AI 기술금융사 PFCT(피에프씨테크놀로지스)가 서울대학교 컴퓨터공학부 문병로 교수 연구팀과 진행한 AI 신용평가 공동 연구 결과를 공개했다. 연구 기간은 약 10개월이다. 목적은 신용평가 모델 고도화를 위한 알고리즘 비교 검증과 적용 가능성 탐색이었다.
연구는 비식별 처리된 실제 금융 데이터를 활용해 진행됐다. 기존 신용평가 영역은 변수 자체 의미가 분명한 정형 데이터 중심 구조다. 통계적 해석력이 높은 트리 기반 모델이 오랜 기간 표준처럼 활용된 이유다. 반면 딥러닝은 복합 패턴 학습에 강점이 있어 새로운 접근 방식으로 검토 대상에 올랐다.
연구팀은 딥러닝 구조 가운데 트랜스포머 모델을 시험했다. 트랜스포머는 자연어 처리처럼 데이터 순서가 중요한 분야에서 성능이 입증된 구조다. 순서 개념이 없는 신용평가 데이터 환경에서 어떤 학습 특성을 보이는지 확인하는 데 초점을 맞췄다.
실험 결과 동일 데이터 조건에서도 모델 구조에 따라 성능 지표와 학습 양상이 달라졌다. 일부 테스트에서는 위험 고객 분류 지표(KS)와 저신용 구간 탐지 성능(Recall)이 기존 방식 대비 개선되는 흐름이 나타났다. 연구진은 이를 통해 트랜스포머 기반 학습이 신용평가에 적용 가능한 범위와 기술적 제약을 함께 확인했다고 설명했다. 향후 실무 적용을 위한 모델 설계 기준과 비교 데이터 확보 측면에서 의미가 있다는 평가다.
이번 프로젝트는 PFCT가 금융기관에 제공 중인 AI 리스크 관리 솔루션 ‘에어팩(AIRPACK)’ 고도화 검토 과정과도 연결된다. 해당 솔루션은 AI 신용평가, 리스크 전략 도출, 검증 기능 등을 모듈 형태로 제공한다. 회사 측은 연구 과정에서 기존 알고리즘 구조 확장 가능성을 실험적으로 점검하고 추가 연구용 데이터를 축적했다고 밝혔다.
문병로 교수는 “여러 알고리즘을 실제 금융 데이터 환경에서 검증해 금융 현장 적용 가능성을 확인한 점이 핵심 성과”라고 평가했다. 이어 “딥러닝 방법론을 신용평가 데이터 특성에 맞춰 분석하면서 실무 기준 마련에 참고할 결과를 얻었다”고 말했다.
이수환 PFCT 대표는 “산학 협력을 통해 AI 신용평가를 고정된 기술이 아닌 확장 가능한 연구 분야로 다룬 점에 의미가 있다”며 “학계 알고리즘 연구와 산업 데이터가 결합된 성과를 기반으로 기술 검증을 이어갈 계획”이라고 밝혔다.
업계에서는 신용평가 모델 경쟁 구도가 단기간에 바뀔 가능성은 낮다고 본다. 금융권은 규제와 안정성 검증 절차가 엄격해 새로운 모델 도입 속도가 느리기 때문이다. 다만 실제 데이터를 활용한 비교 실험 결과가 공개된 사례가 많지 않았다는 점에서 이번 연구는 참고 자료로 활용될 여지가 있다. 기술 가능성을 보여준 단계라는 점과 상용화 검증 단계까지는 추가 연구가 필요하다는 점이 동시에 지적된다.
금융 AI 분야는 설명 가능성과 규제 적합성이 핵심 변수로 꼽힌다. 성능 개선 수치만으로 시장 채택이 결정되지는 않는다. 연구 성과가 실제 금융권 시스템 적용으로 이어질지는 후속 검증과 제도 환경 변화 속도에 달려 있다는 분석이 나온다.
Copyright ⓒ 스타트업엔 무단 전재 및 재배포 금지
본 콘텐츠는 뉴스픽 파트너스에서 공유된 콘텐츠입니다.
