문자메시지(SMS) 같은 비정형 대안 데이터를 머신러닝 신용평가에 적용한 연구가 국제 금융학회 무대에 오른다. 국내 AI 금융기업 어피닛(AFINIT, 대표 이철원)이 미국 노스웨스턴대학교 경제학 연구진과 함께 쓴 논문이 2026 FMA Annual Meeting 발표 논문으로 채택됐다. 연례회의는 미국 플로리다주에서 10월 14일부터 17일까지 열리며, 논문은 17일 발표될 예정이다.
채택된 논문의 제목은 ‘Signals from SMS: Alternative Data and Distributional Effects in Credit Scoring’이다. 대안 데이터가 신용평가의 분배적 효과에 미치는 영향을 다룬다. FMA는 1970년 설립된 국제 금융학회로, 정식 명칭은 국제재무관리학회다. 영문으로는 Financial Management Association International이라고 쓴다.
대안 데이터와 머신러닝을 결합한 ACS, 전통 신용점수보다 약 33% 향상
연구진은 SMS 등 비정형 대안 데이터를 머신러닝 기반 신용평가 모델에 적용해 예측 성능과 차입자 계층별 혜택 분배를 함께 분석했다. 예측 정확도가 높아지는 것과 금융 소외 계층이 실제로 받는 혜택은 별개의 문제라는 점에서 두 가지를 같이 본 것이다.
분석 결과, 대안 데이터와 머신러닝을 결합한 대안신용평가시스템(ACS)의 예측력은 전통적인 신용점수보다 약 33% 향상됐다. 여러 데이터 가운데 SMS의 기여도가 가장 컸다. 신규 차입자를 평가할 때도 대안 데이터를 활용할 수 있어 금융 접근성을 넓힐 가능성이 있다고 연구진은 제시했다.
혜택은 금융 정보가 풍부한 계층에서 더 크게
계층별로 보면 혜택이 균등하지는 않았다. 금융 정보가 풍부한 계층에서 혜택이 더 크게 나타났다. 연구진은 이 차이를 알고리즘 편향보다 계층별로 확보할 수 있는 정보량의 차이와 연결해 설명했다.
AI 신용평가가 금융 포용성을 높이려면 예측 성능뿐 아니라 데이터 접근성과 정보 불균형도 함께 고려해야 한다는 의미다.
이철원 대표 “인도를 넘어 글로벌 금융 소외 계층을 위한 AI 금융 인프라”
이철원 어피닛 대표는 “이번 FMA 발표는 어피닛이 인도에서 10년간 축적한 대안 데이터와 AI 신용평가 역량이 글로벌 금융 학계에서 지속적으로 인정받고 있음을 보여주는 성과”라고 말했다.
이 대표는 또 “ACM ICAIF와 APAD에 이어 FMA에서도 연구 결과를 공유하게 된 만큼, 인도를 넘어 글로벌 금융 소외 계층을 위한 AI 금융 인프라 구축에 더욱 속도를 내겠다”고 밝혔다. 어피닛은 ACM ICAIF 2025의 딥 서바이벌 모델링 부문에서 1위를 기록했고, APAD 2026에서도 연구 성과를 발표했다.
자체 서비스 적용 계획과 인도 사업
어피닛은 2014년 설립됐으며, 인도에서 AI 금융 플랫폼 트루밸런스(True Balance)를 운영하고 있다. 트루밸런스는 소액 대출·보험 등 금융상품 추천과 매칭, 결제 서비스를 제공한다.
회사는 이번 연구를 자체 금융 서비스에 적용할 계획이며, 금융 의사결정에 AI를 활용하는 AI Finance Decisioning Platform을 추진한다. 인도네시아 등 동남아 신규 시장에 적용할 신용평가 방법론을 확보한다는 구상도 갖고 있다. 금융 이력이 부족한 고객의 데이터를 분석해 금융회사와 고객을 잇는 플랫폼의 경쟁력을 높이는 것이 목표다.
17일 발표는 머신러닝 세션에서 진행된다. 미국 MIT 경영전문대학원 박사인 지텐드라 아스와니(Jitendra Aswani)가 토론자로 참여한다.