PFCT, 서울대 연구팀과 AI 신용평가 공동연구 성과 공개

인공지능(AI) 기술금융사 PFCT가 서울대학교 연구팀과 함께 지난 10개월간 AI 신용평가 방법론을 확장하고 다양한 실험 가능성을 탐색하기 위한 공동 연구 수행 결과를 12일 공개했다.

이번 공동 연구는 더 정교한 AI 신용평가 모델을 만들기 위해 비식별화된 실제 금융 데이터를 기반으로 다양한 알고리즘을 비교·실험하는 데 목적을 두고 진행됐다. 신용평가에 활용되는 데이터는 각 항목 자체가 의미를 갖는 정형정보가 중심이 되기 때문에, 통계적 해석에 강한 트리(Tree) 기반 모델이 주로 활용돼 왔다. 반면 딥러닝 기반 모델은 통계적으로 드러나기 어려운 복합적인 패턴을 학습할 수 있다는 특징이 있어, 양 연구팀은 신용평가 영역에서 딥러닝 기반 접근이 어떤 방식으로 작용하는지를 실험적으로 검토했다.

연구팀은 딥러닝 기반 접근 가운데 하나인 '트랜스포머(Transformer)' 구조를 신용평가에 적용했을 때의 특성과 제약을 살펴봤다. 트랜스포머는 자연어 처리와 같이 데이터의 순서가 중요한 영역에서 주로 활용돼 온 학습 구조다. 이에 연구팀은 어순 개념이 없는 신용평가 데이터 환경에서 해당 구조가 어떤 학습 특성을 보이는지를 중점적으로 분석했다.

연구 결과 동일한 데이터 조건에서 모델 구조에 따라 성능 지표와 학습 특성에 차이가 나타났다. 일부 실험에서는 기존 방식 대비 위험 고객을 구분하는 지표(KS)와 하위(저신용) 구간 포착 성능이 개선되는 경향도 관찰됐다. 이를 통해 연구팀은 트랜스포머 기반 학습 방식이 신용평가에 적용될 수 있는 범위와 한계를 점검했다. 이번 연구는 향후 실무 적용을 고려한 모델 설계와 추가 연구를 위한 비교 기준 및 실증 데이터를 확보하는 데 의미가 있다.

또 이번 공동 연구는 PFCT가 국내외 금융기관에 공급하고 있는 AI 리스크 관리 설루션 '에어팩(AIRPACK)'의 고도화 방향을 검토하는 과정이기도 했다. 에어팩은 AI 신용평가, 리스크 전략 도출 및 검증 등 다양한 기능을 모듈 형태로 제공한다. 이번 연구를 통해 PFCT는 기존 신용평가 알고리즘 구조를 확장해 볼 수 있는 실험적 검증과 연구 데이터를 축적할 수 있었다.

문병로 서울대 컴퓨터공학부 교수는 "이번 연구는 신용평가에 다양한 알고리즘 접근을 실제 데이터 환경에서 검증하고, 금융 현장에서의 활용 가능성을 확인했다는 점에서 의미가 있다"며 "딥러닝 기반 방법론을 신용평가 데이터 특성에 맞춰 검토함으로써 향후 실무 적용을 위한 기준을 제시했다"고 말했다.

이수환 PFCT 대표는 "이번 산학협력은 AI 신용평가를 정해진 방식의 기술이 아닌, 지속적으로 확장·검증해 나갈 연구 영역으로 다뤘다는 점에서 의미가 있다"며 "학계의 알고리즘 연구와 산업 현장의 실제 데이터가 결합된 이번 성과를 바탕으로 AI 신용평가 기술에 대한 연구와 검증을 지속해 나갈 계획"이라고 밝혔다.

이승형 기자 trust@asiae.co.kr