Artificial Intelligence in Digital Banking: A Systematic Literature Review and a Novel Cross-Domain Resilience Framework for Customer Experience, Fraud Detection, and Risk Management
이 체계적 문헌 고찰은 디지털 뱅킹 분야의 AI에 관한 파편화된 연구들을 종합하여, 설명 가능성과 구조적 정렬의 기존 격차를 해소하기 위해 통합 지속 신뢰 점수(Unified Continuous Trust Score), 생성형 AI 거버넌스 샌드박스(Generative AI Governance Sandbox), 그리고 연합 기관 간 학습(Federated Cross-Institution Learning)과 같은 교차 메커니즘을 통해 고객 경험, 사기 탐지 및 리스크 관리를 통합하는 새로운 AIDBRM 2.0 프레임워크를 제안한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
은행의 세계를 거대하고 북적이는 도시라고 상상해 보십시오. 수십 년 동안 이 도시는 매우 오래되고 매우 경직된 지도로 운영되었습니다. 길을 건너고 싶다면 정해진 선을 따라야 했습니다. 무언가를 사고 싶다면 종이 양식을 작성해야 했습니다. 이것이 디지털 뱅킹의 '첫 번째 물결'이었습니다. 단순히 종이를 픽셀로 바꾼 것에 불과했으며, 그 밑바탕에는 여전히 느리고 규칙에 얽매인 로직이 그대로 남아 있었습니다.
하지만 이제 도시가 변하고 있습니다. 살아 숨 쉬는 신경계로 재건축되고 있습니다. 이것이 인공지능(AI)에 의해 구동되는 '두 번째 물결'입니다. 이 새로운 도시에서 시스템은 단순히 규칙을 따르는 것이 아니라, 학습하고, 감지하며, 실시간으로 반응합니다. 마치 타이머에 맞춰 신호가 바뀌는 스마트 신호등이 아니라, 실제로 차들을 관찰하고, 차들이 어디로 가는지 예측하며, 정체를 방지하기 위해 즉각적으로 조정하는 것과 같습니다.
그러나 이 스마트 시티를 건설하는 것은 까다로운 일입니다. 도시 설계자들(연구자들)은 서로 다른 구역에서 작업해 왔습니다. 한 그룹은 챗봇을 친구처럼 친근하게 만들어 '고객 경험' 구역을 즐겁고 친절하게 만드는 데 집착합니다. 또 다른 그룹은 도둑을 잡기 위해 첨단 센서를 구축하며 '사기 탐지' 요새를 지키고 있습니다. 세 번째 그룹은 대출이 안전한지 확인하고 왜 대출이 승인되었거나 거절되었는지 설명하는 '리스크' 지구를 관리합니다. 문제는 실제 도시에서 이 구역들은 분리되어 있지 않다는 점입니다. 한 사람이 길을 걸으며 로봇과 대화하고, 물건을 사고, 동시에 대출을 신청할 수도 있습니다. 만약 이 구역들이 서로 소통하지 못한다면, 도시는 혼란에 빠지고, 보안은 허술해지며, 규칙은 앞뒤가 맞지 않게 됩니다. 이 논문은 이 세 구역을 하나로 모아 어떻게 하나의 팀으로 움직일 수 있는지 살펴보는 탐정 이야기입니다.
탐정 작업: 논문이 발견한 것
저자인 Durga Prasad Dāsepalli는 매우 체계적인 사서처럼 행동했습니다. 단순히 추측하는 대신, 그들은 2020년에서 2025년 사이에 발표된 36개의 진지한 동료 검토 연구 논문을 읽고 분류하는 임무를 수행했습니다. 그들은 가장 우수하고 신뢰할 수 있는 연구만을 살펴보기 위해 PRISMA라는 엄격한 체크리스트를 사용했습니다.
이 모든 연구를 읽은 탐정은 도시의 발전을 가로막고 있는 세 가지 큰 문제를 발견했습니다:
- '사일로(Silos)' 문제: 친절한 챗봇을 연구하는 연구자들은 사기꾼을 잡는 연구자들과 거의 대화를 나누지 않았습니다. 하지만 현실에서 은행의 컴퓨터 시스템은 하나의 커다란 기계입니다. 고객이 봇과 대화하는 동안 사기 경보가 울린다면, 시스템은 두 가지 상황을 동시에 알아야 합니다. 현재 연구들은 이들을 마치 서로 다른 우주에 있는 것처럼 취급하고 있습니다.
- '설명 가능성'의 불균형: 이것은 "답변을 설명할 수 있는 능력"을 뜻하는 멋진 표현입니다. 연구자들은 은행이 대출에 대해 "거절"할 때는 (SHAP이나 LIME 같은 도구를 사용하여) 그 이유를 설명하는 데 매우 능숙해졌다는 것을 발견했습니다. 하지만 의심스러운 거래에 대해 "중단!"이라고 외치거나 "특별 혜ye"를 제안할 때는, 스스로를 설명할 수 없는 '블랙박스' AI를 사용하는 경우가 많습니다. 이는 마치 수학 숙제를 완벽하게 설명하면서도, 왜 벌점을 주었는지는 설명하기를 거부하는 선생님과 같습니다. 논문은 대출뿐만 아니라 모든 AI 결정에 대해 설명을 요구하는 규제가 시작되고 있다는 점에서, 이것이 불공정하고 위험하다고 지적합니다.
