자금세탁방지 자동화가 새롭게 바꾸는 금융업무

‍

자금세탁방지 자동화는 이제 금융업계의 필수 요소가 되고 있습니다. UN이 2020년에 발표한 자료에 따르면 연간 약 1조 6천억 달러, 전 세계 GDP의 2.7%에 해당하는 불법 자금이 세탁되고 있습니다. 이런 규모의 불법 자금을 사람의 힘만으로 찾아내기에는 한계가 분명합니다.

‍

90% 오탐지 감소, 숫자로 보는 자동화 효과

‍

SAS의 실제 사례를 보면 자동화의 효과가 얼마나 큰지 알 수 있습니다. 미국의 한 Tier 2 지역 은행에서는 AI 모델의 앙상블을 구축해 경보량을 55% 줄이고 혐의거래 보고서(SAR) 비율을 25% 높였습니다. 더욱 인상적인 것은 오탐지 감소 효과입니다. 한 금융기관에서는 하루 약 1000건의 오탐지 거래가 발생했지만, SAS 자금세탁방지 솔루션을 도입한 지 불과 몇 달 만에 일일 약 100건으로 줄어들었습니다. 90%의 오탐지 감소를 달성한 것입니다.

‍

자동화로 얻을 수 있는 구체적 성과

경보량 55% 감소: AI 모델이 정확한 위험 평가로 불필요한 경보 대폭 축소

‍SAR 비율 25% 증가: 실제 의심거래 탐지 정확도 향상으로 보고서 품질 개선

‍오탐지 90% 감소: 하루 1000건에서 100건으로 줄어든 오탐지율

‍처리시간 99% 단축: 2주 걸리던 업무가 1분 이내로 완료

국내 기업들이 앞서가는 자동화 기술

‍

토스페이먼츠는 자금세탁방지를 매우 중요하게 생각하고 있어 내부통제, KYC, 고객 위험평가, 거래 모니터링 등 결제 산업에 특화된 자금세탁방지 위험 체계를 구축했습니다. 자동화된 AML/CTF 시스템을 통해 의심스러운 내역을 실시간으로 감지하고 있습니다.

‍

유스비는 다양한 산업군에서 한 번의 연동으로 구현할 수 있는 AML/eKYC 솔루션을 제공합니다. 가상화폐, NFT를 비롯한 다양한 전자상거래 방식이 나타나고 자금세탁범죄 사례가 증가하는 상황에서 규제 대응 솔루션을 제공하고 있습니다.

‍

GTOne의 AMLXpress는 검증된 AI 기반의 자금세탁방지 솔루션으로 요주의 인물과 혐의거래에 대한 모니터링, 혐의거래분배 및 STR/CTR 자동 생성 등 다양한 기능을 제공합니다.

‍

3가지 핵심 구성 요소와 자동화 방안

‍

자금세탁방지는 크게 3가지 과정으로 나뉩니다. 각 단계별로 자동화 적용 방안을 살펴보겠습니다. 고객확인제도(KYC)는 새로운 고객의 신원을 확인하고 고객의 자금이 합법적인 경로로 취득된 것인지 확인하는 과정입니다. AI 기반 신분증 인증과 얼굴 인식 기술을 활용해 실시간 자동 확인이 가능합니다.

‍

의심거래보고제도(STR)는 자금세탁으로 의심되는 거래를 신고하는 제도입니다. 머신러닝 알고리즘이 거래 패턴을 분석해 의심스러운 거래를 자동으로 탐지하고 보고서를 생성할 수 있습니다.

‍

고액현금거래보고제도(CTR)는 동일인 명의로 1일 동안 1천만원 이상의 현금이 입출금되면 자동으로 보고되는 시스템입니다. 이미 완전 자동화된 시스템으로 운영되고 있습니다.

‍

가상자산 시장에서 더욱 중요해진 자동화

‍

가상자산의 익명성과 탈중앙화 특성으로 인해 자금 세탁에 디지털 자산이 사용되는 것을 억제하는 것이 중요해졌습니다. 고팍스를 포함한 많은 가상자산 거래소들이 AML 규정을 준수하며 의심스러운 행동을 추적하고 법 집행 기관에 보고하고 있습니다.

‍

가상자산 거래소들은 고객 파악(KYC) 정책으로 고객이 서비스에 액세스하기 전에 신원을 확인하도록 요구하고, 실시간 거래 모니터링을 통해 의심스러운 활동과 고위험 지갑을 플래깅하고 있습니다.

‍

블록체인 인텔리전스 도구를 사용해 거래를 실시간으로 모니터링하고, 위험 점수 시스템을 구현해 지갑이나 거래가 불법 활동과 연결될 가능성을 평가합니다.

‍

‍

자동화 도입을 위한 실전 체크리스트

‍

자금세탁방지 자동화를 성공적으로 도입하려면 몇 가지 요소를 고려해야 합니다.

‍

기술의 전문성이 첫 번째입니다. 딥러닝, 신경망, 자연어 생성 및 처리, 비지도 학습 및 클러스터링, 로보틱 프로세스 자동화 등의 기술을 제대로 활용할 수 있는지 확인해야 합니다. 데이터 품질과 표준화도 중요합니다. 부정확하거나 편향된 데이터를 학습에 사용할 경우 AI의 성능이 크게 저하될 수 있습니다. 포괄적이고 다양한 데이터에 접근할 수 있는 환경을 구축해야 합니다.

‍

규제 준수 체계 구축도 필수입니다. AML 규정 준수 책임자 지정, 직원 교육 프로그램 운영, 독립적인 감사 체계 구축 등이 포함됩니다.

‍

미래를 준비하는 금융기관의 전략

‍

앞으로 자금세탁방지 자동화는 더욱 정교해질 것입니다. 현재 AI 도구들이 여전히 오류가 있는 계정 및 금융 거래에 플래그를 지정하기도 하지만, 도입률이 증가함에 따라 오류율이 감소하고 있습니다.

‍

성공하는 금융기관들은 이미 자동화를 통해 비용을 절감하고 위험을 줄이면서도 고객 경험을 개선하는 선순환 구조를 만들어가고 있습니다. 로보틱스, 의미 분석, AI를 사용해 프로세스를 더욱 자동화하고 효율성과 효과를 개선하는 것이 앞으로의 방향입니다.

‍