최윤지

금융 데이터를 이용한 AI 서비스 개발과 코어 뱅킹 시스템 개발

▶인도 외환 관련 수수료 전반 개선

송금 및 무역 거래에 대한 기존 수수료 결함 개선 및 신규 수수료 수취로 수익 및 안정성이 개선되었다. 송금 업무의 경우 송금 계좌, 금액구간, 계좌정보 등에 따른 세분화된 수수료 징수 로직이 개발되었으며, 무역 거래의 경우 전반적인 로직이 모두 개선되며 영업점 직원 수기처리를 최소화하였다. 외환 전반에 대한 거래에 영향이 있는 개발로 장애 위험이 컸으며, 국가별 수수료 수취방법 및 구간 계산등의 차이가 있어 명확한 개발요건을 정의하기 위해 현지와 지속적으로 소통하였다. 이후 로직의 수정 없는 수수료 정보 변경에 현업이 직접 대응할 수 있도록 가이드 문서를 작성, 공유하였다.
▶인도 당발 송금거래에 따른 TCS 징수 시스템 개발
인도 세법에 따른 TCS 징수 시스템 개발로 규정 미준수에 따른 은행 비용 발생을 방지하였다. 내부 거래기록 기반 공제한도 소진 연산으로 직원 수기 연산을 최소화하였다.
▶SWIFT 규칙변경에 따른 대응개발
금융기관 간 전문 통신은 기반이 되는 SWIFT 규칙 변경에 따른 대응으로 안정적인 전문 서비스 제공
▶ISO20022 대응 개발
기존 MT 방식으로 오가던 전문이 xml기반인 MX로 변경됨에 따라 DB, 업무로직, 송수신 연동 등의 전반적인 대응 개발이 요구된다. 현재 시스템에 변경 내역을 적용하기 위한 분석 및 설계를 수행 중에 있다.

▶뱅킹 시스템 비정상 종료 및 결함 개선 

▶수출입 거래 관련 기능 개선

[개발환경 및 언어]

• C
• Java Script
• SQL

* 코어뱅킹시스템 개발의 경우 서비스 개발을 위한 업무 전체를 담당하므로 담당업무 내역을 작성하지 않음

▶인도 AML 패키지 도입에 따른 외환 거래 데이터 적재 기능 구현
인도 컴플라이어스 및 내부통제 강화에 따른 AML 패키지가 도입되며 이상거래 분석을 위한 거래 데이터 적재가 요구되었다. 이에 외환관련 거래 전반인 송금, 수입, 수출 등의 거래 데이터를 적재를 위한 배치 서비스를 개발하였다. 코어뱅킹 시스템은 거래 특성에 따라 여러 원장을 참조해야하는 구조로 외환에 동반되는 여신, 수신 서비스를 분석하였으며 데이터를 분석 가능한 형태로 전달하기 위하여 행내 코드로 표현되는 내역들을 분석가능한 형태로 변환, 적재하였다.
▶보고서 작성
금융 데이터 관리 구조 및 프로세스에 대한 전반적인 이해를 기반으로 현지 요청에 따른 보고서 작성 업무를 수행하였다.
▶사기송금방지 시스템 개발
송금 거래의 채널, 금액, 과거 고객 거래 기록 등의 정보를 기반으로 위험거래 여부를 판단하고 직원의 주의를 촉구, 거래정보를 관리하는 기능을 개발하였다. 이를 통해 이상거래 방지는 물론 거래 패턴 분석을 위한 기반을 마련하였다.

[개발환경 및 언어]

• C
• Java Script
• SQL

* 코어뱅킹시스템 개발의 경우 서비스 개발을 위한 업무 전체를 담당하므로 담당업무 내역을 작성하지 않음

ChatGPT를 이용한 여신 상품 질의를 위한 챗봇 PoC 개발을 진행하여 QA task에서 ChatGPT 적용 효용성을 검증하였으며, 이는 이후 프로젝트 진행을 위한 기반이 되었다. 본 프로젝트로 제작된 QA는 질의자에 맞는 상품 추천, 추천된 상품에 대한 자세한 설명을 수행한다. 이전 연구 결과를 응용하여 여신 상품 데이터를 이용한 검색 기능을 구현하였으며, 질의문, 검색된 문서를 기반으로 prompt를 구성하는 프로세스를 개발하였다. 검색 성능 향상 및 QA기능 향상을 위하여 의도 분류가 prompt가 추가되었으며, Multi-turn 기능 구현을 위하여 질의문 재작성 prompt, 질의 로그 기록 등의 추가 기능을 구현하였다.
[담당업무]

• QA, Queyr rewriting Prompt 구성
• 데이터 indexing, embedding 모델 적용 등 검색기능 개발
• 검색 기반 QA 프로세스 개발

[개발환경 및 언어]

• Python
• ChatGPT api
• Cognitive search, langChain

[성과]

• PoC 결과를 기반으로 본 프로젝트 착수

한 명의 피평가자에 대해 다수의 직원이 서술한 기술형 평가 데이터를 요약하여 보다 가독성 높고 효율적인 내용 전달이 가능하게 하여 인사평가 시스템을 고도화하였다. 서술형 평가의 경우 평가 내용이 중복되며 서술형의 특성으로 기술한 직원을 유추가능한 문제가 있었다. 따라서 기술형평가 프로세스가 있으나, 이를 피평가자에게 바로 제공하지 못하였다. 이에 본 프로젝트는 생성형 요약 모델을 적용, 문장들을 이해하기 쉬우며 가치있는 문장으로 변환하여 서술자를 비식별화하고 가독성 높은 결과물을 제공하였다. 과거 평가 데이터 분석을 통해 아웃풋의 형태를 정의하고 라벨링을 수행, 모델을 학습, 평가 과정을 반복 수행하였다. 생성형 모델의 한계로 발생한 factual error를 최소화하기 위하여 후처리 단계가 추가되었으며, 임베딩 모델을 추가 적용하여 개선 요구 사항에 대응하고 요약문의 품질을 향상시켰다.
[담당업무]

