home
About
home
금융기술연구소
조직 구성
주요 연혁
우리의 연구
주요 성과
연구 스토리
연구 협업 제안
언론 보도
카카오뱅크 >
기술블로그 >
home

목록보기

Contents

국내 금융사 최초 생성형 AI 활용

카카오뱅크는 지난 1월 29일부터 한 달 여 간 결제 내역 기반으로 AI가 나만의 일기를 만들어주는 ‘오늘의 mini 일기’ 이벤트를 진행했습니다. 이번 이벤트는 금융기술연구소가 서비스 기획 및 개발 부서와 오랫동안 협업해서 준비해 온 것으로, 생성형 AI가 쓰인 대고객 금융 서비스로는 국내 첫 사례입니다. 연구소는 작년에 화두가 된 LLM 서비스를 금융 상품에 활용할 수 있는 시나리오를 찾기 위해 연초부터 내부 워크숍을 여러 차례 운영하고 고민을 거듭했습니다. 하루 요약 일기 생성 서비스는 당시에 나왔던 아이디어들 중 하나로, 처음에는 친근한 이미지를 곁들이거나 금융 특화형 SNS까지 다양한 기능을 연결해 보자는 의견도 있었습니다.
본격적인 서비스 개발은 Elena, Vivaan, Luna가 체크카드 결제 내역을 기반으로 일기를 생성하는 PoC를 사내에 공개한 후, 서비스 기획 부서에서 흥미롭게 보고 이벤트에 적용해 볼 것을 제안해 주면서 시작되었습니다. GPT 계열 언어모델이 텍스트로만 된 결제 내역을 정확히 변환해 주었고, 2~3단계 질문 만으로 이모티콘까지 포함된 센스 있는 표현을 인스타그램 스타일로 자연스럽게 생성해 주는 결과가 이목을 끌었습니다. 시작은 호기로웠지만 카카오뱅크의 생성형 AI 기반 첫 번째 서비스가 탄생하기까지는 신기술 검증부터 시나리오 기획과 최적화까지 많은 요소를 고려하고 확인하는 절차를 거쳐야 했고 서버, 클라우드, 모바일 등 여러 개발 부서 도움이 필요했습니다.

주요 연구 개발 요소

우선 LLM 서비스들의 대표 한계점으로 익히 알려진 환각 현상이 발생하지 않도록 보완해야 했습니다. 잘못된 해석이나 맥락과 상관없이 부적절한 단어 노출은 애초에 문제가 발생하지 않도록 상황을 정의하는 것도 필요했습니다. 예를 들면, ○○페이와 같은 간편 결제 서비스를 이용해 결제한 내역은 ‘소프트웨어업’으로 인식돼서 ‘취업을 위해 노력했어’라는 엉뚱한 결과를 생성했습니다. 가맹점 업종명이 정확하지 않거나 일기 형식에 맞지 않은 경우 전체적으로 데이터 재가공을 거치고 기존 가맹점 분류 체계를 보완하는 작업을 수행했습니다.
mini 서비스에 맞게 기술적으로 튜닝하는 작업은 대규모 데이터 정제, 전처리는 물론이거니와 최적 프롬프트를 찾기 위한 막대한 테스트가 필요했습니다. 개인신용정보 관리 규정에 위배되지 않으면서 일기 문맥을 유지할 수 있는 지시어를 발굴했으며, 적절한 길이로 가독성을 살리고 재미도 반영될 수 있게 중요 키워드와 다채로운 표현들을 미리 추가했습니다. 수개월 동안 시행착오를 거치면서 프롬프트 디자인을 개선하고 보니 결제 내역에 따뜻한 응원 문구를 일관성 있게 덧붙이는 개인별 일기를 완성할 수 있게 되었습니다.
따뜻한 AI가 응원해 주는 나의 하루, '오늘의 mini 일기' 서비스 준비 과정
금융기술연구소 3주년 기념 주요 성과 리뷰
Contents

대내외 협업 취지

카카오뱅크는 금융기술연구소(이하 연구소)를 필두로 한 대내외 연구개발 협업을 통해 우수한 선진 기술을 도입하고 기술적 한계를 뛰어넘기 위한 노력을 지속해오고 있습니다. 2편에서 먼저 소개한 연구소만의 개방적 연구 환경과 유연한 운영 방식은 카카오뱅크 내 현업 부서 및 외부 전문가들과 협업을 극대화하기 위한 사전 조치입니다. 이는 IT산업이 디지털 기반 투명성과 개방성을 바탕으로 수준 높은 기술을 빠르게 개발하고, 비용 절감은 물론 의사 결정 문화 개선까지 이뤄왔던 것을 금융산업에도 재현해 보려는 바람입니다.
연구소 핵심과제들은 주요 목표와 투입 자원, 일정 등을 정기 운영위원회를 통해 보고하고 연구 방향을 결정합니다. 운영위원회는 연구개발 성과 활용성을 다각도로 검증하는 동시에 대고객 서비스에 필요한 요구 사항을 공유하기 위해 유관 기술 부서 책임자들을 위원으로 위촉하고 있습니다. 운영위원회에서 결정된 사안들은 각 위원들이 책임지고 있는 부서와 긴밀한 체계를 꾸준히 유지하는 것이 관건입니다. 때로는 타 부서와 연구소 상호 간 인력을 파견하거나 TF를 구성해 특별 프로젝트를 전개하는데, 유독 2023년은 공동 프로젝트가 많이 진행된 한 해였습니다.

