2021.09.24

'매월 20만 건의 대출 심사를 빠르게!' 토요타의 AI 활용법

Thor Olavsrud | CIO
자동차 금융 서비스 분야에서는 딜러와 고객 모두 빠른 결정을 원한다. 토요타 파이낸셜 서비스(TFS: Toyota Financial Services)는 소비자의 신용에 대해 자동으로 결정을 내리고, 고객과 딜러의 경험 및 환경을 개선하고, 대출에 있어 공정성을 보증하면서 고객의 신용 위험을 효율적으로 관리하기 위해 AI를 활용한다는 결정을 내렸다.

토요타 파이낸셜 서비스의 도메인 정보 책임자(Domain Information Officer)인 바라드와즈 고팔은 “업계 최고의 고객 및 딜러 경험을 전달하는 데 목적이 있다. 이를 위해서는 신용 결정을 빠르게 내리는 한편, 신용 위험을 관리하면서 컴플라이언스 기준을 충족해야 한다”라고 말했다.

TFS는 딜러와 고객 피드백을 토대로 2019년 6월에 IFDE(Intelligent Financing Decision Engine)를 개발하기 시작했다. IFDE는 고객 차량 파이낸싱 때 신용 위험을 분석하는 클라우드 기반 대출 개시 결정 엔진이다. TFS가 파악한 표적화 된 주요 신용정보 속성들을 이용해 1초 미만에 결과를 전달할 수 있는 알고리즘을 구현하기 위해 최첨단 AI 의사결정을 만드는 데 목적을 뒀다. TFS는 이 프로젝트로 신기술 응용 분야에서 ‘퓨처엣지 50 어워드’ 상을 수상했다.
 
Image Credit : Getty Images Bank

여러 부서 및 직능간 협업으로 프로세스를 추진
고팔에 따르면, TFS IT는 실제 데이터에 토대를 둔 IFDE의 비즈니스 케이스를 만들기 위해 소비자 신용 위험 사업 부문과 협력했다.

그는 “100만이 넘는 소비자 대출 신청 기록을 평가했고, 스왑 세트 분석을 통해 IFDE에 배포한 새 모델의 효과를 평가했다. 아울러 STP(Straight Through Processing)의 증가와 고객 손실 처리 감소를 추산했다”라고 설명했다. 

TFS는 아마존 EKS(Elastic Kubernetes Service)에 엔진을 구축했다. 그리고 새 모델이 어떻게 반응하는지 파악하기 위해 캠페인/챌린저 의사결정 관리 테스트를 활용했다. 이 팀은 또 확장성을 테스트하기 위해 자동 회귀 및 로드 테스트 도구들을 이용했다. 고팔은 업계에서 가장 많은 수의 대출을 처리할 수 있어야 하기 때문에 필수적인 부분이라고 설명했다.

고객 신용 위험, 영업, 대출 소비자 신용 리스크, 영업, 대출 개시, 딜러 경험, 신용 분석, 컴플라이언스, 데이터 사이언스, 애자일 애플리케이션 팀 등 여러 부서와 기능의 이해관계자들이 참석한 여러 차례의 회의를 통해 요구사항들을 파악했다. 비즈니스 부문 제품 소유자와 기술 부문 제품 소유자가 공동으로 통솔하는 가운데, 팀은 사용자 사례를 수집했고, 2주 스프린트로 구성된 지속 개발 주기에 걸쳐 반복적으로 작업했다.

고팔은 “여러 이해관계자들로부터 요구사항을 수집하고, 초기에 부족한 부분을 파악해 이해관계자의 피드백을 토대로 제품을 개선하는 데 목적을 뒀다”라고 설명했다.

TFS IT는 이와 관련해 기술 부문 제품 소유자가 관리하는 작은 규모의 애자일 IT 팀들인 ABC(Agile Business Capability) 디지털 팩토리를 활용하고 있다. 데이터 사이언스, 애플리케이션 개발, 클라우드 엔지니어링. API 서비스, 엔터프라이즈 데이터 플랫폼, 디봅스(DevOps), 정보 보안 등 10개 팀 이상이 IFDE를 구현하기 위해 협력했다.

팀은 10개월 만에 IFDE를 개발해 배치했다. TFS는 2019년 말에 첫 번째 딜러를 대상으로 엔진을 런칭했고, 2020년에 2,000여 딜러들에게 이를 배포하기 시작했다.

고팔은 “여러 팀들이 개발하는 개별 구성 요소들의 우선순위를 정하면서 일부 어려움을 겪었다. 이런 어려움을 관리하는 데 모든 수준에서의 지속적인 협력이 아주 중요한 역할을 했다”라고 말했다.

