은행은 현대사회의 금융생활과 세계경제 발전에 중요한 역할을 담당하며 현금, 대출, 예금 등의 거래를 수행합니다. 이러한 프로세스를 최적화하기 위해 인공지능이 은행 부문에 활발히 도입되고 있는 것이다. 은행 구조가 신경망을 어떻게 사용하는지 정확히 알려 드리겠습니다. 가장 중요한 것은 우리에게 위험이 있습니까?
역사적으로 은행 산업은 항상 혁신을 가장 먼저 도입한 산업 중 하나였습니다. 이미 20세기 50년대에 미래 대출 기관을 평가하기 위해 수학적 모델이 사용되었으며, 80년대에는 금융 부문에 컴퓨터가 적극적으로 도입되기 시작했습니다.
기계는 지수의 역학을 계산하고 투자 전략을 결정할 수 있습니다. 21세기에는 은행 부문이 인공지능 기술을 전면적으로 채택했으며, 이는 은행에서 위험 분석을 위해 적극적으로 사용되기 시작했습니다. 그것은 모두 신용 점수 문제 해결에서 시작되어 점차 다른 은행 상품으로 옮겨졌습니다.
LLM 기술이 개발됨에 따라 인공 지능은 모바일 애플리케이션의 음성 도우미, 전화 교환원의 첫 번째 라인 및 법적 성격을 포함한 문서 텍스트 자동 작성 작업에 사용되기 시작했습니다. 컴퓨터 비전 방법은 전자 문서 관리를 위해 문서를 인식하는 데 사용되며, 여권 및 기타 문서를 스캔한 결과를 기반으로 고객 데이터 입력 속도를 높입니다. 인공 지능 방법은 고객을 분류하고 개인 제안을 개발하는 등 마케팅 목적으로도 사용됩니다.
최근 영국 전문가들은 은행 산업에서 인공지능의 역할에 대한 대규모 연구를 발표했습니다. 그들의 계산에 따르면, 이러한 기술의 개발 및 구현을 위한 은행 구조의 비용은 2030년까지 3000억 달러에 이를 것입니다.
금융 부문의 인공지능 기술 도입을 다른 분야와 비교하면 일반적으로 시험 및 테스트 단계에 대해 이야기할 수 있습니다.
러시아 은행의 예를 사용하면 일부 영역에서는 신경망이 매우 효과적으로 작동하지만 다른 영역에서는 명백한 문제가 있음을 알 수 있습니다. 그러나 또 다른 시사점이 있습니다. 거의 모든 대형 은행은 구조상 AI 기술의 개발 및 구현을 담당하는 별도의 부서를 만들었습니다.
클라이언트와의 커뮤니케이션
지정된 알고리즘을 기반으로 하는 신경망은 정확히 무엇에 대답하고 대화를 구성하는 방법을 결정합니다. 가장 흥미로운 사례 중 하나는 브랜드 창립자 Oleg와 이름이 같은 Tinkoff Bank의 음성 비서입니다. Oleg를 사용한 덕분에 은행은 매년 약 3억 6천만 루블을 절약하고 있으며 채팅 봇은 들어오는 모든 요청의 약 절반을 처리합니다. 직접적인 통신 외에도 신경망은 예금, 대출 또는 특수 조건이 있는 카드 중 어떤 은행 상품이 현재 귀하에게 가장 매력적인지 계산하고 결정합니다.
대출
한편으로는 많은 수의 직원이 항상 이 방향으로 일하면서 신청서를 수동으로 검토해 왔습니다. 그리고 여기서 두 가지 점이 중요합니다. 즉, 직원의 임금 기금과 관련된 은행 비용의 증가입니다. 두 번째는 인적 요인으로 인해 오류가 발생할 가능성입니다.
반면, 수동 검토로 인해 대출 가능성에 대한 결정이 지연되었기 때문에 고객은 항상 어려움을 겪었습니다. 인공지능 기술을 도입함으로써 은행은 거의 모든 문제를 해결할 수 있었다. 신청서는 매우 빠르게 처리되며 인공 지능은 항상 올바른 결정을 내립니다. 러시아 은행들은 이를 인정하며 현재 미상환 대출 비율이 감소하고 있음을 지적했습니다.
보안
러시아 은행에 따르면 2023년 1분기에 고객 자금 도난 기록이 세워졌습니다. 사기꾼들은 러시아인의 계좌에서 45억 루블 이상을 훔칠 수 있었습니다.
따라서 사기 행위를 식별하는 것은 이 업계의 맥락에서 신경망에 대한 유망한 작업 중 하나입니다. 이미 오늘날 인공 지능은 재무 모니터링을 수행하고 엄청난 양의 데이터를 논스톱으로 스캔하여 개인과 법인의 특이한 행동을 식별합니다. 또한 신경망은 사이버 공격의 사실을 식별합니다.
