A. AI 활용 시 이점
1. 비용 절감
AI와 지능형 자동차 솔루션을 도입해 상대적으로 가치가 낮고 반복적인 업무를 자동화하면 효율성과 품질을 개선해 비용을 절감할 수 있습니다. 그 예로 자연어 처리를 활용한 데이터 입력 및 진료 예약 관리가 있습니다.
2. 실행 속도 단축
AI를 활용함으로써 지연시간을 최소화해 운영 및 사업 성과 도출에 걸리는 시간을 단축할 수 있습니다. 예로는 예측적 통찰력을 활용한 합성 의약품 임상시험으로 신약의 승인 절차를 가속화할 수 있는 것을 들 수 있습니다.
3. 복잡성 감축
보다 선제적이고 예측 가능하며 갈수록 복잡해지는 데이터 소스에서 패턴을 파악하는 능력 등이 더욱 향상된 애널리틱스 기술을 활용하면, 이해와 의사결정을 개선할 수 있습니다. 예로 기계설비 유지보수 필요를 예측해서 공장의 다운타임을 감축할 수 있습니다.
4. 관계의 전환
예로 고객의 정서를 이해하고 대응할 수 있는 대화형 봇을 활용해 고객 요구에 더욱 효과적으로 대응할 수 있습니다.
5. 혁신 촉진
AI를 활용해 혁신적인 신제품, 시장, 비즈니스 모델을 창출함으로써 진입할 시장과 성공 전략을 재정의할 수 있습니다. 예로 소셜미디어에서 발굴한 고객 요구와 취향 등에 기반한 새로운 제품과 컨셉을 제안할 수 있습니다.
6. 신뢰 강화
사기 행위와 사이버 공격으로부터 사업체를 보호해 품질과 일관적인 서비스를 유지함과 동시에 투명성을 개선해 브랜드 신뢰를 강화할 수 있습니다. 예로는 사이버 공격이 발생하기 전에 종류를 식별하고 예측하는 것이 있습니다.
B. 기업들의 AI 도입사례
2022년 IBM이 전 세계 IT 고위 의사 결정권자들을 대상으로 실시한 여론조사에 따르면, 80%에 가까운 기업이 AI를 사용 중이거나 도입을 검토하고 있다고 합니다. 이 중에서 35%는 이미 AI를 비즈니스에 도입했으며, 42%는 향후 도입을 계획하고 있다고 합니다. 그리고 B2B 기업의 58%, B2C 기업의 42%가 챗봇을 사용하고 있습니다.
IDC의 분석가들은 금융서비스 기업이 사기 방지, 인수 간소화, 전반적인 고객 경험 개선을 위해서 AI 도구에 110억 달러를 지출할 것으로 예측하고 있습니다. 그리고 주요 글로벌 금융 기업의 66%가 고객의 온라인 거래를 돕기 위해서 챗봇을 도입하였습니다.
소매업에서 AI의 도입은 2021년 48억 4,000만 달러에서 2028년 311억 8,000만 달러로 성장할 것으로 예상됩니다. 리테일러의 73%는 비용 상승과 계절적 수요에 따라 가격을 결정하기 위해서 AI를 사용할 계획이며, 리테일러의 75%가 신용카드 사기를 줄이기 위해 AI 도구를 도입할 계획입니다.
이외에도 아마존은 로봇이 포장 프로세스를 자동화한 덕분에 클릭부터 배송까지 걸리는 시간을 75분에서 단 15분으로 225% 단축하였으며, 넷플릭스는 머신러닝을 사용하여 10억 달러의 구독 취소 비용을 절감할 수 있었습니다. 또한 의료 산업 분야에서도 챗봇 시장 규모는 2027년까지 5억 4,300만 달러를 넘어설 것으로 보이며, 여행 및 숙박 업계에서는 이미 25%의 기업이 챗봇을 사용하여 문의 및 예약을 처리하고 있으며, 46%는 향후 도입할 계획이라고 합니다. 이처럼 AI 도구가 많은 분야, 많은 기업들이 도입을 하고 또한 도입 계획을 가지고 있습니다.