가능성의 기술
두 번째 도전과제는 기술이었다. 고팔에 따르면, 의사결정 엔진은 매월 20만 건 이상의 차량 파이낸싱 신청에 대한 신용 위험을 분석한다. 이 정도 규모를 처리할 수 있도록 구현을 하고, 테스트를 하고, 확장을 하는 것이 어려웠다. 이 과정에서 캠페인/챌린저 의사결정 관리 테스트가 아주 중요한 역할을 했다.

고팔은 “IFDE는 TFS에서 일정 수준 경계를 확장하고, 가능성을 증명하도록 도움을 줬다. 그러나 제품 성공에 아주 중요한 몇 가지는 가파른 학습 곡선을 갖고 있었다. 경험을 토대로 지원 팀이 적절히 관여하는 수준을 파악하고, 비즈니스 이해관계자의 피드백을 토대로 내부 팀의 전문성과 강점을 조정하고, 지속적인 개선이라는 원칙으로 애자일 사고방식을 도입하는 것이 여기에 해당된다”라고 설명했다.

고팔은 IFDE가 TFS의 대출 자동 결정 비율을 20% 이상 향상시켰다고 강조했다(50% 미만에서 60% 이상). 또 손실(고객이 상환을 못하고 차량을 반환하는)은 0.3% 미만으로 감소했다.

고팔은 “현재 우리는 지속적으로 반복해 자동 결정 비율을 개선하고, 신용 위험을 더 효과적으로 관리하는 플랫폼을 갖고 있다. 현재 IFDE는 1,100만 건이 넘는 신용 신청을 1초 미만의 응답 시간으로 분석한다. 또 여러 테넌트의 신용 신청을 처리할 계획이다”라고 말했다.

다음은 고팔이 프로젝트에서 배운 주요 교훈들이다.

• 데이터 인사이트와 매트릭스를 제시해 초기에 리더들의 수용을 획득하는 것이 이니셔티브가 기업에 가져올 가치를 전달하는 데 아주 중요하다.

• 주요 이해관계자를 파악하고, 애자일 사고방식을 도입하고, 여러 이해관계자들이 관여하는 부서 간 협력을 통해 프로젝트 실행과 성숙도 측면에서 투명성을 창출하고, 신뢰를 구축한다.

• 속도와 민첩성 프로젝트를 발전시키려면 클라우드 우선 전략을 채택하고, 기술 팀에 여러 주제 전문가와 클라우드 전문가, 데이터 사이언티스트, 오픈소스 및 데브옵스 옹호자들을 참여시킨다. ciokr@idg.co.kr
 



2021.09.24

'매월 20만 건의 대출 심사를 빠르게!' 토요타의 AI 활용법

Thor Olavsrud | CIO
자동차 금융 서비스 분야에서는 딜러와 고객 모두 빠른 결정을 원한다. 토요타 파이낸셜 서비스(TFS: Toyota Financial Services)는 소비자의 신용에 대해 자동으로 결정을 내리고, 고객과 딜러의 경험 및 환경을 개선하고, 대출에 있어 공정성을 보증하면서 고객의 신용 위험을 효율적으로 관리하기 위해 AI를 활용한다는 결정을 내렸다.

토요타 파이낸셜 서비스의 도메인 정보 책임자(Domain Information Officer)인 바라드와즈 고팔은 “업계 최고의 고객 및 딜러 경험을 전달하는 데 목적이 있다. 이를 위해서는 신용 결정을 빠르게 내리는 한편, 신용 위험을 관리하면서 컴플라이언스 기준을 충족해야 한다”라고 말했다.

TFS는 딜러와 고객 피드백을 토대로 2019년 6월에 IFDE(Intelligent Financing Decision Engine)를 개발하기 시작했다. IFDE는 고객 차량 파이낸싱 때 신용 위험을 분석하는 클라우드 기반 대출 개시 결정 엔진이다. TFS가 파악한 표적화 된 주요 신용정보 속성들을 이용해 1초 미만에 결과를 전달할 수 있는 알고리즘을 구현하기 위해 최첨단 AI 의사결정을 만드는 데 목적을 뒀다. TFS는 이 프로젝트로 신기술 응용 분야에서 ‘퓨처엣지 50 어워드’ 상을 수상했다.
 
Image Credit : Getty Images Bank

여러 부서 및 직능간 협업으로 프로세스를 추진
고팔에 따르면, TFS IT는 실제 데이터에 토대를 둔 IFDE의 비즈니스 케이스를 만들기 위해 소비자 신용 위험 사업 부문과 협력했다.

그는 “100만이 넘는 소비자 대출 신청 기록을 평가했고, 스왑 세트 분석을 통해 IFDE에 배포한 새 모델의 효과를 평가했다. 아울러 STP(Straight Through Processing)의 증가와 고객 손실 처리 감소를 추산했다”라고 설명했다. 