외부 과제 및 협력 현황

학계 협업은 외부에서 최첨단 기술 역량을 수혈하고 급변하는 기술 트렌드를 받아들이기 위해 연구소가 중점을 두고 추진하고 있습니다. 카카오뱅크는 금융위원회의 ‘금융분야 AI 개발·활용 안내서’(2022년) 발간에 주도적으로 참여하였으며, 신뢰 가능한 AI 도입을 위한 AI거버넌스 체계를 수립했습니다. 또한 AI를 활용한 대고객 금융상품 서비스 신뢰 제고를 위해 국내 금융권 최초로 인공지능경영시스템(ISO/IEC 42001) 인증을 취득한 바 있습니다. 전사적 공로와 업적에도 불구하고 최근 화두인 LLM 토대 위에 안정성을 온전히 확보하려면 더 심도 있는 연구가 아직 많이 필요합니다. 연구소에서 이러한 기술 간극을 보완해 보고자 카이스트와 ‘금융분야 설명 가능 AI’, 고려대와 ‘금융분야 LLM 평가지표 개발’ 등 산학 연구과제 2건을 지난해 새로 착수하였습니다.
이외에도 연구과제 수립과 학술 성과 고도화에 조력을 받고자 자문교수 제도를 처음 시작했습니다. 첫 시도로 인하대, 성균관대와 자문 계약을 체결했고 점진적으로 중요 분야를 발굴해 탁월한 연구자들과 협력해 나갈 계획입니다. 국내 금융지주사들이 외부 기업과 공동 기술 개발을 하거나 초기 투자 목적으로 운영하는 핀테크랩 기능도 연구소가 해야 할 역할 중 하나입니다. 다양한 외부 협력 덕분에 학술 논문의 수준을 한 단계 높였고, 연구 분야 폭이 넓어지면서 FnGuide처럼 산업계 파트너와 함께할 기회도 만들 수 있었습니다.
금융기술연구소 3주년 기념 주요 성과 리뷰 3편 협력과 도전
금융기술연구소 3주년 기념 주요 성과 리뷰
Contents

연구 과제 현황

금융기술연구소(이하 연구소)는 지난 2023년에 다수의 과제 수행을 통해 국제 학회와 저널에 논문 4편을 개제했고, 국내와 해외 특허 출원을 이뤘습니다. 이전부터 이어져온 연구과제 결과물들을 포함해 가장 많은 성과를 낸 한 해였으며, 설립 3년 만에 이뤄낸 결과물로는 매우 우수하다고 자부하고 있습니다. 내부 과제들은 카카오뱅크 대내외 서비스와 밀접도에 따라 크게 ‘기초 연구’와 ‘응용 연구’로 2가지로 구분되고, 연구과제를 본격적으로 착수하기 전에 초기 아이디어나 타당성을 검증하기 위한 ‘탐색적 연구’도 수행하고 있습니다.
탐색적 연구는 소수 연구원이 짧은 기간 동안 파일럿 실험으로 PoC를 해보거나, 스터디 그룹을 만들어 집중적으로 학습하는 형태도 포괄합니다. 작년에는 하루가 다르게 발전하는 LLM 트렌드를 연구 내용에 반영하기 위해, 특별히 긴급 PoC 프로젝트를 별도로 진행하면서 현업 부서와 기술 효용성을 깊게 따져보기도 했습니다. 덕분에 최신 AI 기술에 대한 카카오뱅크 내부 이해도 증진에 연구소가 큰 기여를 했고, PoC 중에 정식 연구과제로 발전하거나 실제 서비스에 적용되는 기술도 나오게 되었습니다.

논문•특허 분야

2023년은 연구소 성과들이 여러 분야로 넓어지고 국제적 인지도를 확보할 수 있어서 질적으로도 크게 성장한 한 해였습니다. 고객 인증 시 개인 정보 보호를 강화하는 연합학습, 입력 습관을 활용해 부정 사용을 방지하는 무자각 인식, 신용평가 모형 개선을 위한 생성형 AI처럼 금융 서비스에서 선진 기술들의 활용 방안을 구체화하는 데 성공했고, 블록체인 분야 특허도 출원했습니다. 이중 주요 성과들은 해외 저명 저널과 학회에 논문을 개제할 수 있었습니다.
카카오뱅크는 기술주도 회사답게 타 부서에서도 알고리즘 개발, 빅데이터 분석, 서비스 고도화, 운영 최적화에 관련된 핵심기술 개발을 해오고 있습니다. 연구소는 컴퓨터 비전 기반 사용자 인증, 비금융 정보 이용 신용평가 모형 개발, 사기 거래 및 유해 정보 탐지 등에서 유관 부서와 협력 연구를 진행 중입니다. 이 과정에서 논문 작성은 단연 주도하고 있으며, 특허는 전사의 20% 정도를 차지하고 있습니다.
금융기술연구소 3주년 기념 주요 성과 리뷰 2편 논문•특허
금융기술연구소 3주년 기념 주요 성과 리뷰
Contents

