금융 기관이 규제를 준수하고 금융 범죄에 맞서 싸우기 위해 노력하며, 자금세탁 방지(AML) 프로세스에 AI 기술을 사용하는 것이 중요해졌다.

글로벌 데이터 관리 및 AI 서비스 기업 SAS와 글로벌 세금 관리 기업 KPMG가 공인 자금세탁 방지 전문가 협회(ACAMS) 회원 850명을 대상으로 AML와 관련한 AI 및 ML 등의 다양한 기술의 도입 인식에 대한 보고서 '통합으로의 길(The road to integration)'을 발표했다.

자금세탁 방지 위한 AI 및 ML 통합 진행 중

AI 및 머신 러닝(ML) 도입은 여전히 미미했다. 설문 응답자의 18%만이 AI/ML 솔루션을 생산에 적용하고 있다고 답했다. 또 다른 18%는 AI/ML 솔루션을 시범 운영 중이며, 25%는 향후 12~18개월 내에 AI/ML을 구현할 계획이다. 40%는 현재 AI/ML 도입 계획이 없다고 답했다.

특히, 생성AI에 대한 관심이 높으면서도 신중한 것으로 보였다. 생성AI를 시범 운영 중이거나(10%) 탐색 단계에 있다(35%)고 답했으나, 55%는 생성AI 도입 계획이 없다고 답했다.

한편, 설문 조사 결과 AML 실무자들이 규제 기관이 AI에 대해 냉담해졌다고 믿고 있었다. 51%는 규제 기관이 AI/ML 혁신을 장려하거나 권장한다고 답했는데, 이는 지난 2021년보다 15% 포인트 감소한 수치였다.

AI/ML 도입에 대해 규제 기관이 우려하거나 신중하다고 답한 사람들은 28%에서 36%로 증가했으며, 규제 기관을 '변화에 저항하는' 것으로 묘사한 사람들은 6%에서 13%로 두 배 이상 증가했다.

KPMG 인터내셔널의 글로벌 사기 및 금융 범죄 전환 책임자 티모 푸르코트(Timo Purkott)는 “AI와 머신 러닝은 모든 금융 범죄 문제를 해결하는 마법의 해결책은 아니다.”라며 “하지만 특히 많은 양의 데이터를 다루는 특정 분야에서 점점 더 효과적인 것으로 나타나고 있다.”라고 말했다.

이어 그는 조직은 AI 및 ML의 가치를 극대화하고 금융 범죄자보다 앞서 나가기 위해 데이터 관리 인프라에 투자해야 한다고 전했다.

AI 및 ML의 도입

2021년 첫 번째 설문 조사에서 응답자의 78%가 AI/ML 도입의 주요 이유로 조사 및 규제 결과의 품질 향상(40%) 또는 허위 양성 감소(38%)를 꼽았다. 그러나 올해는 이 질문에 대한 답변이 더욱 다양해졌다.

상위 두 가지 답변은 여전히 동일했지만, 합산 비율은 11% 포인트 감소한 67%였다. 한편, 복잡한 위험 감지는 17%에서 21%로 증가했고, ‘위에 해당하지 않음’은 5%에서 13%로 급증했다.

AI/ML을 도입하지 않는 이유도 진화했다. 2021년 AI를 거부하는 가장 큰 장애물은 예산 제약으로 39%였다. 이번 설문 조사에서는 34%로 감소했고, 규제 의무 부족이 37%로 약간 증가해 이를 앞질렀다. 가용 기술 부족에 대한 우려도 거의 절반으로 감소한 11%로 줄어들었다. 그러나 '기타' 범주는 5%에서 19%로 증가했다.

한편, 허위 양성 반응 감소가 점점 더 중요한 우선순위가 되고 있었다. AI/ML 배포 우선순위에 대한 질문에 AML 전문가들은 기존 감시 시스템의 허위 양성 반응 감소를 38%(2021년 이후 8% 증가)로 꼽았다.

조사 및 실사 데이터 보강 자동화(25%)와 고급 모델링 기술을 통한 새로운 위험 감지(23%)도 여전히 인기 있는 답변이었지만, 이전 설문 조사보다 감소했다. 나머지 13%의 응답자는 행동 분석을 위한 고객 세분화를 꼽았다.

허위 양성 및 허위 음성 감소는 AI/ML에서 가장 큰 가치를 제공하는 분야에 대한 가장 많은 답변으로 38%를 차지했다. 그러나 다른 두 가지 선택 사항인 더 나은 조사 및 더 빠른 조사(34%)와 고위험 및 저위험 경고 분류(28%)도 뒤처지지 않았다.

한편, 영향력을 기준으로 세 가지 기술의 순위를 매겨달라는 질문에 머신 러닝은 2021년 이후 6% 증가한 58%로 다시 한번 1위를 차지했다. 그 외 로봇 프로세스 자동화(RPA)는 28%로 감소했으며, 자연어 처리(NLP)는 14%로 최하위를 기록했다.

경쟁 우위를 위한 기반

설문 조사에서 응답자의 86%가 AML, 사기 및 정보 보안 프로세스 간에 어느 정도의 통합을 수행하고 있다고 답했다.

또한 약 3분의 1(31%)이 이러한 기능 전반에 걸쳐 완전히 통합된 사례 관리 기능을 갖추고 있었으며, 또 다른 3분의 1은 팀 간의 협력으로 금융 범죄 노출을 방지하기 위한 통제를 배포한다고 답했다.

SAS의 위험, 사기 및 규정 준수 솔루션 담당 수석 부사장인 스튜 브래들리(Stu Bradley)는 “AI 및 머신 러닝의 잠재력을 최대한 활용하는 열쇠는 데이터 소스, 팀 및 기술의 통합이다.”라며 “이러한 통합을 향한 첫 번째 단계는 모든 소스의 데이터를 결합하는 데이터 생태계를 구축하는 것이다.”라고 말했다

이어 그는 “거버넌스를 염두에 두고 데이터와 운영을 통합하는 데 박차를 가하는 기업은 AI 및 ML에서 책임감 있는 혁신을 위한 기반을 마련하고 주저하는 기업보다 경쟁 우위를 누릴 것이다.”라고 답했다.