Artificial Intelligence in AML/CFT: A Criminological Evidence Map and Multilevel Governance Framework for Organised Financial Crime Control

디지털 캣앤마우스 게임: 왜 AI는 범죄와의 전쟁에서 양날의 검인가

글로벌 금융 시스템을 돈이 교통량처럼 흐르는 거대하고 북적이는 도시라고 상상해 보십시오. 이 도시에는 두 그룹의 주요 운전자들이 있습니다. 비즈니스나 자선 활동을 위해 현금을 이동시켜야 하는 법을 준수하는 시민들과, 자신의 차량을 숨기거나 번호판을 바꾸거나 혹은 검문소를 통해 불법 화물을 몰래 통과시키려는 '그림자 운전자들(범죄자와 테러리스트)'입니다. 수십 년 동안 도시의 보안 요원들(은행과 규제 기관)은 이 그림자 운전자들을 찾아내기 위해 규칙 책을 사용해 왔습니다. 자동차가 너무 빠르게 움직이거나, 수상한 곳에 멈추거나, 알려진 범죄 차량처럼 보이면 요원들이 차를 세웁니다. 하지만 그림자 운전자들은 더 똑똑해지고 있으며, 복잡한 지도와 변장을 사용하여 틈새를 빠져나가고 있습니다.

여기에 인공지능(AI)이 등장합니다. AI를 인간의 눈에는 보이지 않는 패턴을 포착할 수 있는 초강력 고성능 레이더 시스템이라고 생각하십시오. AI는 수천 대의 차량 사이의 점들을 즉각적으로 연결하여 어떤 차량이 밀수품을 싣고 있을지 예측할 수 있습니다. 하지만 반전이 있습니다. 그림자 운전자들 또한 이 똑같은 초고성능 레이더를 구매하고 있다는 점입니다. 그들은 이를 사용하여 더 나은 변장을 설계하고, 가짜 신분증을 위조하며, 보안 요원을 속이는 데 사용하고 있습니다. 이것은 단순히 더 빠른 컴퓨터에 대한 이야기가 아닙니다. 양측이 동시에 자신들의 장난감을 업그레이드하고 있는 고도의 심리전, 즉 '캣앤마우스(잡기 놀이)' 게임에 관한 이야기입니다. 중요한 질문은 단순히 "AI가 나쁜 놈들을 잡을 수 있는가?"가 아니라, "우리가 실수로 무고한 사람을 가두거나 전문가들을 탈출하게 만들지 않고 AI를 사용할 수 있는가?"입니다.

---

논문의 이야기: 디지털 전장의 지도

이 연구 논문에서 저자 레이먼드 탕(Raymond Tang)과 보 웬(Bo Wen)은 이 첨단 전장을 그려내는 탐정 역할을 수행합니다. 그들은 단순히 AI가 얼마나 빨리 돈을 계산하는지를 보는 것이 아니라, 훨씬 더 깊은 질문을 던집니다. AI가 범죄의 게임 자체를 어떻게 변화시키는가? 그들은 자금세탁방지(AML)와 테러자금조달 차단(CFT)을 단순한 수학 문제가 아니라, 범죄자와 규제 기관이 끊임없이 함께 진화하는 범죄 통제 문제로 다룹니다.

저자들은 우리가 확실한 황금(실제 증거)을 가지고 있는 곳과 단지 소문(아이디어)만 있는 곳을 보여주는 보물 지도와 같은 '증거 지도'를 구축했습니다. 그들은 컴퓨터 과학 논문부터 정부 법률에 이르기까지 수천 개의 문서를 검토하여 무엇이 실제로 작동하고 무엇이 그저 과장된 광고(hype)인지를 확인했습니다.

좋은 소식: 레이더가 작동하는 곳

논문은 특정 AI 도구들에 대해 강력한 증거를 보유하고 있지만, 이는 아직 완전히 입증된 실세계 단계가 아니라 주로 '연습용 보조 바퀴' 또는 '시뮬레이션' 단계에 머물러 있다고 밝히고 있습니다.