C. AI 도구가 기업의 비즈니스에 미치는 영향
기업들은 인건비를 절감하고 생산성을 높일 수 있는 AI의 막대한 잠재력에 큰 기대를 걸고 있습니다. 거의 모든 비즈니스 소유자들은 ChatGPT가 비즈니스에 도움이 될 것이라고 생각하고 있습니다.
기업은 챗봇을 사용하여 고객 지원 비용만 최대 30%까지 절감할 수 있습니다. 챗봇을 사용하는 기업의 55%는 더 많은 양질의 영업 기회를 생성하고 있습니다. 업셀링 챗봇의 전환율은 20%에 달합니다.
이외에도 AI 도구가 기업의 비즈니스에 미치는 영향은 매우 다양합니다. 기업의 30%는 웹사이트 콘텐츠 작성에 ChatGPT를 사용할 계획이며, 44%는 어려 언어로 콘텐츠를 생성할 계획입니다. 또한, 64%는 AI가 고객 관계를 향상시킬 수 있을 것과 비즈니스 생산성을 향상시킬 수 있을 것이라고 생각하고 있습니다. 기업의 42%는 AI가 업무 프로세스를 간소화할 것이라고 생각하고 있습니다.
이러한 긍정적인 영향이 반해 43%는 기술 종속성에 대한 우려를 가지고 있으며, 35%는 현재 AI를 효과적으로 사용할 수 있는 기술력이 부족하다고 생각하고 있습니다. 하지만 이런 부정적인 영향이 있지만 기업 경영진의 27%는 여전히 사이버 공격을 방어하기 위해 AI 사이버 보안 보호장치에 투자할 계획이 있다고 합니다.
이러한 긍정적인 영향이 반해 43%는 기술 종속성에 대한 우려를 가지고 있으며, 35%는 현재 AI를 효과적으로 사용할 수 있는 기술력이 부족하다고 생각하고 있습니다. 하지만 이런 부정적인 영향이 있지만 기업 경영진의 27%는 여전히 사이버 공격을 방어하기 위해 AI 사이버 보안 보호장치에 투자할 계획이 있다고 합니다.
D. AI 도구가 소비자에게 미치는 영향
오늘날 ChatGPT와 Dall-E(달리)와 같은 AI 도구가 폭발적으로 증가함에 따라 온라인에서 정보를 접할 때 기존의 수단 대신에 AI를 사용하려는 소비자들의 경향이 점점 더 커지고 있습니다. 소비자의 약 88%가 챗봇과 한 번 이상의 대화를 나눈 경험이 있다고 합니다. 전 세계적으로 약 15억 명이 챗봇을 사용하고 있으며, 67%의 소비자가 구글보다는 ChatGPT를 통해 질문하고 정보를 찾는 것을 선호하고 있습니다. 소비자의 62%는 상담원을 기다리는 것보다 챗봇과 대화하는 것으로 선호하고 있으며, 미국인의 46%가 디지털 음성 비서를 사용하고 있습니다. 하지만 이러한 장점에도 불구하고 소비자의 약 75%는 AI 도구의 잘못된 정보에 대해 우려를 하고 있다고 합니다.
ChatGPT와 Bard(바드), Anthropic(엔쓰로픽) 등의 생성형 AI 서비스가 출시된 이후 기업과 사용자들의 폭발적인 반응이 있습니다. 이렇게 생성형 AI가 각광을 받는 이유 4가지를 들 수 있습니다.
