AI를 통한 비즈니스 검증 강화: 글로벌 사기 방지의 새로운 개척지인가?

St. Gallen 대학의 인공 지능 및 기계 학습학과 교수인 다미안 보스가 AI 모델 내에서 개방적이고 표준화된 고품질 법인 데이터를 활용하여 전 세계에서 더욱 투명하고 효율적이며 안전한 비즈니스 상호 작용을 가능하게 하는 방법을 설명합니다.

---

---

오늘날의 글로벌 디지털 경제에서 법인의 신원을 검증하는 것은 그 어느 때보다 중요하고 어려운 일입니다. 이에 따라 인공 지능(AI) 기술이 법인 검증과 모니터링을 자동화할 가능성에 대한 관심이 높아지고 있습니다. 중요한 프로세스의 효율성과 효과를 높임으로써 사기 및 기타 범죄 활동의 위험을 줄여 모두를 위해 더욱 안전한 비즈니스 환경에 기여할 수 있습니다.

그러나 여전히 과제가 남아 있습니다. 현재의 많은 AI 애플리케이션은 기본 데이터가 표준화되지 않으며 사용 및 공유가 쉽지 않기 때문에 한계가 있습니다. 이는 귀중한 컴퓨팅 성능을 낭비할 뿐만 아니라 시스템 오류를 유발합니다.

데이터 표준 및 거래 모니터링 전반에 걸친 최근의 여러 동향, 개발 및 이니셔티브는 과거 자금 세탁 방지(AML) 노력을 저해했던 문제에 대응하고 있는데요. AI와 기계 학습 기술이 수행할 수 있는 역할을 설명해 주시겠습니까?

AI와 기계 학습은 거래 모니터링 및 규제 준수 프로세스의 효율성과 효과를 향상하여 AML 문제를 해결하는 데 상당한 가능성을 품고 있습니다. 방대한 데이터 세트를 분석하여 복잡한 패턴이나 이상 현상을 식별하고 사기 활동을 찾아내 의심스러운 거래 탐지 능력을 크게 향상할 수 있습니다. 더욱이 AI는 새로운 데이터에 적응하고 학습할 수 있으므로, 사기범과 모니터링 주체가 서로를 능가하려고 노력하는 진화하는 AML 환경에서 매우 중요합니다.

AI 기술과 고품질 데이터를 결합하면 어떻게 글로벌 비즈니스 위험을 더 효과적으로 정량화하고 관리하는 데 도움이 되겠습니까?

AI와 고품질 외부 데이터 소스는 비즈니스 검증의 정확성을 개선하여 위험 관리를 크게 향상할 수 있습니다. 또한 AI 알고리즘은 법인 데이터 모니터링을 자동화하여 사기 위험을 최소화함으로써 더욱 안전한 글로벌 금융 환경에 기여할 수 있습니다.

비즈니스 운영이 더욱 자동화되는 과정에서 AI 기술의 부가 가치와 위험 사이의 균형을 어떻게 평가하시겠습니까?

AI와 기계 학습을 통해 구현된 식별 프로세스 자동화는 효율성을 높이고 주어진 데이터의 정확성을 향상하여 규제 준수를 강화하고 비즈니스 거래에 대한 신뢰를 높입니다.

그러나 잠재적인 시스템 오류, 편중 또는 사이버 보안 취약성과 같은 위험이 발생할 수도 있습니다. 이러한 위험을 완화하려면 자동화와 인간 감독의 균형을 맞추고 강력한 보안 조치를 보장하는 것이 필수적입니다.

AI 커뮤니티에서 개방적이고 신뢰할 수 있으며 표준화된 고품질 데이터는 얼마나 중요합니까?

간단히 말하자면 이러한 데이터는 AI 시스템을 성공적으로 개발하는 기본적인 것이며 항상 필수적인 것으로 간주되어 왔습니다. 해당 데이터를 사용하면 AI 모델이 정확한 정보로 훈련되기 때문에 더욱 효과적이고 신뢰할 수 있는 결과를 얻을 수 있습니다. 표준화는 다양한 AI 시스템 간의 상호 운용성을 촉진하고 AI 연구의 재현성을 향상합니다. 고품질 데이터는 또한 편중을 줄이고 모델의 의사 결정 능력을 향상합니다. 이는 금융 및 법률 시스템과 같은 민감한 영역에 적용하는 데 매우 중요합니다.