• 패턴 사냥꾼 (머신러닝): 모든 범죄 소설을 읽은 탐정을 상상해 보십시오. AI는 과거의 금융 기록으로부터 학습하여 인간이 놓치는 기이한 패턴을 포착할 수 있습니다. 논문은 이것이 경보 우선순위 지정에 매우 유용하다고 말합니다. 인간이 1,000개의 수상한 거래를 일일이 확인하는 대신, AI는 "이 10개를 먼저 확인하세요!"라고 말합니다. 그러나 저자들은 이것이 주로 레벨 2 증거(시뮬레이션 및 통제된 테스트)에 기반하고 있다고 경고합니다. 아직 모든 실제 은행에서 완벽하게 작동한다는 것이 완전히 입증되지는 않았습니다.
• 네트워크 연결자 (그래프 분석): 자금 세탁은 종종 거미줄처럼 나타납니다. 범죄자들은 수십 개의 유령 회사와 가짜 계좌를 통해 돈을 이동시킵니다. 그래프 분석은 이 모든 점들 사이에 선을 그려 전체 웹을 드러내는 도구와 같습니다. 논문은 이것이 조직 범죄 네트워크를 포착하는 데 매우 유망하다고 밝히고 있지만, 이 역시 대부분의 증거가 레벨 2(시뮬레이션) 또는 레벨 3(은행의 파일럿 테스트)에서 나온다는 점을 지적합니다. 아직 레벨 4(독립적으로 입증된 실세계 성공 사례) 이야기는 충분하지 않습니다.
• 크립토 추적기 (블록체인 분석): 디지털 통화(비트코인 등)는 공개적인 흔적을 남기기 때문에 AI는 인터넷을 가로질러 돈의 흐름을 추적할 수 있습니다. 논문은 이것이 유용하지만 까다롭다고 언급합니다. 범죄자들은 흔적을 숨기기 위한 도구를 사용하며, AI가 그들을 밝혀내는 데 항상 완벽한 것은 아닙니다.

나쁜 소식: 범죄자들도 AI를 사용하고 있다

이것이 가장 결정적인 부분입니다. 논문은 AI가 이중 용도 도구(dual-use tool), 즉 착한 사람과 나쁜 사람 모두에게 똑같이 도움이 된다고 주장합니다.

• 딥페이크 변장: 범죄자들은 생성형 AI(이야기를 쓰거나 이미지를 만드는 종류)를 사용하여 가짜 신분증, 화상 통화용 딥페이크 영상, 사실적인 가짜 문서를 만들어내고 있습니다. 이는 은행이 계좌를 개설하는 사람이 실제 인물인지 파악하는 것을 매우 어렵게 만듭니다. 논문은 우리가 이러한 가짜를 잡아낼 수 있다고 믿고 있지만, 범죄자들이 우리가 잡아내는 속도보다 더 빠르게 가짜를 만드는 데 능숙해지고 있다고 시사합니다.
• '합성'된 거짓말: 범죄자들은 실제 데이터와 가짜 데이터를 혼합하여 만든 가짜 인물, 즉 '합성 신원(synthetic identities)'을 만드는 데 AI를 사용합니다. 이는 마치 범죄자가 은행의 컴퓨터를 속일 수 있을 만큼 진짜처럼 보이는 유령을 만들어내는 것과 같습니다.
• 스크립트 작성자: AI는 '머니 뮬(money mules, 대가를 받고 더 dirty한 돈을 옮겨주는 사람)'을 모집하기 위한 스크립트를 쓰거나, 거액의 송금이 발생하는 이유에 대한 가짜 사업적 근거를 작성할 수 있습니다.

