나라마다 자금세탁과 외화 불법유출을 막기 위한 금융정보분석원이 존재합니다. 금융정보분석원은 의심스러운 금융거래를 분석하고 자금의 이동을 추적하는 기관입니다. 최근 이러한 금융정보분석원에서도 인공지능(AI)을 적극적으로 도입하는 추세인데요. 인간이 수기로 해왔던 자금세탁•탈세 의심 금융거래 분석을 인공지능이 대체하면서, 세수효과를 극대화시킬 수 있게 되었습니다.

미국 FinCEN, 테러자금지원 심층분석에 인공지능 활용

미국 재무부 산하 금융범죄단속반(FinCEN)은 세계 자본 이동의 현황을 파악하는 기구입니다. 이곳은 인공지능을 활용해 혐의거래를 분석하는 데 집중합니다. 금융회사가 보고한 혐의거래의 직접적인 분석업무보다는 전략적 분석과 정보공유 역할을 하고 있습니다. 자금세탁이나 테러 자금지원의 신종수법과 지역적 경향 등에 대한 심층 분석에 알고리즘을 활용하는 일을 하고 있죠.

그 밖에도 자금세탁방지 관련 법령의 제정 및 집행, 불법 자금과 관련된 정보의 분석, 법 집행기관 등 관련 기관에 불법자금 조사에 필요한 금융정보의 수집, 유지, 공유를 위한 정보 네트워크를 구축하고 있습니다.

FinCEN은 법집행기관에서 자금세탁방지 활동에 도움을 줄 수 있는 자금세탁 사례 및 동향을 파악할 수 있도록 전략적 분석 위주의 시스템을 만들었습니다. 특히, 미국 국세청(IRS)은 FinCEN에 6종의 정보(고액현금거래보고, 카지노현금거래보고, 화폐수단반출입보고, 외국은행계좌보고, 고액초과수취거래보고, 혐의지역거래보고)를 제공하고 FinCEN의 Gateway와 플랫폼을 통해서 직접 접근합니다.

호주 AUSTRAC, 직원 3분의 1은 ‘데이터 사이언스’ 전문가

미국의 FinCEN과 유사한 기관인 호주 AUSTRAC는 인공지능을 적극 활용하고 있습니다. 다양한 통계기법을 심사분석에 활용하고 AI 기술 축적 및 인공지능 전문가로 구성된 분석팀을 운영하는 것이 특징입니다. AUSTRAC은 주정부, 자치구 정부 및 연방정부 법집행기관, 안보기관, 법무기관, 국세청, 관세청 등에 정보를 제공하고 있는데요. 이곳은 미국 FinCEN과 같이 개별 분석과 함께 법 집행기관을 지원하기 위한 정보공유 네트워크 구축에 초점을 맞춰 운영합니다.

호주는 2014년 말 기준 의심거래보고 건수가 급속히 증가하는 추세입니다. CBM-PC(현금반입, 반출) 보고건수는 전년 대비 약 160% 증가했고, CBM-BNI(현금유사 유가증권 반입, 반출) 보고건수는 같은 기간 약 106% 늘었습니다.

금융회사에 보고된 모든 의심거래는 TRAQ(AUSTRAC’s Transaction Reports Analysis and Query, 데이터베이스)에 축적합니다. 축적된 데이터를 기반으로 TargIT(AUSTRAC’s automated monitoring system, 정보분석시스템)을 통해서 의심거래를 분석하는데요. 이를 세금기관, 법 집행기관, 안보 관련 기관 등에 금융정보를 수집, 분석해 제공하는 구조입니다.

법 집행기관에서는 AUSTRAC에서 제공한 분석보고서에 대한 피드백을 제공하고, AUSTRAC에서 제공하는 TES(TRAQ Enquiry System, 정보공유시스템) 시스템을 통해 직접 TRAQ 데이터베이스에서 필요정보를 검색합니다. 단, 법 집행기관마다 정보 접근 허용과 차단에 관한 정책과 전략을 마련하고 검색한 정보에 대해서는 철저한 추적관리를 시행하고 있습니다.