대화형 채팅 시스템과 결합된 AI의 새로운 접근 방식으로 세련된 결과를 제공합니다. 그래서 최종 사용자는 채팅 인터페이스에서 결과를 실시간으로 편집하여 이전 플랫폼보다 훨씬 쉽게 미래의 정확성을 향상시킬 수 있습니다. 다음으로 기존의 AI 서비스는 최종 사용자가 접근하여 사용하기에 장벽이 매우 높았으나 생성형 AI는 모두에게 접근이 가능합니다. 또한, 많은 생성형 AI 기술은 마치 다른 사람과 대화하는 것처럼 자연어를 사용하여 모든 직위와 역할의 사람들이 쉽게 사용할 수 있도록 설계되었습니다. 마지막으로 속도 및 민첩성입니다. 시스템은 수동 검색, 쿼리 및 인덱싱을 통해 이전보다 더 빠르게 정보와 소스코드 및 데이터를 생성할 수가 있습니다.
E. 새로운 생성형 AI 서비스
ChatGPT의 등장으로 2023년은 생성형 AI 서비스가 폭발적으로 등장하였습니다. 지금 보시는 사이트에서는 전 세계의 AI Tool 정보를 제공하고 있습니다. 현재 전 세계적으로 약 9,700개 이상의 AI Tool들이 등장 및 서비스를 제공하고 있는 중입니다. 그리고 지금도 계속 증가하고 있습니다. 2023년 3월 기준 미국에만 14,700여 개의 인공지능 스타트업이 존재하고 있습니다. 이러한 비즈니스는 건강 관리, 결제 처리, 딥러닝, 고객관리, 콘텐츠 제작, 생산성, 데이터 분석 등 다양한 기능을 위한 AI 기반 도구와 소프트웨어 및 서비스를 중심으로 운영되고 있습니다.
2018년 196억 3천만 달러에 불과했던 전 세계 AI 하드웨어 시장은 2025년까지 무려 2,346억 달러 규모로 성장할 것으로 예상됩니다. AI 기반 하드웨어 시장에는 CPU, GPU 네트워크 제품, 저장 장치와 같은 카테고리가 포함되어 있으며. 주요 업체에는 Nvidia, AMD, Intel 등이 있습니다. 이미 40억 개 이상의 디바이스에 AI 기반 어시스턴트가 탑재되어 있으며, 2024년에는 그 수가 84억 개에 이를 것으로 예상됩니다.
1. 생성형 AI의 대표 스타트업 및 서비스
첫 번째, 글쓰기 및 텍스트 생성입니다.
종류에는 블로그의 글과 마케팅 콘텐츠, 기사, 보고서, 소설 등이 있으며, 특장점으로는 시간 절약, 창의성 증진, 언어의 다양성 등이 있습니다. 관련된 출시 서비스들로는 ChatGPT, Bard(바드), Claude(클로드), Notion AI(노션 AI), Jasper(재스퍼), Wordtune(워드튠), WriteSonic(라이트소닉), TLDR This(티엘디알 디스) 등이 있습니다.
두 번째, 동영상 제작 및 편집에는 광고 비디오, 교육 자료, 다큐멘트리 등이 있습니다.
특장점으로는 효율성, 맞춤형 콘텐츠, 콘텐츠 분석이 있습니다. 출시된 서비스로는 Pictory(픽토리), DeepBrain(딥프레인), VREW(브루), Kaiber(카이버), Nova(노바), Runway(런웨이) 등이 있습니다.
세 번째, 이미지, 아트 제작 및 편집이 가능한 생성형 AI에는 디지털 아트, 그래픽 다지인, 사진 편집 등이 있습니다.
특장점으로는 창의성, 사용 용이성, 무한한 가능성이 있습니다. 출시된 서비스들로는 Midjourney(미드저니), NightCafe(나이트카페), Leonardo(레오나르도), Canva AI(캔바 AI), DALL-E2(달리 투), Adobe Firefly(어도비 파이어플라이) 등이 있습니다.
네 번째, 음악 생성 서비스에는 배경 음악, 광고 음악, 개인 음악 작곡이 있습니다.
