생성형 AI, 금융 ID 인증과 사기 탐지 혁신

대규모 신분증 처리 과정에서 겪는 기존 OCR(광학 문자 인식)의 한계와 수동 검토 부담은 많은 기업의 공통된 과제입니다.

특히 신용 대출 신청, 계좌 개설, 규정 준수 확인 등에서 발생하는 추출 오류는 작업량을 가중시키며, 여기에 사기 탐지까지 더해지면 문제는 더욱 복잡해집니다.

라트비아의 핀테크 기업 Sun Finance는 이러한 문제에 직면했지만, AWS의 생성형 AI 기술을 활용하여 획기적인 해결책을 마련했습니다.

Sun Finance의 도전 과제: 수동 검토와 사기 탐지의 딜레마

2017년 설립된 Sun Finance는 9개국에서 온라인 대출 마켓플레이스를 운영하며 기술 중심의 혁신을 추구해왔습니다.

초당 0.63건의 신규 대출 요청을 처리하고 월 400만 건 이상의 평가를 수행하는 이 회사는 특히 소액 대출 분야에서 심각한 문제를 겪고 있었습니다.

월 8만 건에 달하는 신청 건 중 약 60%가 수동 검토를 필요로 했으며, 이는 주로 OCR 오류로 인한 정보 불일치 때문이었습니다.

고객 입력 데이터와 추출된 정보 간의 불일치 중 60%가 OCR 오류에서 비롯되었다는 사실은 기존 시스템의 한계를 명확히 보여줍니다.

더욱이, 매일 접수되는 요청의 약 10%가 실제 사기 신청이었고, 사기범들은 유사한 이미지와 패턴을 사용하여 기존 통제 시스템을 우회하려 했습니다.

이러한 패턴을 식별하기 위해서는 방대한 양의 이미지를 시간 소모적인 수동 검토를 거쳐야 했습니다.

이러한 비효율성은 확장 비용을 증가시켜, 저마진 소액 대출 시장으로의 진출을 가로막는 요인이 되었습니다.

자동화된 건은 10분 이내에 처리되지만, 수동 검토는 최대 20시간까지 소요되었습니다.

Sun Finance는 이러한 복잡한 문제 해결을 위해 AWS 생성형 AI 혁신 센터와 협력했습니다.

handover 후 단 35영업일 만에 새로운 파이프라인이 프로덕션 환경에 성공적으로 적용되었습니다.

이 프로젝트는 107영업일에 걸쳐 4단계 마일스톤을 거쳐 진행되었으며, AWS 팀의 참여는 32일간 집중적으로 이루어졌습니다.

이 협력을 통해 Sun Finance는 ID 추출 정확도를 79.7%에서 90.8%로 크게 향상시켰고, 문서당 비용은 91% 절감했으며, 처리 시간은 최대 20시간에서 5초 미만으로 단축하는 놀라운 성과를 달성했습니다.

이 혁신적인 솔루션은 Amazon Bedrock, Amazon Textract, Amazon Rekognition을 핵심 서비스로 활용하여 AI 기반 신원 확인(IDV) 파이프라인을 구축했습니다.

이 시스템은 Amazon Bedrock을 통해 Anthropic의 Claude Sonnet 4를 이용한 AI 구조화 및 시각 분석, 그리고 Amazon Titan Multimodal Embeddings를 이용한 벡터 생성을 수행합니다.

Amazon Textract는 신분증에서 1차 OCR 텍스트 추출을 담당하며, Amazon Rekognition은 보조 OCR, 얼굴 탐지 및 마스킹 기능을 제공합니다.

또한, S3 Vectors는 알려진 사기 패턴에 대한 벡터 유사도 검색을 지원하며, AWS Step Functions는 병렬 사기 탐지 워크플로우를 오케스트레이션하고 AWS Lambda는 두 파이프라인 전반에 걸쳐 서버리스 컴퓨팅을 담당합니다.

ID 추출 파이프라인은 단순한 OCR을 넘어, 대규모 언어 모델(LLM)의 구조화 능력을 통합하여 완성도를 높였습니다.

초기에는 Claude Sonnet 4 단독으로 61.8%의 정확도를 보였으나, 팀의 반복적인 개선 과정을 통해 최종적으로 90.8%의 정확도를 달성했습니다.

이는 전문 OCR 도구와 LLM의 조합이 각각의 도구를 단독으로 사용하는 것보다 훨씬 뛰어난 성능을 발휘함을 입증합니다.

특히, 다양한 언어와 복잡한 문서 형식을 가진 신분증 처리에서 LLM의 뛰어난 문맥 이해 능력은 OCR 오류를 효과적으로 보완하며 표준화된 JSON 형식으로 데이터를 추출하는 데 결정적인 역할을 했습니다.

사기 탐지 시스템은 벡터 유사도 검색을 핵심으로 하는 서버리스 아키텍처로 설계되었습니다.

여기에는 두 가지 주요 검사가 병렬로 수행됩니다.

첫 번째는 배경 유사도 검사로, Amazon Rekognition으로 얼굴을 마스킹한 후 Amazon Bedrock Titan Multimodal Embeddings로 배경 벡터를 생성하여 알려진 사기 패턴과 비교합니다.

두 번째는 시각 패턴 탐지로, Claude Sonnet 4가 이미지에서 화면 사진 아티팩트나 디지털 조작 흔적을 분석합니다.

이 두 검사 결과를 종합하여 AWS Lambda 기반 위험 평가 함수는 최종적인 사기 점수를 JSON 형식으로 생성합니다.

또한, 확인된 사기 이미지를 지속적으로 S3 Vectors에 저장하고 벡터화함으로써, 시간이 지남에 따라 참조 데이터베이스를 강화하는 지능형 학습 시스템을 구축했습니다.

Sun Finance의 성공 사례는 생성형 AI가 단순히 새로운 기술 트렌드를 넘어, 실제 비즈니스 문제를 해결하고 경쟁 우위를 확보하는 강력한 도구임을 명확히 보여줍니다.

ID 추출 자동화와 지능형 사기 탐지는 금융 서비스의 효율성, 보안성, 그리고 고객 경험을 혁신할 잠재력을 지니고 있습니다.

앞으로 더 많은 금융 기관들이 AWS와 같은 클라우드 플랫폼 기반의 생성형 AI 솔루션을 도입하여 비즈니스 프로세스를 최적화하고, 잠재적 위험을 줄이며, 궁극적으로는 더 나은 서비스를 제공할 것으로 기대됩니다.

기술은 끊임없이 발전하며, 이러한 혁신을 주도하는 기업만이 미래 금융 서비스 시장의 선두 주자가 될 것입니다.

출처: https://aws.amazon.com/blogs/machine-learning/sun-finance-automates-id-extraction-and-fraud-detection-with-generative-ai-on-aws/