• 데이터 분석을 통한 모델 적용 효용성 판단 및 라벨링 규칙 정의
• 데이터 라벨링, 모델 학습 및 평가
• Factual error 탐지를 위한 프로세스 개발
• Embedding 모델, Rule 기반 등 후처리 모듈 개발을 통한 요약문 품질 향상
• 배치 서비스 개발

[개발환경 및 언어]

• Python
• 사내 AI 모델 학습 플랫폼

[성과]

• 인사 평가 시스템 고도화

사내 추진, 요청 중인 과제의 이슈 및 요구사항을 분석하여 nlp 기술을 통해 개선될 수 있는 사항을 정의, 연구 과제 후보를 발굴하였다.
기존 시스템의 로그 데이터를 분석하여 고객의 이탈원인을 분석하였으며, 금융 데이터의 특성을 고려하여 개선방안을 탐색, 적용 가능한 기술을 조사하여 연구를 제안하였다.

[담당업무]

• 챗봇/음성봇 거래데이터를 분석하여 기존 모델의 한계 도출
• 명확한 답변 및 답변의 도출과정이 요구되는 금융 업무를 고려한 개선 방안 발굴

빈번한 상품 추가 및 개정으로 영업점에서는 검색을 통한 최신 정보 확인이 요구되나, 사내 검색 서비스의 낮은 품질로 불편함이 다수 보고되었다. 이에 문서 indexing 고도화, embedding 기반 검색 방안, 지식 그래프 등 다양한 검색 기법을 구현, 평가하여 금융데이터기반 검색 기능 향상 방법을 연구하였다. 임베딩 모델의 성능 향상을 위하여 금융데이터 수집 및 학습, indexing 및 ranking 알고리즘을 연구하였으며 챗봇/음성봇에 등 대고객 서비스에 명확한 답변을 수행할 수 있도록 지식그래프 기반 검색 리서치, 과제 제안서 작성 등을 수행하였다. 질문과 문서를 각각 임베딩하여 vector간 유사도를 비교하는 Dual encoding과 질문과 관련 문서를 함께 모델에 입력하여 유사도를 판단하는 Cross embedding을 주로 연구하였으며 금융 학습 데이터의 부족으로 데이터 구성을 위한 방안이 함께 연구되었다. 이 때 연구된 실험 결과 및 모델은 검색 뿐만이 아닌 텍스트 간의 유사도를 식별해야하는 문제에 쉽게 적용되어 프로세스 효율화를 가능케 했다.
[담당업무]

• Dense/sparse embedding 기반 검색 모델 연구
• 검색 데이터 Indexing 연구, 개발

[개발환경 및 언어]

• Python
• 사내 AI 모델 학습 플랫폼

[성과]

• 연구된 Embedding 기반 텍스트 유사도 모델은 세부 프로젝트 진행에 적용
• 연구된 내용은 세부 프로젝트 진행 시 후처리 모듈로 다수 적용됨
• 특히 챗봇 PoC에 적용되어 QA 성능 향상과 빠른 개발의 기반이 됨

문서를 이용한 거래가 다수 발생하는 업무 특성으로 고객 혹은 직원이 문서 내 작성된 내용을 수기로 처리하는 경우가 많다. 이에 OCR모델을 이용한 프로세스 개선으로 업무 및 대고객 서비스를 효율화하였다. 정형 형태를 가지는 문서의 경우 template OCR을 이용해 사전에 정보 추출이 필요한 부분을 정의하여 해당 영역의 정보만을 추출해올 수 있다. 하지만 대부분의 문서는 스캔, 촬영 과정에서 기울어짐/회전 등의 변형이 발생하므로 사전에 정의된 영역을 명확하게 추출하기 어렵다. 이에 문서내 특정 단어를 이용한 landmark를 정의하여 이미지 프로세싱 과정을 수행, 정확도 높은 정보 추출이 가능하게 하였다. 또한, 이미지의 화질문제 등으로 OCR 결과에 오탈자가 다수 발생하게 되는데 이를 위한 후처리 과정을 개발하여 정확도를 개선하였다. OCR 모델은 기개발된 모델이 사용되었으며, 이미지 프로세싱(전처리), 후처리의 개발로 사내 사용되는 다양한 고정형식 문서에 기술을 적용하여 프로세스를 효율화하였다. 해당 기능은 문자 처리 뿐만아니라 문서내 위치하는 이미지 정보를 추출하는데 적용되어 해당 정보 DB 구축에 기여하였다.

[담당업무]

• 이미지 전처리 및 후처리 개발 (OCR 모델을 제외한 template 기능 전반구현)
• API 형태로 온라인/배치 서비스 구현

[개발환경 및 언어]

• Python
• 사내 AI 모델 학습 플랫폼

[성과]

• 여신관련 증명서 제출 프로세스들에 적용되어 문서 진위여부 확인 프로세스 효율화
• 문서 내 특정 정보를 추출한 DB 구축