이 기사는 2020년 07월 17일 16:32 thebell 에 표출된 기사입니다.

KB국민은행이 '소매부문'에 접목시킬 새로운 신용평가모델 개발에 한창이다. 상대적으로 소외됐던 고객군을 발굴하고 맞춤식 서비스를 제공하기 위해서다. 올해 내에 도입하는 게 목표다.

이를 구현하기 위해 전통적인 개발 방법론에서 벗어나 머신러닝(ML)과 AI알고리즘 등을 활용해 가계여신 심사체계를 고도화한다는 방침이다. 통신, 부동산 등 다양한 비금융정보를 활용해 금융정보가 부족한 저신용 차주군 중에서도 우량고객을 선별하는 게 핵심이다.

국민은행은 작년부터 소매전략 모델 개발 프로젝트를 진행했다. 단순히 기존의 신용평가모델을 대체하려는 목적이 아니다. 새로운 고객군을 창출하고 맞춤식 여신전략을 구사하겠다는 전략이다. 정부의 포용금융 지원 정책에 부응하려는 의도도 깔려있다.

기존 신용평가 체계 하에서 상대적으로 저평가 받던 고객들에 포용금융 기조로 지원을 하는 것이기 때문이다.

최철수 국민은행 리스크전략그룹 전무(CRO)는 "기존 신용평가 체계 하에서는 저신용 차주로 분류됐던 10~20대 등 고객층도 잠재고객"이라며 "급변하는 디지털 금융환경에 맞춰 리스크 기반 하에 영업 경쟁력이나 수익성을 고려해 새로운 가치를 창출하고자 했다"고 설명했다.


해당 프로젝트는 최 전무의 진두지휘 하에 리스크전략그룹 내 '신용평가모델 유닛(Unit)'에서 주도적으로 추진 중이다. 가계·기업 등의 신용평가모델 개발 개선 업무를 수행하고 있다. BIS비율 산출에 활용되는 부도율(PD), 부도시잔액(EAD), 부도시손실률(LGD) 등 충당금 측정요소를 일관되게 관리하는 역할을 한다.

신용평가모델 유닛은 14개의 신용평가모델을 운영 중이다. 활용 목적별로 소매(신용, 저신용, 소매형 SOHO), 조기경보, 기업검증모델 등으로 세분화된다. 새로 개발 중인 모델은 저신용자 대상 상품 신규 신용대출 평가 의사결정에 활용될 전망이다. 새로 개발 중인 전략모델까지 합하면 총 15개로 늘어난다.

신용평가모델 유닛은 저신용자(4~5등급) 대상으로 우량 고객군을 발라내려면 정밀하고 세밀한 체계가 필요하다고 판단했다. 이를 위해 기존 신용등급 외에도 부동산 등 다양한 비금융정보를 활용키로 했다.

부도율 측정과정에서 정확도를 높이기 위해 AI알고리즘이나 ML기법을 적용키로 했다. 즉 정밀한 리스크 관리가 가능해지는 셈이다. 예컨대 대출 승인율은 유지하면서 연체율을 추가로 감소시킬 수 있다. 또 세그먼트(Segment)를 다양하게 분류하면 리스크가 낮은 우량고객을 발굴해낼 수 있다.

국민은행은 ML모델을 적용해 우량집단을 선정할 시 기존 부도율 0.4~3.37% 수준에서 0.06~0.15%까지 낮아질 수 있을 것으로 전망하고 있다. 현재 전문역량을 갖춘 외부 컨설팅 기관과 공동으로 진행 중이다. 기존 신용평가 결과와 결합해 시너지 효과를 극대화한다는 방침이다.


국민은행이 신용평가모델을 구축하기 시작한 건 20년 전으로 거슬러 올라간다. 2000년 신용평가모델 유닛 탄생과 함께 CSS(Credit Scoring System)모델을 개발해 영업에 적용하기 시작했다. 초기 모델은 대부분 로지스틱(Logistic)회귀 분석에 의거했다. 다수의 금융사들이 활용해온 전통적인 통계방법이기도 하다.

그러나 머신러닝을 기반으로 한 신용평가모델들이 우후죽순 개발되면서 국민은행도 ML기법을 기반으로 새로운 신용평가모델을 구축하자는 공감대가 형성됐다.

국민은행 관계자는 "본격적인 개발에 앞서 기존 모델에 적합한 알고리즘을 선별하기 위해 다양한 시행착오를 거쳤다"며 "DNN, GBM, RF 알고리즘 등을 적용해봤고 최종적으로 GBM알고리즘이 대량 데이터 분석에 유리하다고 판단했다"고 설명했다.

GBM알고리즘은 예측력이 낮은 모델을 결합해 강한 예측모델을 만드는 알고리즘이다 각 단계에서 새로운 예측모델을 생성하는데 이전 단계의 예측 오류를 수정하는 방식이다.

앞선 관계자는 "개발 중인 전략모델이 완성되면 영업관련 부서와 협의해 순차적으로 영업에 적용해 나갈 예정"이라며 "다양한 고객층을 대상으로 차별화된 금융서비스를 제공할 수 있을 것"이라고 말했다.