#이 기사에는 챗GPT가 작성한 문장이 한 줄 포함돼 있습니다. 기사를 읽어가면서 어떤 부분이 챗GPT가 작성했는지 찾아보는 것도 하나의 즐거움이라고 생각했습니다. 답은 기사 말미에 있습니다.
요즘 인공지능(AI) 기술이 말 그대로 '핫' 합니다. 오픈AI가 내놓은 '챗GPT(Generative Pre-trained Transformer)'가 예상보다 뛰어난 성능을 보이며 관심이 더 커진 상황입니다.
'챗GPT' 열풍에 다양한 업권이 주목하고 있지만 은행권도 빼놓을 수 없습니다. 다양한 디지털 기술중에서도 인공지능 기술은 인력을 대체해 은행 서비스를 시간과 공간 제약없이 제공할 수 있는 '핵심기술'로 여겨지기 때문입니다.
매년 디지털 기술의 정수를 한 데 모았다고 평가받는 국제전자제품박람회 CES에 지난 2022년 신한은행이 'AI뱅커'를 시연했던 것도 이러한 이유에서였습니다.
그런데 말입니다. 은행들이 준비하고 있는 'AI뱅커'는 '챗GPT'만큼 똑똑해질 수 없다는 사실을 알고 계신가요? 단순히 '기술력'의 차이 때문은 아닙니다. 그렇다면 왜 'AI뱅커'는 똑똑해질 수 없는걸까요.
AI는 어떻게 우리와 대화할까
AI뱅커가 '챗GPT'만큼 똑똑해질 수 없는 데에는 일단 AI뱅커에 사용되는 기술에 대한 이해가 필요합니다.
AI뱅커는 우리에게 익숙한 '챗봇'을 기반으로 합니다. '챗봇'이란 인공지능과 문자로 대화를 나누는 서비스를 이야기 합니다. 챗봇에 아바타 등을 입혀 실제 사람과 같이 구현하고 이를 문자가 아닌 말로 전달하는게 바로 은행권이 추구하는 AI뱅커 입니다.
그렇다면 이 '챗봇'은 어떻게 우리와 대화를 할까요?
여기에는 크게 두 가지 기술이 나뉘어 적용됩니다. 어떠한 대화가 오고갈지 서비스 제공자가 미리 여러가지 시나리오를 예상하고 이에 따른 답을 미리 정해두는 방식입니다. 이를 '룰 기반' 인공지능이라고 합니다.
예를 들어 사용자가 "적금 추천해 줘"라고 묻는다면 '적금'이라는 키워드와 '추천'이라는 키워드가 포함되 사전에 마련된 시나리오를 검색하고 이 결과를 사용자에게 전달하는 방식입니다.
또 하나의 기술은 인공지능이 다양한 데이터를 직접 수집해 스스로 깨우치게 하는 방법입니다. 이를 '딥러닝' 기술이라고 합니다.
사용자가 똑같이 "적금 추천해 줘"라고 질문하면 인공지능이 이 문장을 스스로 이해하고 이에 대한 답을 스스로 찾아낸다고 이해하면 쉽습니다. 사전에 적금과 추천이라는 키워드에 맞춘 시나리오에 기반한 답이 아닌 인공지능이 스스로 답을 찾아내 준다는 점이 다릅니다.
AI뱅커의 모태인 은행권 '챗봇'의 경우 이제 막 시장에 선을 보였을 당시에는 '룰 기반'형식을 채용했습니다. 하지만 점차 기술을 끌어올리면서 이제는 '딥러닝' 기술을 차용하기 시작했고 최근 은행들이 제공하는 '챗봇'의 수준을 상당 수준까지 끌어올렸습니다.
챗GPT 응답능력, AI뱅커 안되는 이유
챗GPT의 놀라운 점은 사용자가 내놓은 질문에 상당한 수준의 '대답'을 내놓는 다는 것에 있습니다. 그렇다면 이것은 어떻게 가능한 걸까요.
쉽게 이야기해서 챗GPT는 인터넷이라는 무한한 공간에 노출돼 있는 논문, 서적, 신문기사 등 다양한 데이터를 자신의 '머리'에 심습니다. 그리고 사용자가 질문을 하면 쌓아둔 데이터를 연산해 가장 적합한 대답을 내놓는다고 보면 됩니다.