특장점으로는 스타일의 다양성, 맞춤형 작곡, 고유성 등이 있습니다. 출시된 서비스들에는 Boomy(부미), Splash Pro(스클래쉬 프로), Voicemod Text to Song, Waveformer(웨이브포머), AIVA(아이바), Beatoven(비트오븐) AI 등이 있습니다.
다섯째, 디자인으로 웹 디자인, 인테리어 디자인, 제품 디자인이 있습니다.
특장점으로는 혁신적인 디자인, 빠른 프로토타이핑, 사용자 맞춤형 디자인을 들 수 있습니다. 출시된 서비스들로는 Huemint(휴민트), Looka(루카), Uizard(위저드), Khroma(크로마), Patterned AI(패턴드 AI)가 있습니다.
2. 대표적인 생성형 AI 서비스
ChatGPT
ChatGPT는 2022년 11월에 처음으로 출시되었을 때 인간과 같은 응답으로 모두를 놀라게 하며, 전 세계를 휩쓸었습니다. ChatGPT는 복잡한 주제를 초보자에게 친화적인 방식으로 설명이 가능하고, 말하기 능력이 뛰어나 이야기와 시, 농담 등을 만들어내고 대학 수준의 시험에도 합격하였습니다. 창의성 이외에도 언어 간 번역, 코드 디버깅이 가능하며 현재 플러스 회원에게만 제공되는 듣기, 말하기, 시각 통역 및 웹브라우징이 가능합니다. 하지만, ChatGPT도 봇의 응답이 때때로 부정확하거나 편향적일 수 있다는 점과 시사 이슈와 2021년 이후의 세계에 대한 지식이 제한적이기 때문에 때때로 문제가 있는 답변을 제공한다는 단점을 가지고 있습니다.
구글의 Bard(바드)
ChatGPT와 마찬가지로 고급 언어 모델을 사용하여 자연어 대화가 가능하며, 이를 통해 코딩 지원부터 과학 질문에 대한 답변에 이르기까지 유연한 상호작용이 가능합니다. 그리고 AI 이미지 생성을 사용하여 텍스트 응답과 함께 도표, 그래프 및 기타 이미지로 응답할 수 있으며, 이미 구글 자체 서비스에 통합이 되었습니다.
앤쓰로픽의 Claude(클로드)
이 서비스는 정확성과 안정성에 초점을 둔 서비스로 사람의 기억과 유사하게 장기적인 맥락 정보를 유지할 수가 있습니다. 따라서 사용자가 중단한 부분부터 다시 대화를 이어갈 수가 있습니다. 10만 토큰 한도에서 지원이 됩니다. 부정확하거나 위험한 결과물을 최소화하기 위해 훈련 기법에도 신중을 기하고 있으며, 클로드는 ChatGPT 보다 깊이 있고, 검증되고, 집중적인 도움을 더 중요하게 생각하는 사람들에게 유용한 대안이 될 수 있습니다.
F. 생성형 AI의 보안 이슈
맥킨지의 조사에 따르면, AI 도입 시 가장 큰 위협 요소는 부정확성, 사이버 보안, 지적재산권 침해 순으로 나타났습니다. 많은 조직이 아직 AI 시대의 잠재적 위험에 대처하지 못하고 있으며, 조사 대상의 21%만이 조직에서 직원들이 업무에 AI 기술을 사용하는 것을 규제하는 정책을 수립하고 있는 실정입니다.
1. ChatGPT를 사용했던 기업들의 실제 사고 사례
OO전자가 반도체 사업장 내 ChatGPT 사용을 허가하자마자 기업 정보가 유출되는 사고가 3건이나 발생했습니다. 관련 프로그램이 미국 기업에 고스란히 전송되었고 회수는 불가한 상태입니다. 정보 유출 과정을 살펴보니 임직원이 프로그램 소스 코드 실행 중 오류가 확인되어 문제가 된 소스 코드 전부를 복사해 ChatGPT에 입력, 해결 방법을 문의했다고 합니다. 이 소스 코드가 오픈 AI 학습 데이터로 입력이 된 셈입니다.
