by최정희 기자
2024.10.27 13:58:45
김동용 카카오페이 CTO 인터뷰
"카카오페이, 마이데이터 분야서 앞서 있어"
보험진단 AI 서비스, 내부 테스트 후 출시
인증 절차 줄이면서도 이상거래 탐지 강화
"편의성과 안정성 동시 높이는 방향 고민"
[이데일리 최정희 기자] “이르면 내년 1인당 하나씩의 인공지능(AI) PB(Private Banker·자산관리사)를 갖게 될 것 같다. 카카오페이는 마이데이터 분야에서 가장 앞선 곳 중 하나이기 때문에 초개인화된 서비스를 제공할 수 있을 것이다.”
김동용 카카오페이 최고기술책임자(CTO)는 24일 경기도 용인 카카오 AI캠퍼스에서 이데일리와 인터뷰를 갖고 “카카오페이 뿐 아니라 대부분의 금융서비스들이 AI PB를 지향하고 있다. 여러 곳에서 세무, 주식 등의 영역들이 만들어지고 있는데 이를 가장 잘 만들고 잘 융합시킬 수 있는 게 카카오페이”라며 이같이 말했다.
김 CTO는 “카카오페이의 가장 큰 강점은 마이데이터 분야에서 가장 앞선 것”이라며 “마이데이터 기반으로 초개인화된 금융 서비스를 제공할 수 있다”고 밝혔다. 이어 “은행은 은행 안의 데이터를 기반으로 상품을 추천하고, 증권사는 증권사 안에 데이터를 기반으로 추천하기 때문에 고객의 전체 상황을 알지 못해 만족하기 힘들 수 있지만 카카오페이는 금융데이터를 모두 포함시켜 서비스를 할 수 있다는 게 강점”이라고 덧붙였다. 적금 만기일에 목돈 투자법을 조언하거나 급여일에 맞춰 카드대금 인출 후 월급 잔액을 예측해 알려주는 식이다.
김 CTO는 이날 카카오의 기술자 컨퍼런스인 ‘이프카카오(ifkakao) 2024’에서 연사로 참석해 카카오페이가 준비하고 있는 ‘보험진단 AI’ 서비스를 시현했다. 보험진단 AI서비스는 카카오페이의 금융AI서비스의 첫 단계다.
보험AI는 사용자의 건강데이터를 기반으로 질병을 예측해 사용자에게 적합한 보험을 추천해주고, 마이데이터를 연결해 건강검진 결과를 바탕으로 개인화된 리포트를 제공하다. 예컨대 당뇨가 있는 사용자에게 혈당 관리에 대한 건강 정보, 보험 진단 등의 서비스를 제공한다. 김 CTO는 “내부에서 테스트를 진행하고 있다”며 “오픈 일정은 아직 미정”이라고 밝혔다.
보험AI를 시작으로 내년에는 금융AI서비스를 부동산, 투자 등 다양한 분야로 확장해나갈 예정이다. 카카오페이는 MoE(Mixture of Experts) 방식으로 보험, 투자 등의 분야에서 각각 전문화된 AI모델을 학습하는 방식을 채택했다. 김 CTO는 “오픈AI처럼 사이즈가 큰 거대언어모델(LLM)은 머신파워(Machine power·컴퓨터나 기계가 처리할 수 있는 계산 능력)가 많이 소요되고 속도도 느리기 때문에 세무, 보험 등 분야별로 전문가 모델을 만들었다”며 “각각의 전문화된 AI모델을 하나의 세트로 만들면 사용자가 원하는 금융서비스를 제공할 수 있다”고 밝혔다.
다만 이 과정에서 김 CTO는 “개인정보를 잘 격리하고 보호할 수 있는 지가 핵심”이라며 “AI에 개인정보를 학습시키지 않고 어떻게 융합해서 쓸 수 있는 지를 고민하는 게 중요하다”고 덧붙였다. 보험AI가 사용자의 건강 상태를 알고 이러한 사실을 보험사에게 전달할 수 있는 지를 묻는 질문에 대해선 “그렇지 않다”며 “개인정보 보호가 가장 중요하다”고 강조했다.
김 CTO는 “AI시대의 가장 큰 미션은 사용자한테 어떤 서비스을 제공할 것이냐가 핵심”이라며 “아직까지 서비스가 여러 개 나오고 있지만 사용자에게 직접적으로 베네핏(Benefit·이점)을 주고 있는 서비스는 없다”고 밝혔다.
카카오페이는 전 국민 다수가 사용하는 카카오톡을 기반으로 하고 있기 때문에 다른 페이 등 핀테크 업체 대비 트래픽이 많은 편이다. 카카오페이는 작년 연간 42억건, 140조원이 거래됐다. 그만큼 기술책임자 입장에선 고객의 편의성을 높이는 동시에 사기 등 부정 거래를 걸러내는 안전성을 높여야 한다는 고민이 크다.
카카오페이는 이를 위해 이상거래탐지시스템(FDS)와 어뷰징탐지시스템(ADS)를 적용하고 있다. FDS는 사용자 행동을 기반으로 이상 거래를 탐지하고, ADS는 다른 휴대폰이나 해외 등에서 로그인되는 형태의 이상거래를 탐지한다. 특히 올해부턴 FDS에 ‘어댑티브 ML(Adaptive ML·실시간 데이터 변화에 맞춰 모델을 업데이트하고 학습하는 머싱러닝 기술)’을 활용해 부정거래 탐지율을 높이고 있다. 김 CTO는 “룰(Rule·규칙)과 머신러닝을 조합한 시스템으로 주당 7600만 건, 연간 약 40억 건의 거래를 처리하고 있다”며 “대략 4%의 정밀도와 93%의 재현율을 보인다”고 설명했다. 경찰 입장에서 볼때 정밀도는 피의자 범위를, 재현율은 검거율을 의미한다. 정밀도 4%는 100명 조사시 4명이 범인으로 적발, 적중률이 높다는 의미이다. 룰베이스만 적용했을 때는 정밀도 비율이 0.2%였으나 머신러닝을 함께 도입하자 정밀도가 20배 높아졌다.
그는 “룰베이스는 사용자가 패스워드를 변경한 직후 거액을 이체하는 식의 전형적인 사기 거래 형태를 보일 경우 이를 막는데는 유용하지만, 워낙 사기 거래가 계속 변화하기 때문에 이것만으로는 한계가 있다. 머신러닝을 통해 예측된 정보를 기반으로 사기를 막아주는 역할을 하고 있다”고 설명했다.
이어 “범인을 완벽하게 100% 다 잡기 위해 전체를 스크리닝하게 되면 엄청난 자원, 다단계 인증 요구를 하게 돼 사용자가 불편을 겪을 수밖에 없는 수준인데 이를 줄이면서도 안전성을 높이기 위해 노력하고 있다“고 덧붙였다. 이런 시스템이 갖춰진 후 휴대폰 교체시 카카오페이 앱 본인인증 절차가 줄었다는 것이다.