KBI 금융 AI 리터러시 (K-ALFA) flashcards

32 cards. Read the term and the definition here. The deck at the top of this page is optional.

머신러닝

명시적 규칙 대신 데이터에서 패턴과 파라미터를 추정해 예측·분류를 수행하는 인공지능의 하위 분야로, 지도·비지도·강화학습으로 나뉜다.

생성형 AI

대규모 데이터로 학습한 모델이 텍스트·이미지·코드 등 새로운 콘텐츠를 확률적으로 생성하는 AI 범주로, 금융에서는 문서 요약과 상담 보조에 쓰인다.

지도학습

입력과 정답 라벨이 쌍으로 주어진 데이터로 모델을 학습시켜 새 입력의 정답을 예측하는 방식으로, 신용평가와 이상거래 분류가 대표 사례다.

재현율(Recall)

실제 양성 중 모델이 양성으로 맞힌 비율로 TP/(TP+FN)이며, 사기 거래나 부실 징후를 놓치지 않는 것이 중요한 금융 탐지 업무에서 핵심 지표다.

정밀도(Precision)

모델이 양성이라고 예측한 것 중 실제 양성의 비율로 TP/(TP+FP)이며, 오탐으로 인한 고객 불편과 비용을 줄이는 판단에 활용된다.

과적합

모델이 훈련 데이터의 잡음까지 학습해 훈련 성능은 높지만 새 데이터 일반화 성능이 떨어지는 상태로, 교차검증과 정규화로 완화한다.

데이터 누출

예측 시점에 알 수 없는 미래 정보나 타깃 관련 정보가 학습 특성에 포함되어 검증 성능이 실제보다 과대평가되는 오류를 말한다.

트랜스포머

자기어텐션으로 입력 토큰 간 연관성을 병렬 계산하는 신경망 구조로, 대규모 언어모델의 기반이며 긴 문맥 처리에 강점이 있다.

환각

생성형 AI가 사실이 아닌 내용을 그럴듯하고 유창하게 만들어내는 현상으로, 출처 대조와 검색증강생성으로 완화해야 한다.

지식 컷오프

언어모델이 학습 데이터에 포함된 시점까지만 지식을 가지므로 이후 발생한 금리·규제·시장 정보는 외부 검색 없이 정확히 답할 수 없다는 한계다.

프롬프트 인젝션

사용자 입력이나 외부 문서에 악의적 지시문을 삽입해 모델이 원래 지침을 무시하고 공격자 의도대로 동작하게 만드는 공격 기법이다.

검색증강생성(RAG)

모델이 답변 생성 전에 외부 지식베이스를 검색해 근거 문서를 참조하도록 하는 방식으로, 최신성 부족과 환각을 줄이는 데 쓰인다.

온도(temperature)

생성형 모델이 다음 토큰을 고를 때 확률 분포를 얼마나 평탄하게 만들지 정하는 값으로, 낮으면 일관되고 높으면 다양한 출력이 나온다.

자동화평가 설명요구권

신용정보법상 신용평가·대출심사 등 자동화평가 결과에 대해 정보주체가 그 기준과 결과에 대한 설명을 요구할 수 있는 권리다.

EU AI Act 위험분류

AI를 금지·고위험·제한위험·최소위험의 네 단계로 나누는 규제 체계로, 신용평가와 보험 리스크 평가 등 금융 AI는 고위험으로 분류된다.

대리변수 차별

성별·지역 등 보호변수를 직접 쓰지 않아도 그와 상관된 변수를 통해 간접적으로 불리한 결과가 발생하는 차별 형태로 공정성 점검이 필요하다.

AI 대화 고지

챗봇 등 생성형 AI와 상담하는 상황임을 이용자에게 명확히 알려 오인과 신뢰 오용을 방지해야 한다는 소비자 보호 원칙이다.

가명정보

개인을 식별할 수 없도록 가명처리한 정보로, 통계 작성·과학적 연구 등 제한된 목적에서 추가 정보 없이 활용할 수 있는 데이터 유형이다.

데이터 계보

데이터의 출처, 변환 과정, 사용 이력을 추적할 수 있게 기록한 체계로, 감사 대응과 모델 재현성 확보의 기반이 된다.

모델 드리프트

시간이 지나 입력 데이터 분포나 입력과 출력의 관계가 바뀌어 모델 성능이 저하되는 현상으로, 정기 모니터링과 재학습으로 관리한다.

3선 방어체계

1선 현업, 2선 리스크·컴플라이언스, 3선 내부감사로 역할을 분리해 AI 리스크를 통제하는 금융권 내부통제 구조다.

모델 검증

개발 조직과 독립된 주체가 모델의 성능·안정성·공정성·설명가능성·한계를 평가하고 문서화하는 절차로, 배포 전 승인의 근거가 된다.

데이터 품질 6요소

완전성, 유일성, 정확성, 유효성, 일관성, 적시성을 기준으로 학습 데이터의 적합성을 점검하는 프레임워크다.

비식별화

가명처리, 마스킹, 총계처리, 삭제 등을 통해 개인을 식별할 수 없도록 데이터를 변환하는 조치로 재식별 위험 평가가 뒤따라야 한다.

휴먼 인 더 루프

AI가 제안하고 최종 판단은 사람이 수행하도록 설계하는 운영 방식으로, 여신 승인과 보험 인수처럼 고영향 의사결정에 적용된다.

이상거래탐지(FDS)

카드·계좌 거래 패턴을 학습해 부정 거래를 실시간으로 식별하는 시스템으로, 룰과 머신러닝을 결합해 오탐과 미탐을 조정한다.

로보어드바이저

투자자 성향과 시장 데이터를 바탕으로 자산배분과 리밸런싱을 자동 제안하는 서비스로, 투자권유 단계에서 적합성 원칙 적용이 필요하다.

AML 의심거래보고

자금세탁 의심 정황이 있는 거래를 분석해 금융정보분석원에 보고하는 절차로, AI는 패턴 탐지와 문서 검토 보조에 활용된다.

보험 언더라이팅 보조

계약 인수 심사에서 위험도 평가와 서류 검증을 AI가 지원하는 활용으로, 거절·감액 시 근거 설명과 이의제기 절차가 요구된다.

자동화 편향

AI나 자동화 시스템의 제안을 비판 없이 신뢰하고 수용하는 인지 경향으로, 표본 재검토와 교차검증 절차로 통제해야 한다.

출력 검증 4단계

사실 출처 대조, 수치·계산 재확인, 규정 적합성 확인, 최종 승인자 서명의 순서로 AI 산출물을 확인하는 절차다.

감사 추적 로그

프롬프트, 모델 버전, 출력, 수정 이력과 사용 일시를 기록해 사후에 활용 경위를 재구성할 수 있게 하는 기록 체계다.