|
|
|
|
|
 |
금융 AI 모델 개발에서 가장 중요하다고 생각하는 역량은 무엇인가
저는 기술적 해결 능력도 중요하지만, 금융 데이터에서 가장 중요한 것은 '구조 이해력'이라고 생각합니다.
이 강점이 발휘된 경험 중 가장 대표적인 사례는 금융유사 데이터를 분석해 부도 위험 예측 모델을 만들었던 프로젝트입니다.
특히 생성형 AI는 비정형 데이터 기반의 표현이 해력, 대규모 언어모델의 추론 능력, 업무 자동화 기술과 결합되어 금융심사 프로세스의 속도와 정교함을 크게 강화할 수 있다고 생각합니다.
SBI저축은행은 디지털 전환에 가장 빠르게 대응한 금융기관 중 하나이며, 실제로 AI 기반대출 심사, 고객분석, 리스크 예측 등 실무 중심의 데이터 활용을 하고 있습니다.
장기적으로는 생성형 AI 기반의 자동화 기술을 실제 금융업무에 적용 하여 디지털 금융혁신에 기여하고자 합니다.
|
|
|
 |
왜 금융권 중에서도 SBI저축은행의 AICT 직무를 선택했는가
이러한 환경에서 제 기술 역량을 가장 의미 있게 활용할 수 있다고 느껴 금융권을 목표로 해왔습니다.
또한 SBI저축은행 이 사용하는 AI 모델이 단순 효율화를 넘어 금융 포용성과 접근성 확대에 기여하고 있다는 점도 큰 동기 부여가 되었습니다.
저는 기술적 해결 능력도 중요하지만, 금융 데이터에서 가장 중요한 것은 '구조 이해력'이라고 생각합니다.
SBI저축은행에서도 대출심사 자동화 모델, 고객 위험 예측, 사기탐지 등 다양한 분야에서 이러한 구조 이해력을 바탕으로 빠르게 기여할 수 있다고 생각합니다.
특히 생성형 AI는 비정형 데이터 기반의 표현이 해력, 대규모 언어모델의 추론 능력, 업무 자동화 기술과 결합되어 금융심사 프로세스의 속도와 정교함을 크게 강화할 수 있다고 생각합니다.
제가 수행한 생성형 AI 프로젝트 중에는 텍스트 기반의 고객 상담 로그를 분석하여 고객 불만 유형을 자동 분류하는 모델이 있습니다.
하지만 저는 생성형 AI 기반 분류 모델을 구축하여 상담 문장의 의도를 정교하게 파악할 수 있는 구조를 만들었습니다.
생성형 AI는 단순 분류를 넘어 설명 가능한 AI, 자동보고문 생성, 업무 문서 요약 등 다양한 업무혁신에 활용될 수 있으며, 저는 이러한 기술을 실무에 적용하기 위한 충분한 경험과 준비가 되어 있다고 생각합니다.
SBI저축은행은 디지털 전환에 가장 빠르게 대응한 금융기관 중 하나이며, 실제로 AI 기반대출 심사, 고객분석, 리스크 예측 등 실무 중심의 데이터 활용을 하고 있습니다.
특정 수치가 생성된 배경, 고객행동의 패턴, 경제환경의 변화 등을 종합적으로 이해해야 모델이 현실성을 갖습니다.
가장 큰 리스크는 잘못된 정보 생성과 설명 불가능성입니다.
이를 위해 생성형 AI의 출력 결과를 직접적인 의사결정에 사용하기보다, 인간 전문가 검증체계를 기반으로 보조모델로 활용해야 한다고 생각합니다. |
 |
데이터, 금융, 모델, ai, 기술, 고객, 생, 생각, 가장, 기반, sbi, 저축은행, 활용, 성형, 되어다, 분석, 성, 단순, 기여, 구조 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.12.03
5페이지