TFS는 아마존 EKS(Elastic Kubernetes Service)에 엔진을 구축했다. 그리고 새 모델이 어떻게 반응하는지 파악하기 위해 캠페인/챌린저 의사결정 관리 테스트를 활용했다. 이 팀은 또 확장성을 테스트하기 위해 자동 회귀 및 로드 테스트 도구들을 이용했다. 고팔은 업계에서 가장 많은 수의 대출을 처리할 수 있어야 하기 때문에 필수적인 부분이라고 설명했다.

고객 신용 위험, 영업, 대출 소비자 신용 리스크, 영업, 대출 개시, 딜러 경험, 신용 분석, 컴플라이언스, 데이터 사이언스, 애자일 애플리케이션 팀 등 여러 부서와 기능의 이해관계자들이 참석한 여러 차례의 회의를 통해 요구사항들을 파악했다. 비즈니스 부문 제품 소유자와 기술 부문 제품 소유자가 공동으로 통솔하는 가운데, 팀은 사용자 사례를 수집했고, 2주 스프린트로 구성된 지속 개발 주기에 걸쳐 반복적으로 작업했다.

고팔은 “여러 이해관계자들로부터 요구사항을 수집하고, 초기에 부족한 부분을 파악해 이해관계자의 피드백을 토대로 제품을 개선하는 데 목적을 뒀다”라고 설명했다.

TFS IT는 이와 관련해 기술 부문 제품 소유자가 관리하는 작은 규모의 애자일 IT 팀들인 ABC(Agile Business Capability) 디지털 팩토리를 활용하고 있다. 데이터 사이언스, 애플리케이션 개발, 클라우드 엔지니어링. API 서비스, 엔터프라이즈 데이터 플랫폼, 디봅스(DevOps), 정보 보안 등 10개 팀 이상이 IFDE를 구현하기 위해 협력했다.

팀은 10개월 만에 IFDE를 개발해 배치했다. TFS는 2019년 말에 첫 번째 딜러를 대상으로 엔진을 런칭했고, 2020년에 2,000여 딜러들에게 이를 배포하기 시작했다.

고팔은 “여러 팀들이 개발하는 개별 구성 요소들의 우선순위를 정하면서 일부 어려움을 겪었다. 이런 어려움을 관리하는 데 모든 수준에서의 지속적인 협력이 아주 중요한 역할을 했다”라고 말했다.

가능성의 기술
두 번째 도전과제는 기술이었다. 고팔에 따르면, 의사결정 엔진은 매월 20만 건 이상의 차량 파이낸싱 신청에 대한 신용 위험을 분석한다. 이 정도 규모를 처리할 수 있도록 구현을 하고, 테스트를 하고, 확장을 하는 것이 어려웠다. 이 과정에서 캠페인/챌린저 의사결정 관리 테스트가 아주 중요한 역할을 했다.

고팔은 “IFDE는 TFS에서 일정 수준 경계를 확장하고, 가능성을 증명하도록 도움을 줬다. 그러나 제품 성공에 아주 중요한 몇 가지는 가파른 학습 곡선을 갖고 있었다. 경험을 토대로 지원 팀이 적절히 관여하는 수준을 파악하고, 비즈니스 이해관계자의 피드백을 토대로 내부 팀의 전문성과 강점을 조정하고, 지속적인 개선이라는 원칙으로 애자일 사고방식을 도입하는 것이 여기에 해당된다”라고 설명했다.

고팔은 IFDE가 TFS의 대출 자동 결정 비율을 20% 이상 향상시켰다고 강조했다(50% 미만에서 60% 이상). 또 손실(고객이 상환을 못하고 차량을 반환하는)은 0.3% 미만으로 감소했다.

고팔은 “현재 우리는 지속적으로 반복해 자동 결정 비율을 개선하고, 신용 위험을 더 효과적으로 관리하는 플랫폼을 갖고 있다. 현재 IFDE는 1,100만 건이 넘는 신용 신청을 1초 미만의 응답 시간으로 분석한다. 또 여러 테넌트의 신용 신청을 처리할 계획이다”라고 말했다.

다음은 고팔이 프로젝트에서 배운 주요 교훈들이다.

• 데이터 인사이트와 매트릭스를 제시해 초기에 리더들의 수용을 획득하는 것이 이니셔티브가 기업에 가져올 가치를 전달하는 데 아주 중요하다.

• 주요 이해관계자를 파악하고, 애자일 사고방식을 도입하고, 여러 이해관계자들이 관여하는 부서 간 협력을 통해 프로젝트 실행과 성숙도 측면에서 투명성을 창출하고, 신뢰를 구축한다.

• 속도와 민첩성 프로젝트를 발전시키려면 클라우드 우선 전략을 채택하고, 기술 팀에 여러 주제 전문가와 클라우드 전문가, 데이터 사이언티스트, 오픈소스 및 데브옵스 옹호자들을 참여시킨다. ciokr@idg.co.kr
 

X