AI가 이상거래를 스스로 찾아낸다 — 우리은행 AI 자가학습 FDS 전면 개편
무슨 일이 일어나고 있나
2026년 3월 23일, 우리은행이 AI 자가학습 기반 이상거래탐지시스템(FDS)을 전면 가동했습니다. 기존의 시나리오 기반 사후 적발 체계를 벗어나, AI가 전체 금융거래 패턴을 스스로 학습하여 미지의 이상 징후까지 선제적으로 탐지하는 방식으로 전환한 것입니다.
이번 개편은 우리금융그룹의 'AI 전환(AX) 기반 경영체계 구축' 전략의 일환으로, RAG(검색 기반 생성) 기술과 비정형 데이터 분석이 핵심 기술 스택입니다.
(2025 Q1)
피해 증가율
(2026 예상)
"기존 시나리오 기반 FDS로는 교묘하게 진화하는 신종 금융사고를 선제적으로 탐지하기 어렵다" — 우리은행 FDS 개편 보도자료, 2026.03.25
기존 룰 기반 FDS의 한계
기존 FDS는 과거 사고 사례를 분석해 IF-THEN 시나리오 룰을 수동으로 등록하는 방식입니다. 이미 알려진 패턴에 대해서는 효과적이지만, 구조적 한계가 명확합니다.
- 사후 대응 구조 — 사고가 실제로 발생해야만 룰이 만들어집니다. 첫 번째 피해자는 보호할 수 없습니다
- 패턴 우회 취약 — 사기범이 거래 패턴을 조금만 변형하면 기존 룰을 쉽게 우회합니다
- 오탐 급증 — 룰이 수백 개로 누적되면 정상 거래까지 차단하는 오탐(False Positive)이 급증합니다
- 정형 데이터 한정 — 스캔 이미지, 수기 문서 같은 비정형 데이터는 분석할 수 없습니다
사후 대응의 딜레마
사고 발생 → 패턴 분석 → 룰 등록 → 동일 패턴만 차단. 이 사이클이 반복될수록 룰은 쌓이지만, 새로운 수법에는 항상 뚫립니다.
AI 자가학습 FDS: 어떻게 다른가
새로운 AI FDS는 전체 금융거래 데이터에서 정상 패턴을 자가학습하고, 이 패턴에서 벗어나는 거래를 자동으로 이상 징후로 선별합니다. 사람이 룰을 등록하는 것이 아니라, AI가 스스로 시나리오를 생성합니다.
| 구분 | 룰 기반 (기존) | AI 자가학습 (신규) |
|---|---|---|
| 탐지 방식 | IF-THEN 시나리오 | 패턴 이탈 자동 탐지 |
| 학습 주체 | 담당자 수동 등록 | AI 자가학습 |
| 대응 시점 | 사고 발생 후 | 선제 예측/예방 |
| 신종 수법 | 대응 불가 | 미지 징후 포착 |
| 데이터 | 정형 데이터 | 비정형 + 정형 |
AI FDS 파이프라인
step_1: "전체 금융거래 데이터 수집"
step_2: "AI가 정상 패턴 자가학습"
step_3: "패턴 이탈 거래 자동 선별 (이상 징후)"
step_4: "예비 시나리오 자동 생성"
step_5: "정확성 검증 후 실제 점검 적용"
핵심은 3~4단계입니다. 기존에는 사람이 사고 패턴을 분석하고 룰을 만들었지만, 이제는 AI가 이상 징후를 자동으로 선별하고 시나리오까지 생성합니다.
RAG와 비정형 데이터 분석
RAG(Retrieval-Augmented Generation)는 AI가 답변을 생성할 때 관련 문서를 먼저 검색해서 참고하는 기술입니다. 우리은행은 이를 검사 업무에 적용했습니다.
input: "검사 담당자 질의"
retrieval: "내부 규정/과거 검사 자료 자동 검색"
generation: "맥락 기반 답변 + 근거 제시"
benefit: "자료 확인 시간 대폭 단축"
비정형 데이터 분석도 핵심입니다. 기존에는 사람이 직접 확인해야 했던 스캔 이미지, 수기 문서 등을 AI가 OCR + NLP로 자동 추출하고 정형화된 점검 데이터로 변환합니다.
