|
|
|
|
|
 |
저는 금융의사 결정을 데이터 기반으로 자동화하고 고도화하는 일에 강한 흥미를 가져왔으며, 그 중에서도 리스크 예측·고객 분석·AI 심사 모델 개발이 가장 성장 가능성이 큰 분야라고 판단했습니다.
신용 모델은 단순 통계적 형태가 아니라 금융특성을 반영한 변수조합이 핵심입니다.
AI 모델은 금융소비자 보호 원칙과 충돌하면 안 되기 때문에, 정확도만이 아닌 책임성 있는 모델링을 수행하는 것이 중요하다고 생각합니다.
변수의 금융적 의미입니다.
단순 모델러가 아니라 "AI 기반 금융의사결정엔진을 만드는 사람"이 되는 것이 목표입니다.
금융실무 경험이 부족한 것은 사실이지만, AI 모델 개발의 핵심은 "도메인 학습 속도와 구조적 사고력"이라고 생각합니다.
저는 "정확도보다 리스크 관리가 더 중요하다"는 금융 AI 의 원칙을 잘 알고 있으며, 책임감 있게 모델을 운영할 자신이 있습니다.
생성형 AI는 강력한 도구이지만, 금융모델은
|
|
|
 |
입 사후 어떤 방식으로 FinanceAI 모델 성능을 고도화할 수 있다고 보는가
저는 금융의사 결정을 데이터 기반으로 자동화하고 고도화하는 일에 강한 흥미를 가져왔으며, 그 중에서도 리스크 예측·고객 분석·AI 심사 모델 개발이 가장 성장 가능성이 큰 분야라고 판단했습니다.
SBI저축은행은 국내 저축은행 중에서도 가장 빠른 디지털 전환을 추진하는 금융기관이며, AI 기반 심사·마케팅·사기탐지(FDS) 등 여러 영역에서 실제 모델을 활용하고 있는 매우 선도적인 회사입니다.
이는 단순히 속도 향상에 그치는 것이 아니라, 1) 부실률 예측 정확도 개선, 2) 리스크 기반 한도산정, 3) 사기탐지고도화, 4) 고객 세그먼트별 마케팅 자동화 등 금융사 전체 운영방식에 구조적인 변화를 만들어냅니다.
특히 SBI저 축은행처럼 비대면 대출 비중이 높은 금융기관에서는 심사 속도와 정확성이 곧 경쟁력으로 연결되기 때문에 FinanceAI 역할이 점점 더 핵심이 될 것이라고 판단합니다.
신용 모델은 단순 통계적 형태가 아니라 금융특성을 반영한 변수조합이 핵심입니다.
예를 들어 "소득 대비 잔액 변동폭", "급여일 이전의 잔고 패턴", "해당 업권의 연체 회복률 영향" 등과 같은 도메인 기반 피처가 모델 성능을 결정합니다.
저는 데이터 수집-피처링-모델링-A/B테스트까지 전 과정을 맡았고, 특히 행동 데이터 기반 피처링을 통해 기존 모델 대비 성능을 약 12% 개선했습니다.
또한 금융 데이터는 종종 miss ing이"의미 있는 정보"이기 때문에 단순 제거가 아니라 패턴으로 해석해야 합니다.
중요한 변수가 더 이상 의미를 가지지 않거나 왜곡되는 상황.
Bias는 모델의 정확도와 별개로 법적·윤리적 문제를 유발할 수 있기 때문에 매우 중요합니다.
민감 변수 제거가 아니라 우회적 편향 여부까지 검증
변수 중요도 기반 편향 발생 가능성 분석
변수의 금융적 의미입니다.
모델링보다 중요한 것은 변수 자체의 의미와 신뢰입니다.
또한 웹 행동로 그 분석을 통해 고객의 "이탈 전조 패턴"을 추출한 경험도 있습니다.
또한 단기적으로는 기존 모델의 성능·안정성을 파악해 ret raining 주기 최적화와 validation 프로세스 개선에 기여할 수 있습니다.
여신 부서와는 정책 개선안을 데이터 기반으로 설명
단순 모델러가 아니라 "AI 기반 금융의사결정엔진을 만드는 사람"이 되는 것이 목표입니다.
금융실무 경험이 부족한 것은 사실이지만, AI 모델 개발의 핵심은 "도메인 학습 속도와 구조적 사고력"이라고 생각합니다.
저는 데이터 구조 이해, 변수해석, 예측 모델의 오작동 진단 등 기반 역량은 이미 갖추고 있으며, 금융도메인은 학습이 가능하지만 AI 사고 구조는 단기간에 만들기 어렵습니다.
저는 "정확도보다 리스크 관리가 더 중요하다"는 금융 AI 의 원칙을 잘 알고 있으며, 책임감 있게 모델을 운영할 자신이 있습니다.
생성형 AI는 강력한 도구이지만, 금융모델은
저는 데이터 기반 사고, 문제 구조화 능력, 금융 AI 모델링 역량을 갖춘 예측 모델 개발자입니다. 고객 행동 데이터 분석, 이탈 예측 모델 구축, 피처 설계 경험을 통해 금융모델이 요구하는 구조적 사고를 이미 체득했습니다. |
 |
모델, 금융, ai, 데이터, 기반, 예측, 고객, 구조, 이다, 분석, 실제, 경험, 가장, 성, 리스크, sbi, 때문, 저축은행, 심사, 개선 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.12.16
7페이지
