HSBC AI 자금세탁 탐지 — 기계가 더러운 돈의 흐름을 추적하다
전통적 자금세탁 방지(AML) 시스템은 규칙 기반으로, "일정 금액 이상 현금 거래"나 "고위험 국가 송금" 등 정해진 조건에 해당하면 경보를 발생시킨다.
성공 팩트
전통적 자금세탁 방지(AML) 시스템은 규칙 기반으로, "일정 금액 이상 현금 거래"나 "고위험 국가 송금" 등 정해진 조건에 해당하면 경보를 발생시킨다. 문제는 오탐률이 95% 이상이라는 점이다. 경보의 95%가 정상 거래인데, 수사관은 모든 경보를 검토해야 하므로 실제 범죄를 발견하는 데 막대한 시간이 소요된다. HSBC는 Google Cloud와 협업해 AI 기반 AML 시스템을 도입했다. AI는 거래 네트워크의 패턴을 분석해 진짜 의심스러운 거래를 우선순위로 올리고, 정상 거래 경보를 필터링한다. 오탐률을 크게 줄이면서도 실제 의심 거래 탐지율은 향상시켰다.
시너지의 본질
자금세탁 탐지에서 AI의 가장 큰 기여는 "더 많이 잡는 것"이 아니라 "헛수고를 줄이는 것"이다. 오탐 95%를 50%로 줄이면, 수사관은 같은 시간에 진짜 범죄를 발견할 확률이 극적으로 높아진다. AI가 "일을 더 시키는 것"이 아니라 "일의 질을 높이는 것"이다.
모듈 시너지
모듈 E(위험 상황): AI가 "정상"으로 분류한 거래 중에 실제 자금세탁이 포함되어 있을 수 있다. AI 필터링을 통과한 거래에 대해서도 랜덤 샘플링 검토를 유지해야 한다.
모듈 A(정보 검증): 자금세탁 수법은 끊임없이 진화한다. AI가 과거 패턴으로 학습했더라도, 완전히 새로운 수법(암호화폐 믹싱, 디파이 프로토콜 이용 등)에 대해서는 탐지력이 떨어질 수 있다.
방패 연결
방패 편 S-22(AI 재판관의 인종 편향) — AML AI가 특정 국적이나 민족의 거래를 불균형하게 높은 비율로 의심하면, 이는 금융 서비스에서의 차별로 이어질 수 있다. AI 편향의 문제는 금융 범죄 방지에서도 동일하게 적용된다.
→ 본편: 2부 3장 (모듈 E — 위험 상황), 2부 4장 (모듈 A — 정보 검증)