“피플펀드는 타기팅하는 집단이나 앞으로의 시장 상황, 우리의 전략 방향성에 맞는 신용평가모델(CSS)을 '매달' 업데이트하고 언제든지 반영할 수 있는 개발 환경을 갖추고 있습니다. 머신러닝 실력이 있는 누구나 도전할 수 있는 모델인거고, 그 과정에서 생각지도 못한 모델들이 나옵니다.”
정승우 피플펀드 데이터전략총괄이사(CRO)는 피플펀드의 기술 조직 강점에 대해 이 같이 설명했다. 통상 전통 신용평가사(CB)나 금융사가 컨설턴트들의 도제식 방식으로 모델링 방식이 전수돼 왔다면, 피플펀드는 공개적으로 퍼포먼스를 대시보드에서 경쟁하는 '챔피언 챌린지 전략'을 쓰고 있다는 것이다.
정 CRO는 “기존 CSS 컨설턴트는 오히려 도메인에 갇혀있고, 어떤 지표는 어떤 분야에 써야 한다는 스테레오 타입이 있을 수 있는데, 이와 같은 방식을 통해 컨설턴트의 모델보다 성능이 뛰어난 모델이 많이 나온다”고 평가했다.
온투업계는 은행과 대출 고객을 두고 직접 경쟁을 하기는 어렵다. 기본적으로 조달금리 차이가 크기 때문에 고객에게 제안할 수 있는 금리가 은행보다 높아서다. 신용정보 이력이 부족해 은행이 선택하지 않은 고객 중 우량 고객을 더 많이 확보하는 사업자가 살아남는 구조다. 이때 가장 중요한 것이 CSS나 승인전략(Approval Strategy) 고도화다.
정 CRO는 “기존에는 금융사들도 CSS를 자주 업그레이드할 필요성이 크지 않았는데, 대출 비교 서비스가 등장하면서 완전히 판이 뒤집혔다”면서 “모든 사람이 플랫폼에서 동시에 40여개 업체에 조회를 하기 때문에 쌓이는 데이터가 동일해졌고, 기존에 존재하던 '우리 회사만의 고객'이라는 콘셉트가 무용해졌기 때문”이라고 설명했다.
통상 금융사의 대출 승인 전략은 국내 대형 CB사가 컨설팅을 수주해 공급하는 형태가 일반적이다. 문제는 한번 만들어진 전략은 최근 발생한 리스크를 반영하는 업데이트가 어렵다는 점이다.
기존 승인 전략이 '최신 고객'에게 적합한 룰로 세팅됐는지 분석도 쉽지 않다. 코로나19 팬데믹 영향으로 시장 환경에 대한 데이터가 급변하면서 이에 대한 경향이 심화됐다. 오프라인 결제가 줄어들고 온라인 결제가 늘어난 점이 대표적이다.
이런 점에 주목한 피플펀드는 최근 유전 알고리즘을 활용한 신용평가전략 최적화 '아고스'를 새롭게 공개했다. 인공지능(AI)이 1800여종 변수를 탐색하고 조합, 10여종 변수를 쓰는 기존 승인전략 대비 효과를 크게 향상시켰다. 동일 불량률에서 승인률은 123% 끌어올리고, 불량률은 75% 낮추는 데 성공했다.
정 CRO는 “예컨대, 내달 시장 상황이 경쟁업체들에 불리해 대출공급이 많지 않다고 한다면 이를 노려 승인 건수를 높이는 전략을 선택할 수 있다”며 “전략에 필요한 수십가지 변수 중 사람을 대신해 유의미한 변수를 찾아 전략을 제시하는 것이 현재 AI 알고리즘 아고스의 역할”이라고 설명했다.
이형두기자 dudu@etnews.com
