AI로 대출 취급 프로세스 혁신
Loan Origination (대출 취급)를 AI가 어떻게 바꿀지 예측
최근 은행에서는 AI를 어떻게 활용할지에 대한 논의가 매우 활발하다고 들었다. 이제 은행을 오래전에 완전 떠났지만, 주변을 머물다 보니 아직도 은행관련 소식을 접한다. 오늘은 BAI에 기고된 글을 조금 각색해서 여기에 작성한다.
Chatgpt의 그림 솜씨Loan Origination with AI
인공지능(AI)이 은행 업계를 혁신할 수 있는 잠재력을 지니고 있다는 점은 누구나 공감할 수 있을 것이라 예측하는데, 그래서 AI로 신용평가를 한다던지, 상품개발을 AI와 한다던지, 브랜치에서 AI와 상담한다던지, 콜센터를 AI요원이 대체 한다던지 여러가지 아이디어가 쏟아지고 있을 것이다. 하지만 무디스의 애널인 Sourish Sarker의 견해는 수익성이 높지만 업무가 상대히 복잡한 대출 업무에서 AI의 역할이 두드러질 것이라 의견을 냈다. 물로 내생각과 매우 비슷하다. 나는 은행업무 프로세스의 단순화 (반복업무 축소), 아님 Legal 및 Compliance 변동에 따른 은행 본연업무와 부수업무의 Rule Set 예측등에는 단기적으로는 효과가 있을 것이라 보고, 많은 예측모형이 필요한 아이디어는 모델 정합성이 맞아야 하기때문에 많은 시간이 필요할 것이라 생각 된다.
일반적인 Loan Origination 업무활동즉, 은행 업무에서 AI를 이용해서 적용할수 있는 분야 중 하나는 바로 Loan Origination(대출 취급) 프로세스를 간소화라고 주장하는데, 나도 매우 동의한다.
특히 Loan Origination은 고객 정보 수집부터 위험 평가, 최종적으로 필요한 자금 조달 승인까지 여러 단계를 포함하는 매우 복잡한 과정으로 알려져 있고, 이 과정은 시간이 많이 소요되고 노동집약적이며, 여러 차례의 심사, 유사한 정보의 반복 검토, 모든 고객에 대한 동일 작업의 반복이 요구된다. BPR이된 은행이라 할지라도 여신센터의 업무도 마찬가지로 노동집약적 업무로 알려져있다. (그런데, 내가 은행을 떠나서, 이게 최신인지 지금도 그런지는 확인이 필요하다)
기업 Loan Origination 표준 프로세스용어: Loan Origination(대출 취급)은 대출 과정의 시작을 나타내는 용어로, 대출의 초기 단계부터 자금 지급까지의 전체 과정을 포함.
이 과정은 아래 같은 주요 단계로 구성
1. 고객 정보 수집
2. 신용 평가
3. 위험 평가
4. 대출 승인
5. 서류 작업
6. 자금 조달
"Origination"이라는 용어는 대출의 시작과 취급 과정을 강조하며, 대출의 라이프싸이클 중 초기 단계에 초점을 맞추고 있다. 대출이 어떻게 시작되고 처리되는지를 포괄적으로 설명하는 데 사용되고. 과정은 대출 신청부터 최종 자금 지급까지의 모든 절차를 포함하는 종합적인 개념임.
만약 아직도 여신 담당들이 손땀으로 움직이고 있다면, AI를 활용함으로써 이러한 대출 취 프로세스를 보다 효율적으로 운영할 수 있으며, 은행의 운영 비용을 절감하는 데 크게 기여할 것으로 보인다. (고객만족도 보통 언급하지만, 그건 글쎄다)
대출 취급 (사전) 과정의 변화 : 실제 AI 활용 사례
AI는 자동화와 적응 능력을 통해 대출 심사 및 사전 승인 신용 프로세스를 혁신하고 간소화 시키는 사례가 종종 나오고 있다. 논리적이라도 AI가 객관적인 사전 심사 기준을 설정하고 신용 담당자가 필요한 정보를 종합하여 대출 승인 시간을 크게 단축시킬 것으로 생각된다. 이러기 때문에 대출 영업하는데 필요한 시간단축과 불필요한 업무가 스스로 혁신되는 과정이 발생되기도 한다.
AI가 Loan Origination 과정에 미치는 영향은 다양한 사용 사례가 이미 있다고 한다. 이들 대출 취급 과정의 간소화는 1. 반복적인 작업의 자동화, 2. 승인 시간의 단축, 3. 더욱 효율적이고 고객 중심적인 프로세스 구현 측면에서 성과가 발생했다고 알려져 있다.
이러한 AI가 만든 조그만 변화가 은행의 운영 방식을 근본적으로 혁신할 수 있다고들 예측하는데, 아직 장미 빛 관망하기는 이르지만, 분명한건 AI의 도입으로 대출 사전-취급 프로세스는 더욱 신속하고 정확해지며, 더 많은 대출 건수 처리를 할 수 있을 것은 분명해 보인다.
