이 높은 제품에 관한 판단을 내릴 수 있는 인지 분석

점점 더 많이 자동화되고 있는 규제 준수
부정행위(사기 또는 위법 행위) 방지, 돈세탁 방지, KYC(Know Your Customer) 관련 규정들이 기업으로 하여금, 내부 및 외부 리소스를 샅샅이 뒤져 잠재 고객을 더 완전하게 파악하는 조사형 AI를 배포하도록 유도하고 있다.

설명을 위해 고객이 은행 사이트에 로그인을 했다고 가정하자. AI 스크립트는 고객 기록을 검색하고, 규제 준수에 필요한 데이터가 누락되었는지 파악한다. 그리고 은행의 고객 관계 담당 매니저에게 이메일을 보내고, (사람이나 컴퓨터를 통해)고객에게 정보를 받아 업데이트한다.

현재 방식대로 수동으로 KYC 같은 규정을 충족하기 위해 누락된 데이터를 찾으려면, 신규 기업 고객 온보딩의 경우 최장 6주가 소요된다. AI 및 머신러닝인 이를 단 며칠로 단축한다.

라잔은 “고객 조사 및 심사 프로세스는 아주 잘 정의되어 있다. 통상 내부 및 외부의 여러 이질적인 소스에서 데이터를 수집해 통합하는 데 시간을 낭비한다”라고 말했다.

여러 다양한 기능이 탑재된 AI 기술을 사용, 더 효과적으로 고객 온보딩을 관리하고, 고객에게 한층 더 맞게 맞춤화된 직관적인 질문들을 제공하고, 고객 선호도에 맞춰 향후 상품을 제안할 수 있다.

라잔은 “유기적으로 성장해서 여러 시스템을 보유하고 있는 금융 서비스 회사가 많다. 고객을 위해 재빨리 이런 시스템에서 데이터를 가져와 통합하는 데 큰 노력과 수고가 필요하다”라고 지적했다.

웰스파고는 부정 행위, 사기로 의심되는 케이스를 감지하고, 지속해서 여기에 우선순위를 정하는 AI 모델을 개발했다. 이는 직원이 개입해 직접 조사하는 고위험 케이스의 수를 크게 줄인다.

먼로는 “의심스러운 것으로 판단되는 직불카드 거래가 아주 많았다. AI 모델 덕분에 실제는 의심스러운 케이스, 사기 케이스가 아닌 데 이렇게 분류되는 사례의 수를 크게 줄이고 있다. 이는 고객경험을 더 매끄럽고 안전하게 만들도록 도움을 준다”라고 설명했다.

딜로이트가 익명으로 예를 든 한 글로벌 금융기관은 수동으로 비용 정산 보고서와 영수증의 유효함과 정확성 등을 검토하고 있었는데 아주 큰 노력과 수고가 들었다. 이 회사는 AI를 사용, 비용 정산 보고서 및 영수증 판독 절차를 자동화했다. AI는 핵심 항목을 확인하고, 요약된 내용을 제공한다. 또한, AI 프로그램은 모든 입력 정보와 보고서를 중앙화된 장소에 저장, 감사 추적에 도움을 준다.

이 금융기관은 수동으로 비용 항목과 영수증을 검토했을 때 보다 (연간 기준)수천 시간을 절약할 수 있게 되었다. 또 이 시스템은 매일 규칙 준수 여부를 파악, 규칙에 위배되는 변제 금액을 절약해준다. 또 단순화된 확인 프로세스 덕분에 더 쉽게 ‘부정 행위’ 사례를 파악할 수 있다.

통합된 방식으로 고객 정보를 파악하는 기업들에게 여전히 남아 있는 도전 과제가 구형 데이터 시스템 통합이다. 라잔에 따르면, 정보가 원활하게 유통되는(그러나 자주 이렇지는 않는)데이터 플랫폼을 1~2개 구현하는 것이 좋다. 여러 다양한 시스템으로 고정된 방식의 인프라를 구축해 유지하고 않고, 데이터를 클라우드로 마이그레이션하는 기업들이 증가하는 추세다. AI는 이런 데이터를 더 자동화된 방식으로 관리하도록 도움을 준다.

이 경우에도, AI 기술은 기업이 여러 시스템의 데이터를 통합하도록 도움을 줄 수 있다.

라잔은 “시스템이 통합되어 있어야 한다. 그래야 은행 파일, 담보 대출 파일에서 고객 정보를 가져와 통합하고, 내부적으로 이를 받아볼 수 있는 기술을 이용할 수 있다. 그래야 통합된 관점으로 고객과 대화할 수 있다. 전반적으로 통합성이 강화되고 있는 가운데, AI가 이런 격차를 없애고 있다. 이 부분에서 AI 기술이 빠른 속도로 발전하고 있다고 생각한다”라고 말했다. ciokr@idg.co.kr