미 IT 전문매체 벤처비트가 개최한 온라인 ‘트랜스폼 2021(Transform 2021)’에서 은행을 비롯한 금융업계와 AI의 상관관계에 대해 논하는 자리가 마련됐다. 12일(이하 현지시간)에 시작된 ‘VB 트랜스폼2021’은 오는 16일까지 5일간 약 75명의 연사·패널을 초청해 분야별 AI 도입 현황을 알아보는 워크숍.
트랜스폼 개최 첫날인 12일, 비욘드마인즈(BeyondMinds)의 로이 맥케즈(Roey Mechrez) 최고기술책임자(CTO), 프란체스코 파브(Francesco Fave) 골드만삭스 머신러닝 담당 이사, 마스터카드 랩스의 스티브 플린터(Steve Flinter) 머신러닝 부사장, 왕휘 페이팔 부사장은 현재 핀테크(FinTech) 산업과 미래에 대해 온라인으로 대화를 나누었다.
미 시장조사 업체 인사이더 인텔리전스의 최근 보고에 따르면 2023년까지 은행이 AI 애플리케이션을 활용해 절감할 수 있는 금액은 4470억달러(약 513조 6030억원). 인터넷 모바일 뱅킹부터 자산관리까지 핀테크 수요는 지속적으로 증가하고 있다.
왕휘 페이팔 부사장은 “한때는 금융에 AI를 결합하는 것에 대해 거부감을 느끼는 이들도 적지 않았지만, 이제는 IT 대기업들이 먼저 이를 개발하는 추세”라고 말했다. 딥러닝 아키텍처가 정교해질수록 온라인에서 부정행위를 감지하고 고객의 자산을 지키는 수단으로 AI를 채택하는 기업이 늘고 있는 것.
스티브 플린터 마스터카드 ML 부사장도 이에 동의하며 “AI는 효율성에만 장점이 있는 게 아니라 보안, 개인화, 금융사기 등 그 어느 때보다 광범위한 애플리케이션에서 사용되고 있다”고 말했다. 이어 “모델 중심에서 벗어나 더욱 데이터 중심적인 시각으로 변하고 있다”고 덧붙였다.
플린터 부사장이 짚은 가장 최근의 핀테크 동향은 MLOps. 머신러닝을 기반으로 서비스 운영을 효율화하는 기술을 뜻한다. 플린터는 “최근 기업들은 AI 연구개발(R&D)부터 새로운 AI 애플리케이션을 개발하고, 테스트하고, 생산하는 전체 수명주기를 고려하는 쪽으로 초점을 옮기고 있다”고 말했다.
패널들은 ‘설명 가능한 인공지능(eXplainable AI, XAI)’ 역할도 강조했다. 프란체스코 파브 골드만삭스 머신러닝 담당 이사는 “투자금융사의 주요 목표는 고객에게 양질의 서비스를 안전하게 제공하는 것뿐”이라며 “데이터의 가용성이 높아지고 서비스가 체계화될수록 고객이 AI를 신뢰하게 하는 것도 회사 책임”이라고 역설했다.
토론은 자연히 핀테크가 안고 있는 과제에 대한 주제로 넘어갔다. 아무리 AI 시대라지만 많은 기업이 머신러닝을 도입해 업무를 전환하는 과정에서 실패한 사례도 적지 않다. 미흡한 데이터 구축이나, 조직 전체에서 AI를 대량으로 도입하는 데 어려움을 겪는 경우가 많기 때문.
이에 대해 플린터 부사장은 “대규모 ML을 지원하려면 서비스형 백엔드(back-end) 인프라를 다시 고려하고 재설계해야 한다”고 말했다. 또 “새로운 금융상품을 개발할 때도 많은 은행에서 실제로 AI가 무엇을 할 수 있는지에 관한 이해가 부족하다”고 꼬집었다. 플린터는 이어 “일부 제품 개발팀이 AI만 도입하면 얼마든지 로켓을 날릴 수 있을 거라고 믿는다”며 고객에게 선보이기 이전에 AI에 대한 기본 지식을 쌓고 현실적인 기대치를 설정해야 한다고 주장했다.
파브 이사도 “골드만삭스에서는 고객과의 대화 첫 단계로 문제를 논의하는 것부터 시작한다”며 “고객이 가진 질문이나 문제에 대해 AI로 정확한 솔루션을 진단하고, AI가 보여주는 기록에 기반해 맞춤형 설계를 하려면 담당자부터 그 방식을 정확히 알고 있어야 한다”고 강조했다. 또 “AI 모델이 특별히 복잡하거나 화려할 필요는 없다”며 ‘기본에 충실할 것’을 당부했다.
AI가 사람을 대신해 빠르고 정확하게 고객을 관리하지만 그 이면에는 여전히 인력이 중요한 뒷받침이 되고 있다. 왕휘 페이팔 부사장은 “효과적인 AI 솔루션을 구축하기 위해 때로는 인력을 투입해야 한다”고 말했다.
왕휘 부사장은 AI 솔루션을 요리에 들어가는 재료에 빗대어 설명했다. 그는 “알고리즘은 우리가 최고의 요리를 할 때 필요한 재료를 알려주지만, 완벽하지 않다”면서 “가장 중요한 재료들을 놓쳤을 때 이를 보완해 최상의 음식을 손님(고객)에게 내놓기까지는 사람의 힘이 절대적으로 필요하다”고 강조했다.
플린터 부사장도 “무엇보다 부정 행위 감지에서 AI와 사람의 팀워크가 중요하다”고 말했다. “사람이 애플리케이션과 알고리즘을 감독해 모델 변동사항을 확인하고, 모델이 오류를 올바르게 포착하는지 수시로 점검해야 한다”고 덧붙였다.
AI타임스 박혜섭 기자 phs@aitimes.com
