최근 압도적인 화두는 인공지능(AI)과 머신러닝(ML)을 둘러싼 모든 것입니다. 이러한 기술은 사회 전반에 어떤 의미가 있으며, 일상 생활에 어떻게 접목될까요?
대규모 언어 모델(LLM)은 인간의 지능을 모방할 수 있는 AI의 한 유형입니다. 방대한 양의 데이터를 분석하여 단어와 구문 간의 패턴과 연결 관계를 학습합니다. 이러한 LLM은 다음과 같은 생성형 AI 챗봇의 알고리즘 기반이 됩니다. OpenAI의 ChatGPT 그리고 Google의 음유시인. 생성형 AI는 텍스트, 동영상, 이미지 및 기타 유형의 콘텐츠를 생성할 수 있는 머신 러닝의 한 형태입니다. 사용자가 프롬프트 형태로 텍스트를 입력하면 LLM이 이를 이해하고 이에 대응하여 사람과 유사한 콘텐츠를 생성합니다.
이러한 유형의 기술에 대한 사용자 수준에서의 가능성은 무한합니다. 쓰기 프롬프트를 요청하고, 어려운 연구 질문을 하고, 수학 방정식을 입력하고, 코딩 도움을 받을 수도 있습니다. 기업 수준에서 AI를 활용하는 사례도 계속해서 폭발적으로 증가하고 있습니다. 다양한 산업 분야의 수많은 카우치베이스 고객들이 고객에게 더 나은 경험을 제공하기 위해 비즈니스에 AI를 활용할 계획을 세우고 있습니다.
금융 서비스 산업에서의 인공 지능
AI가 이미 중추적인 역할을 하고 있는 분야 중 하나는 금융 서비스 업계에 사기를 방지할 수 있습니다. 금융 사기는 많은 핀테크 스타트업의 덜 성숙한 기술 인프라를 악용할 수 있는 기회가 증가함에 따라 금융 회사가 직면한 가장 큰 도전 과제 중 하나라고 할 수 있습니다. 이미 전 세계 경제에 3조 8,900억 파운드(미화 약 1조 4,500억 달러)의 손실을 입힌 금융 사기의 영향은 핀테크 기업이 올바른 기술을 구현하지 않는 한 더욱 악화될 것입니다.
기존 은행의 광범위한 사기 부서와 콜센터가 없는 온라인 핀테크 스타트업의 경우, 사기를 탐지하고 예방하는 것은 비용이 많이 들고 노동 집약적인 프로세스가 될 수 있습니다.
Revolut은 AI와 ML을 사용하여 사기 탐지를 강화합니다.
Revolut 는 사람의 개입 없이 사기 거래를 식별하고, 고객에게 알리고, 결제를 허용하거나 차단할 수 있는 완전 자동화된 시스템이 필요했습니다. 이를 위해 머신 러닝 기반의 카드 사기 방지 시스템인 Sherlock을 개발하여 증가하는 금융 사기의 위협에 대응했습니다.
셜록은 1,200만 명 이상의 고객을 대상으로 50밀리초 이내에 거래를 지속적으로 자율적으로 모니터링합니다. 의심스러운 거래로 판단되면 구매를 차단하고 고객의 카드를 동결한 후 고객에게 사기 거래 여부를 확인하라는 푸시 알림을 보냅니다. 고객이 합법적인 거래라고 응답하면 카드가 차단 해제되고 다시 구매할 수 있습니다. 그러나 고객이 거래를 인식하지 못하면 카드가 해지되고 무료 카드 교체를 주문할 수 있습니다.
Sherlock은 사용자 및 판매자 프로필이 저장되어 거래의 사기 여부를 평가하는 순간 바로 검색할 수 있는 Couchbase의 NoSQL 데이터베이스를 기반으로 구축되었습니다. 사용자와 판매자에 대한 데이터가 빠르게 변화함에 따라 Revolut은 빠르게 대응할 수 있는 속도와 민첩성을 갖추고 수백만 개의 문서를 처리할 수 있는 확장성을 갖춘 데이터베이스가 필요했습니다.
이러한 혁신의 결과는 놀랍습니다. 셜록의 성능 덕분에 사기 거래를 방지하여 연간 $3백만 달러 이상의 고객 돈을 절약하고 있으며, 업계 평균이 약 7-8센트인 것에 비해 사기로 인해 손실되는 금액은 $100 중 1센트에 불과합니다. 셜록은 96+% 이상의 사기 거래를 탐지하고 방지하며 머신 러닝 알고리즘을 지속적으로 개선하고 있습니다.
FICO와 웰스파고는 사기 거래로부터 고객을 보호합니다.
FICO 그리고 웰스 파고 는 비슷한 사연을 가진 카우치베이스 고객으로, AI를 활용하여 사기 청구로부터 고객을 보호하고 있습니다. FICO의 Falcon 사기 관리자 는 전 세계 신용/직불 카드의 65%를 탐지하는 세계 #1 사기 탐지 플랫폼으로 널리 알려져 있습니다.
Falcon Fraud Manager는 거래를 엔드투엔드 모니터링하여 신용카드, 직불카드, 선불카드, 상업용 카드, 디지털 결제(실시간, P2P 애플리케이션인 Zelle, Venmo, FedNow, CashApp 등 포함), 계좌 간 및 계좌 간 이체에서 사기를 탐지하고 방지합니다.
다운타임은 사기 및 회사의 매출 손실을 의미하므로, 오프라인과 온라인에서 신규 통신 고객에게 신용 확인, 사기 심사, 타겟팅된 제안을 제공하기 위해 FICO를 선택했을 때는 높은 거래량과 함께 고가용성을 제공할 수 있는 NoSQL 데이터베이스가 필요했습니다. 속도, 확장성, 가용성, 대용량 XML 객체 지원을 위한 지속성 측면에서 Cassandra와 MongoDB™를 제치고 Couchbase가 선택되었습니다.
Wells Fargo는 사기 모니터링 인프라를 지원하기 위해 Couchbase와 함께 FICO의 Falcon Fraud Manager를 활용하고 있습니다. 웰스파고는 내부 및 타사 데이터에 머신 러닝 분석을 적용하여 정교한 사기 공격을 실시간으로 식별하고 이에 대응하고 있습니다. 현재 100%의 트랜잭션을 실시간으로 처리하고 있으며, 이는 하루에 총 5천만 건 이상의 트랜잭션을 10ms 미만의 작업 시간으로 처리합니다.
이는 이러한 유형의 사용 사례의 시작에 불과합니다. 카우치베이스 고객들은 계속해서 혁신의 선두에 서서 고객에게 더 나은 경험을 제공하기 위해 비즈니스에 AI를 도입하고 있습니다.
