"대안신용평가, 기술 완성도 제고하고 정책 뒷받침돼야"

하나금융연구소 보고서
"활용도 높지만 여러 문제 직면"
비정형 데이터 조작 가능성부터
편향성 학습 등
새로운 데이터 활용하려면 규제 넘어야하기도
"규제 샌드박스 등 불확실성 제거해야"

전통적인 금융 정보 대신 소비·임대료 지불 내역 등 비금융정보로 신용등급을 측정하는 대안신용평가가 더 널리 도입되기 위해선 기술 완성도를 높여야 할 뿐 아니라 금융당국의 정책적 뒷받침도 필요하단 의견이 나온다.

22일 금융권에 따르면 정윤영 하나금융연구소 연구위원은 최근 '대안신용평가, 도입이 더딘 속사정'에서 "대안신용평가의 안정적인 정착을 위한 다차원적인 접근방법이 필요하다"고 밝혔다.

기존에는 개인과 기업의 신용상태를 평가할 때 신용평가사가 차주의 직장정보나 소득정보, 상환이력 등 정해진 기간 내 채무상환 능력을 평가하고, 금융사가 이 평가와 함께 자체적인 신용평가 결과를 종합해 대출심사를 했다. 하지만 이 같은 방식은 금융거래 기록이 부족한 차주에 대한 평가가 어려운 점, 신용상태 변화를 실시간으로 반영하기 어려운 점 등의 한계를 가지고 있다. 이에 공과금 지불내역부터 모바일 이용 내역, 사회관계망서비스(SNS) 활동 데이터 등을 분석해 신용 등급을 측정하면 전통신용평가에 대한 보완이 가능하다며 대안신용평가가 등장했다. 대안신용평가란 기존에 사용하지 않던 비금융정보에 머신러닝이나 딥러닝 등 새로운 분석기술을 적용해 신용 등급을 측정하거나 부여하는 방식을 말한다.

현재 국내에선 핀테크(금융+기술) 기업 중심으로 평가모델을 도입하는 사례가 많다. 통신데이터와 생활정보 등을 활용했으며 인터넷은행이나 제2금융권 등에서 도입하고자 하는 움직임이 많다. 대표적으로 통신 3사(SKT·KT·LG유플러스) 데이터를 활용한 이퀄, 네이버페이 스코어, 카카오뱅크 스코어가 있다.

하지만 실제 정규 여신심사 모델에 대안신용평가모델을 사용하는 금융사는 일부에 불과하다는 게 정 연구위원의 설명이다. 도입했다 할지라도 모형 안정성이나 규제 등을 이유로 효과를 누리기보단 현실적 문제에 직면한 상태라고 덧붙였다. 그는 "중저신용자 확대 과정에서 연체율이 상승하는 등 현실적 제약에 직면했다"고 말했다.

연구소는 대안신용평가 확산이 지연된 첫 번째 요인으로 기술적인 문제를 꼽았다. 데이터 품질이나 모델의 불투명성이 근본적인 문제라는 것이다. 비정형 데이터는 조작될 가능성이 있어 신뢰성 문제를 일으킬 수 있고, 일부 데이터가 누락될 경우 리스크가 과도하게 해석돼 차별적인 결과를 만들 수 있다. 또는 편향된 데이터를 학습해 특정 집단에 불리한 결과가 나오기도 한다. 과거 애플카드에선 여성 신청자가 남성보다 더 낮은 신용한도가 부여된 사례, 미국 핀테크 대출에서 흑인·라틴계가 동일 신용등급인 백인보다 더 높은 금리를 부담하는 현상 등이 대표적이다. 복잡한 머신러닝이나 인공지능(AI) 알고리즘을 이용할 경우 점수 산출과정이 불투명해지는 '블랙박스' 문제가 생겨, 의사결정에 대한 명확한 설명이 어려울 수도 있다.

정 연구위원은 여기에 새로운 유형의 데이터 활용에 대한 명확한 법적·제도적 기반이 부족하다면 실질적 활용이 어려워질 수 있다고 했다. 예를 들어 유럽연합(EU)의 경우 일반개인정보보호법(GDPR) 적용 범위가 확대되면서 신용점수 산출에 자동화 및 AI를 활용하는 관행이 더욱 엄격한 법적 심사를 받게 됐다.

그럼에도 대안신용평가가 잠재력을 가진 모형인 만큼 안정적인 정착이 필요하다고 밝혔다. 우선 단순 새로운 기술을 도입하거나 모형을 고도화하는 것을 넘어 데이터 활용 역량 자체를 강화하고 알고리즘 모델의 설명가능성과 투명성을 높이는 모형을 개발해 예측 정확도를 높여야 한다고 강조했다. 정 연구위원은 금융당국이 대안신용평가가 활성화될 수 있는 환경을 조성해야 한다며 "규제 샌드박스 등을 통한 정책적 불확실성을 제거하는 등 정책 방안을 마련해야 한다"고 덧붙였다.

오규민 기자 moh011@asiae.co.kr