Ⅰ. 서론

Ⅱ. 인공지능의 개념과 리스크 요인
  1. 머신러닝 기반 AI의 구성요소
    가. 데이터의 구분과 활용
    나. 알고리즘의 종류
  2. AI의 구성요소에 따른 리스크 요인

Ⅲ. 금융산업에서의 AI 활용
  1. 금융산업 참여자별 AI 활용 예
    가. 소비자
    나. 생산자
    다. 중개 기관
    라. 정부
  2. 사례: LDA를 이용한 경제 전망 분석
    가. 데이터의 전처리(pre-processing) 과정
    나. FOMC 회의록의 경제 전망 텍스트 분석 결과
    다. 결과의 해석 및 시사점

Ⅳ. 정책적 함의 및 결론
  1. 정책적 함의
  2. 결론

최근 ChatGPT의 인기와 함께 표면화된 대형 자연어처리 모형(Large Language Model: LLM) 개 발 경쟁이 이슈화되고 있다. 이와 같은 인공지능(Artificial Intelligence: AI)기술의 발전은 금융산 업의 각 분야에서 이를 활용하여 업무의 효율성을 제고하려는 노력을 더욱 가속화하리라 예상 된다. 이러한 배경을 바탕으로 본 연구에서는 머신러닝 기반(machine learning-based) AI가 금 융산업의 구조와 운용 방식을 어떻게 변화시킬 것이며 이에 수반하는 리스크 요인은 어떤 것이 있는지 금융산업의 참여자 별로 구체적인 예시를 통해 살펴보고자 한다. 최근 금융산업의 여러 분야에서 AI의 활용 방안에 관한 연구가 폭넓게 이루어지고 있는 것은 AI 에 대한 높은 관심도를 반영하는 것으로 보인다.01 World Economic Forum에서 조사한 바에 따 르면 금융산업 참여자의 77%가 AI를 금융산업의 핵심 동력(business driver)이 될 것으로 전망 하였다(World Economic Forum, 2020). 이는 비단 관심에 그치지 않고 금융산업 참여자 중 75% 이상이 AI를 활용하기 위한 고성능 컴퓨팅 또는 머신러닝 기술에 투자하고 있음이 확인되었다 (NVIDIA, 2022). 이와 같은 조사 결과는 AI에 기반한 금융혁신이 지난 수년간 지속해 이루어져 왔 으며 현재에도 활발히 진행 중임을 상기시키고 있다. 급격하게 증가한 AI에 대한 관심도의 이면에는 낮은 기술적 이해도와 이에 따른 시장위험의 증 가라는 우려 또한 공존하고 있다. CFA Institute는 투자운용업계에서 AI의 활용 현황을 조사한 보 고서에서 AI와 그 기반이 되는 머신러닝에 관한 교육에 참여한 인원이 20%가 되지 않음을 지적 하였다(CFA Institute, 2019). 이는 실무에서 사용되고 있는 다양한 AI의 기반 기술인 통계적 학습 (statistical learning) 이론이 비교적 최근에서야 계산 알고리즘의 발전과 가용한 데이터 범주의 확대에 힘입어 확산할 수 있었던 점과 연관된 것으로 볼 수 있다.