통계에서 생성형 모델로
인공지능이라는 용어는 여러 기법을 아우른다. 이들 기법의 공통점은 컴퓨터 시스템이 예측, 분류, 추천 또는 텍스트와 같이 본래 인간의 판단이 필요한 산출물을 만들어 낸다는 데 있다. 경제협력개발기구(OECD)가 2019년에 채택하고 2023년에 개정한 정의는 AI 시스템을, 입력받은 정보로부터 물리적 또는 가상의 환경에 영향을 미칠 수 있는 산출물을 생성하는 방법을 추론하는 기계 기반 시스템으로 설명한다. 유럽평의회 협약과 유럽연합(EU)의 「AI법」(AI Act)은 모두 이 문언을 실질적으로 받아들였다. 이로써 이 개념은 바젤에 중요한 법체계들 전반에 걸쳐 공통된 핵심을 갖게 되었다.1
금융기관은 이 기법군 가운데 오래된 기법들을 이미 오랫동안 사용해 왔다. 로지스틱 회귀에 기초한 신용평가는 1980년대와 1990년대에 소비자 대출의 표준이 되었다. 보험계리인은 수십 년 전부터 보험료 산정에 일반화 선형모형을 적용해 왔다. 카드 결제의 부정거래 탐지는 1990년대부터 신경망에 의존해 왔다. 그래디언트 부스팅과 랜덤 포레스트 같은 머신러닝 기법은 2010년대에 리스크 관리와 거래 모니터링에 도입되었다. 이들 기법이 고정된 규칙보다 대규모 데이터에서 패턴을 더 정확하게 탐지하기 때문이다.2
생성형 모델은 금융 서비스에 중요한 두 가지 측면에서 이러한 선행 기법과 다르다. 첫째, 생성형 모델은 계약서, 이메일, 리서치 보고서, 녹음된 대화와 같은 비정형 정보를 다룬다. 이러한 정보는 은행이나 법률사무소가 보유한 지식의 대부분을 이룬다. 둘째, 생성형 모델은 범용 시스템으로서, 소수의 제공업체가 막대한 비용을 들여 학습시킨 뒤 수천 명의 이용자가 각자의 업무에 맞게 조정하여 사용한다. 첫째 특징은 백오피스와 미들오피스에서 이 기술이 빠르게 도입된 이유를 설명한다. 둘째 특징은 감독당국이 집중, 의존, 그리고 시스템이 어떻게 산출물에 도달하는지를 이용자가 이해하는 데 한계가 있다는 점을 우려하는 이유를 설명한다.3
주석
- OECD, Recommendation of the Council on Artificial Intelligence, OECD/LEGAL/0449, 2019년 5월 22일 채택, 정의는 2023년 11월 8일 개정; Regulation (EU) 2024/1689 (AI Act) 제3조 제1호; Council of Europe Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law (CETS No. 225) 제2조. ↩
- 신용평가, 보험 및 부정거래 탐지에서 통계 기법과 머신러닝 기법의 역사에 관하여는 Financial Stability Board, Artificial Intelligence and Machine Learning in Financial Services, 2017년 11월 1일의 개관 참조. ↩
- 파운데이션 모델의 특성과 그것이 금융기관에 미치는 영향에 관하여는 국제결제은행(BIS), Annual Economic Report 2024, Chapter III, “Artificial intelligence and the economy: implications for central banks”, 2024년 6월 참조. ↩
일반적인 정보 제공만을 목적으로 합니다. 이 글은 법률 또는 세무 자문에 해당하지 않으며, 개별 사안에 대한 자문을 대체하지 않고, 변호사와 의뢰인 간의 위임 관계를 성립시키지 않습니다. 이 글은 2026년 10월 기준의 법적 상황을 반영합니다.