.svg)
AI 솔루션 문의하기
금융기관의 대출 업무는 높은 위험을 수반합니다. 부실 대출은 금융기관의 직접적인 손실로 이어지고, 나아가 금융 시스템 전체의 안정성을 위협합니다. 따라서 대출 심사 과정은 매우 신중하고 복잡합니다. 차용인이 제출한 서류(신분증, 소득 증명서, 재무제표, 신용정보)를 일일이 검토하고 서류 간의 일관성을 확인하고, 신용도를 평가합니다. 이 과정에는 많은 인력이 투입되고 처리 기간도 길어집니다.
또한 인간의 주관적인 판단이 개입될 수 있습니다. 같은 신청자라도 심사자에 따라 다른 결정이 내려질 수 있습니다. 서류 위조나 정보 조작은 인간의 눈으로는 감지하기 어려울 수 있습니다. 따라서 AI 기반의 자동 검토 시스템이 필수적입니다. 특히 비면접 대출(온라인 대출)이 확산되면서, 자동화의 중요성이 더욱 높아졌습니다. 대출 심사의 복잡성, 위험성, 비면접 추세를 종합하면, AI 기반 자동 검토가 필수 기술이 될 것으로 예상됩니다.
대출 서류 자동 검토는 이들 기술이 통합된 형태를 가져야 합니다. 각 기술이 협력하여 서류의 신뢰도를 검증하고 신용도를 평가하면, 대출 심사의 정확도와 속도가 동시에 향상될 것으로 기대됩니다.
기존 대출 심사에서 가장 먼저 확인하는 것은 신청자의 신원입니다. 신분증의 진위 여부를 확인하고, 신청자가 실제 신분증 소유자인지를 확인합니다. 과거에는 이를 대면으로 처리했지만, 비면접 대출의 확산으로 원격 방식이 필요해졌습니다. 디지털 신원확인(eKYC, electronic Know Your Customer) 기술은 이를 가능하게 합니다. 고객이 스마트폰으로 신분증을 촬영하면, AI가 여러 관점에서 검증합니다.
첫째, 신분증의 물리적 특성 검증. 신분증의 홀로그램, 미세글씨, 색상, 이미지 품질 등을 분석하여, 위조 여부를 판정합니다. 둘째, 본인 확인. 촬영한 사진과 신분증의 사진을 얼굴인식으로 비교합니다. 셋째, 신분증 유효성 확인. 발급 기관의 데이터베이스와 대조하여, 신분증이 실제로 발급되었는지, 폐지되지는 않았는지를 확인합니다. 디지털 신원확인으로 비면접 대출도 높은 수준의 신원 검증이 가능해질 것으로 예상됩니다.
대출 심사의 핵심은 차용인이 대출금을 상환할 능력이 있는가를 판단하는 것입니다. 이를 위해 소득과 재무 정보를 검증합니다. 소득 증명서(급여명세서, 소득금액 증명원), 재무제표(자영업자), 은행 거래 내역 등이 제출됩니다. 지금까지는 이들 서류를 일일이 검토했지만, AI를 활용하면 자동화할 수 있습니다. OCR로 서류의 정보를 추출하고, 그 정보의 일관성을 확인합니다.
예를 들어 "급여명세서의 월급이 300만 원이라고 했는데, 소득금액 증명원에는 연 3000만 원으로 표시되어 있다"는 불일치를 자동으로 탐지합니다. 또한 신용카드 거래 내역, 은행 입출금 내역 같은 외부 데이터와도 비교하여, 소득 정보의 신뢰도를 평가합니다. 만약 신용카드 거래 패턴이 소득 수준과 일치하지 않으면 소득 정보의 신뢰도가 낮아집니다. 다양한 데이터 소스의 교차 검증으로 소득 정보의 신뢰도가 획기적으로 향상될 것으로 예상됩니다.