핵심 과제: 설명가능성(XAI)
AI FDS의 가장 큰 과제는 설명가능성(Explainable AI)입니다. AI가 "이 거래가 이상합니다"라고 판단해도, 왜 이상한지 설명할 수 없으면 금융 감독 기준을 충족하지 못합니다.
2026년 1월 시행된 인공지능기본법에 따르면 금융 FDS는 '고영향 AI'에 해당할 수 있으며, 설명가능성 확보와 편향성 테스트가 의무화됩니다. 모델이 왜 해당 거래를 이상으로 판단했는지 feature importance, attention weight 등으로 근거를 제시할 수 있어야 합니다.
금융 감독 관점의 XAI
금융 AI는 단순히 정확도가 높은 것만으로 부족합니다. 감독 기관이 모델의 판단 근거를 검증할 수 있어야 하고, 고객에게도 왜 거래가 차단되었는지 설명할 수 있어야 합니다.
국내외 AI FDS 현황
AI 기반 이상거래 탐지는 글로벌 트렌드입니다. 금융기관의 90%가 이미 AI 사기 탐지를 도입했거나 도입 중입니다.
- 카카오뱅크 — Kafka→Flink→Redis 실시간 ML 파이프라인, 전체 시스템 200ms 미만 응답(ML 추론 10ms), XAI 적용
- 신한은행 — AI 기반 이상 외화송금 탐지 시스템 구축
- KB국민은행 — STR(의심거래보고)에 AI 분석 적용
- Mastercard — 생성형 AI 기반 FDS로 평균 탐지율 20% 향상, 위험 가맹점 식별 속도 최대 300% 향상
- SWIFT + Google Cloud — 연합학습(Federated Learning) 기반 FDS 파일럿, 데이터 공유 없이 공동 학습
커리어 인사이트
AI FDS 분야는 ML 엔지니어, 데이터 엔지니어, FDS 보안 분석가 세 직무의 수요를 만들어내고 있습니다.
주요 기술 스택
- ML 엔지니어 — Auto Encoder / DNN 이상탐지, PyTorch/TensorFlow, Feature Store 설계, 실시간 모델 서빙
- 데이터 엔지니어 — Kafka/Flink 스트림 처리, Spark 배치, Redis Feature Cache, 200ms 미만 응답 아키텍처
- FDS 보안 분석가 — 이상거래 패턴 분석, XAI 설명가능성, 금융 규제 준수 검증, CAMS/CFE 자격
관련 자격증
- CAMS (Certified Anti-Money Laundering Specialist) — 자금세탁방지 국제 자격
- CFE (Certified Fraud Examiner) — 금융사기조사 전문가
- 빅데이터분석기사 / 정보보안기사 — 국내 공인 자격
- AWS ML Specialty — 클라우드 ML 아키텍처
핵심 정리
- 룰 기반 → AI 자가학습 — 사후 적발에서 선제 예측으로 탐지 패러다임 전환
- RAG 기반 검사 — 방대한 내부 규정/검사 자료를 AI가 자동 검색, 자료 확인 시간 단축
- 비정형 데이터 분석 — 스캔 이미지, 수기 문서까지 OCR+NLP로 자동 추출
- XAI 필수 — 인공지능기본법상 고영향 AI에 해당, 설명가능성 확보 의무화
- 글로벌 트렌드 — Mastercard 위험 식별 속도 300% 향상, SWIFT 연합학습 파일럿
참고자료
'금융 IT' 카테고리의 다른 글
| AI에게 은행 문을 열어주는 만능 커넥터 (0) | 2026.03.29 |
|---|---|
| 은행마다 자체 LLM을 만들고 있습니다 (0) | 2026.03.28 |
| 은행 한 곳에서 모든 계좌를 본다 (0) | 2026.03.26 |
| 869개 항목으로 금융사를 스캔한다 (0) | 2026.03.25 |
| 5,000원으로 빌딩 주인이 된다 (0) | 2026.03.24 |
