【토카티비-totocasinocomunity】 보증업체안전놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 먹튀피해사례공유

로그인

글쓰기

[연예뉴스]SAS, AI 기반 AML 경보 우선순위화 전략 공개…"진짜 위험 신호 먼저 찾는다"

온카뱅크관리자

2026-04-30 03:10:11

<div id="layerTranslateNotice" style="display:none;"></div>  <strong class="summary_view" data-translation="true">[SAS 2026] 노이즈 정보에서 진짜 위협 찾아야</strong> 
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="uY7l9c5Tvv">
          <figure class="figure_frm origin_fig" contents-hash="7a2635306023108d2ffab697668ca3d034e26ea05f44ad6dd9c344966ba441d3" dmcf-pid="7oOev9AilS" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/30/552796-pzfp7fF/20260430031012360csju.jpg" data-org-width="640" dmcf-mid="pZc4mUiPhy" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/30/552796-pzfp7fF/20260430031012360csju.jpg" width="658"></p>
          </figure>
          <p contents-hash="ce1c2af3c6dc50a59b1b5d1da64c4749a64550e275f98844a3476577e60be7c0" dmcf-pid="zgIdT2cnSl" dmcf-ptype="general">[그레이프바인(미국)=디지털데일리 이상일기자] SAS가 금융기관의 자금세탁방지(AML) 업무의 고질적 과제인 경보 과잉 발생과 조사 적체 문제를 해결하기 위한 인공지능(AI) 기반 접근법을 공개했다.</p>
          <p contents-hash="f5b75bcec85cdd3e2f8a21f8a9606558680a1b85b56e4c62cb1d3112eebea03e" dmcf-pid="qaCJyVkLhh" dmcf-ptype="general">미국 텍사스주 그레이프바인에서 4월 27일부터 30일(현지시간)까지 열리는 'SAS 이노베이트 2026(SAS Innovate 2026)'에서 맷 리터(Matt Ritter) SAS 수석 데이터 사이언티스트는 "AML 업무에서 AI는 기존 규칙을 대체하는 것이 아니라 쏟아지는 경보 가운데 조사 우선순위를 정교하게 정렬해 수사·준법 인력이 더 중요한 위험에 집중하도록 돕는 도구"라고 강조했다.</p>
          <p contents-hash="99b21a9d915f831e8fe9e4e82a45bd74a66eff18087338a8195c27e9382934c5" dmcf-pid="BNhiWfEolC" dmcf-ptype="general">금융기관의 거래 모니터링 시스템은 방대한 수의 경보를 생성하지만 조사 인력의 처리 역량은 제한적이다. 기존 룰 기반 시스템은 특정 조건을 충족하면 경보를 발생시키는 이분법적 구조가 많아 경보 간 위험도를 세밀하게 구분하기 어렵다.</p>
          <p contents-hash="1a5c2c7807db965b69eeea133a1d9df489a42ebb2af15ee1c3817931cf7f8bbb" dmcf-pid="bjlnY4DgTI" dmcf-ptype="general">조사자는 순서나 경험적 판단에 의존하게 되고, 위험도가 낮은 경보를 검토하는 데 많은 시간을 쓰면서 고위험 사건 검토가 지연된다.</p>
          <p contents-hash="3612b94dba7e69fa1629fcfe80d46a5a5e3650d611f4c8dde02662455eeb84de" dmcf-pid="KASLG8waTO" dmcf-ptype="general">SAS가 제시한 해법은 기존 AML 경보 생성 방식을 유지하면서 후단에 'AI 기반 경보 우선순위화 레이어(Alert Prioritization Layer)'를 추가하는 것이다.</p>
          <p contents-hash="dc011067ca53590e81664a0799abb00d2057e8a76037c8b5122032adc899575d" dmcf-pid="9cvoH6rNCs" dmcf-ptype="general">이 레이어는 이미 발생한 경보를 대상으로 금융범죄 위험도를 산정하고 위험 심각도에 따라 경보를 점수화·순위화한다. 기존 모니터링 룰을 전면 재구축하지 않고도 조사 큐의 우선순위를 데이터 기반으로 개선할 수 있다.</p>
