[2026-05-05 | D-Log] 최대 20시간에서 5초 미만으로: Sun Finance, 생성형 AI로 대출 심사 병목을 뚫다

라트비아 핀테크 Sun Finance에는 0.63초마다 새 대출 신청서가 한 건씩 들어온다. 한 달 평가 건수가 400만 건을 넘는다. 그런데도 한 신흥 시장에서 들어오는 월 8만 건의 마이크로론 신청 중 60%는 사람이 직접 들여다봐야 했다. 신분증 사진이 자동 추출 시스템을 자주 빠져나간 탓이다.

문제의 뿌리는 광학 문자 인식(optical character recognition, OCR)에 있었다. Sun Finance는 2019년부터 Amazon Rekognition과 Amazon Textract로 신분증 자동 인증 파이프라인을 굴려 왔다. 다만 9개국으로 사업을 넓히자 한계가 뚜렷해졌다. 신청서에는 영어와 현지어가 섞여 들어왔고, 처리해야 할 신분증 종류만 7가지였다. 현지어 표기는 OCR 학습 데이터에 거의 들어 있지 않아 추출 오류가 잦았다.

수동 검토가 쌓인 진짜 이유는 따로 있었다. 검토로 넘어간 건의 80%는 자동 추출된 정보와 고객이 입력한 정보가 어긋난 사례였다. 어긋남의 60%는 고객 실수가 아니라 OCR 오류에서 비롯됐다. 나머지 20%는 사기 탐지에 걸린 건이었다. 매일 들어오는 신청 중 약 10%가 실제 사기였고, 사기범들은 비슷한 사진을 조금씩 바꿔 가며 여러 건을 동시에 밀어 넣었다. 한 지역에만 풀타임 인력 3명이 수동 검증에 묶여 있었고, 평일 업무 시간 밖에 들어온 신청은 사람 손에 닿기까지 최대 20시간이 걸렸다. 단가가 낮은 마이크로론에 더 들어가려 해도 셈이 맞지 않았다.

Sun Finance는 2025년 8월 26일부터 AWS Generative AI Innovation Center와 6주짜리 개념 증명에 들어갔다. 처음에는 신분증 사진을 곧장 Anthropic Claude Sonnet 4에 던져 JSON 형식으로 항목을 뽑아내게 해 봤다. 결과는 정확도 61.8%, 그중 신분증 번호 추출 정확도는 43%에 그쳤다. 대규모 언어모델(large language model, LLM) 한 개로는 글자 자체를 정확히 읽어 내는 일과 읽어 낸 글자를 항목별로 정리하는 일을 동시에 잘 해 내지 못했다.

두 번째 시도에서 팀은 두 가지 일을 분리했다. 신분증 이미지가 들어오면 먼저 Amazon Textract가 글자만 뽑아낸다. Textract가 자신감 없는 결과를 내놓으면 Amazon Rekognition이 백업으로 한 번 더 읽는다. 이렇게 확보한 텍스트 덩어리를 Claude Sonnet 4에 넘겨 이름, 생년월일, 신분증 번호 같은 표준 항목으로 재배열한다. 글자를 읽는 모델과 의미를 정리하는 모델을 갈라 두자 정확도가 90.8%까지 올라갔다.

사기 탐지는 다른 길을 갔다. AWS Step Functions가 두 갈래 검사를 동시에 돌린다. 한쪽에서는 Rekognition이 셀카에서 얼굴 부분을 가린 뒤, Amazon Titan Multimodal Embeddings가 남은 배경을 숫자 벡터로 바꾼다. 그 벡터를 기존 사기 사진들의 벡터 저장소인 Amazon S3 Vectors에 던져 가까운 이웃을 찾는다. 같은 방이나 같은 책상에서 찍힌 사진이 여러 건 들어오면 곧바로 걸린다. 다른 한쪽에서는 Claude Sonnet 4가 사진 자체를 보고 화면을 다시 찍은 흔적이나 디지털 합성 자국을 찾는다. 두 결과를 AWS Lambda가 모아 합산 사기 점수를 JSON으로 내보낸다. 새로 확정된 사기 사진은 다시 벡터로 바뀌어 저장소에 더해지므로, 시간이 갈수록 비교 기준이 두꺼워진다. 얼굴 대신 배경을 비교 대상으로 삼은 판단이 승부를 갈랐다. 사기범은 얼굴은 매번 바꿔도 작업 환경까지 바꾸기는 어려웠다.

팀이 최종 설계에 닿기까지 4주 동안 세 가지 접근법을 거쳤다. 단일 LLM에서 출발해 전문 OCR과 LLM을 묶는 다층 구조로 옮겨 갔고, 매번 실패가 다음 개선 방향을 가리켰다. 인프라는 Terraform으로 배포했고 모든 처리는 서버리스 구조로 묶었다. 일정도 빡빡했다. 8월 26일에 착수해 10월 9일 최종 발표, 11월 14일까지 기술 인계를 마쳤고, 그 뒤 35영업일 안에 운영 환경에 올렸다. 12월 18일부터 1월 7일까지 14일간 연말 프로덕션 동결이 끼어 있었지만, 2026년 1월 22일 라이브 전환을 마쳤다.

운영에 들어가자 지표 세 개가 한꺼번에 움직였다. 추출 정확도는 79.7%에서 90.8%로 올랐고, 문서 한 건당 처리 비용은 91% 떨어졌다. 처리 시간은 자동 10분, 수동 최대 20시간이던 폭이 5초 미만으로 줄었다.

참고 출처

• https://aws.amazon.com/blogs/machine-learning/sun-finance-automates-id-extraction-and-fraud-detection-with-generative-ai-on-aws/