어피닛, 국제 금융학회 FMA 2026 참가… AI 신용평가 연구 공식 채택

- 비정형 대안 데이터를 활용한 AI 신용평가 연구, 글로벌 금융 학술 무대서 연이어 인정

- 대안신용평가시스템(ACS) 기반 실데이터로 뒷받침된 산학 공동연구 성과

[2026/10/15] AI 금융 기업 어피닛(AFINIT, 대표 이철원)은 노스웨스턴대학교(Northwestern University) 경제학 연구진과 공동으로 수행한 산학 연구 논문이 국제재무관리학회(Financial Management Association International, 이하FMA)가 주최하는 ‘2026 FMA Annual Meeting’의 발표 논문으로 공식 채택됐다고 15일 밝혔다.

어피닛은 앞서 ACM ICAIF 2025(세계 최고 권위 AI 금융 컨퍼런스)의 딥 서바이벌 모델링 부문에서 1위를 차지한 데 이어, APAD(아시아 태평양 파생상품 학회) 2026과 FMA 2026에서 잇달아 연구 성과를 발표하며 AI 금융 기술력에 대한 국제적 학술 검증을 이어가고 있다.

FMA는 1970년 설립된 국제 금융학회로, 재무적 의사결정에 관한 지식의 발전과 확산을 목표로 전 세계 금융 분야 연구자와 실무자, 학생을 연결하고 있다. FMA Annual Meeting은 금융 분야의 새로운 연구 성과를 발표하고 재무관리 및 관련 분야의 주요 현안을 논의하는 연례 학술행사다. 올해 행사는 10월 14일부터 17일까지 미국 플로리다주 에서 열린다.

이번에 채택된 논문은 ‘대안 데이터가 신용평가의 분배적 효과에 미치는 영향(Signals from SMS: Alternative Data and Distributional Effects in Credit Scoring)’으로, 기존 금융 이력 데이터 대신 SMS 등 비정형 대안 데이터(Alternative Data)를 AI 신용평가 모델에 적용했을 때 나타나는 효과와 계층별 분배적 영향을 분석한 연구다.

해당 논문은 행사 마지막 날인 17일 ‘머신러닝 세션’에서 발표될 예정이다. MIT 경영전문대학원의 지텐드라 아스와니(Jitendra Aswani) 박사가 토론자로 참여해 논문에 대한 논평과 피드백을 제공한다.

연구 결과, SMS 등 대안 데이터와 머신러닝을 결합한 대안신용평가시스템(ACS, Alternative Credit Score)의 예측력은 전통 신용점수 대비 약 33% 향상됐다. 특히 SMS 데이터는 대안 데이터 가운데 가장 큰 기여를 한 것으로 나타났다. 이 시스템은 신용 이력이 없어 기존 금융권에서 대출이 어려웠던 신규 차입자에게 대출 기회를 제공하는 등 금융 포용성(Financial Inclusion) 확대 효과를 실증했다.

연구진은 이러한 기술 혁신의 혜택이 상대적으로 금융 정보가 풍부한 계층에 더 크게 돌아가는 ‘분배적 효과(Distributional Effects)’가 존재함도 함께 규명했다. 이는 알고리즘의 편향이 아니라 계층별로 추출 가능한 정보량의 차이에서 비롯된 것으로, 진정한 포용적 신용평가를 위해서는 데이터 공유의 마찰과 정보 불균형을 함께 해소해야 한다는 정책적·설계적 시사점을 제시했다.

어피닛은 10년 이상 인도 시장에서 자체 대안신용평가시스템(ACS)을 운영하며 중·저신용자층과 금융 소외 계층의 행동 데이터를 축적해왔다. 이번 연구는 이러한 현장 데이터를 노스웨스턴대 경제학 연구진의 학문적 방법론과 결합해, AI 기반 포용적 신용평가 모델의 실증적 근거를 체계화했다는 점에서 의의가 있다.

이철원 어피닛 대표는 “이번 FMA 발표는 어피닛이 인도에서 10년간 축적한 대안 데이터와 AI 신용평가 역량이 글로벌 금융 학계에서 지속적으로 인정받고 있음을 보여주는 성과”라며, “ACM ICAIF와 APAD에 이어 FMA에서도 연구 결과를 공유하게 된 만큼, 인도를 넘어 글로벌 금융 소외 계층을 위한 AI 금융 인프라 구축에 더욱 속도를 내겠다”고 밝혔다.

한편, 어피닛은 신용평가, 승인 가능성 예측, 상품 추천, 리스크 관리 등 핵심 금융 의사결정 전 영역에 AI를 내재화하는 ‘AI Finance Decisioning Platform’ 전략을 추진 중이다. 범용 LLM 활용 수준을 넘어 자체 데이터와 금융 도메인 지식을 결합한 금융 특화 AI 인텔리전스 레이어를 구축함으로써 경쟁사가 단기간에 모방하기 어려운 차별화를 만든다는 전략이다. 이번 논문이 다루는 SMS 기반 대안 데이터 신용평가 연구는 이러한 AI 전략의 핵심 축인 ACS 고도화와 직결되며, 나아가 인도네시아를 비롯한 동남아시아 등 신규 시장 진출 시 적용 가능한 AI 신용평가 방법론의 이론적 기반을 마련한다. (끝)

###

.