2. 생성형 AI를 기업에서 사용할 경우 고려해야 하는 각종 위험과 이슈
먼저 데이터 프라이버시 및 기밀성
생성형 AI를 사용하면 민감한 정보, 지적 재산, 소스 코드, 영업 비밀 및 기타 데이터에 엑세스하고 처리할 수 있습니다. 하지만 이러한 기밀 및 개인 데이터를 외부로 전송하면 정보 노출 위험뿐만 아니라 법적 및 규정 준수 이슈가 발생할 수 있습니다. 이러한 노출은 고객과의 계약 또는 규제 의무로 인해 법적 이슈가 발생할 수 있습니다.
써드파티 보안 이슈
써드파티 애플리케이션은 제3자가 제공하는 외부 애플리케이션을 말합니다. 생성형 AI의 광범위한 사용과 써드파티 애플리케이션 통합이 확산됨으로써, 데이터가 과거보다 훨씬 더 높은 빈도로 제3자와 공유됨으로써 예측 불가능한 공격이 발생할 가능성이 높습니다. 그리고 보안을 외주에 의존하기 때문에 콘텐츠 및 코드를 생산할 때 제3자의 품질 수준에 의존하게 됩니다. 그렇기 때문에 고객데이터, 금융 정보 및 독점 비즈니스 정보와 같은 민감한 정보의 노출이 발생할 수 있습니다. 또한, 사용하고자 하는 기업들이 많은 경우, 취약점이 한 번 발생하면 위험이 모든 서비스 이용 기업들에게 전파되어 위험이 증가될 수도 있습니다.
AI 행위 취약점
악의적으로 제작된 프롬프트 인젝션 공격을 사용하여 공격자는 예상되는 AI 행동을 우회하거나 AI 시스템이 예상치 못한 작업을 수행하도록 할 수 있습니다. 만약 생성형 AI API를 활용하는 써드파티 애플리케이션이 손상되면 사용자 이메일과 웹 브라우저에 대한 불법 접근을 허용하여 사용자 PC를 점유할 수도 있습니다.
법적 이슈
PII(피아이아이) 처리에 생성형 AI를 사용할 때는 유럽의 GDPR, 캐나다의 PIPEDA, 캘리포니아의 CCPA 등과 같은 데이터 개인정보 보호규정을 준수해야 합니다. 이탈리아의 데이터 보호 기관은 비슷한 우려로 인해 ChatGPT의 사용을 일시적으로 금지한 사례가 있습니다. 그리고 위협 행위자 즉 공격자가 진화하고 있습니다. 위협 행위자는 악의적인 목적으로 생성형 AI를 사용하며, 공격의 빈도가 점점 증가하고 있으며, 피싱 공격, 사기, 사회공학 및 맬웨어 작성을 매우 쉽게 할 수 있습니다. 또한 악의적인 코드 사용 시 복잡성을 증가시켜서 차단하기 어려운 공격을 새로 생성할 수도 있습니다.
저작권 이슈
생성형 AI 모델은 알려지지 않은 많은 저작권 및 독점 자료가 포함되는 등 다양한 데이터로 훈련되었습니다. 그렇기 때문에 기업에서 모델을 훈련하는데 이런 정보가 사용된다면 소유권 및 라이선스 문제가 지속적으로 발생할 것입니다. 존 그리샴, 조지 마틴, 조디 피콜드 등 17명의 세계적인 작가들이 저작권 침해로 OpenAI를 고소했고, 데이터 도용 혐의로 수백만 명의 사용자 권리를 침해하여 OpenAI에 4조원 대 집단 소송이 시작된 경우도 있습니다.
