은행의 AI 사상가들, 사기 방지와 생산성 향상에 집중

은행 기술 임원들은 수요일에 발표된 인공지능 리더 목록에서 AI 투자와 노력에 대한 지속적인 열정을 보이고 있으며, 사기 탐지 및 개인화와 같은 실용적인 사용 사례에 집중하고 있음.

시민 금융 그룹의 데이터 및 분석 책임자인 크리시 스와미는 2025년과 2026년의 AI 투자 규모가 2024년보다 더 클 것이라고 예상함.

"우리는 여러 가지 일을 시도하기보다는 몇 가지를 정말 잘 해내는 쪽으로 나아갈 것"이라고 그는 인터뷰에서 말함.

호주 커먼웰스 은행의 AI 책임자인 댄 저민은 "AI 투자에 대한 급격한 증가가 여전히 진행 중이며, 이는 당분간 계속될 것"이라고 말함. "AI의 함의는 현대 금융 서비스 조직의 모든 측면에 깊은 영향을 미치기 때문에, 이는 최신 모델을 배포하는 것뿐만 아니라 조직 변혁에 대한 투자이기도 하다"고 덧붙임.

스와미와 저민은 H2O.ai와 에비던트의 데이터 과학자들이 큐레이션한 AI 100 목록의 사상가들 중 두 명임. 이 목록에는 스탠포드 인간 중심 AI 연구소의 공동 이사인 페이 페이 리와 메타 플랫폼의 AI 수석 과학자인 얀 르쿤과 같은 AI 전문가들이 포함되어 있음.

목록에 있는 다른 은행 임원들로는 웰스 파고의 CIO인 친탄 메타, 뱅크 오브 아메리카의 디지털 책임자이자 마케팅 책임자인 데이비드 타이리, 뱅크 오브 아메리카의 사기 네트워크 전략 및 데이터 과학 책임자인 매튜 버리스, JP모건 체이스의 회장 겸 CEO인 제이미 다이먼, JP모건 체이스의 데이터 및 분석 책임자인 테레사 하이첸레더, 캐피탈 원의 수석 과학자이자 기업 데이터 및 AI 책임자인 프렘 나타라잔 등이 있음.

"우리는 AI를 조직에 도입하고 제품뿐만 아니라 문화도 변화시키며, 그로 인해 기관의 투자 수익을 얻고 있는 놀라운 인물들을 조명하고 있다"고 H2O.ai의 창립자이자 CEO인 스리 암바티가 말함. "AI를 하려면 훌륭한 사고가 필요하지만, 또한 훌륭한 실행자가 되어 사람들을 모을 수 있어야 한다"고 강조함.

타이리는 뱅크 오브 아메리카의 챗봇 에리카를 확장하는 팀의 작업으로 영예를 안음. 은행에 따르면 에리카는 4200만 명 이상의 고객으로부터 8억 건의 문의에 응답했으며, 12억 번 이상의 개인화된 통찰력과 지침을 제공함.

다이먼은 AI에 대한 전반적인 지지로 선택됨. 그는 주주들에게 보낸 2분기 서한에서 AI를 "인쇄기, 증기기관, 전기, 컴퓨팅 및 인터넷"에 비유함. 다이먼은 AI가 거래, 연구, 주식 헤지 및 고객 서비스 등 은행의 모든 프로세스에 통합될 것이라고 말함.

최근 JP모건 체이스는 6만 명의 직원에게 이메일 및 보고서 작성과 같은 작업을 지원하는 생성적 AI 어시스턴트를 배포했다고 보도됨. 이 은행은 직원들이 외부 대형 언어 모델에 접근할 수 있는 포털을 설정했으며, 이는 OpenAI의 모델로 시작됨. 은행은 또한 생성적 AI를 사용하여 소셜 미디어 게시물을 작성하고, 소속 여행사의 고객을 위한 여행 일정을 계획하고, 재무 고문을 위한 회의 요약을 작성하고, 지점 및 ATM 위치를 결정하고, 콜센터 직원이 질문에 답변하도록 돕고, 결제 사기를 방지하는 데 사용하고 있음.

인터뷰에서 다른 수상자들은 그들이 작업 중인 주요 AI 프로젝트를 공유함.

사기 방지

AI 100 목록에 있는 여러 은행가들은 사기 방지가 주요 사용 사례라고 언급함. AI는 수십 년 동안 금융 산업에서 사기를 탐지하는 데 사용되어 왔으며, AI 모델은 수천 또는 수백만 건의 거래를 인간이 결코 맞출 수 없는 속도로 분석할 수 있음. 생성적 AI는 사기 계획을 더 잘 이해하는 데 사용되기 시작함 - 예를 들어, JP모건 체이스는 생성적 AI를 사용하여 비즈니스 이메일 손상 공격을 탐지함.

버리스는 뱅크 오브 아메리카에서 30명 이상의 데이터 과학자, 데이터 엔지니어 및 보고 분석가로 구성된 팀을 이끌며, 실시간으로 어떤 거래가 매우 의심스러운지 결정할 수 있는 AI 모델을 개발함. 그는 이를 통해 은행과 고객을 매년 약 1억 달러의 사기로부터 보호하고 있다고 추정함.

