전통적인 금융 시스템은 오랫동안 서류 기반의 신용평가 방식에 의존해왔습니다. 그러나 이러한 방식은 수많은 소규모 사업자와 *비공식 경제 참여자들을 금융권 밖으로 밀어냈습니다. Mercedes Bidart가 제시하는 AI 기반 금융 솔루션은 이러한 구조적 한계를 극복하고, 신뢰라는 보이지 않는 가치를 측정 가능한 금융 정체성으로 전환하려는 시도입니다. 라틴 아메리카의 비공식 경제에서 시작된 이 혁신은 기술이 단순한 효율성을 넘어 사회적 포용성을 실현할 수 있음을 보여줍니다.
*비공식 경제 참여자: 정부에 등록되지 않은 경제 활동을 하는 사람들.
(예: 세금 신고 없이 길거리에서 물건을 파는 노점상, 집에서 수공예품을 만들어 파는 사람, 공식 계약 없이 일용직으로 일하는 노동자)
비공식 경제와 금융 배제의 구조적 문제
라틴 아메리카에서는 인구의 절반이 공식 신용에서 배제되어 있습니다. 콜롬비아의 비공식 정착촌에서 Mercedes Bidart가 목격한 현실은 이러한 금융 배제 문제를 극명하게 드러냅니다. 지역 사회에서는 신뢰가 가장 강력한 통화로 작동합니다. 가게 주인이 누구인지 아는 것만으로도 쌀, 사탕수수, 빵을 외상으로 살 수 있습니다. 어머니의 대출 기록이 좋고, 아침에 인사를 하며, 이웃들에게 알려진 가게를 가지고 있다면 그것이 곧 신용입니다.
그러나 이러한 지역 사회의 신뢰는 은행 시스템에서는 전혀 인정받지 못합니다. 은행에 가서 사업 확장을 위한 대출을 요청하면 담보가 없고 금융 이력이 없다는 이유로 거절당합니다. 라틴 아메리카의 거의 모든 사업체가 소규모 사업체입니다. 실제로 사업체의 99%가 소규모 사업체이며 GDP의 3분의 1을 차지하지만, 여전히 은행에서 단 1달러도 빌릴 수 없습니다.
베네수엘라 이민자인 마리아의 사례는 이러한 금융 배제의 현실을 잘 보여줍니다. 그녀는 콜롬비아의 저소득층 동네에서 수공예 가방을 만들고 맞춤 주문을 받습니다. 판매하고 돈을 받기 전에 재료를 구매해야 하지만, 이민자라는 신분 때문에 은행 계좌도 신용 기록도 없습니다. 유일한 선택지는 주당 심지어 일당 20%의 이자율을 부과하는 고리대금업자, 즉 '고타아고타'라 불리는 사채업자에게 돈을 빌리는 것뿐입니다.
가난할수록 더 많은 돈을 씁니다.
제품은 소량으로만 살 수 있을 때 가격이 더 비쌉니다. 샴푸 한 병을 살 수 없다면 결국 1회용 봉지를 사게 되고, 일주일 동안 식료품을 살 수 없다면 하루 단위로 사게 되어 항상 더 많은 돈을 지불하게 됩니다. 이러한 악순환은 비공식 경제 참여자들을 더욱 깊은 빈곤의 늪으로 몰아넣습니다.
| 구분 | 지역 사회 신뢰 경제 | 전통 금융 시스템 |
|---|---|---|
| 신용 기준 | 이웃 관계, 평판, 일상적 신뢰 | 담보, 신용 기록, 금융 이력 |
| 접근성 | 높음 (지역 사회 구성원) | 낮음 (비공식 경제 배제) |
| 대출 조건 | 유연, 관계 기반 | 경직적, 서류 기반 |
| 문제점 | 고리대금업자 착취 위험 | 구조적 금융 배제 |
AI 기반 신용평가 시스템의 혁신적 접근
Mercedes Bidart와 그녀의 팀은 이러한 금융 배제 문제를 해결하기 위해 AI 기반 신용평가 시스템을 개발했습니다. 핵심 아이디어는 비공식 경제 참여자들의 모습을 바꾸는 것이 아니라, 그들이 어떻게 보이는지를 바꾸는 것입니다. 마리아는 신용 기록이 없을 수도 있고 은행 계좌가 없을 수도 있지만, 휴대폰은 가지고 있습니다. 그리고 그 휴대폰에는 일상 경제에 대한 단서가 가득합니다.
시스템 구축 초기에는 이러한 경제 계층에 대한 데이터가 전혀 없었습니다. AI 모델은 이미 본 것만 예측할 수 있기 때문에, 팀은 데이터 세트를 직접 구축해야 했습니다. MIT에서 시작된 지역 마켓플레이스 프로젝트를 통해 사람들이 판매하는 제품을 업로드하도록 했고, 이미지 자체가 경제적 신호로 가득 차 있다는 것을 발견했습니다. 뒤에 고객이 있는지, 제품이 수제인지, 해당 제품이나 서비스가 해당 지역에서 판매될 가능성이 있는지 확인할 수 있었습니다.