행사 소개 및 컨셉

2024년 1월 4일은 카카오뱅크 금융기술연구소가 개소한 지 3주년이 되는 날입니다. 개소 3주년을 기념하여 연구전략팀 Vida와 Louis는 2023년 연구성과들을 체험하고 관람할 수 있는 전시 행사로 꾸며보았습니다. 행사 이름 <Seedning>은 ‘상상의 씨앗(Seed)을 가꾸어 현실의 혁신으로 만들어내는 연구를 지속(Ing)함’을 의미합니다. 단순한 기술 설명을 벗어나, 연구소 연구성과들을 AI와 다양한 미디어 기술로 시각화하여 관람객들이 쉽게 이해하고 체험할 수 있도록 하였습니다.
OpenAI DALL-E 이후 눈부시게 발전한 생성형 AI와 멀티모달(Multi Modal)은 예술 분야에 독창적 영감과 표현 기회를 제공하고 있습니다. 특히 미디어아트(Media Art)는 오래전부터 과학과 예술의 결합(Art + Science)을 추구해 왔고, 최근 메타버스나 NFT와 같은 신기술을 접목하기도 했습니다. <Seedning>도 복잡한 코드로 구현되는 미디어아트를 생성형 AI로 한 달 만에 완성해, 어려운 금융 기술도 예술 작품처럼 될 수 있음을 보여줬습니다.

지난 3년 브리핑

금융기술연구소 3주년 기념 주요 성과 리뷰 1편 행사 소개
Contents

연구 배경

최근, 대규모 언어모델(Large Language Models, LLM) 등장으로 자연어처리 기술이 비약적으로 발전했으나 금융 용어 및 도메인 지식에 전문화된 언어모델은 부족해서 은행을 비롯한 금융기관에서 최신 언어모델을 쓰기에 아직 어려움이 많습니다. 사전학습 언어모델(Pre-trained Language Model, PLM)은 범용 언어모델보다 특정 도메인 이해도를 집중적으로 높이기 위한 방식입니다.
카카오뱅크는 기업 금융 정보 전문 기업인 에프엔가이드(FnGuide)와 함께 1년 여 동안 고품질의 한국어 금융 학습 데이터를 구축하고, 이 학습 데이터에 최적화시킨 KF-DeBERTa 언어모델을 국내 금융사 최초로 GitHub와 Hugging Face를 통해 대중에게 공개합니다. KF-DeBERTa는 학술적 공로를 인정 받아 지난 10월 35회 한글 및 한국어 정보처리 학술대회(HCLT 2023)에서 우수상을 수상하기도 했습니다. 모델 이름의 KF는 ‘Korean Finance’와 ‘Kakaobank + FnGuide’를 의미합니다.

문제 정의

일반 언어모델들은 아무리 모델이 크고 학습 데이터가 방대하더라도 범용 말뭉치(General corpus) 기반이라 높은 전문지식(Domain knowledge)이 필요한 분야에서는 한계를 보이는 경향이 있습니다. 그나마 공개된 데이터가 충분한 분야는 준수한 성능을 보이나 금융처럼 전문용어 사용이 많은 분야는 양질의 한국어 데이터 자체가 부족합니다. 특히 금융 산업은 법률 규제로 인해 자체 보유한 데이터를 외부에 공개하기 어려운 보수적 분위기가 강하며, 금융 관련 서비스에 언어모델이 쓰이려면 다음 3가지 요소가 보완되어야 합니다.
금융관련 서비스에 언어모델이 쓰이기 위해 보완되어야 할 3요소
한가지 전문 분야에 특화시키는 언어 모델은 과학기술 Galactica (Meta), 의료 Med-PaLM (Google), 법률 Legal-BERT (Athens University), 임상기록 GatorTron (Nvidia, University of Florida) 등 여러가지가 시도되고 있습니다. 금융 분야는 BloombergGPT (Bloomberg)와 FinBERT (Prosus)가 유명합니다. 주로 영어권 언어모델이며, 국내에서는 2021년 KB국민은행이 KB-ALBERT를 공개했지만 모델 파일은 별도 허가를 얻어야 받을 수 있습니다.
자연어처리 성능이 뛰어나다고 해도 무조건 거대한 언어모델을 활용하는 것은 개발 투자와 서비스 운영 비용 관점에서 부담스럽기도 합니다. 다양한 여건들을 고려해, 카카오뱅크와 에프엔가이드는 양방향(Bi-directional) 구조로 문맥을 양방향으로 이해하고 위치정보를 포함한 Disentangled Attention이 도입된 DeBERTa을 토대로 자체 금융특화 언어모델을 개발했습니다.
카카오뱅크의 금융특화 언어모델 KF-DeBERTa 개발기