KBI 금융 AI 리터러시 (K-ALFA) study plan

금융 산업 AI 활용의 5대 영역(신용평가, 이상거래탐지, 로보어드바이저, 챗봇 상담, 문서 자동화)을 각각 한 문장으로 정의한다

머신러닝·생성형 AI·규칙기반 자동화의 차이를 표로 3행 이상 작성해 구분한다

국내 금융회사가 실제 도입한 AI 사례 3건을 조사해 활용 목적과 기대효과를 요약한다

AI 리터러시가 금융 종사자에게 필요한 이유를 소비자 보호 관점에서 200자 이상 서술한다

지도학습·비지도학습·강화학습의 학습 방식 차이를 예시와 함께 설명한다

과적합과 일반화의 개념을 금융 신용평가 맥락에 적용해 설명한다

생성형 AI의 다음 토큰 예측 원리와 할루시네이션 발생 이유를 인과적으로 정리한다

학습 데이터 편향이 대출 심사 결과에 미치는 영향을 사례 형태로 구성한다

신용정보법·개인정보보호법·금융분야 AI 가이드라인의 핵심 의무를 조항 단위로 대조한다

설명가능성·공정성·책임성 원칙을 금융 AI 심사 시나리오에 각각 적용해 판단한다

AI 기반 상품 권유 시 요구되는 소비자 고지 사항을 목록화한다

자동화된 의사결정 거부 시 소비자가 행사할 수 있는 이의제기 절차를 정리한다

데이터 수집·저장·활용·파기 단계별 거버넌스 통제 항목을 나열한다

모델 리스크 관리 3선 방어 체계에서 각 주체의 역할을 구분한다

데이터 품질 이슈(결측·중복·시점 불일치)가 모델 성능에 미치는 영향을 진단한다

AI 리스크 유형을 운영·법규·평판 리스크로 분류하고 대응 방안을 매핑한다

여신 심사·자산관리·보험 언더라이팅·컴플라이언스 4개 업무별 AI 적용 지점을 도식화한다

각 업무에서 AI 산출물을 그대로 수용해선 안 되는 판단 지점을 식별한다

로보어드바이저 적합성 판단에서 인간 개입이 필요한 조건을 정리한다

업무별 AI 활용 시나리오 2건을 골라 기대효과와 한계를 함께 서술한다

AI 산출물 검증 절차를 사실 확인·출처 대조·논리 일관성·규정 부합 4단계로 설계한다

생성형 AI 답변에서 할루시네마션을 탐지하는 구체적 점검 질문 5개를 만든다

모델 성능 지표(정확도·재현율·AUC)를 업무 목적에 맞게 해석하는 기준을 세운다

검증 실패 사례를 로그로 남기는 기록 체계를 설계한다

도메인 2·3·5의 취약 개념을 스스로 진단해 우선순위 목록을 만든다

금융 AI 오판 사례를 규제·원리·업무 관점에서 삼각 분석한다

소비자 보호 관점의 민원 대응 시나리오를 역할별로 작성한다

혼동하기 쉬운 용어 20개를 짝지어 비교 정리한다

6개 도메인 전체를 관통하는 모의 문항 40개를 시간 제한 내에 풀이한다

오답 문항마다 근거 개념과 재학습 포인트를 한 줄씩 기록한다

도메인별 정답률을 산출해 70% 미만 영역을 재정리한다

실무 적용 관점의 최종 요약 카드 6장을 완성한다