안전하지 않은 코드가 생성되거나 편견 및 차별이 발생
생성형 AI에 의해 생성된 코드는 보안 감사나 취약성 검토 없이 사용되고 배포되고 있습니다. 또한 다른 조직의 시스템에서 재사용되고 향후 모델 학습에서 기본 학습모드로 사용되는 등 다방면으로 배포되어 문제를 야기할 수 있습니다. 그리고 편향된 데이터로 모델을 학습하는 경우 불법 차별, 평판에 대한 잠재적 손상, 법적 이슈 발생 등으로 이어질 수 있으며, 잠재적 명예 훼손, 차별, 불법 등의 소지가 있습니다. 이러한 편향된 데이터는 일일이 휴먼 피드백을 통해 조정해 나가야 하는 문제가 있습니다. 하지만 인적 자원의 부족으로 인해 해결하기가 매우 힘듭니다.
신뢰와 평판의 문제, 소프트웨어 보안 취약성
독싱, 증오 발언 등과 같은 불법 콘텐츠로 기업과 개인에 상당한 평판 위험이 존재합니다. 그리고 생성형 AI 결과물에 대한 정확성을 조사하지 않고 작업한 제품, 커뮤니케이션 또는 연구에 사용하는 것은 조직의 평판에 매우 큰 위협이 될 수 있습니다.
소프트웨어 보안 취약성
생성형 AI를 사용하는 내부 및 타사 애플리케이션은 최신 업데이트가 된 상태여야 합니다. 모든 소프트웨어 취약점은 AI 취약점과 상호작용하여 추가적인 위험을 초래할 수가 있습니다. 예를 들어 프론트엔드의 취약점은 백엔드의 언어 모델에 대한 프롬프트 인젝션 공격에 활용될 수 있습니다. 또한 모델이 SQL 쿼리에 추가될 때 SQL 인젝션을 유발하는 텍스트를 출력하게 할 수도 있습니다.
생성형 AI 사용 시 성능, 가용성, 비용의 문제가 발생
생성형 AI의 사용은 시스템의 다운타임, 성능 또는 사용자 오류와 같은 새로운 가용성, 인프라 위함을 초래할 수 있습니다. 기업 프로세스에 통합되는 경우 영향을 최소화하기 위해서는 강력한 백업 및 재해 복구 절차가 필요합니다. 하지만 LLM, 즉 초거대 언어모델을 자체적으로 운영하는 것은 매우 많은 비용이 듭니다.
윤리 및 규제 이슈
생성형 AI를 사용할 때에는 데이터 라벨링은 노동력 착취를 기반으로 훈련되고 있는가? LLM을 훈련시키는데 필요한 컴퓨팅, 에너지 소비로 인한 환경 영향은 무엇인가? 등에 대한 고려가 반드시 필요합니다. AI의 사용은 안전, 보안, 공정성, 투명성, 설명 가능성 및 일반적인 책임 요구 사항 등이 포함된 전용 AI 윤리 원칙의 수립이 절실히 필요합니다.
다음은 국제 웹보안 비영리단체인 OWASP에서 발표한 LLM이 갖는 중요한 10대 보안 위험들입니다.
G. 금융분야에서의 생성형 AI 활용 가능성
1. 도입사례
현재 금융분야에서 생성형 AI 애플리케이션 활용 사례는 캐피탈 원, JP 모건 체이스, 모건 스탠리 자산 관리, 웰스 파고, 골드만 삭스, 시타델 등 크게 6대 산업별로 구분해 볼 수 있습니다.
캐피탈 원과 JP모건 체이스
AI 기반 사기 및 의심스러운 활동 탐지 시스템을 강화하기 위해서 생성형 AI를 활용 중입니다. 해당 기술을 이용하여 오탐률 감소, 탐지율 증가, 비용 절감 및 고객 만족도 향상을 가져오고 있습니다.
모건 스탠리의 자산 관리
모건 스탠리 자산관리는 OpenAI의 기술을 사용하여 방대한 데이터 소스를 활용하여 전 세계 회사, 부문, 자산 클래스, 자본 시장 및 지역에 대한 통찰력을 가진 재무 고문 역할을 수행하고 있습니다.
