HSBC가 인공지능을 사용하여 자금 세탁을 방지하는 방법

*본 아티클의 원문은 2023년 11월 30일 Google Cloud 블로그(영문)에 게재되었습니다.

자금 세탁과 조직범죄는 서로 밀접한 관련이 있는 경우가 많습니다. 범죄자들은 돈의 불법적인 출처를 숨기기 위해 전 세계 GDP의 2~5%, 즉 연간 최대 2조 달러에 달하는 자금을 세탁하는 것으로 추정됩니다. 세계 최대 은행 중 하나인 HSBC는 범죄자들이 이 은행을 통해 자금을 이체하는 것을 방지하기 위해 강력한 보안 조치를 구현하고 있습니다. HSBC는 매월 평균 12억 건이 넘는 거래를 검사하여 금융 범죄의 징후가 있는지 확인합니다.

원래 HSBC는 업계 표준에 따라 규칙 기반 시스템을 사용하여 거래를 분석하고 자금 세탁 징후가 있는지 확인했는데, 이를 위해서는 자동화된 모니터링 시스템을 통해 찾아내야 하는 거래에 대해 파라미터를 설정해야 했습니다. 이후에 신고된 거래를 사례별로 조사해야 했습니다.

그러나 이 획일적인 규칙 기반 접근 방식은 이른바 '거짓양성'이 다수 발생하는 결과로도 이어졌습니다. 거짓양성이란 정상적인 거래가 잘못 신고되는 현상으로, 이런 경우 조사 담당자가 수동으로 검토해야 합니다.

AI를 사용하여 자금 세탁 방지를 재정의

HSBC는 고객 서비스를 개선하고 프로세스의 효율성을 높이는 등 다양한 목적으로 이미 폭넓게 AI를 사용 중이었습니다. 그러나 AI의 잠재력을 더욱 활용하기 위해 Google Cloud와 파트너십을 맺고, 사람의 지시가 없어도 스스로 의심스러운 활동을 감지할 수 있는 AI 솔루션을 개발, 구현하기로 했습니다.

HSBC는 다양한 형태의 자금 세탁에 대한 폭넓은 지식을 바탕으로 방대한 고객 데이터로 자금 세탁 방지 AI(AML AI)를 학습시켜 수동 최적화보다 더 정확하게 의심스러운 활동을 포착하도록 했습니다.

결과는 두말할 필요도 없이 성공적이었습니다.

• 더 정확한 위험 감지: AML AI는 이전 시스템보다 2~4배 더 많은 의심스러운 활동을 식별하는 동시에 알림 횟수를 60% 줄였습니다.1. 덕분에 조사팀은 진짜로 의심스러운 사례를 검토하는 데 더 많은 시간을 할애할 수 있게 되었고, 결과적으로 기업 은행 운영에서 2배, 개인 은행 부문에서는 거의 4배 더 많은 금융 범죄를 식별할 수 있게 되었습니다.
• 처리 시간 감소: AML AI의 빠른 속도와 더 정확한 알림 생성 능력 덕분에 더 이상 거짓양성을 조사하는 데 많은 시간을 소비할 필요가 없습니다. 그 결과 이제 훨씬 더 신속하게 의심스러운 계좌를 감지할 수 있게 되어, 조사 시간이 첫 인지 이후 8일로 단축되었습니다. 이는 범죄 악용으로부터 금융 시스템을 보호하는 데 있어 실질적으로 상당한 효과를 발휘하고 있습니다.
• 범죄자 네트워크 식별: AML AI는 여러 계좌 간에 자금이 빠르게 이동하거나 이전 대비 개인의 활동 패턴이 갑자기 변하는 등 알려진 자금 세탁 행동 패턴을 포착할 수 있습니다. 따라서 의심스러운 개인뿐만 아니라, 자금 세탁을 위해 조직적으로 움직이는 범죄자 네트워크도 식별할 수 있는데, 이는 규칙 기반 시스템을 사용할 때 항상 어려움을 겪었던 부분입니다.

HSBC는 AML AI를 사용하여 성공적인 결과를 얻은 데 대해 2023년 올해의 Celent Model Risk Manager상을 수상했습니다. 또한 이러한 개선 덕분에 법 집행 기관에 더 많은 관련 정보를 제공하면서도 불필요한 세부정보를 얻기 위해 고객에게 연락하는 비효율성은 줄여 시간을 절약하고 고객 만족도를 높일 수 있었습니다.

전 세계로 AML AI 확장

영국과 홍콩에서 AML AI의 효과를 확인한 HSBC는 현재 다른 시장으로 이 기술을 배포할 방안을 모색하고 있습니다.

더 넓게 보면 금융 업계는 기존의 수동 처리 방식과 규칙 기반 소프트웨어 시스템에서 AML AI의 잠재력을 탐색하는 방향으로 계속 진전하고 있습니다. 이 새로운 기술을 채택하는 금융 기관이 증가할수록 자금 세탁을 방지하는 데 있어 업계 전체적으로 더 큰 효과를 거둘 수 있습니다.

___

^{1. 개시 후 12개월과 이전 12개월 동안의 규칙 기반 모니터링을 비교한 결과. 계절성을 반영하고, 감지 백로그가 결과에 영향을 미치지 않도록 개시 후 첫 1개월 동안의 데이터는 제거함.}