본래 신용평가는 신용평가사(credit rating agency)에 의존했습니다. 신용정보기구의 신용점수를 참고하되, 대출 신청자의 추가 정보(직업, 고용 안정성, 자산, 부채)도 고려합니다. 그러나 신용평가사의 정보는 항상 최신이 아닐 수 있고, 대출 신청자의 개별 특성을 충분히 반영하지 못할 수 있습니다. AI 기반의 신용평가 자동화는 더 많은 데이터를 활용합니다. 신청자의 거래 은행 데이터, 보험 거래 내역, 통신료 납부 기록, 공과금 납부 패턴 등 다양한 정보를 종합합니다.
머신러닝 모델은 이들 정보로부터 신용위험을 예측합니다. "이 신청자는 급여 이체 후 항상 대부분을 저축하고, 공과금도 정확히 납부하고, 신용카드 연체가 없다"는 패턴은 낮은 위험도를 의미합니다. 또한 신용평가도 실시간으로 업데이트됩니다. 신청자의 최신 거래 정보가 추가되면, 신용도 평가도 즉시 반영됩니다. 실시간 다차원 신용평가로 대출 의사결정의 정확도와 속도가 동시에 향상될 것으로 예상됩니다.
대출 사기는 매우 정교해졌습니다. 신분증, 소득 증명서, 재무제표 등을 위조하거나, 타인의 신원을 도용하거나, 정보를 거짓으로 입력합니다. 인간이 이를 모두 탐지하기는 어렵습니다. AI는 미세한 불일치를 탐지할 수 있습니다. 패턴 분석을 통해 비정상적인 신청을 식별합니다. "같은 휴대폰 번호로 여러 신청이 들어왔다", "같은 주소에서 다른 신원으로 여러 신청이 들어왔다", "신청 정보가 연결된 다른 신청자의 정보와 겹친다" 같은 패턴이 자동으로 감지됩니다.
또한 문서의 메타데이터(생성 시간, 수정 시간, 디바이스 정보)도 분석하여, 서류 위조 여부를 판정합니다. 서류 간의 일관성도 검사합니다. 신분증의 발급 일자, 주소, 이름이 다른 서류와 일치하는지를 자동으로 확인합니다. 다층적인 사기 탐지로 금융기관의 부실 대출이 크게 감소할 것으로 예상됩니다.
대출 심사는 과거에 1-2주 소요되었습니다. 비면접 대출의 도입으로 이 기간이 단축되었지만, 여전히 시간이 필요합니다. AI 기반 자동 검토는 이를 대폭 단축할 수 있습니다. 간단한 대출(신용도 높은 고객, 소액 대출)은 수 분 내에 승인됩니다. 복잡한 대출도 AI가 초기 검토를 완료하여, 인간 심사자에게 전달되는 시간이 단축됩니다. 고객 관점에서 이는 매우 긍정적입니다. 자금이 필요한 상황에서 수 분 내에 대출 승인을 받을 수 있으면, 고객 만족도가 크게 향상됩니다.
또한 투명성도 개선될 수 있습니다. 자동 검토 과정의 각 단계와 결과를 고객에게 실시간으로 알려줄 수 있습니다. 거절된 경우에도 "어느 항목 때문에 거절되었는가"를 명확히 설명할 수 있다면 AI 기반 자동 검토로 대출 처리 시간이 단축되고, 고객 만족도와 투명성이 향상될 것으로 예상됩니다.
대출 서류 자동 검토는 강력하지만 규제와 윤리적 문제를 준수해야 합니다.
1) 개인정보 보호: 대출 신청 과정에서 다양한 개인정보가 수집됩니다. 이를 안전하게 보관하고 활용해야 합니다.
2) 신용차별 방지: AI 모델이 특정 집단(특정 지역, 특정 나이, 특정 성별)에 차별적으로 작동하면 안 됩니다. 따라서 모델의 편향성을 정기적으로 검사합니다.
3) 설명 가능성: 거절 결정이 내려질 때, 그 이유를 명확히 설명할 수 있어야 합니다. "AI가 이렇게 판단했다"는 설명은 불충분합니다.
4) 인간의 개입 자동화된 의사결정도 인간의 감시를 받아야 합니다. 고객의 이의 제기가 있으면, 인간 담당자가 재검토합니다.
규제를 준수하고 윤리를 고려한 AI 도입으로 금융기관의 신뢰도가 강화될 것으로 기대됩니다.
.svg)
.svg)
