고정 헤더 영역
상세 컨텐츠
본문
기술은 준비됐지만, 제도와 현실은 따라오고 있는가?
AI 기반 자금세탁방지(AML) 시스템은 전 세계적으로 빠르게 확산되고 있습니다. 1부에서 살펴본 것처럼, AI는 고도화된 금융 범죄에 대응하고 오탐률을 줄이는 핵심 기술로 주목받고 있습니다. 하지만 한국 금융기관 및 AML 의무기관이 AI 기반 AML 시스템을 실제 도입하고 활용하는 과정에서는 여러 현실적인 제약과 과제들이 존재합니다.
이 글에서는 특금법상 자금세탁방지 의무를 지는 금융기관(은행, 증권, 보험, 전자금융업자, 가상자산사업자 등)이 AI 기반 AML 시스템을 효과적으로 도입하는 데 필요한 제도적, 조직적, 기술적 과제를 종합적으로 점검합니다.
기술보다 더딘 규제의 정합성
룰 중심 감독 체계 속 AI 탐지의 수용성
현재 AML 감독은 대부분 정형화된 룰 기반 탐지 체계를 중심으로 구성되어 있으며, AI 기반 탐지 결과가 의심거래보고(STR)의 판단 기준으로 활용되기 위해 필요한 설명력(Explainability)에 대한 명확한 감독 지침은 아직 마련되지 않은 상황입니다.
이로 인해 많은 금융기관들이 AI 기반 탐지 결과를 내부 리스크 평가나 보조적 검토 자료로 활용하되, 보고의 최종 판단은 여전히 수작업 기반의 검토와 준법감시인의 책임 하에 이루어지고 있습니다. 이 과정은 제도와 기술 간의 간극을 보여주는 대표적인 사례입니다.
클라우드 기반 AML 시스템 도입에 대한 해석 차이
클라우드 AML 솔루션은 중소규모 기관에게 매력적인 선택지지만, 외부 클라우드 환경에서의 AML 데이터 처리에 대한 감독기관의 해석은 여전히 기관마다 위험 회피적인 판단을 불러일으킬 수 있습니다. 이러한 상황은 오히려 비용 효율적이고 보안성 높은 SaaS형 AML 솔루션 도입의 확산을 늦추는 요인이 되기도 합니다.
협업 구조와 신뢰 체계의 개선 필요
준법, IT, 리스크 부서 간 협업 체계 정비
AI 기반 AML 시스템의 성공적인 도입을 위해서는 다부서 간 협업 기반의 의사결정 체계가 필수적입니다. 이전까지는 준법감시부서 주도로 룰 기반 시스템을 운영해 왔다면, AI 시스템은 데이터 인프라, 모델 운영, 시스템 연동 등을 아우르는 통합적 운영 체계를 요구합니다. 많은 금융기관이 이러한 협업 체계를 준비 중이지만, 일부 현장에서는 우선순위 충돌이나 부서 간 책임 분산 문제로 도입 속도에 제약을 받는 경우도 있습니다. 이는 ‘실행력’과 ‘신뢰성’이라는 두 가지 축 모두를 조율할 수 있는 체계적 접근이 필요함을 시사합니다.
STR 보고의 신뢰성과 책임 구조
AI가 탐지한 거래에 대한 내부 신뢰성과 검토 체계의 정착도 중요한 과제입니다. AI 모델의 성능이 높아져도, 실제 STR 보고는 사람의 최종 검토와 판단을 기반으로 이뤄지기 때문에, 이를 지원하는 설명 가능성(XAI), 리스크 시나리오 재현 기능, 내부 리포팅 도구 등이 병행되어야 도입 효과가 극대화됩니다.
기관 규모별 차이를 고려한 유연한 접근 필요
다양한 AML 의무기관의 현실적 조건
특금법은 은행, 보험, 증권사뿐 아니라 전자금융업자, 가상자산사업자, P2P업체 등 비전통적 금융주체도 자금세탁방지 의무기관으로 포함하고 있습니다. 이들 기관은 AML에 대한 책임과 기준은 동일하지만, 인력 구성, 예산, 기술 인프라 측면에서 다양한 제약이 존재합니다. 따라서 AI 기반 AML 시스템의 도입은 정형화된 패키지가 아닌, 기관별 여건에 맞춘 유연한 구성과 서비스형 모델(AI-as-a-Service) 방식이 요구됩니다.
도입 효과 측정 기준의 모호함
AI 기반 AML 시스템의 성능은 '오탐률 감소', '의심거래의 정탐률 향상' 등으로 나타나지만, 이러한 성과를 계량적으로 입증할 수 있는 표준화된 KPI가 부족하다는 점도 도입 시 주요 고민거리입니다. 금융기관은 외부 감사, 이사회 보고 등에서 객관적인 효과를 설명할 수 있어야 하기 때문에, 설명 가능한 지표 제공 기능이 반드시 병행되어야 합니다.
실행 가능한 AI 기반 AML 시스템을 위한 세 가지 대응 전략
이엘온소프트는 기존 고객사와 다양한 업권의 금융기관과 협력하여, 다음과 같은 전략을 제안합니다.
| 영역 | 전략 방향 |
| 제도 연계 | – STR 보고 양식 자동화, 설명 가능한 탐지 근거 리포트 제공 – FIU 가이드라인 기반 보고 양식 매핑 기능 탑재 – 규제 대응 문서화 기능 내장 |
| 조직 협업 | – 준법·IT·리스크 연계 프로세스 제공 – 사용자 그룹별 시나리오별 대응 가이드 포함 |
| 맞춤형 AI 도입 | – 패키지,Cloud SaaS형 기반 경량 AI 모델 제공 – 정기 업데이트되는 학습 모델과 해석 리포트 – 중소기관 대상 패키지, SaaS형 요금제 제공 |
AI 기반 AML 시스템은 함께 가야 완성되는 여정입니다
AI 기반 AML 시스템은 단순한 기술 변화가 아니라, 금융기관이 내부통제와 규제 대응, 그리고 조직 문화 전반을 혁신하는 계기가 되어야 합니다. AI 기반 AML 시스템은 기술 그 자체보다 제도적 수용력, 조직 협업 체계, 실무 적용성이라는 복합적인 요건이 충족될 때 비로소 효과를 발휘합니다. 이엘온소프트는 금융기관과 기술 파트너가 함께 ‘실행 가능한 AI 기반 AML 시스템’을 만들어가는 것이야말로 진정한 AML 혁신의 출발점이라 믿습니다.
글 | 대표이사 민선기