2012년 정보공유시스템(TES) 사용자는 3,000명 정도이나 월별 200만 건을 검색하는 등 지속적으로 정보 검색건수가 증가하고 있습니다. AUSTRAC의 정보시스템은 자금세탁 및 테러 자금조달에 관한 국가 차원의 ①통합 데이터베이스(TRAQ), ②보고시스템, ③인공지능(AI)을 포함하는 다양한 분석시스템, ④정보공유시스템(TES)으로 구성됩니다.

100명 정도의 IT 및 통계를 전공한 데이터 사이언스(Data science) 전문 분석가가 분석업무를 전담합니다. 전체 직원 330명 중 3분의 1이 자체 IT 인력인 셈입니다. 이들은 개발 플랫폼 관리, 공유시스템 구축, 추적관리, 보안 업무를 철저히 수행합니다. 심사분석 시 다양한 통계도구 및 기법을 활용하고 있으며, 정보공유시스템의 경우 철저히 추적이 가능하도록 법 집행기관과 연계 구축합니다.

특히 인공지능 활용을 위해, 2013년부터 2016년까지 호주 RMIT대학과 함께 ‘복합금융거래와 조직범죄 네트워크에 대한 데이터마이닝 태스크포스(TF)’를 구성해 인공지능을 활용한 분석기법 개발했습니다. 인공지능을 전공한 박사급 12명이 여러 거래가 복합된 네트워크 혐의도를 분석하는데 인공지능을 활용하는 방식입니다.

룰베이스 기반의 개별거래 위주의 의심거래 혐의도 분석이 아니라, 관련자 간의 거래를 하나의 네트워크 그룹으로 정의하고 거래 네트워크 그룹의 혐의도를 종합 분석하는데요. 거래 네트워크 정의가 용이한 전신송금, 현금 예금 등 업무에 서포트 벡터 머신(SVM), 랜덤 포레스트(Random Forest) 등 머신러닝 알고리즘을 활용합니다.

기존 고객 및 거래 중심의 자금세탁 위험측정 방식에서 다수의 거래자를 포함한 금융네트워크 전체에 대한 분석 모델로 진화한 것입니다.

한국 FIU, ‘인공지능 기반 차세대 자금세탁방지 분석 시스템’ 구축

한국도 이러한 미국, 호주 기법을 벤치마킹하고 있습니다. 2001년 출범한 금융위원회 산하 금융정보분석원(FIU)은 2017년 60억을 투입해 ‘인공지능 기반 차세대 자금세탁방지 분석 시스템’을 구축할 예정입니다. 금융정보분석원이 설립이래 인공지능을 활용하는 것은 이번이 처음입니다.

금융정보분석원은 은행•증권사 등 금융회사로부터 탈세•횡령•마약 거래 등 범죄에 관련된 것으로 의심되는 금융거래 명세를 분석해 검찰•국세청•중앙선거관리위원회 등 법집행기관에 넘겨주는 역할을 합니다.

정부 부처인 금융위원회 산하에 있지만, 독립적으로 운영됩니다. 법무부•국세청•관세청•경찰청•한국은행•금융감독원 등 관계기관에서 파견 나온 전문인력이 근무하고 있습니다. 금융기관에서 2,000만 원 이상 고액 현금거래를 하는 경우(CTR), 자금세탁•탈세 등 범죄가 의심되는 거래를 하는 경우(STR), 이에 대한 정보는 금융정보분석원에 넘어갑니다.

우리나라는 복잡한 금융상품이나 서비스가 늘고 새로운 자금세탁 유형도 폭발적으로 증가하면서 신속한 대응과 정교한 분석이 필요한 상황입니다. 금융기관이 금융정보분석원에 보고한 의심거래(STR)정보 건수는 급증하는 추세입니다. 의심거래는 2005년 4만 건에서 2016년 80만 건으로, 10년 동안 20배 급증했습니다.

현재 6,000개 금융회사에서 들어오는 의심거래들은 매년 늘고 있지만, 기존 제한된 인력이 건건이 수기로 분석하다 보니 속도와 정확도가 떨어지는 상황입니다. 실제 우리나라 경제 규모는 미국의 10분의 1에 불과하지만, 의심거래 정보는 미국(230만 건)의 3분의 1 정도로 상당히 많은 수준입니다.