팀이 개발한 AI 기반 점수 체계는 세 가지 핵심 요소로 구성됩니다.
첫째, 문자 메시지 분석입니다. 요금 청구, 주문 확인, 모바일 충전, 디지털 지갑 또는 은행 계좌에서 이루어진 모든 거래를 받는 단문 메시지를 살펴봅니다. LLM 모델과 머신 러닝을 사용하여 소득, 지출, 월별 가처분 잔액 패턴을 감지합니다. 이는 일종의 오픈 뱅킹이지만 은행 계좌 대신 통신 데이터를 사용하는 것입니다.
둘째, 비디오 분석입니다. 일반적으로 위험 관리자가 사람들의 집을 방문하는 것을 대체하는데, 사용자가 자신의 사업에 대한 1분짜리 비디오를 보내면 컴퓨터 비전을 사용하여 재고, 어조, 사업에 대해 말하는 내용, 현지화, 사업 유형을 파악합니다. 이를 통해 지불 의사를 감지할 수 있습니다.
셋째, 소셜 미디어 분석입니다. 대부분의 비공식 기업도 페이스북 페이지나 인스타그램 같은 온라인 존재를 가지고 있습니다. 소셜 미디어에 가입하면 비디오와 사진을 얻을 수 있고, 컴퓨터 비전을 통해 분석합니다. 또한 좋아요, 댓글, 참여도, 프로필 정보도 얻는데, 소셜 활동과 온라인 활동이 활발한 기업일수록 상환 가능성이 높다는 것을 감지했습니다.
이 모든 데이터가 모델에 흘러 들어가 패턴과 신호를 감지하여 대출 경험이 없는 사람도 신뢰하고 대출해 줄 수 있는지 판단합니다. 3년 후에는 단순히 예 또는 아니오를 말하는 것을 넘어 단 몇 초 만에 판단할 수 있게 되었습니다. 얼마를 언제, 어떤 조건으로 상환할 수 있는지도 알 수 있어 금리, 할부 횟수를 시뮬레이션하고 계절적 영향도 감지할 수 있습니다. 이를 통해 사람들의 일상적인 필요를 실제로 지원하고 맞춤화된 신용을 제공할 수 있게 되었습니다.
데이터 윤리와 AI의 사회적 책임
이러한 AI 기반 금융 포용성 솔루션은 놀라운 성과를 거두었습니다. 지난 3년 동안 비공식 부문을 이해할 수 있다는 것을 입증했으며, 비즈니스와 모델은 시장 표준인 0.83 이상의 정확도 수준에 도달했습니다. 26,000명 이상의 기업가에게 서비스를 제공했고, 모델은 수백만 개의 데이터 포인트를 가진 15만 개 이상의 비공식 기업가 데이터 샘플로 훈련되었습니다.
그러나 이러한 혁신에는 중요한 윤리적 질문들이 따릅니다. AI가 휴대폰 데이터, 비즈니스 비디오, 소비 패턴 등을 활용한다는 점은 혁신적이지만, 개인정보나 동의 문제, 데이터 보안 문제가 발생할 수 있습니다. AI가 긍정적 영향을 주더라도, 그 기반 데이터가 어떻게 수집되고 저장되는지는 매우 중요한 요소입니다. 데이터 주체인 사용자들이 자신의 정보가 어떻게 활용되는지 명확히 이해하고 동의했는지, 그리고 그 데이터가 안전하게 보호되는지가 핵심적인 이슈입니다.
또한 AI의 불완전성도 고려해야 합니다. AI가 심리적 신뢰나 인간 사이의 관계를 완전히 이해할 수 있는 것은 아니며, 데이터 편향(bias)이 존재하면 평가 자체가 불공정하게 흐를 위험도 있습니다. 잘못된 알고리즘은 또 다른 새로운 배제를 만드는 도구가 될 수 있습니다. 예를 들어, 특정 지역이나 특정 유형의 사업에 대한 데이터가 부족하면 그들이 부당하게 낮은 평가를 받을 수 있습니다.
이러한 맥락에서 Mercedes Bidart의 접근법이 주목할 만한 이유는 공정성을 위한 의도적 설계입니다. 서비스를 제공하는 사람들의 절반이 여성이었는데, 이는 AI가 공정하려면 모든 사람으로부터 배워야 한다는 인식에서 비롯되었습니다. 작게 시작하여 기업가가 재고를 보충할 수 있을 만큼, 그리고 데이터 세트를 키울 수 있을 만큼 10달러씩 대출을 해주면서 신중하게 성장했습니다.