까다로운 부분: 레이더가 잘못 작동할 때

논문은 위험한 부작용인 **디리스킹(De-risking, 위험 회피)**에 주목합니다. AI 시스템은 때때로 실수를 저지르는 것에 대한 두려움 때문에, 아예 특정 집단 전체를 차단하는 것이 안전하다고 결정할 수 있기 때문입니다.

• 인도주의적 문제: 저자들은 AI가 특정 국가 출신이거나 특정 이름을 사용한다는 이유만으로 정당한 자선 단체, 난민, 또는 가족에게 송금하는 사람들(remittances)을 실수로 '테러리스트'로 분류할 수 있다고 경고합니다. AI가 '위험'해 보이는 패턴을 감지하면 계좌를 폐쇄할 수 있습니다. 논문은 이것이 무고한 사람들에게 피해를 주고 돈을 추적이 더 어려운 그림자 속으로 밀어넣기 때문에 매우 큰 문제라고 주장합니다.
• '블랙박스' 문제: 때때로 AI는 "이것은 수상하다"라고 말하지만, 왜 그런지에 대해서는 설명하지 못합니다. 만약 은행이 고객에게 왜 계좌가 동결되었는지 설명할 수 없다면, 이는 공정성과 법의 원칙을 깨뜨리는 일이 됩니다.

해결책: 다층적 게임 플랜

우리가 AI를 끌 수는 없으므로, 저자들은 **다층적 거버넌스 프레임워크(Multilevel Governance Framework)**를 제안합니다. 이것은 단순히 은행만을 위한 규칙이 아니라 도시 전체를 위한 규칙 세트라고 생각하십시오.

1. 은행을 위하여 (보안 요원): AI를 맹목적으로 믿지 마십시오. 인간이 과정에 참여해야 합니다(Human in the loop). AI가 무언가를 지목하면 반드시 실제 사람이 확인해야 합니다. 또한, 은행은 AI가 특정 집단에 대해 편향되지 않도록 지속적으로 테스트해야 합니다.
2. 크립토 기업을 위하여 (새로운 운전자들): 특히 '스테이블코인(가치가 일정하게 유지되는 디지털 화폐)'과 관련하여, 누가 들어오는지와 어떻게 돈을 추적하는지에 대한 엄격한 규칙을 따라야 합니다.
3. 규제 기관을 위하여 (도시 설계자들): 기술을 이해해야 합니다. 단순히 보고서를 요구하는 것이 아니라, AI가 실제로 작동하고 있는지 아니면 그냥 흉내만 내고 있는지를 직접 테스트할 수 있어야 합니다.
4. 모두를 위하여: 우리는 인권을 보호해야 합니다. AI가 실수를 저질렀을 때, 사람이 이의를 제기하고 계좌를 되찾을 수 있는 방법이 반드시 있어야 합니다.

결론

논문은 AI가 하룻밤 사이에 자금 세탁을 해결해 줄 마법 지팡이가 아니라고 결론짓습니다. AI는 모두에게 게임을 더 빠르고 복잡하게 만드는 강력한 도구입니다. 저자들은 우리가 공진화적 경쟁(co-evolutionary contest) 상태에 있다고 제안합니다. 즉, 우리가 범죄자를 잡기 위해 더 나은 AI를 만들면, 범죄자들은 숨기기 위해 더 나은 AI를 만듭니다.

가장 중요한 교훈은 우리가 주의를 기울여야 한다는 것입니다. 우리는 단순히 AI가 주도권을 쥐도록 내버려 둘 수 없습니다. 우리가 나쁜 놈들을 잡는 동안, 실수로 선한 사람들을 가두거나 범죄자들이 우리의 도구를 역이용하여 승리하게 만들지 않으려면 인간의 책임감, 공정성 점검, 그리고 명확한 규칙이 필요합니다. 이 논문은 문제를 해결했다고 주장하는 것이 아니라, 우리가 현재 어디에 서 있는지, 그리고 금융 도시를 안전하게 지키기 위해 다음에 무엇을 해야 하는지에 대한 명확한 지도를 제공합니다.