          <p contents-hash="8a647a04c6bf4168677415d0ff44ec5b7729b5ab46717caa5229c9c13f425c94" dmcf-pid="2kTgXPmjlm" dmcf-ptype="general">모델의 핵심은 과거 조사 결과와 의심거래보고(STR)·의심활동보고(SAR) 신고 이력을 학습 데이터로 활용하는 감독학습 방식이다. 모델은 실제 신고로 이어진 사건과 그렇지 않은 사건의 패턴을 학습해 새로 발생한 경보의 위험 점수를 산출한다.</p>
          <div contents-hash="1447c69b00e75dd2848a83997a97a7c90daad3754ddbed849cb9a95ba1bec768" dmcf-pid="VgIdT2cnlr" dmcf-ptype="general">
           이 점수는 최종 판단을 자동화하기 위한 것이 아니라 조사 우선순위를 정하는 보조 지표로 사용된다. 최종 판단과 책임은 인간 조사자에게 남는다.
          </div>
          <figure class="figure_frm origin_fig" contents-hash="250080170cd6b2e07c55fce6a7763586d3e4876ec3153be74a6ee8611f13da27" dmcf-pid="faCJyVkLvw" dmcf-ptype="figure">
           <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/30/552796-pzfp7fF/20260430031013691ityb.jpg" data-org-width="640" dmcf-mid="UQqvVEtWWT" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/30/552796-pzfp7fF/20260430031013691ityb.jpg" width="658"></p>
          </figure>
          <p contents-hash="0cb1ab7c1b15c4e65db5074f4b2634d1caf2e78d74193c53de4797a9118daa89" dmcf-pid="4NhiWfEoyD" dmcf-ptype="general">전체 파이프라인은 AML 원천 시스템의 경보·거래·계좌·고객 데이터 통합에서 시작된다. 데이터 품질 점검과 ETL(추출·변환·적재) 과정을 거쳐 분석용 베이스 테이블을 구성하고, 원천 데이터를 모델 학습에 적합한 피처로 변환한다.</p>
          <p contents-hash="ffb0e87bbd9e171e4e5f7e5a85b77a80dcc3dfb26387fef3912ff0fa03d91cf0" dmcf-pid="8jlnY4DgTE" dmcf-ptype="general">여러 알고리즘이 학습·검증 과정을 거친 뒤 각 경보에 위험 점수와 10분위 구간을 부여하고, 결과는 조사자 업무 흐름에 통합된다. 이 과정은 하드코딩된 일회성 분석이 아닌 설정 기반 실행(Configuration-Driven Execution) 방식으로 운영돼 환경이 바뀌어도 재사용성과 유지보수성을 유지한다.</p>
          <p contents-hash="a1e846bb72df323e9e0c7359f7276d4b17c993f843e7bf6efd08979a06e8a51c" dmcf-pid="6ASLG8wahk" dmcf-ptype="general">거버넌스도 강조됐다. SAS는 학습, 검증, 점수화 단계를 분리해 데이터 누수를 방지하고 버전이 관리되는 실행 이력을 통해 재현성을 확보하는 구조를 제시했다. 내부 감사, 규제 대응, 이해관계자 커뮤니케이션에 필요한 근거를 남기는 방식이다.</p>
          <p contents-hash="34fe08a4228940b833477ea4b06cd9969c5aba93f0740e7060ff5a4a10673523" dmcf-pid="PcvoH6rNSc" dmcf-ptype="general">맷 리터 수석 데이터 사이언티스트는 준법감시 조직 입장에서 이 접근법은 세 가지 효과를 제공한다고 설명했다. 저위험 경보에 투입되는 시간을 줄여 조사 생산성을 높이고, 고위험 경보를 조기에 식별해 금융범죄 대응 속도를 높이며, 설명가능성과 버전 관리, 성능 모니터링을 통해 AI 도입에 필요한 감사 가능성과 내부 통제를 강화한다는 것이다.</p>
         </section> 
        </div> 
        <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p>

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기