웰스 파고
요약보고서를 제공하고 가상 비서 챗봇 기능을 확대, 문서 처리를 자동화하는 기능을 구축하였습니다. 마지막으로 골드만 삭스와 시타델입니다. 내부 소프트웨어 개발 및 정보 분석을 위한 생성형 AI 애플리케이션을 고려 중입니다. 이렇듯 생성형 AI를 활용할 수 있는 분야는 무궁무진하나 금융분야에서 확대될 수 있는 대표적인 예를 살펴보도록 하겠습니다.
2. 생성형 AI를 금융분야에 활용할 수 있는 예
생체인식 디지털 결제
이것은 안면 인식 및 기타 AI 생체 인식 기술을 사용하여 결제를 하는 것으로 개인 유전자 및 DNA를 직접 활용한 2단계 인증을 통해 개인 식별 가능성을 높일 수 있습니다. 참고로 중국의 일부 기업들은 소비자가 카메라에 미소를 짓는 것만으로도 결제를 승인할 수 있는 스마일투페이 시스템을 사용 중이기도 합니다.
사용자 맞춤화 보험
전통적인 보험가입 방법의 가장 큰 단점은 피보험자와 유사한 특성을 갖는 그룹의 보험 계산과 통계에 의존한다는 점이였습니다. 이 단점을 보완하기 위해 AI를 활용하면 고객의 실제 행동과 필요에 따라 보험 적용 범위와 요율을 실시간으로 조정할 수 있습니다. 예를 들면 AI를 통해 사용되고 있는 사용기반 보험은 차량 내 텔레매틱스와 스마트폰 앱을 활용하여 가속, 제동, 코너링, 주행거리, 휴대전화 사용과 같은 다양한 운전 습관을 추적한 후 운전자 보험료를 적절하게 조정할 수 있습니다.
소비자 사기 탐지
생성형 AI를 활용하여 사기 결제를 방지하고, 고객 계정에 대한 사기와 남용 위험을 감소시킬 수 있으며, 보험을 과도하게 청구하는 보험 고객을 식별하는 역할을 담당할 수 있습니다. 소셜 미디어와 딥웹을 포함한 다양한 데이터 출처에서 단서를 지속적으로 탐지하여 잠재적인 사기가 발생하기 전에 조치가 가능합니다.
신용 리스크 분석에 활용
비우량 대출자와 비은행권 대출자들에 대해서도 신용도를 자동적으로 평가할 수 있습니다. 자동화된 문서화 및 규정 준수 검증을 통해서 대출자의 전체 생애주기에 걸쳐 대출관리 프로세스를 지원할 수가 있습니다.
3L을 넘어선 부동산 가격 추정 및 예측
컴퓨터 비전 및 기타 첨단 기술을 사용하여 드론으로 지리적 이미지를 분석하고, 이를 토대로 부동산과 해당 지역에 대한 정교한 평가 모델을 구축할 수가 있습니다.
이외에도 생성형 AI를 금융분야에 활용하는 사례는 무궁무진합니다. 지금 보시는 것은 금융연수원에서 제공하는 AI 기반 금융서비스 예들입니다.
이렇듯 생성형 AI가 금융분야에 다양하게 활용될 수 있습니다. 글로벌 은행들이 투자 및 자산관리 등의 고급업무에 AI를 적용하고 있으며, 현재까지 국내 은행들은 챗봇 및 업무자동화 분야 측면에서 AI 활용도가 높은 것으로 나타나고 있습니다. 시중 은행에서는 업무자동화 측면에서 반복 업무 축소, 문서작성 자동화, 채용 심사 및 인력 배치, 고객 확인 등에 머신러닝을 활용하고 있으며, 챗봇 서비스도 활발히 이루어지고 있습니다.
[CCNA] NAT - Static NAT, Dynamic NAT, PAT, 구성 검증
[용어/개념] SNMP MIB와 OID의 관계 및 정의 - OID 분석 사이트 소개
[용어/개념] Network - Ethernet / MAC