[더밸류뉴스=편집자 ]

인공지능(AI) 자본시장에 초래하고 있는 변화와 영향, 전망을 분석하는 '인공지능이 자본시장 바꾼다' 시리즈를 연재합니다. 챗봇, 머신러닝 등의 인공지능은 증권사, 자본운용사, 은행의 일자리를 감소시키면서 당혹감을 불러 일으키고 있습니다. 한편으로는 새 일자리를 창출하고 있다는 지적도 있습니다. 인공지능이 자본시장에 불러 일으키고 있는 명암을 심층분석하겠습니다

[더밸류뉴스=신현숙 기자] # 사례 1 : 대신증권은 2017년부터 대화형 상담 챗봇 '벤자민'을 운영하고 있다. 가치투자의 창시자 벤저민 그레이엄(Benjamin Graham)에서 이름을 따온 벤자민은 대신증권 스마트금융부 AI 전략팀이 개발해 고객을 상대로 금융상품을 소개하거나 불편 사항을 처리해준다. 

대신증권은 지난해 벤저민의 업무 능력을 평가한 결과 '1년차 사원 수준의 고객응대 능력'을 갖고 있다고 보고 대리로 진급시켰다. 

# 사례 2 : KB증권은 올해초 리서치센터의 투자정보를 챗봇을 통해 제공하는 '리봇'을 선보였다. AI 기반의 '리봇'은 텔레그램 대화창을 통해 투자 및 자산관리에 필요한 애널리스트 보고서·실시간 주가 등 다양한 데이터와 정보를 제공한다. 고객 중심 리서치 서비스 제공을 위해 리서치센터가 직접 기획·출시했다.

'리봇'의 가장 큰 특징은 사용자가 원하는 정보만을 선별해 맞춤형 서비스를 제공한다는 것으로, 사용자의 니즈와 상관없이 방대한 양의 정보를 일방적으로 전달했던 기존의 투자정보 SNS 채널들과 확연히 구분된다. 전문 용어를 피하고 알기쉽게 설명하면서 개인 투자자들 사이에 리봇은 인기를 끌고 있다. KB증권은 "리봇을 인간 직원을 대체하는 수준까지 업그레이드하는 것이 목표"라고 밝히고 있다. 

인공지능이 한국의 자본 시장에 속속 도입되면서 이것이 과연 인간의 일자리와 연관 산업에 어떤 영향을 미칠 것인가에 관심이 커지고 있다. 

자본시장에서 인공지능 활용의 대표적인 예로는 자산운용 신용평가 챗봇이 있다. 이미 유수의 글로벌 금융회사들은 금융 서비스의 효율 증대와 조직 운영에 드는 비용 감소를 위해 인공지능 기술을 속속 도입하고 있으며 상대적으로 규모가 작은 전문 핀테크 업체들은 인공지능 기술을 활용, 기존에 없던 혁신적인 금융 서비스를 개발하고자 노력을 기울이고 있다.

◆ 인공지능, 자본시장에 가장 큰 영향 미쳐

이른바 '디지털 트랜스포메이션'이라고도 불리는 4차산업혁명은 단순히 생산 기술의 변화에 머무르지 않고 사회 정치적 변화까지 아우르는 개념으로 여겨지고 있다. 4차 산업혁명을 이끄는 다양한 핵심 기술 중, 자본시장에서 활용 가능성이 가장 높다고 생각되는 것으로는 인공지능이다.  

인공지능의 개념은 오래 전부터 존재했으나 인공지능 열풍이라 불릴 만큼 압도적인 관심을 받게 된 것은 비교적 최근의 일이다. 2006년 딥러닝 기법의 도입, 2012년 딥 콘볼루션 신경망의 출현, 그리고 2016년 등장한 구글 딥마인드의 알파고는 인공지능 기술이 전문가 집단을 넘어 일반 대중에게 뚜렷하게 인식되는 계기가 되었다. 

[이미지=더밸류뉴스]

인공지능을 비롯한 4차 산업혁명의 핵심 기술들은 향후 자본시장 관련 금융 서비스의 모습을 크게 바꿀 수 있는 잠재력을 갖고 있다. 4차 산업혁명에 대응한 기술 투자는 금융 회사의 미래 경쟁력 강화에 중요한 역할을 하게 될 것이다. 

인공지능이라는 용어를 제시한 사람은 존 매카시 다트머스대 교수이다. 이후 학자들은 인공지능을 보다 명확하게 정의하기 위해 다양한 시도를 했는데 이 가운데 대표적인 것이 인공지능의 유형을 △ 인간처럼 생각하는 시스템, △ 인간처럼 행동하는 시스템, △ 이성적으로 생각하는 시스템, △ 이성적으로 행동하는 시스템의 4가지로 구분하는 것이다. 현재의 인공지능 개념은 이 가운데 ‘인간처럼 행동하는 시스템’에 가깝다. 

