[디지털데일리 이나연기자] 감독당국이 금융 사고를 막기 위해 다양한 형태 규제를 강화하고 있지만, 범죄 수법 역시 날이 갈수록 진화하고 있다. 금융기관들이 아무리 내부 통제 시스템을 구축해도 모든 경우에 대응하기는 불가능한 것이 현실이다.

전문가들은 제3자 공모와 신기술을 활용한 횡령처럼 과거 발생하지 않았던 내부 부정을 사전에 인지할 수 있는 인공지능(AI), 머신러닝(ML) 기반 혁신을 제안한다.

조민기 SAS코리아 상무는 지난 17일 서울 중구 은행회관에서 열린 제2회 금융범죄예방을 위한 정책 세미나에서 금융기관 내부 부정 대응을 위한 SAS의 AI 기반 접근 방식을 소개했다.

조민기 상무는 "최근 20년간 금융감독원과 금융위원회 등이 금융사고 관련 규제를 이어왔지만, 거액 중심 금융 사고가 꾸준히 발생하고 있다"며 "사고를 실효적으로 인지하고 방지할 수 있는 획기적인 전환이 필요하다"고 말했다.

기관 환경 및 상황 별로 구체적인 전략은 달라진다. 우선 내부 부정 적발 사례가 없고 룰이나 타깃 데이터가 없는 금융기관은 AI와 ML을 적용하되, 응용프로그램인터페이스(API) 기반 합성 데이터를 적극 활용 가능하다. 부족한 데이터를 보강하는 차원이다.

자금 세탁이나 사기 등 과거부터 복잡하게 얽힌 금융거래 흐름을 추적해야 한다면 네트워크 분석 방식이 권장된다. 보통 혐의가 있는 집단으로부터 구성 개체를 조사하는 '하향식 접근'과 식별된 엔티티(직원 또는 계좌)를 중심으로 계좌·거래·고객 등을 연계 분석해 주변 네트워크를 탐색하는 '상향식 접근'으로 나뉜다.

조 상무는 "네트워크 분석과정에서 하나의 엔티티에 여러 개 룰이 동시 적발되거나 다수 룰이 고위험으로 평가될 수 있다"면서 "어디에 가중을 둘지 판단할 때도 ML이 활용된다"고 부연했다.

위험 경고가 생성된 후 내부 조사 과정에 접어들었을 때도 AI와 ML 결과를 활용하는 동시에 조사 판단 근거로 쓸 수 있다. 조 상무는 "조사자 특성과 숙련도에 따라 조사 일관성을 유지하기가 쉽지 않다"며 "거대언어모델(LLM)과 연동한 생성형 AI 조사 가이드를 통해 상향 평준화된 모델이 만들어진다"고 전했다.

이렇게 만들어진 조사 모델을 안정적으로 배포해 운영 시스템에 안착시키는 것도 주요 과제다. 조 상무는 "SAS 금융범죄 분석 솔루션은 AI·ML 기반 하이브리드 분석 접근법과 네트워크 분석, 최적화된 경보 조사 프로세스를 제공해 처음부터 끝까지 한 번에 해결 가능한 방식을 제공한다"고 강조했다.