생성형 AI의 RAG를 활용한 개인 신용대출 부도예측에 대한 연구

초록

금융 산업에서 빅데이터와 AI의 중요성이 커지면서, 신용 위험 관리에서의 활용이 핵심 과제로 떠오르고 있다. 부도 예측은 금융기관의 자산 건전성과 대출 심사 효율성을 높이는데 필수적이며, 이를 위해 전통적인 로지스틱 회귀에서 머신러닝 및 딥러닝 기술로 발전해 왔다. 최근 금융기관들은 생성형 AI와 LLM을 대출 심사에 적용하려 하지만, LLM이 금융 도메인의 세부 정보를 충분히 반영하지 못할 가능성이 제기된다. 이에 따라 정보 검색과 예측 정확도를 높이는 RAG 기술이 주목받고 있다. 본 연구에서는 개인 신용대출 부도 예측을 위해 RAG 기반 예측 모델과 RAG-LLM 결합 모델을 연구하였다. 실험 결과, 기존 로지스틱 회귀나 XGBoost 대비 예측성능이 낮았으며, 이는 신용 변수의 복잡성을 충분히 반영하지 못한 한계로 볼 수 있다. 또한, RAG-LLM 결합 모델 역시 기존 방법론 대비 낮은 예측 성능을 보여, 특정 금융 도메인에서 LLM의 한계를 시사하였다. 반면, 씬파일러(thin-filer)를 대상으로 한 RAG 기반 모델은 소규모 데이터 환경에서도 안정적인 예측력을 보여 대안적 접근법으로 활용 가능함을 확인하였다. 이러한 결과는 금융권에서 생성형 AI를 도입할 때 시행착오를 줄이는데 중요한 시사점을 제공할 것이다.

키워드