대출 신청서 화면을 캡쳐한뒤, AI 코딩을 하고 다시 컴파일러로 화면을 만듬또한 AI의 능력을 나도 믿는 것은 분석 능력인데, 나도 가끔은 재무분석을 내가 한 해석이 맞나 틀리나, AI에게 재확인을 할 경우가 많고, 틀린 해석은 안하는거 같아 나름 신뢰한다. 그래서 생각해보면, 대출 사전 프로세스 진행시, 신용평가영역과 상환능력을 보기 위한 재무제표 분석 부문에 도움을 줄 것으로 보이는데, 이미 해외 은행들은 AI를 이용해서 이런 분석을 수행하고 있다고 한다. (무디스의 주장이라 확인이 필요하다, 아님 이런 툴이나 SW를 개발하여 판매 해도 좋을 듯)
사례를 보면, AI는 차용자의 신용도를 포괄적으로 분석하여, 은행이 더 신속하고 정보에 기반한 신용 결정을 내릴 수 있게 하고, 재무제표 자동 분석으로 분석에서 발생될 수 있는 오류를 자동적으로 줄이고 효율성을 높일수 있다. 이로 인해 은행은 중요한 재무 데이터를 더 정확하고 빠르게 추출할 수 있게 되고, 전통적으로 인적 오류가 발생하기 쉽고 시간이 많이 소요되는 작업을 혁신적으로 개선 했다는 사례를 종종 발견할 수 있다.
일반적으로 차주의 Credit Rating을 중심으로 판단하고, 재무분석을 해도 매출분석에 의존해 대출상품 취급을 보수적으로 운영하는데, 이런 AI가 상환능력과 신용평가에 활용되면, 어쩌면 차주의 신용등급보다 더 많은 대출이 일어나거나, 아니면 적게하는 은행에 유리한 판단에 도움을 줄 수 있다고 생각한다.
또다른 사례 AI를 활용한 Credit Memo 작성
또 다른 중요한 사용 사례는 생성형 AI(gen AI)를 통한 신용 메모 자동화이다. AI의 기초 위에 구축된 생성형 AI는 훈련 과정에서 학습한 패턴을 기반으로 새로운 원본 콘텐츠를 생성할 수 있는 모델을 의미 한다.
은행에서 신용 메모 작성은 시간이 많이 걸리고, 집중화 센터에도 병목 현상이 발생하는 작업으로, 하나의 신용 메모를 작성하고 완료하는 데 최대 8시간 (Moody 애널 말에 의하면) 이 걸릴 수 있다. 생성형 AI는 다양한 소스로부터 Obligator 정보를 추출하고 종합하여 클릭 한 번으로 종합적인 신용 메모를 생성할 수 있도록 도와 줄 수 있다.
Credit Note의 화면예시 : AI로 코딩을 만들고나서 Online Complier에게 시켜서 화면을 만들어 봤다이 생성형 AI의 Credit Memo 에 주는 이점을 요약하면, 1. 시간과 노력 절약, 2. 오류 감소,3. 대출의 복잡성이나 작성자에 관계없이 일관된 신용 메모 보장 되는, 노트를 일관성있게 작성하는 점에 큰 이점이 있다고 본다
그러면 여기서 Credit Memo가 어떤건지 알아보자
신용 보고서는 대략 아래와 같이 작성된다.
고객 정보:
- 이름: 홍길동
- 생년월일: 1980년 1월 1일
- 주소: 서울시 강남구 역삼동 123-45
- 연락처: 010-1234-5678
대출 요청 정보:
- 대출 금액: 1억 원
- 대출 용도: 주택 구입
- 대출 기간: 20년
재무 정보:
- 연소득: 7천만 원
- 고용 상태: 정규직 (ABC 회사, 재직 5년)
- 자산: 5천만 원 (현금 예금, 주식 등)
- 부채: 1천만 원 (신용카드, 기존 대출 등)
신용 평가:
- 신용 점수: 800점 (신용 등급: 우수)
- 신용 기록: 연체 기록 없음, 대출 상환 이력 양호
위험 평가:
- 소득 대비 부채 비율: 15%
- 대출 상환 비율: 30% (대출 상환액/월 소득)
- 담보 가치: 1.5억 원(주택 평가 금액)
추천 사항:
홍길동 고객은 안정적인 고용 상태와 우수한 신용 기록을 보유하고 있으며, 소득 대비 부채 비율이 낮아 대출 상환 능력이 양호하다고 평가됩니다. 주택 담보 가치가 대출 요청 금액을 초과하여 담보력도 충분합니다. 따라서 요청한 대출 금액 1억 원을 승인하는 것을 추천합니다.
심사 담당자:
- 이름: 김심사
- 직위: 대출 심사팀 팀장
- 날짜: 2024년 7월 24일
고려할 점들 그리고 마무리
AI는 대출 취급 과정에서 반복적인 작업 자동화, 빠른 의사결정 지원, 운영 간소화, 고객 서비스 질 향상 등 다양한 이점을 제공할 것으로 보인다. 특히 노동 집약적인 고객 정보 수집과 신용 평가 과정을 크게 개선하며, 대출 심사 자동화부터 신용 평가 간소화까지 전반적인 프로세스의 개선이 이뤄질것으로 기대한다.
마구잡이로 AI를 활용하는 것 보다 신중하게 활용을 해야, 성과를 낼듯 하다. 또한 AI를 통한 은행 업무 혁신이 과거 2000년 초 BPR 열풍만큼의 센세이션을 불러일으킬지 궁금해진다. AI가 실제 업무에 도입되면서 은행은 어떤 프로세스 변화를 겪게 될지, 그리고 이에 대한 한국의 은행들의 대처방안이 어떨지 등.. 여튼 이렇게 은행의 프로세스가 변화를 하게 되면, 최종적으로는 고객이 만족하는 서비스가 만들어 질꺼 같다.