| 영역 | 혁신적 측면 | 윤리적 고려사항 |
|---|---|---|
| 데이터 수집 | 문자, 비디오, 소셜미디어 활용 | 개인정보 보호, 사용자 동의 |
| 평가 방식 | 보이지 않는 신뢰의 정량화 | 알고리즘 편향, 공정성 확보 |
| 서비스 제공 | 맞춤화된 금융 상품 | 데이터 보안, 오용 방지 |
| 사회적 영향 | 금융 포용성 확대 | 새로운 형태의 배제 방지 |
인공지능은 마법이 아니라 도구입니다. 그 어떤 인간 위험 관리자도 도달하거나 읽거나 보거나 대규모로 분석할 수 없는 수백만 개의 데이터 포인트를 처리하는 데 도움이 될 수 있는 도구입니다. 하지만 의도를 가지고 설계한다면 효율성 그 이상이 될 수 있습니다. 공정해지고 다른 사람들이 위험을 보는 곳에서 가치를 볼 수 있게 해주며, 다른 사람들이 돌을 보는 곳에서 금을 볼 수 있게 해줍니다. 지역 지식, 문화 및 맥락을 존중하면서 동시에 대규모로 서비스를 제공할 수 있게 해줍니다.
일반적으로 구축하는 데 몇 년이 걸리거나 아예 없을 수도 있는 신용 기록을 이제는 몇 달 만에 만들 수 있습니다. 매일 업데이트할 수 있는 재정적 웰빙에 대한 실시간 재정 모니터를 구축하고 있어 대출 자격을 얻기 위해 몇 년을 기다릴 필요가 없습니다. 이를 통해 비공식 부문은 처음으로 공식 은행 시스템에서 대출을 받을 수 있게 되었습니다. 이는 금융 서비스의 초개인화를 가능하게 하며, 마리아 같은 사람에게 '예'라고 말할 수 있게 해줍니다. 은행 거래 명세서 때문이 아니라, 그녀가 나타나고, 일을 해내고, 신뢰할 수 있다는 수많은 조용한 신호들 때문에 '예'라고 말하는 것입니다.
이러한 기술이 사회적 약자의 삶 자체를 바꾸어 나갈 가능성은 분명히 존재합니다. 기술이 단지 기술적 진보에 그치지 않고 사회적 정의와 경제적 포용의 관점에서 활용될 때, AI는 희망의 도구가 될 수 있습니다. 동시에 데이터 윤리, 알고리즘의 공정성, 사용자 보호 같은 근본적인 질문들에 대한 지속적인 관심과 개선이 필요합니다. 기술의 발전과 윤리적 책임이 함께 갈 때, 비로소 진정한 금융 포용성을 실현할 수 있을 것입니다.
자주 묻는 질문 (FAQ)
Q. AI 기반 신용평가 시스템은 전통적인 은행의 신용평가와 어떻게 다른가요?
A. 전통적인 은행은 담보, 신용 기록, 금융 이력 같은 서류 기반 증거에 의존합니다. 반면 AI 기반 시스템은 휴대폰의 문자 메시지, 비즈니스 비디오, 소셜 미디어 활동 같은 디지털 발자국을 분석하여 신용도를 평가합니다. 이를 통해 공식적인 금융 이력이 없는 비공식 경제 참여자들도 신용평가를 받을 수 있게 됩니다. 실제로 라틴 아메리카에서는 이러한 접근법으로 26,000명 이상의 기업가가 금융 서비스를 받을 수 있었습니다.
Q. 개인정보 보호는 어떻게 보장되나요?
A. AI 기반 금융 서비스에서 개인정보 보호는 매우 중요한 이슈입니다. 사용자의 문자 메시지, 비디오, 소셜 미디어 데이터를 활용하기 때문에 명확한 사용자 동의와 데이터 보안이 필수적입니다. 윤리적인 AI 금융 서비스는 데이터 수집 목적을 투명하게 공개하고, 사용자가 자신의 정보 활용 방식을 이해하고 동의할 수 있도록 해야 합니다. 또한 데이터 암호화와 접근 제한 같은 기술적 보안 조치가 필요합니다. 다만 이러한 보호장치가 실제로 얼마나 효과적으로 작동하는지는 지속적인 감시와 개선이 필요한 영역입니다.
Q. 이러한 AI 기술이 다른 지역이나 산업에도 적용될 수 있나요?
A. 네, 충분히 가능합니다. 라틴 아메리카의 비공식 경제에서 시작된 이 접근법은 전 세계 금융 배제 문제를 겪고 있는 다양한 지역에 적용될 수 있습니다. 특히 아프리카, 동남아시아 같은 개발도상국의 소규모 사업자, 프리랜서, 이민자 집단에게 유용할 수 있습니다. 또한 금융 산업뿐 아니라 보험, 임대, 고용 같은 신용평가가 필요한 다양한 분야로 확장될 가능성이 있습니다. 다만 각 지역의 문화적 맥락, 데이터 환경, 법적 규제를 고려한 맞춤화가 필요합니다. AI 모델은 지역 특성을 반영한 데이터로 훈련되어야 공정하고 효과적인 평가가 가능합니다.
[출처]
영상 제목/채널명: https://www.youtube.com/watch?v=rGOTVtXkaRs