인도·아프리카 등 금융 사각지대에서, ‘신용기록이 거의 없는 사람에게 돈을 어떻게 빌려줄 것인가’라는 문제가 새로운 AI 과제가 되고 있는데요.
최근 아프리카와 인도 등 신흥 시장을 타겟으로 한 글로벌 금융 AI 챌린지에서 한국 스타트업 '어피닛'이 잇달아 상위권을 차지하며 주목받고 있습니다.
금융 기록이 전무한 10억 명의 '넥스트 빌리언(Next Billion)' 사용자들을 어떻게 신뢰할 수 있는 금융 사용자로 판별하는지 그 기술적 원리를 파헤쳐 볼 예정인데요.
이 영상에서는 스마트폰 사용 로그 같은 비정형 데이터를 모아, 신용 리스크와 이탈 시점을 예측하는 한국 스타트업 어피닛(구. 밸런스히어로)의 AI 아키텍처를 엔지니어 관점에서 풀어봅니다.
단순히 될까/안 될까를 맞히는 신용평가 모델이 아니라, 생존 분석(Survival Analysis)을 통해 시간 축 위에서 리스크를 추적하는 방식도 함께 다룹니다.
수백만 명의 로그 데이터를 끊김 없이 모으는 데이터 레이크·파이프라인부터, 수천 개의 피처 엔지니어링과 MLOps 운영 체계까지 실제로 어떤 스택이 필요한지도 살펴봅니다.
또한 연차보고서 같은 금융 문서를 LLM 에이전트가 읽고 해석하는 기술이 신용평가를 넘어 어떤 영역으로 확장될 수 있는지도 이야기합니다.
이 모든 과정에서 빠질 수 없는 개인정보 보호, 보안, AI 편향성(Bias) 문제를 어떻게 엔지니어링 차원에서 통제하려고 하는지도 짚어봅니다.
‘대출 회사’가 아니라, 데이터와 AI 인프라를 설계하는 엔지니어링 회사로서 어떤 철학과 기준을 가져야 하는지도 함께 고민해 봅니다.
AI, 데이터 공학, 핀테크의 교차점에서 일하고 싶거나, Next Billion을 겨냥한 비즈니스에 관심 있는 분들께 하나의 참고 사례가 되었으면 합니다.
#어피닛 #신용평가 #AI
*본 영상은 어피닛의 제작 지원 하에 제작되었습니다.
Written by Error
Edited by 이진이
unrealtech2021@gmail.com