채무자와 협력하기
채무자와 협력하기 위해 인공 지능을 사용하는 관행은 꽤 오래 전에 러시아에서 시작되었습니다. Sberbank는 2017년에 첫 번째 사례를 발표했고, 2018년에는 또 다른 주요 시장 참가자인 VTB Bank가 이 기술의 도입을 발표했습니다. 요즘에는 채무자와의 모든 통신 중 약 절반이 신경망을 통해 수행됩니다. 그러나 현재 러시아 법률과 관련된 몇 가지 문제가 있는 것은 이러한 방향입니다. 로봇 수집기의 사용은 소위 회색 영역에 속합니다. 공식적으로 허용되지는 않지만 금지되지도 않습니다. 물론 이는 대중의 부정적인 반응을 불러일으킨다.
이 밖에도 지난해에는 채무자와 소통할 때 로봇 수집기를 활용하는 것이 합법성과 관련해 여러 건의 대규모 소송이 있었다. 실습에 따르면 이 기술이 너무 공격적으로 사용될 경우 법적 조치가 시작됩니다. 예를 들어, 로봇은 매시간 채무자에게 전화를 겁니다. 그리고 일부 은행은 결과에 대한 두려움 없이 이를 침착하게 사용합니다. 다른 사람들은 고객 충성도와 관련된 평판 위험을 두려워합니다.
은행 부문에서 인공지능을 활용하는 것은 나열된 영역에만 국한되지 않습니다. 이제 신경망은 문서 인식, 최적의 수집 경로 구축, 고객 유입을 고려한 사무 일정 개발, 새 사무실 개설을 위한 성공적인 위치 선택 등 엄청난 양의 작업을 수행합니다.
은행 업계에서 신경망 사용 시의 위험
신경망은 오류를 줄이기 위해서는 초기 단계에서 많은 양의 데이터를 보유하고 주어진 알고리즘을 구현하는 과정에서 지속적으로 학습되도록 설계되었습니다. 여기서는 수십만 명의 은행 고객의 개인 데이터와 영업 비밀이 포함된 법인의 정보에 대해 이야기하고 있습니다.
2023년에는 대규모 연구가 발표되었습니다. 기업분야 정보보안 전문기업 인포워치(InfoWatch)의 전문가들은 2022년 러시아에서 개인정보가 포함된 기록 6억6700만 건 이상이 유출됐다고 밝혔다. 이 수치를 2021년과 비교하면 실제로 거의 2.5배 증가한 것으로 나타납니다. 긍정적인 추세는 은행 구조에서 개인 데이터가 유출되는 일이 점점 줄어들고 있다는 것입니다. 그러므로 인공지능의 발달이 개인정보 유출을 줄이는 데 긍정적인 영향을 미친다고 말할 수 있습니다.
신경망의 알고리즘은 항상 사람이 설정하지만, 윤리적 관점에서 성별, 국적 또는 종교적 성향의 측면이 얼마나 깊이 있게 해결되었는지에 대한 질문이 발생합니다. 예를 들어, 대출을 하기로 결정할 때 남성은 다른 조건이 동일하더라도 통계적으로 인류의 공정한 절반보다 더 많은 돈을 벌기 때문에 이점을 얻을 수 있습니다. 러시아의 각 은행은 윤리적 문제를 해결하기 위해 독립적으로 노력합니다. 예를 들어 Sberbank는 자체 윤리 강령을 개발했으며 VTB는 윤리적 관점에서 신경망 결정을 평가하는 모델을 개발했습니다.
콜센터 직원 감소, 대출 결정을 내리는 전문가, 로봇 수집가가 거의 완전히 제거되었습니다. 이는 오늘날 신경망으로 대체되는 사람들의 전체 목록이 아닙니다. 그리고 직원 감축은 객관적인 과정입니다.
러시아 중앙은행은 2015년부터 이 프로세스를 시작하여 라인 직원의 30%를 감축했습니다. 2023년에는 두 가지 감축 물결에 대한 정보가 발표되었습니다. 올 봄에는 약 1,000명의 직원이 해고됐다. 조금 있으면 가을 파도가 우리를 기다립니다. 2018년 Sberbank는 중간 관리자의 70%를 감축할 계획을 발표했습니다. 그러나 2018년 말의 실제 상황은 완전히 다른 것으로 나타났습니다. 공식 통계에 따르면 직원의 5%만이 해고되었습니다. 2025년까지 은행은 직원 절반의 서비스를 없앨 계획이다.