버리스는 또한 조직 범죄 집단을 탐지하고 조사하는 데 그래프 기술을 사용하는 프로세스를 만들었음. 그는 이 작업을 데이터 과학자 및 70명의 운영 분석가와 함께 수행함.

호주 커먼웰스 은행의 저민도 AI를 사용하여 은행과 고객을 사기 및 범죄로부터 보호하는 팀을 이끌고 있음.

"특히 주목할 만한 사용 사례는 기술을 이용한 학대에 대처하는 우리의 혁신적인 접근 방식으로, 소수지만 중요한 사람들이 온라인 결제 거래 설명을 사용하여 수신자에게 학대적이거나 위협적인 메시지를 보내는 경우가 있음"이라고 저민이 말함. "팀은 이러한 행동을 탐지하고 줄이기 위해 AI 기술의 새로운 조합을 개발함"이라고 덧붙임.

2020년 이후, 이 모델은 학대적이거나 위협적이거나 공격적인 단어가 포함된 약 100만 건의 거래를 차단했다고 그는 말함. 가장 위험한 사례는 전문가에게 전달됨.

이 은행은 이 모델의 기초가 되는 연구를 발표하고, 다른 조직이 이 악성 형태의 학대에 대처할 수 있도록 기본 코드를 제공함.

커먼웰스는 또한 AI를 사용하여 자연 재해 지역의 고객에게 즉각적인 지원을 제공하고, 고객이 받을 자격이 있는 정부 혜택 및 리베이트를 12억 달러 이상 확보하도록 도왔음.

개발자, 직원 생산성

시민 금융의 스와미는 은행이 AI 모델을 구축하고 확장하는 데 사용할 수 있는 운영 모델을 구축하고 있음. (그는 시민에서 1년 동안 근무했으며, 그 이전에는 웰스 파고에서 유사한 작업을 수행했음.)

이 운영 모델은 마케팅 및 사기와 같은 분야의 데이터 과학자들에게 문제를 생각하고 작업을 수행하며 기계 학습 모델을 운영하는 일관된 방법을 제공함.

"이 모든 것의 큰 이점은 작업의 품질 표준화 및 반복성이 매우 높아진다는 것"이라고 스와미가 말함.

거의 20년 전, 스와미가 데이터 과학에 발을 들였을 때, "그 많은 작업이 매우 맞춤형이고, 매우 장인 정신이었음"이라고 회상함.

"그것은 많은 사람들이 모여야 하는 작업이었고, 그럴 때마다 무엇을 해야 할지, 데이터를 어떻게 조합할지, 모델링 작업을 어떻게 조직할지 등을 여전히 고민하고 있었음. 모델을 구축하는 데 시간이 걸리면, 그 모델을 보호해야 하는 문제도 걱정해야 했음." 전체 프로세스는 18개월이 걸릴 수 있었음.

오늘날 기계 학습에 대한 수요는 폭발적으로 증가하고 있으며, "우리는 돌아다닐 수 있는 데이터 과학자가 제한적임"이라고 그는 말함. "우리는 더 조직적이고, 더 효율적이며, 더 나은 품질을 가져야 함 - 품질 기준이 높아지고 있음. 규제 기관이 이러한 도구에 더 익숙해짐에 따라, 그들의 기대도 높아지고 있다고 생각함. 따라서 제한된 공급, 증가하는 수요, 규제 기관의 기대 증가가 결합된 상황이 발생하고 있음. 이를 수행하는 방법론이나 표준화된 방식이 필요함."

이 운영 모델 접근 방식의 한 가지 이점은 은행이 몇 명의 데이터 과학자와 프로젝트를 시작한 후, 작업이 처음 생각했던 것보다 더 크다는 것을 발견하고 더 많은 사람들이 추가되면, "그들은 이전에 무슨 일이 있었는지, 다음에 무슨 일이 올 것인지 정확히 알게 됨"이라고 스와미가 말함. "따라서 그 팀에 통합되는 것이 훨씬 더 원활하고, 훨씬 더 빠르게 이루어짐."

그는 또한 데이터 과학자들이 비즈니스 문제, 데이터의 뉘앙스 및 고객이 찾고 있는 솔루션에 더 많은 시간을 할애할 수 있도록 일부 작업을 자동화하는 작업을 하고 있음.

은행은 또한 생성적 AI를 시험 운영하고 있으며, 이러한 파일럿에서 배운 내용을 바탕으로 이를 생산에 투입할 준비를 하고 있음. 스와미는 생성적 AI가 멋지고 흥미롭고 재미있는 것에서 실용적인 적용 가능성이 있는 것으로 산업 전반에 걸쳐 변화하고 있다고 보고 있음.

시민에서 생성적 AI의 가능한 사용 사례는 고객 불만의 분류라고 그는 말함 - 이는 고객의 불만을 관련 규정에 맞춰 분류하는 데 도움을 줄 수 있음.

"이 모델은 이러한 유형의 분류를 정말 잘 수행할 수 있음, 왜냐하면 단순히 영어를 이해하고 이 카테고리에 맞는지 아니면 저 카테고리에 맞는지를 물어보는 것이기 때문임"이라고 스와미가 말함. 생성적 AI는 또한 대출 신청 과정에서 제출된 문서, 예를 들어 소득, 신원 또는 거주지를 확인하는 문서를 분류하는 데 사용될 수 있음.