.svg)
AI 솔루션 문의하기
카드 가맹점 심사는 일반 PG 가맹점 심사와 다릅니다. 카드사와 비자·마스터카드 같은 국제 카드 브랜드가 정한 기준을 함께 따라야 하기 때문입니다. PG사는 이 기준에 맞춰 가맹점의 신뢰성, 매출 안정성, 거래 위험도를 평가합니다. 또한 카드 거래의 특성도 일반 전자거래와 다릅니다. 신용카드는 소비자의 미래 소득에 기초한 신용을 제공합니다. 따라서 부정한 가맹점이 신용카드로 사기 거래를 하면, 최종적으로 카드 발급사가 손실을 입습니다.
카드 거래의 분쟁(차지백, chargeback) 비율이 높으면, 카드사와 가맹점 관계가 악화될 수 있습니다. 따라서 카드 가맹점 심사는 일반 PG 가맹점 심사보다 더욱 신중해야 합니다. 지금도 많은 PG사가 담당자가 서류를 한 장씩 보며 심사하지만, 온라인 가맹점 신청이 늘면서 서류 확인을 자동화해 심사 기간을 줄이려는 수요가 커지고 있습니다.
카드 가맹 심사의 자동화는 이들 영역이 통합된 형태를 가져야 합니다. 각 영역의 분석이 연계되면, 협회 기준을 만족하면서도 신속한 심사가 가능해질 것으로 기대됩니다.
PG사 가맹점 심사는 가맹점이 실제로 영업하는 사업자인지(KYB, Know Your Business)와, 그 사업을 운영하는 대표자가 본인인지(KYC, Know Your Customer)를 함께 확인하는 과정입니다. 온라인으로 신청을 받는 PG사라면 아래 항목을 비대면으로 확인할 수 있어야 심사 기간을 줄일 수 있습니다.
사업자등록번호가 실제로 등록된 번호인지, 지금 계속 사업 중인지 휴업·폐업 상태인지를 확인합니다. 국세청의 사업자등록정보 진위확인·상태조회로 확인할 수 있으며, 연동 방법은 사업자등록증 진위확인 API 글에서 다룹니다.
가맹점 신청을 대표자 본인이 했는지 확인합니다. 대표자의 신분증을 촬영해 정보를 읽고 진위를 확인한 뒤, 얼굴을 촬영해 신분증 사진과 비교하는 방식으로 비대면 확인이 가능합니다. 다른 사람의 신분증을 촬영하거나 화면에 띄운 사본을 내는 경우도 이 단계에서 걸러냅니다.
판매 대금을 받을 계좌가 사업자나 대표자 명의인지 확인합니다. 예금주 조회로 명의를 대조하거나, 1원 인증으로 신청자가 그 계좌를 실제로 쓰고 있는지 확인합니다. 방법별 차이는 계좌 인증 방법 3가지 글에서 다룹니다.
신청한 업종과 실제 판매 상품이 같은지, 카드사가 제한하는 업종이나 상품이 아닌지 확인합니다. 온라인 가맹점은 쇼핑몰 주소와 상품 페이지를 함께 확인하는 경우가 많습니다.
알체라 eKYC는 대표자 신분증 OCR과 사본판별, 얼굴 인증, 정산 계좌 1원 인증을 하나의 흐름으로 제공해, PG사가 가맹점 대표자 확인을 비대면으로 처리할 수 있습니다. 신분증 OCR 정확도는 98.47%, 사본판별 정확도는 99%이며, 알체라 eKYC는 고객사 110곳, 누적 1,430만 회 인증, 제1금융권 70%가 사용하고 있습니다.
카드 가맹점이 제시하는 매출액이 실제인지 확인하는 것이 중요합니다. 과장된 매출을 신고하면 PG사가 정하는 거래 한도도 실제보다 크게 잡힙니다. 또한 거짓 매출을 기반으로 심사되면, 이후 실제 거래가 예상과 다를 때 위험이 증가합니다. AI는 여러 데이터 소스를 활용하여 매출 신뢰성을 검증합니다.
매출 확인에는 가맹점이 제출하는 부가가치세 신고 자료나 매출 증빙, 기존에 쓰던 결제 서비스의 정산 내역 등이 쓰입니다. 제출 서류에서 사업자 정보와 금액을 자동으로 읽어 신청서 내용과 대조하면, 담당자가 서류를 한 장씩 비교하는 시간을 줄이고 서로 맞지 않는 신청을 먼저 골라낼 수 있습니다.