혐의거래보고를 기준으로 파견인력 중심의 수기 검사에 그치고 있다 보니, 노하우나 지식이 남지 않고 새로운 유형이나 패턴을 찾아내는데 많은 시간이 걸리는 상황입니다. 이를 해결하기 위해, 데이터마이닝, 딥러닝 등 인공지능 기술과 다양한 통계기술을 활용해서 정교한 분석과 새로운 자금세탁 유형을 신속하게 찾아낼 수 있도록 차세대 심사분석 시스템 구축한다는 계획입니다.

금융정보분석원에 축적된 방대한 데이터베이스를 활용해서, 머신러닝 등의 인공지능 기술을 이용해 새로운 자금세탁 패턴이나 유형을 지속해서 찾아내도록 구축합니다. 기존 고객 및 거래 중심의 자금세탁 위험측정 방식을 벗어나 다수의 거래자를 포함한 금융네트워크 전체에 대한 분석 모델을 개발하는 중입니다.

금융정보분석원은 AI 기반 차세대 자금세탁방지 분석 시스템 활용 시범사업으로 ‘환치기’ 분야를 선정했습니다. 기존 수기로 2~3개월 소요되던 작업이 수일로 줄어들면서 자금세탁이나 불법 외환거래에 대한 추적을 강화하는 것입니다.

환치기란 어떤 국가의 계좌로 돈을 입금하면 상대 국가에 있는 환전상이 이를 통보받고 환율에 따라 금액을 계산해 현지 화폐로 찾는 불법 외환거래 수법입니다. 송금 내용이나 목적이 당국에 알려지지 않아 비자금 조성이나 세금 탈루에 주로 쓰이죠.

금융정보분석원 관계자는 “그동안 국내에서 여러 송금인이 외국 단일 계좌로 송금하고, 또 외국에서 입금되는 계좌 중에 비슷한 규모로 국내에 들어오는 의심거래를 하나하나 찾아서 사람이 대조했다”며 “인공지능을 통해 의심되는 여러 복합거래 패턴을 학습시켜 환치기 모델을 만들면 손쉽게 적발할 수 있다”고 말했습니다. 사람이 일일이 했을 때 길게는 2~3개월이 걸렸지만, 인공지능을 적용하면 2~3일로 단축돼 업무 효율성이 극대화될 것으로 예상했습니다.

한편 한국거래소도 인공지능을 활용한 ‘차세대 시장감시시스템’ 구축한 바 있습니다. 한국거래소의 이 시스템은 인공지능으로 이상 거래나 시장교란 등 불공정거래행위를 적발합니다. 이상 거래가 적발되면 불공정거래가 발생하기 이전에 해당 종목 등에 대한 투자를 경고하거나 차단합니다. 또 인공지능을 통해 빅데이터를 분석해 이상 거래인지 여부를 판단하는 거래내역 적출 및 분석을 기존 2일에서 약 1시간으로 약 16배 처리시간을 단축했습니다.

앞으로 우리나라에서 인공지능(AI) 기반의 금융거래 분석시스템이 정착되면, 의심스러운 거래분석의 정확성과 속도가 향상돼 불법금융거래 차단이 선진국 수준으로 더욱 정교하게 될 것으로 예측됩니다. 우리나라의 인공지능 활용이 한 단계 성숙하고, 불법•편법 금융거래도 효율적으로 막는 중요한 성공사례가 되길 기대합니다.

글 l 김지혜 l 전자신문 금융 IT 전문기자 (저서: 로보 파이낸스가 만드는 미래 금융 지도)

[연재 글 보기]

• 2017년, IT와 금융의 융합 – [1편] 챗봇으로 그리는 금융산업의 미래
• 2017년, IT와 금융의 융합 – [2편] 블록체인이 금융산업에 미치는 영향
• 2017년, IT와 금융의 융합 – [3편] 인공지능이 몰고 온 자산관리 혁신, 로보어드바이저
• 2017년, IT와 금융의 융합 – [4편] 인공지능과 신용평가시스템(CSS)의 만남
• 2017년, IT와 금융의 융합 – [5편] 인공지능, 불법금융거래 차단한다.