- '설계도'의 단절: 건물을 설계하는 건축가(소프트웨어를 실행하는 클라우드 및 마이크로서비스)와 로봇을 만드는 엔지니어(AI 모델)가 있습니다. 하지만 건축가와 엔지니어는 서로 대화하지 않습니다. 건축가는 속도와 안정성을 걱정하는 반면, 엔지니어는 정확도를 걱정합니다. 논문은 건물이 AI 로봇을 지원할 준비가 되어 있지 않다면 훌륭한 AI 로봇을 가질 수 없다고 주장합니다.
새로운 설계도: AIDBRM 2.0
이 어지러운 구역들을 해결하기 위해, 이 논문은 AIDBRM 2.0(AI 기반 디지털 뱅킹 회복력 모델, 버전 2.0)이라는 새로운 통합 설계도를 제안합니다. 이것은 특별한 다리와 공유 도구로 모든 구역을 연결하는 새로운 도시 계획이라고 생각하면 됩니다.
논문은 이전에는 이런 방식으로 함께 사용되지 않았던 세 가지 '슈퍼 도구'를 제 제안합니다:
- '통합 신뢰 점수' (모든 것을 보는 배지): 모든 고객이 매초 업데이트되는 하나의 빛나는 배지를 가지고 있다고 상상해 보십시오. 이 배지는 단순히 그가 좋은 대출자인지만 보여주는 것이 아니라, 신용 점수, 사기꾼일 가능성, 그리고 은행 서비스에 대한 만족도를 결합하여 보여줍니다. 만약 고객이 평소에 높은 신뢰 점수를 유지하다가 갑자기 이상한 거래를 한다면, 시스템은 전체 이력을 살펴보고 "아, 이건 아마 안전할 거야"라고 판단하여 즉시 차단하는 대신 대응할 수 있습니다. 이는 고객을 화나게 하는 짜증 나는 '오보(false alarms)'를 방지합니다.
- '생성형 AI 샌드박스' (안전망): 은행들은 고객과 대화하기 위해 '생성형 AI'(이야기를 쓰거나 복잡한 질문에 답하는 종류의 AI)를 사용하기 시작했습니다. 하지만 이러한 AI 모델은 때때로 '환각(hallucination)' 현상(내용을 지어내는 것)을 보이거나 실수로 비밀을 유출할 수 있습니다. 논문은 특별한 '샌드박스' 또는 테스트 룸을 구축할 것을 제안합니다. 어떤 AI의 답변이 실제 고객에게 전달되기 전에, 이 방에서 테스트를 거쳐 거짓을 말하거나, 데이터를 유출하거나, 나쁜 놈들에게 속지 않는지 확인해야 합니다. 이는 실제 승객을 태우기 전 비행 시뮬레이터를 돌려보는 것과 같습니다.
- '연합 학습(Federated Learning)' 클럽 (비밀스러운 악수): 사기꾼들은 여러 은행을 넘나드는 네트워크로 활동합니다. 한 은행은 사기의 일부를 보고, 다른 은행은 나머지를 보지만, 그들은 고객의 개인 데이터를 공유할 수 없습니다. 논문은 '연합 학습' 모듈을 제안합니다. 이것은 은행들이 실제 고객 데이터(비밀 재료)는 공유하지 않으면서, 자신들이 배운 교훈(AI의 수학적 원리)을 공유하는 비밀 클럽과 같습니다. 이를 통해 그들은 개인정보 보호 규칙을 어기지 않으면서도 돈 세탁책(money-mule) 사기를 잡아내는 데 더 똑똑해질 수 있습니다.
이것이 모두에게 의미하는 것
이 논문은 자신이 아직 무엇을 '하지 않았는지'에 대해 매우 명확히 밝히고 있습니다. 이 새로운 도시를 직접 건설하거나 실제 돈으로 테스트한 것이 아닙니다. 이것은 우리가 이미 알고 있는 것에 기반한 매우 강력하고 잘 연구된 아이디어, 즉 개념적 프레임워크입니다. 저자는 이 설계도가 서류상으로는 훌륭해 보이지만, 실제로 구축하여 현실 세계에서 작동하는지 확인해야 한다고 인정합니다.
하지만 그 영향은 엄청납니다. 은행을 운영하는 사람들에게 이는 단순히 멋진 AI 챗봇을 구매하고 끝낼 문제가 아님을 의미합니다. 그들은 건물 전체(아키텍처)를 업그레이드해야 하며, 보안 요원(사기 탐지)과 대출 담당자(리스크 관리)가 모두 동일한 플레이북을 사용하도록 만들어야 합니다.
규제 당국에게는 경종을 울립니다. 만약 여러분이 은행에 대출 결정을 설명하라고 요구한다면, 사기 차단이나 상품 추천에 대해서도 설명을 요구해야 합니다. 그리고 고객들에게는, 언젠가 은행이 딱딱한 로봇이 아니라, 자신의 삶을 단편적인 조각이 아닌 전체적인 관점에서 이해하는 스마트하고 도움이 되는 파트너가 되기를 바라는 희망을 줍니다.
요컨대, 이 논문은 뱅킹의 미래가 가장 똑똑한 단 하나의 AI를 갖는 것이 아니라, 서로 대화하고, 자신의 업무를 설명하며, 도시를 안전하고 공정하며 친절하게 유지하기 위해 함께 협력할 수 있는 AI 팀을 갖는 것에 달려 있다고 주장합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.