(8) 은행 분야 AI 사례

https://finedu.fintech.or.kr/course/view.php?id=450#section-8

FinEDU

 

은행은 업무가 대부분 매뉴얼화되어 있기 때문에 AI를 도입하기 매우 편리하다. (데이터 역시 정형 데이터가 대부분)

 

 

사기 탐지를 하는 데 전통적인 방법론은 rule-based기 때문에 유연성이 많이 떨어지고 잘못된 판단을 내린 전력이 많았다. 하지만! 딥러닝을 도입하여 이를 획기적으로 개선하였다. 게다가 꾸준히 학습을 하기 때문에 새로운 유형의 사기에 대해서도 학습을 하고 대비를 한다.

 

 

마스터카드는 이러한 사기탐지 소프트웨어를 다른 은행에 판매까지 했다!

 

 

은행 텔러는 아주 당연히 대체될 것이다.

 

 

뱅크오브아메리카의 Life Plan은 고객들의 삶 전반을 보고 금융 목표를 달성하는 데 도움을 주는 툴이다. 은퇴, 주택 구매, 신용 점수 올리기 등과 같은 목표를 각각 우선순위에 따라 도와준다.

 

 

테크 기업이 아닌 곳이 독자적으로 기술을 개발하는 것에는 일장일단이 있다. 어설프게 개발했다가 다른 AI들보다 성능이 뒤지면 (힘들게 만든 그걸 굳이 사용할 필요가 없기 때문에) 버려져, 애꿎은 예산만 낭비하게 된다. 하지만 KB국민은행처럼 '금융'에 특화된 LLM은, 물론 다른 곳에서도 많이 개발하고 있지만, 일반 빅테크들이 단일한 목표로 삼고 있는 분야가 아니기 때문에(그 친구들은 금융뿐 아니라 모든 분야의 LLM에 신경을 씀) 우위가 있을 수도 있다.