ABACUS 같은 AI 신용평가 만들기: LightGBM 점수와 SHAP 설명

핵심 요약

1. AI 신용평가 서비스 개발은 금융사·플랫폼 담당자가 평가 점수와 근거, 운영 중 위험 변화를 함께 확인하도록 설계합니다. 2. OpenDART·Upstage Document Parse로 입력 자료를 정리하고 LightGBM으로 예측하며 SHAP으로 변수별 기여도를 설명합니다. 3. 데이터 결합, 검증, 점수 변환, 심사 기준, API 제공과 모델 운영 관리는 자체 로직으로 구현합니다.

대한민국 금융·핀테크 기업 AIZEN의 에이젠글로벌 아바커스(ABACUS)는 금융 모델의 구축·배포·관리를 지원하는 금융 AutoML 솔루션입니다. AutoML은 모델 개발 과정의 자동화를 뜻합니다. 크레딧커넥트(CreditConnect)는 ABACUS를 기반으로 금융 기능을 서비스로 제공하는 BaaS입니다. 데이터 플랫폼과 금융기관을 연결해 플랫폼 고객의 금융 접근을 돕습니다.

유사 서비스를 만들 때의 핵심 가치는 흩어진 자료를 평가 가능한 입력으로 바꾸고, 점수와 근거를 심사 업무에 연결하는 데 있습니다. 아래 기술 조합은 이를 구현하는 대안이며 AIZEN의 비공개 내부 기술을 설명하는 것은 아닙니다.

OpenDART와 문서 AI로 평가 입력 만들기

기업 식별정보와 사업연도를 입력하면 OpenDART API에서 국내 공시 대상 기업의 재무제표·계정·지표를 가져오는 흐름을 설계합니다. 상장법인과 일부 주요 비상장법인의 공시 재무정보가 대상이며, 모든 기업의 자료나 완성된 신용점수를 공급하지는 않습니다.

별도로 확보한 PDF·이미지는 Upstage Document Parse AI API로 문단·표·좌표를 구조화합니다. 자체 로직은 보고기간·금액 단위를 맞추고 계정을 연결하며, 인식한 값과 원본 위치를 검수하도록 구성합니다. 출력은 출처를 추적할 수 있는 표준화된 재무 입력표로 정리합니다.

비금융 데이터 신용평가에는 이용 권한을 확보한 거래·정산·상환 자료가 별도로 필요합니다. 개인·비공시 판매자 데이터와 동남아 현지 신용자료를 OpenDART로 대신할 수는 없습니다.

LightGBM 신용평가 모델과 이상거래 모델 분리하기

신용평가에는 평가 시점까지의 거래·재무 변수와 이후 일정 기간의 연체 여부처럼 학습 목표를 나타내는 정답 데이터를 입력합니다. 오픈소스 학습 프레임워크인 LightGBM은 이 데이터를 이용해 분류·예측 모델을 학습합니다. 자체 로직은 변수 생성과 결측 처리를 맡고, 평가 시점 이후의 정보가 학습 입력에 섞이지 않도록 통제합니다.

검증은 과거 자료로 학습한 모델을 이후 시점의 자료에 적용하는 방식으로 설계합니다. 예측 확률을 실제 관측 비율에 맞추는 확률 보정도 별도로 수행합니다. 출력은 검증된 모델과 위험 예측값이며, 이를 업무용 점수로 바꾸는 규칙은 따로 정의합니다.

이상금융거래 탐지는 거래 단위 입력과 이상거래 여부를 기준으로 별도 모델을 설계합니다. 신용평가·이상거래 탐지(FDS)·자금세탁 방지(AML)는 목적과 판단 기준이 다릅니다. LightGBM만으로 금융 AutoML 플랫폼이 완성되지는 않으므로 모델 탐색·비교·배포 관리도 자체 개발 범위에 포함합니다.

SHAP 신용평가 설명을 검토 화면에 연결하기

학습된 LightGBM 모델과 한 건의 평가 입력을 SHAP의 TreeExplainer에 전달하면 예측에 대한 변수별 기여도를 구할 수 있습니다. SHAP은 예측 설명용 오픈소스 라이브러리로, 재무자료를 공급하거나 별도의 신용점수를 만드는 API와 역할이 다릅니다.

자체 로직은 비교 기준 데이터와 설명할 출력 척도를 정하고, 변수명을 담당자가 이해할 수 있는 업무 용어로 연결합니다. 출력 화면에는 점수에 영향을 준 항목과 방향, 해당 입력의 원자료를 함께 표시하도록 설계합니다. 신용평가 결과 설명을 검토한 담당자의 의견과 처리 이력도 저장합니다.

SHAP의 기여도는 모델이 해당 예측을 낸 방식을 이해하는 단서입니다. 특정 변수가 연체의 원인이라는 뜻은 아니며, 모델의 정확성이나 공정성을 보증하지도 않습니다.

신용평가 API 구축으로 심사 업무에 점수 전달하기

심사 시스템이 평가 대상 식별값과 기준 시점을 보내면 자체 API가 허용된 자료를 조회하고 학습 때와 같은 규칙으로 변수를 생성합니다. 이어 배포한 LightGBM 모델로 예측하고, 자체 점수 변환 규칙을 적용합니다. 응답에는 점수·주요 설명 항목·기준 시점·모델 버전을 담도록 설계합니다.

이 API는 유사 서비스를 위해 직접 만드는 연동 창구입니다. 입력 누락 시 처리, 접근 권한, 요청 기록, 심사 담당자에게 넘길 조건은 별도 로직으로 구현합니다. 대출 심사 자동화에서도 예측 점수와 최종 승인 정책을 구분해 연결합니다.

CreditConnect 공식 소개의 공급 지역에는 싱가포르·베트남·인도네시아가 포함됩니다. 이는 대한민국 소재 기업이라는 정보와 구분해야 하며, 국가별 이용 가능한 데이터와 금융기관 연결 범위는 실제 도입 조건에 맞춰 확인합니다.

신용 리스크 모니터링과 모델 교체 절차 만들기

운영 중 쌓이는 입력·예측 기록과 이후 확인된 상환 결과를 모니터링 입력으로 사용합니다. 자체 집계 로직으로 결측률·입력 분포·예측 성능의 변화를 계산하고, SHAP으로 주요 변수 기여도의 변화도 살펴봅니다. 상환 결과가 아직 없는 건은 성능 평가 대상과 구분합니다.

자체 운영 로직은 경보 기준과 담당자 검토 절차, 재학습·모델 교체·이전 버전 복귀 조건을 관리합니다. 출력은 위험 변화 대시보드와 검토 목록, 모델별 이력입니다. SHAP 설명과 성능 감시를 함께 보되, 모델 교체 여부는 별도의 검증 결과로 판단하도록 구성합니다.

유사한 금융 AI 솔루션을 만들고 싶다면 필요한 평가 기능, 확보한 입력 자료, 연결할 심사 업무를 정리해 트램스 AI에 제작을 문의해 주세요. 데이터 연결부터 점수 API와 운영 화면까지의 제작 상담은 https://trams.co.kr/ai-si/contact/#inquiry 에서 시작할 수 있습니다.