카드 가맹점의 신뢰도는 카드사와의 과거 관계로도 평가됩니다. 카드사와 좋은 관계를 유지해온 가맹점은 신뢰도가 높습니다. 반대로 분쟁이 많거나 대금 미수가 있었던 가맹점은 신뢰도가 낮습니다. AI는 카드사의 거래 기록을 분석합니다. "이 가맹점의 차지백율은 몇 %인가", "대금 결제 연체가 있었는가", "매출액이 안정적인가"를 평가합니다. 또한 협회의 가맹점 기준도 자동으로 적용합니다. 협회는 업종별로 상이한 기준을 제시합니다. 예를 들어 "고위험 업종(성인용품, 외환거래소)은 추가 서류 제출 필요", "고액 거래 업종(자동차 판매)은 더 높은 신뢰도 기준 적용" 같은 규칙이 있습니다.
AI는 가맹점의 업종을 파악하고, 해당 업종의 협회 기준을 자동으로 적용합니다. 기준이 변경되면, 시스템이 자동으로 업데이트되어 새로운 기준을 따릅니다. 협회 기준을 정확히 적용한 자동화로 협회 준수가 용이해질 것으로 예상됩니다.
카드 거래의 특성은 가맹점마다 다릅니다. 오프라인 소매점과 온라인 전자상거래의 거래 패턴은 완전히 다릅니다. 또한 같은 업종이라도 거래액 규모, 거래 빈도, 환불율 등이 다릅니다. AI는 이들 특성을 분석하여 위험 프로파일을 산정합니다. 각 요소의 가중치는 과거 데이터로부터 학습됩니다. "차지백율이 높은 업종은 추가로 모니터링해야 한다"는 패턴을 학습하면, 모델은 자동으로 차지백율에 더 높은 가중치를 부여합니다.
또한 거래 특성의 변화도 감시합니다. "이 가맹점은 작은 거래들만 하다가, 갑자기 큰 거래가 발생했다" 같은 변화는 의심 신호입니다. 복합적 위험 평가로 카드 거래의 위험을 정밀하게 판단할 수 있을 것으로 예상됩니다.
카드 가맹점이 승인된 후에도 모니터링은 계속됩니다. AI는 거래 패턴을 지속적으로 분석하여 이상을 탐지합니다. "이 가맹점은 평균적으로 하루에 100건의 거래를 하는데, 오늘은 1000건이 발생했다"는 이상을 감지합니다. 또한 거래의 특성도 감시합니다. "보통 5만 원 정도의 거래를 하는 가맹점이 갑자기 500만 원 거래를 시작했다" 같은 패턴 변화를 탐지합니다.
카드사가 경고한 부정거래 패턴도 자동으로 모니터링합니다. "연속적으로 같은 금액의 거래를 한다"는 패턴은 카드 테스트(부정거래 확인)의 신호입니다. AI는 이런 패턴을 실시간으로 감지하고, 경고를 발송합니다. 또한 차지백 발생 시 자동으로 분석하여, "이 가맹점의 차지백율이 기준을 초과했는가"를 평가합니다. 실시간 모니터링으로 부정거래가 확대되기 전에 조기 탐지될 것으로 예상됩니다.
카드 협회는 정기적으로 심사 기준을 업데이트합니다. 새로운 부정 거래 방식이 나타나면, 협회는 신속히 대응합니다. 예를 들어 "QR 코드 결제의 부정거래가 증가하고 있으므로, QR 기반 가맹점은 추가 모니터링 필요" 같은 지침이 발표될 수 있습니다. AI 기반의 자동화 시스템은 이러한 변화에 신속히 대응합니다. 협회 기준의 변경을 감시하고, 자동으로 시스템에 적용합니다.
과거 가맹점의 새로운 기준 준수 여부를 자동으로 평가합니다. "기존 가맹점들이 새로운 기준을 만족하는가"를 검사하고, 부족한 가맹점에 대해 조치합니다. 또한 감사 추적을 자동으로 기록합니다. "이 가맹점이 왜 승인되었는가", "어떤 협회 기준을 적용했는가"를 투명하게 문서화합니다. 자동화된 컴플라이언스로 협회 기준 준수가 체계적으로 이루어질 것으로 예상됩니다.
.webp)
.svg)
.svg)