그런가 하면 앨런 튜링은 1950년 인공지능 여부를 판단하기 위해 심사원이 모니터를 통해 사람 및 컴퓨터와 각각 문자를 주고받은 후 어떤 상대가 컴퓨터인지 구별해보는 테스트를 진행했다. 만약 심사원이 사람과 컴퓨터를 각각 올바르게 구별하지 못한다면 해당 컴퓨터가 인공지능을 가지고 있는 것으로 판단한다. 이를 튜링테스트라 부르며 현재까지 활용되고 있다. 

최근 각광받고 있는 머신러닝은 조건부 규칙만으로 명확히 규정할 수 없는 복잡한 환경이나 연속적인 환경에서도 비교적 정확한 해답을 제시할 수 있도록 기능이 개선됐다. 머신러닝은 특히 다양한 변수가 복합적으로 영향을 미치는 문제 해결에 있어 높은 정확도를 나타낸다. 현재 4차 산업혁명을 주도하는 인공지능 기술도 머신러닝이 주도하고 있다. 

머신러닝이란 용어는 1959년 IBM의 아서 새뮤얼 연구원이 처음 사용한 것으로 프로그래밍 가능한 컴퓨터가 스스로 학습을 한다는 개념이다. 즉 사람이 아닌 시스템이 데이터를 분석 학습하고 이를 통해 스스로 규칙을 만들어 문제에 적용하는 것이다. 또한 시스템이 새로운 데이터를 받아들이면 그 규칙을 더욱 정교하게 업데이트할 수도 있다. 

경제학에서 많이 활용하는 회귀분석도 머신러닝 모형의 한 종류로 볼 수 있으며 1990년대 활발하게 사용되었던 서포트벡터머신, 분류 및 의사결정 목적으로 쓰이곤 하는 결정트리 알고리즘 등도 머신러닝의 모형으로 활용된다. 

◆ 인공신경망, 이미지 인식과 자연어 처리 혁신

이 중 인공신경망은 구글 딥마인드가 알파고에 적용한 방식으로 이미지 인식이나 자연어 처리 등 혁신적인 기술 발전에 중추적 역할을 수행, 인공지능을 발전시키고 있다. 인공신경망 모형은 생물의 신경망 구조에서 아이디어를 차용했다. 인간의 몸에는 뉴런이라는 신경세포가 존재하며 뉴런은 이전 단계 뉴런으로부터 신호를 전달받고, 전달받은 신호의 총량이 특정 임계값을 넘을 경우 다음 뉴런으로 신호를 내보낸다. 인간의 뇌에는 평균 805억개에 달하는 뉴런이 서로 연결되어 있으며 이로 인해 우리는 고도의 복잡한 사고를 할 수 있게 된다. 

인공신경망에는 각종 정보를 전달하는 통로가 존재하는데 기존 데이터를 활용, 어떠한 부분의 가중치를 높이면 문제 해결에 도움이 될지 유추하는 과정을 인공신경망에서의 학습이라 한다.

향후의 인공신경망 모형은 일종의 초지능 역할을 수행할 가능성도 있다. 과거 전문가 시스템은 인간의 지식체계를 수동적으로 활용하는 정도에 머물렀으나 인공신경망에서는 다양한 변수들 사이의 폭넓은 연관관계에 대한 포착이 가능하다. 즉, 인간이 예상하기 어려운 복잡한 함수 관계까지 파악한 것이 바로 알파고가 인간을 꺾을 수 있었던 요인이다. 

최근 머신러닝의 활용도가 크게 증가하게 된 배경으로는 데이터의 양 증가와 알고리즘의 개선, 하드웨어의 발전, 오픈 소스 프레임워크의 보급과 개발자 커뮤니티의 확대 등을 꼽을 수 있다. 특히 오픈소스 프레임워크는 머신러닝 모형을 개발하는데 드는 비용과 시간을 크게 절약시켜주며, 머신러닝 기술이 전 산업으로 빠르게 전파되는 데 큰 역할을 하고 있다.

현재 모든 산업에 걸쳐 가장 활용도가 높은 머신러닝 기술을 꼽자면 이미지 인식 자연어 처리 이상탐지를 들 수 있다. 휴대폰에서 찍은 여러 사진 중 동일 인물의 사진을 한데 모아주거나, SNS에 올린 사진에서 친한 친구의 얼굴을 자동으로 찾아 이름을 태그해주는 서비스 등이다.이미지 인식 기술은 향후 인간 삶의 방식을 크게 바꿀 무인운송 기술의 핵심이기도 하다.

새롭게 각광받고 있는 또 다른 머신러닝 기술은 인공신경망 기반의 자연어 처리 기술이다. 우리는 이미 가상 비서를 통해 간단한 음성으로 날씨를 알아보거나 음악을 선곡할 수 있으며 이동 시 목적지까지 가는 길을 물을 수도 있다. 사물인터넷 기능이 탑재된 가전제품들이 대거 등장하면서 음성으로 전자레인지를 돌리거나 불을 켜고 끄는 일도 가능해졌다.

shs@thevaluenews.co.kr

[저작권 ⓒ 더밸류뉴스. 무단 전재 및 재배포 금지]