생성 AI: 은행 백오피스의 '새로운 가장 친한 친구'가 될 수 있을까?

GenAI(Generative Artificial Intelligence)는 더 이상 단순한 유행어가 아닙니다. 세상을 바꾸는 변혁적인 힘으로 진화하고 있습니다. 2023년은 GenAI 스타트업에게 있어 획기적인 해였으며, 자기자금 조달 규모는 21.8억 달러에 이르렀으며 이는 전년 대비 4배입니다.
2022.

은행 및 금융 서비스 산업은 항상 파괴적인 기술을 적용하고 사용 사례를 개발하는 데 앞장서 왔습니다. GenAI는 효율성, 정확성, 혁신의 새로운 시대를 열면서 은행 업무 영역에서 엄청난 중요성을 갖고 있습니다.
McKinsey에 따르면, 이 기술은 은행 산업 전반에 걸쳐 연간 200억~340억 달러의 추가 가치를 제공할 수 있습니다.

대화형 AI, 챗봇, 음성 봇 등과 같은 고객 대면 애플리케이션이 각광을 받는 경우가 많지만 은행 백오피스를 간과하면 기회를 놓치게 됩니다. 데이터가 초석이 되는 산업에서 GenAI의 방대한 처리 능력은
엄청난 양의 정보, 맥락 이해, 복잡한 패턴 인식, 의미 있는 통찰력 생성은 백오피스의 미래를 진정으로 만들어갈 수 있습니다.

Gen AI에는 수많은 가능성이 있지만, 이 블로그에서는 의미 있는 영향을 가져올 수 있는 잠재력이 있는 은행 백오피스의 4가지 사용 사례를 자세히 살펴보겠습니다.

1- 신용 위험 평가 및 인수:

은행은 신용 점수, 재무 기록, 수입 및 지출 세부 정보 등을 포함하여 지원자에 대한 많은 양의 데이터를 수집합니다. 기존의 언더라이팅 프로세스에는 수동 데이터 입력 및 분석이 포함되어 있어 지연이 발생하고 오류가 발생할 수 있습니다. GenAI
다양한 소스에서 데이터를 자동으로 수집, 정리, 준비하여 정확성과 일관성을 보장합니다.

고품질 데이터를 사용할 수 있게 되면 GenAI는 고급 알고리즘을 사용하여 데이터에서 관련 기능을 추출합니다. 수동 분석을 통해 명확하지 않을 수 있는 패턴, 상관 관계 및 추세를 식별합니다. 이는 복잡한 관계를 밝혀내는 데 도움이 됩니다.
신용위험에 영향을 줄 수 있습니다. GenAI는 딥 러닝을 사용하고 동적 및 실시간 데이터를 통합하여 기존 신용 평가 시스템을 뛰어넘는 매우 복잡한 위험 모델을 생성합니다.

GenAI는 다양한 경제 상황, 시장 동향 및 차용자 행동을 시뮬레이션하는 합성 시나리오를 생성합니다. 이러한 시나리오는 외부 요인이 대출 상환에 미치는 잠재적 영향을 평가하는 데 도움이 되며 은행이 위험의 정확성을 향상하는 데 도움이 될 수 있습니다.
예측. 또한 거래 패턴, 지출 습관 및 기타 데이터 포인트를 분석하여 재정적 어려움이나 채무 불이행에 대한 조기 경고 신호를 표시할 수도 있습니다.

이는 신용 결정 시간을 단축할 뿐만 아니라 주관적이고 편향된 판단이 아닌 데이터 기반 통찰력을 기반으로 결정이 내려지도록 보장합니다.

2- 고객 지침 및 요청 처리:

셀프 서비스 기능이 혁신적으로 변경되고 업그레이드된 후에도 은행은 중간 및 백오피스에서 수동으로 처리해야 하는 고객 지침과 요청의 양에 압도당합니다.

GenAI에는 사용된 문구나 언어에 관계없이 고객 요청을 이해하고 해석할 수 있는 고급 자연어 처리 기능이 탑재되어 있습니다. 여기에는 파악하기 위한 키워드, 의도 및 감정 분석이 포함됩니다.
고객의 요구를 정확하게. 고객의 요청이 해석되면 GenAI는 은행의 기록 시스템에서 관련 데이터를 검색할 수 있습니다. 여기에는 계정 정보, 거래 내역 및 고객과 관련된 기타 관련 세부 정보가 포함됩니다.
요구. GenAI는 고객의 지시와 사용 가능한 데이터를 기반으로 사전 정의된 매개변수 내에서 자동화된 결정을 내립니다.

예를 들어, 고객이 신용카드 청구 주기 변경을 요청하면 GenAI는 수동 개입 없이 고객 세부정보를 가져오고, 은행 정책을 참조하고, 유사한 요청을 분석하고, 결정을 내리고, 신용카드 시스템에서 요청을 처리할 수 있습니다.
고객 요청에 예외가 포함된 경우 GenAI는 상황을 분석하고 적절하고 개인화된 응답을 생성할 수 있습니다. 또한 역사적 패턴이나 맥락을 기반으로 잠재적인 솔루션을 제안할 수도 있습니다.

