ICAIF 2025: 금융 AI의 현재와 미래를 엿보다
카카오뱅크 기술연구소가 금융 AI 학회인 ICAIF 2025에 참석하여, 연구 성과를 발표하고 금융 AI 분야의 최신 동향을 공유
강화학습(Reinforcement Learning)과 에이전트 시스템(Agent System), 차세대 투자 전략, AI 신뢰성 확보 등 3가지 핵심 연구 분야를 심층적으로 분석
카카오뱅크는 LLM을 활용하여 금융 정보 검색 시스템의 성능을 평가하는 쿼리 생성 파이프라인(Query Generation Pipeline)을 제안
학회에서 자율 에이전트의 시장 조작 가능성, 윤리적 문제 등 AI의 잠재적 위험성에 대한 논의가 활발하게 진행됨
카카오뱅크는 학회 경험을 바탕으로 안전하고 신뢰할 수 있는 금융 AI 개발에 더욱 집중할 계획
강화학습(Reinforcement Learning)과 에이전트 시스템(Agent System)의 부상
ICAIF 2025에서 강화학습(Reinforcement Learning)과 에이전트 시스템(Agent System)은 시장 시뮬레이션, 트레이딩 전략, 사기 탐지 등 다양한 분야에서 활용되며 가장 주목받는 연구 주제였다.
시장 시뮬레이션: 최적 운송 이론(Optimal Transport), 고성능 디지털 트윈(Digital Twin)을 활용한 실시간 시뮬레이션, 에이전트 기반 전략 분석 등 다양한 접근법 제시
실무 적용: 자산-부채 관리, 보험 가격 책정, 행동 강화학습 등에서 강화학습(Reinforcement Learning) 적용 사례 발표
윤리적 문제: 자율 트레이딩 에이전트의 시장 조작 가능성, 담합 없는 경쟁 환경 구현의 중요성 등 자율 에이전트의 부작용에 대한 연구도 활발히 진행
의사결정 중심 학습(Decision-Focused Learning) 기반의 차세대 투자 전략
ICAIF 2025에서는 예측 정확도보다 최종 포트폴리오 성과를 최적화하는 의사결정 중심 학습(Decision-Focused Learning)이 핵심적인 흐름으로 부상했다.
공분산 추정 및 수익률 예측: 의사결정 중심 학습(Decision-Focused Learning)의 효과를 증명하고, 대규모 포트폴리오로 확장하는 연구 발표
변동성 모델링: 금융공학의 수학적 제약 조건을 물리 정보 신경망(Physics-Informed Neural Networks)에 내장하여 확률적 국소 변동성 모델 보정
시계열 예측: 자산 간의 동적인 선행-지연(Lead-Lag) 패턴을 학습하는 모델(DeltaLag) 발표, 페어 트레이딩 분야에서 대조 학습(Contrastive Learning) 및 Attention 메커니즘(Attention Mechanism) 활용
AI 신뢰성 확보를 위한 평가, 윤리, 안전에 대한 고민
AI 기술의 발전과 함께, 성능, 윤리, 편향 등 AI의 안전성에 대한 문제가 중요하게 다뤄졌다. 특히 LLM의 신뢰성 확보를 위한 연구가 활발하게 진행되었다.
성능 측정: 텍스트, 표, 차트를 모두 이해하는 멀티모달 벤치마크(FinMR), LLM의 테이블 데이터 할루시네이션(Hallucination) 평가 프레임워크(FAITH) 제안
설명 가능성(Explainability): ProtoHedge, NeuralBeta-Interpretable(NBI) 등 해석 가능한 AI 모델 제시, 랜덤 포레스트 모델의 예측을 설명하기 위한 사례 기반 설명 방법론 연구
윤리 및 편향: LLM의 투자 분석 편향 분석, 시장 남용 사례에서의 윤리적 판단 평가 등 AI 윤리 및 편향에 대한 연구 활발
카카오뱅크의 쿼리 생성 파이프라인(Query Generation Pipeline)
카카오뱅크 기술연구소는 금융 정보 검색 AI의 성능 평가를 위한 쿼리 생성 파이프라인(Query Generation Pipeline) 연구 결과를 발표하여 Oral 세션에 채택되었다.
문제점: 기존 금융 정보 검색 시스템의 평가 방식은 방대한 질문과 답변 데이터가 필요하며, 수작업으로 생성 시 비용과 시간 소요
해결책: LLM을 활용하여 평가에 필요한 질문(쿼리)과 답변을 동적으로 생성하고, 답변 가능성(Answerability) 평가 모듈을 도입하여 고품질 평가 데이터셋 구축
결과: 기존 방식보다 효율적이고 일관된 방식으로 AI 모델의 성능을 평가할 수 있는 새로운 가능성을 제시, Oral 세션 발표
금융 AI 연구의 미래: 안전과 신뢰를 향하여
ICAIF 2025에서 AI 기술을 활용하여 이익을 극대화하려는 연구와 더불어, 금융 환경에서 AI를 안전하게 활용하기 위한 연구가 균형 있게 진행되었다. 특히, 고객 신뢰를 최우선으로 하는 은행의 입장에서 AI의 안전한 활용이 강조되었다.
LLM의 위험성: 할루시네이션(Hallucination), 편향(Bias), 과신(overconfidence) 등 LLM 도입에 따른 잠재적 위험 증가
미래 연구 방향: 모델의 한계와 위험을 정확히 이해하고 예측하는 연구, 모델의 실패를 예측하는 역량 강화
카카오뱅크의 목표: 학회 경험을 바탕으로 안전하고 신뢰할 수 있는 금융 AI 개발에 집중, 고객 중심의 AI 개발
