출처: 블록미디어
최근 실시된 북미 지역 금융기관 생성형 AI 활용 조사 결과에 따르면, 이 지역 금융기관의 32%가 생성형 AI 솔루션을 도입했거나 도입을 진행 중인 것으로 나타났다.
신용도 평가 및 리스크 관리
금융 기관은 보수적인 기술 도입 트렌드를 깨고 신용 평가 및 리스크 관리와 같은 핵심 기능에 생성형 AI를 활용하고 있다.
머신러닝 알고리즘과 생성형 AI는 기존의 평가 방식을 대체하며 광범위하고 다양한 데이터를 분석함으로써 대출자의 신용도를 보다 종합적으로 평가할 수 있다. 또한 과거 데이터 학습을 통해 잠재적인 재정 및 기타 리스크를 사전에 식별하는 능력이 있다.
맞춤형 금융 상담
금융 및 투자자문 회사들은 독점적인 고객 데이터로 AI를 학습시켜 생성형 AI를 활용하고 있다.
이러한 AI 솔루션은 재정 상태, 목표, 위험 프로필, 지출 행동을 분석해 예산, 거래, 투자, 위험 관리에 대한 맞춤형 권고 사항을 생성한다.
또한 인공지능의 통찰력과 인간의 전문 지식을 결합해 고객에게 포괄적이며 고도로 맞춤화된 조언을 제공할 수 있다.
상품 가격 최적화
금융 서비스 기업들은 고객의 지불 의향을 파악해 최적의 상품 가격을 책정하기 위해 생성형 AI를 활용하고 있다.
또한 생성형 AI는 명확하고 직관적인 상품 설명 및 비교를 하는 데 활용됨으로써 고객이 정보에 입각한 결정을 내릴 수 있도록 돕는다.
시장 성장 및 전망
한 연구 보고서에 따르면 금융 서비스 시장의 생성형 AI 도입은 2023년에서 2032년 사이 기하급수적인 성장을 보일 것으로 예상된다.
시장 규모는 1186만 달러에서 112억 달러까지 급증할 것으로 보이는데, 이는 생성형 AI의 혁신적 잠재력에 대한 업계의 강한 믿음을 나타낸다.
혜택과 과제
대규모 데이터 세트를 기반으로 콘텐츠를 빠른 속도로 생성하는 AI의 능력은 금융 서비스 부문에 상당한 이점을 제공한다.
문서 요약과 고객 지원부터 직원의 성과 향상에 이르기까지 사용자 경험 향상, 금융 이해력 증진, 운영 간소화, 더 빠르고 정확한 의사 결정 등의 이점이 있다.
하지만 이러한 이점에는 관련 위험과 우려가 따른다. 수준 이하의 데이터 세트를 사용하면 부정확성과 편견이 발생해 잠재적으로 차별적인 결정을 내릴 수 있으므로 데이터 품질이 가장 중요하다.
생성형 AI 알고리즘은 실수, 잘못된 정보 또는 간혹 발생하는 착각에서 자유롭지 못하기 때문에 세심한 관리 감독이 필요하다.
데이터 사용, 보안, 개인정보 보호, 기밀성, 지적 재산권을 둘러싼 윤리적 고려 사항도 세심한 주의가 요구된다.
