증강된 분석가: Zirdle가 AI를 활용해 신용 위험 평가를 강화하는 방법

금융 분야에서 "인공 지능"이라는 용어는 흔히 두 가지 상반된 이미지를 떠올리게 합니다: 완벽하고 자동화된 의사 결정의 유토피아적 비전, 또는 편향되고 책임 소재가 불분명한 선택을 내리는 불투명한 "블랙 박스" 알고리즘에 대한 디스토피아적 공포입니다. Zirdle에서는 양극단을 모두 거부합니다. 저희의 철학은 더 강력하고 실용적인 개념인 증강 지능에 뿌리를 두고 있습니다.

저희는 AI가 전문적인 인간 신용 분석가와 현지 브로커 파트너들의 세심한 맥락적 판단을 대체할 것이라고 믿지 않습니다. 대신, AI—특히 머신러닝(ML)—을 그들의 능력을 증강시켜 더 빠르고, 더 일관적이며, 더 많은 데이터를 기반으로 한 결정을 내릴 수 있게 해주는 매우 강력한 도구로 보고 있습니다.

이 글에서는 AI가 실제로 저희 신용 위험 프레임워크 내에서 어떻게 작동하는지를 명확히 설명하며, 인간 전문가를 대체하는 것이 아니라 그들의 역량을 강화하는 데 초점을 맞출 것입니다.

전통적 신용 모델의 한계

수십 년 동안 신용 평가는 소수의 데이터 포인트(예: 소득, 부채 수준, 과거 채무 불이행 기록)를 사용하는 로지스틱 회귀와 같은 전통적인 통계 모델에 의존해 왔습니다. 이러한 모델은 투명하고 해석하기 쉽지만 중요한 한계가 있습니다:

• 정적입니다: 새로운 경제 상황에 적응하는 데 어려움을 겪습니다.
• 복잡한 패턴을 놓칩니다: 수천 가지 다른 변수들 사이의 미묘한 비선형적 관계를 식별할 수 없습니다.
• 데이터가 빈약합니다: 일반적으로 신용도 예측에 매우 유용할 수 있는 방대한 양의 대체 데이터를 무시합니다.

Zirdle의 머신러닝 모델이 프로세스를 어떻게 증강시키는가

저희의 ML 모델은 이러한 한계를 극복하고 인간 의사 결정자들을 위한 강력한 공동 조종사 역할을 하도록 설계되었습니다. 방법은 다음과 같습니다:

1. 훨씬 더 광범위한 데이터 세트 처리

저희 모델은 주어진 대출 기회에 대해 인간이 처리할 수 있는 범위를 훨씬 넘어서는 수천 개의 데이터 포인트를 분석할 수 있습니다. 여기에는 전통적인 금융 데이터뿐만 아니라 다음이 포함됩니다:

• 거시경제 데이터: 차주의 산업이 특정 지역에서 어떻게 성과를 내고 있는가? 지역 인플레이션이나 실업률 추세는 어떠한가?
• 공급망 데이터: 차주가 단일 공급업체에 얼마나 의존하는가? 주요 고객들의 안정성은 어떠한가?
• 지리 공간 데이터: 농업 대출의 경우, 저희 모델은 특정 농지의 작물 건강 상태를 평가하거나 과거 기상 패턴을 분석하기 위해 위성 이미지를 분석할 수 있습니다.

이 방대한 데이터 세트를 처리함으로써, 모델은 그렇지 않으면 숨겨져 있을 통찰력과 잠재적 위험을 드러낼 수 있습니다.

2. 비선형 패턴과 숨겨진 상관관계 식별

이는 ML이 진정으로 빛을 발하는 부분입니다. 인간 분석가는 차주의 수익이 증가하고 있다는 사실을 볼 수 있으며, 이는 좋은 신호입니다. 하지만 ML 모델은 더 복잡한 패턴을 식별할 수 있습니다: "수익은 증가하고 있지만, 상승하는 유가와 부(-)의 상관관계가 있는 부문의 단일 고객에게 더 집중되고 있습니다."

모델은 단순히 변수들을 보는 것이 아니라, 변수들 사이의 복잡하고 다차원적인 관계를 살펴봅니다. 이러한 숨겨진 상관관계를 표시하고 인간 분석가에게 추가 조사를 위해 제시할 수 있습니다.

3. 일관되고 편향되지 않은 "제2의 의견" 제공

모든 인간은 무의식적인 편향을 가지고 있습니다. 분석가는 특정 산업과 관련해 특히 좋거나 나쁜 경험을 했을 수 있으며, 이는 미래 판단에 미묘하게 영향을 미칠 수 있습니다. 공정성을 위해 적절히 훈련되고 감사된 저희의 AI 모델은 이러한 인간적 편향으로부터 자유롭습니다.

모델은 모든 대출에 대해 일관된 데이터 기반의 "채무 불이행 확률" 점수를 제공합니다. 이 점수가 최종 결정을 내리는 것은 아닙니다. 대신 객관적인 기준선 역할을 합니다. 인간 분석가가 모델의 권고를 무시하고자 할 경우(모델이 위험 플래그를 세운 대출을 승인하거나, 모델이 승인한 대출을 거절하기 위해), 그들은 명확하고 서면화된 근거를 제시해야 합니다. 이 "인간 참여형" 프로세스는 엄격하고 책임 있는 결정을 강제하며, 기계의 데이터 기반 일관성과 인간 전문가의 맥락적 이해라는 양쪽 세계의 장점을 결합합니다.

4. 지속적인 학습과 적응

정적 모델과 달리, 저희의 ML 시스템은 학습하도록 설계되었습니다. 저희는 대출 포트폴리오에 대한 새로운 성과 데이터를 지속적으로 모델에 공급합니다. 어떤 대출이 잘 수행되었고 어떤 대출이 채무 불이행했는지를 확인함으로써, 모델은 알고리즘을 지속적으로 개선하여 시간이 지남에 따라 더 똑똑하고 정확해집니다. 이는 전통적인 모델이 할 수 없는 방식으로 변화하는 경제 상황에 적응할 수 있습니다.

결론: 인간과 기계의 파트너십

신용 평가의 미래는 인간과 기계 간의 전쟁이 아닙니다. 그것은 파트너십입니다. Zirdle에서 저희의 AI는 자율적인 판관이 아닙니다. 그것은 세계에서 가장 강력한 연구 보조원입니다. 그것은 산더미 같은 데이터를 샅샅이 살펴보고, 복잡한 패턴을 식별하며, 그 발견물을 인간 전문가들에게 제시합니다. 최종적이고 지능적인 대출 결정을 내리는 것은 바로 이 전문가들—저희 내부 팀과 외부 브로커 파트너들—이 그들의 지혜, 경험, 그리고 현실 세계의 맥락을 적용하는 것입니다.

이러한 증강 지능 접근법은 저희가 기술적으로 진보하면서도 깊이 인간적일 수 있게 하여, 그 어느 때보다 철저하고 일관적이며 미래를 내다보는 수준의 위험 평가를 제공할 수 있게 합니다.