법인의 올바른 법적 형태를 식별하고 제안하는 모델에 대해 GLEIF와 협력하신 바 있습니다. 주요 결과를 요약해 주시겠습니까?

우선 기업의 법적 형태를 식별하고 이해하는 일이 다양한 재무 및 비즈니스 관련 프로세스의 핵심이라는 점을 인식하는 것이 중요합니다. 그럼에도 불구하고 관할권 간 및 관할권 내의 다양한 법적 형태로 인해 상당한 복잡성이 발생합니다. 따라서 회사의 법적 형태를 자동으로 식별하고 이를 해당 법인 법적 형태(ELF) 코드에 연결하는 기능을 통해 투명성을 높이고 위험을 낮추며 운영 효율성을 높이는 등 수많은 이점을 얻을 수 있습니다.

GLEIF와의 협력을 통해 법인 이름 이해(LENU)라고 하는 AI 모델이 탄생했습니다. 이 모델은 이름과 관할권만 사용하여 법인의 법적 형태를 정확하게 예측할 수 있습니다. 우리가 훈련한 언어 모델은 법적 이름과 관할권별 명명법의 특정 패턴을 연결하여 법적 형태를 파생할 수 있었습니다. 이 모델의 높은 정확도는 비즈니스 데이터의 신뢰성을 향상하는 AI의 잠재력을 보여 줍니다. 이는 LEI 발급 프로세스의 속도를 높일 뿐만 아니라 수동 검증 노력을 크게 줄일 수 있는 잠재력을 품고 있습니다.

우리는 과학 연구 논문 'Transformer-based Entity Legal Form Classification'에서 연구 결과를 요약했습니다. 이 연구는 데이터 표준화 및 데이터 통합을 발전시키는 데 Transformer 기반 모델이 지니는 중대한 잠재력을 강조합니다. 표준화된 데이터 항목을 통해 법인의 법적 형태를 도입하면 법인 연결 작업에 대한 신뢰도가 높아져 각 법인이 하나의 법적 형태만 보유할 수 있으므로 여러 데이터 세트에 걸쳐 강력한 매핑 쌍이 구현됩니다.

이 모델의 높은 정확도는 비즈니스 데이터의 신뢰성을 향상하는 AI의 잠재력을 보여 줍니다. 이는 LEI 발급 프로세스의 속도를 높일 뿐만 아니라 수동 검증 노력을 크게 줄일 수 있는 잠재력을 품고 있습니다.

LEI와 같은 표준화된 법인 데이터가 AI 연구 개발 생태계에 어떻게 기여할 수 있습니까?

표준화된 LEI 데이터는 금융 및 법률 맥락에서 AI 모델을 훈련하고 테스트하기 위한 일관된 글로벌 데이터 세트를 제공함으로써 AI 연구를 강화합니다. 이러한 일관성은 관할권 전반에 걸쳐 모델 신뢰성을 향상하고 AI 솔루션의 성능을 높입니다. 또한 LEI 데이터 세트는 사기 탐지, 법인 검증, 규제 준수 등의 영역에서 AI 연구를 촉진할 수 있습니다. LEI 데이터는 벤치마크 역할을 함으로써 금융 산업에서 AI 모델을 평가하는 데 핵심적인 역할을 할 수 있습니다.

미래를 위해 전하고 싶으신 메시지는 무엇입니까?

표준화된 오픈 데이터를 기반으로 하는 AI의 미래는 금융 및 법률 부문을 변화시킬 수 있는 엄청난 잠재력을 지니고 있습니다. 이러한 시너지 효과를 활용하면 더욱 투명하고 효율적이며 안전한 글로벌 금융 시스템을 보장하는 빠른 개선이 가능할 것입니다. 이러한 발전은 규제 준수 강화, 사기 감소, 복잡한 금융 네트워크에 대한 더 깊은 이해를 불러옵니다.

정리하자면 지금은 쉽게 접근할 수 없는 세상에 대해 더 많이 보고 이해하게 될 것입니다.

---