AI뱅커가 챗GPT만큼 똑똑해질 수 없는 이유가 바로 여기에 있습니다. AI뱅커가 추구하는 바를 이루기 위해서는 이와같이 방대한 데이터를 수집해 대답을 내놓으면 안되기 때문입니다.
일단 은행들이 추구하는 AI뱅커의 궁극적인 목표는 '초개인화 된 금융비서'입니다.
AI뱅커에게 범용적인 질문을 내놓는다면 상당히 구체적인 대답을 내놓을 수 있습니다. 예를 들어 불특정다수의 사용자들이 똑같이 '적금 추천해줘' 같은 질문을 한다면 당행의 적금상품중 가장 많은 가입자를 보유한 상품 혹은 기본금리가 가장 높은 상품을 추천해줄 겁니다.
반면 모바일뱅킹 등에 로그인한 '특정 사용자'가 '적금 추천해줘' 같은 질문을 한다면 이야기는 달라집니다. 해당 사용자의 자산현황, 금융상품 가입현황, 소득, 소비패턴 등 다양한 변수를 고려한 이후 납입금액, 만기, 금리 등을 모두 고려해 이 사용자만을 위한 '대답'을 내놓는게 궁극적인 목표일겁니다. 그런데 아직까지 이런 대답을 끌어내기는 쉽지 않죠.
이러한 대답을 내놓기 위해서는 해당 사용자의 '데이터'를 수집해야 하는데 AI뱅커가 이를 수집하기에는 법적 허들이 너무 높습니다. 마이데이터 산업이 본격적으로 도입되면서 그나마 사용자의 정보 수집이 용이해졌다고 하지만 완벽한 대답을 위해서는 아직 부족하다는 게 업계 관계자들의 설명입니다.
그리고 AI뱅커가 '대답'을 내놓는 것이 적합하냐는 문제도 있습니다. 현재도 은행의 챗봇과 대화하다보면 '보이는 ARS'와 같이 정해진 답을 주는 느낌을 많이 받으실 겁니다. 이 역시 법적 테두리라는 한계 때문입니다.
앞서 말씀드린 것처럼 챗GPT는 스스로 학습한 이후 대답을 내놓는 과정도 스스로 학습을 통해 내놓게 됩니다. 그런데요 AI뱅커는 현재는 스스로 생각해 대답을 내놓으면 안됩니다.
핵심은 지난해 마련된 금융소비자보호법에 있습니다. 이 법의 핵심은 금융소비자가 금융 서비스를 이용할때 해당 서비스에 대해 정확하게 인지한 이후 가입했는지를 보는 것입니다. 예를 들어 금융투자상품에 가입할 경우 상품이 리스크를 확실하게 인지했는지 여부 등을 확인해야 합니다. 적합성과 적정성의 원칙입니다.
그런데 AI가 이러한 적합성과 적정성을 정확하게 따져볼 수 있느냐에 대해서는 부정적이라는 게 금융권 관계자들의 설명입니다.
은행 관련 부서 관계자는 "AI가 적용된 다양한 서비스를 내놓기 이전 가장 먼저 하는 일은 법무팀과 상의하는 일"이라며 "특정한 금융서비스를 제공하기 때문에 다양한 법적 제약이 많은데 특히 금융소비자보호법을 가장 많이 신경쓰고 있다"고 말했습니다.
이어 "기술적으로는 계속 발전해 나가면서 AI가 제공하는 금융서비스는 내부판단으로는 상당한 수준까지 끌어올릴 수 있다고 본다"라며 "핵심은 법적 제도 정비"라고 짚었습니다.
즉 AI 뱅커는 기술적으로 발전하고 있지만 한계점을 극복하고 발전시켜 나가기 위해서는 기술과 더불어 윤리적, 법적, 인프라적인 측면에서도 보완해 나가는 것이 중요하다는 거겠네요.
영화 아이언맨을 보면 주인공 토니 스타크 곁에는 늘 AI비서 자비스가 있고 토니 스타크의 문제를 해결해주죠. 언젠가는 우리도 금융서비스를 사용하면서 '자비스' 같은 '금융비서'를 둘 수 있지 않을까 생각해봅니다.
#챗GPT가 작성한 문장은 바로 위 "AI 뱅커는 기술적으로 발전하고 있지만 한계점을 극복하고 발전시켜 나가기 위해서는 기술과 더불어 윤리적, 법적, 인프라적인 측면에서도 보완해 나가는 것이 중요"부분입니다.