3- 사기 탐지, 예방, 조사:

사기꾼은 끊임없이 진화하고 전술을 변화시킵니다. 따라서 사기 관리 시스템은 적응형 전략을 기반으로 해야 합니다. GenAI는 사기 행위를 효과적으로 방지할 수 있는 강력한 도구입니다. GenAI는 정적 규칙에 의존하지 않습니다. 적응형 및 상황별 전략을 사용합니다.
사기꾼이 전술을 바꾸면 새롭고 새로운 패턴과 이상 현상을 탐지하도록 진화합니다.

GenAI는 거래, 채널, 사용자 행동, 장치 패턴, IP 주소, 지리적 위치 데이터, 제3자 데이터베이스, 과거 사기 사례, 외부 위험 지표 등 다양한 소스에서 데이터를 수집하고 이 다양한 데이터를 통합하여
은행 생태계에 대한 포괄적이고 전체적인 관점입니다. 잠재적인 사기 활동을 나타내는 패턴, 이상 징후 및 상관 관계를 인식합니다.

GenAI는 정상 및 사기 거래 동작을 시뮬레이션하는 합성 데이터를 생성합니다. 이 합성 데이터는 사기 탐지 모델을 훈련하는 데 사용되어 사기꾼이 사용하는 새로운 전술에 더욱 강력하고 적응할 수 있게 만듭니다. 사기 가능성이 있는 것으로 신고된 경우
거래나 행동이 감지되면 추가 조사를 위해 인간 분석가나 자동화 시스템에 경고가 전송됩니다. 플래그가 지정된 트랜잭션의 경우 GenAI는 인간 분석가에게 통찰력과 컨텍스트를 제공하여 분석가가 정보에 입각한 결정을 신속하게 내릴 수 있도록 돕습니다. 자동으로도 가능해요
위험도가 낮은 거래를 승인하여 주기 시간을 단축하고 생산성을 향상시킵니다. 인간 분석가의 결정과 피드백은 GenAI의 학습 프로세스에 통합되어 성능을 강화하고 최신 사기 탐지 전략과 일치하도록 유지합니다.

4- 백오피스 자동화를 초자동화로 가속화:

GenAI는 RPA(로보틱 프로세스 자동화) 및 OCR(광학 문자 인식)과 같은 자동화 도구의 기능을 향상시키는 데 중요한 역할을 할 수 있습니다. RPA 봇이 직면하는 예외 및 오류를 해결하는 데 도움이 되므로 수동 작업의 필요성이 줄어듭니다.
개입하고 자동화된 프로세스의 전반적인 효율성을 향상시킵니다. RPA 봇은 미리 정의된 규칙을 따르지만 이러한 규칙을 벗어나는 예외가 자주 발생합니다. GenAI를 사용하여 이러한 예외를 분석하고, 컨텍스트를 이해하고, 생성할 수 있습니다.
적절한 대응이나 해결책. 복잡한 예외의 경우 GenAI는 오류 데이터를 분석하고 사람이 읽을 수 있는 설명을 생성하여 IT 팀이나 비즈니스 사용자가 예외가 발생한 이유를 이해할 수 있도록 돕습니다. 마찬가지로 GenAI는 OCR을 분석하고 수정할 수 있습니다.
추출된 텍스트를 알려진 패턴, 기록 데이터 및 상황 정보와 비교하여 오류를 제거합니다.

GenAI는 시간이 지남에 따라 예외와 실패로부터 지속적으로 학습할 수 있습니다. 더 많은 사례가 발생할수록 패턴을 식별하고 잠재적인 예외를 예측하는 능력이 향상됩니다. 이 실시간 학습을 통해 GenAI는 점점 더 복잡한 예외를 처리할 수 있습니다.
시간.

GenAI를 RPA 및 OCR과 결합함으로써 은행은 더 높은 수준의 자동화 성숙도를 달성할 수 있습니다. 이러한 시너지 효과는 초자동화를 가능하게 하고, 수동 개입을 줄이며, 프로세스의 효율성과 정확성을 높여 궁극적으로 고객 만족도 향상으로 이어집니다.
경험과 운영 우수성.

GenAI를 은행 백오피스 운영에 통합하는 것은 업계의 디지털 혁신 여정에서 중요한 도약을 의미합니다. 은행은 의사결정 강화와 운영 효율성 개선을 통해 상당한 이익을 얻을 수 있습니다.
보안 조치를 강화하고 초자동화의 길을 닦는 것입니다. 금융 환경이 계속 진화함에 따라 은행이 끊임없이 변화하는 시장 환경에서 경쟁력, 민첩성 및 탄력성을 유지하려면 GenAI 기술을 수용하는 것이 무엇보다 중요합니다.

참조 :

생성 AI의 경제적 잠재력 | 맥킨지

CB Insights 보고서 생성 AI의 현황