AI 금융 기업 어피닛(Affinity)이 미국 노스웨스턴대학교 경제학 연구진과 공동으로 수행한 연구 논문이 아시아·태평양 파생상품학회(APAD) 2026 컨퍼런스에 채택되어 발표되었습니다. 이 연구는 SMS와 같은 비정형 대안 데이터를 인공지능(AI) 신용평가에 활용할 경우, 기존 신용점수보다 예측력이 약 33% 향상된다는 사실을 밝혀냈습니다. 이는 신용 이력이 부족해 금융 서비스 접근이 어려웠던 이들에게 새로운 기회를 제공하는 금융 포용 효과를 가져올 것으로 주목받고 있습니다.
‘SMS 신호: 신용평가에서의 대안 데이터와 분포 효과(Signals from SMS: Alternative Data and Distributional Effects in Credit Scoring)’라는 제목의 이 논문은 기존 금융 이력 데이터 대신 SMS 등 비정형 대안 데이터를 AI 신용평가 모델에 적용했을 때의 효과와 계층별 분배 영향을 심층 분석했습니다. 연구 결과, 대안 데이터와 머신러닝(Machine Learning)을 결합한 대안신용평가시스템(ACS)의 예측력이 전통 신용점수 대비 약 33% 개선되었으며, 특히 SMS 데이터의 기여도가 가장 컸습니다. 어피닛은 인도 시장에서 10년간 자체 ACS를 운영하며 중·저신용자 및 금융 소외 계층의 행동 데이터를 축적해왔고, 이번 연구는 이 현장 데이터를 기반으로 AI 기반 포용적 신용평가 모델의 실증적 근거를 체계화했다는 점에서 큰 의미를 가집니다.
이 연구는 또한 기술 혁신의 혜택이 금융 정보가 풍부한 계층에 더 크게 돌아가는 ‘분배적 효과’도 규명했습니다. 이는 알고리즘 편향(algorithmic bias)이 아닌, 계층별로 추출 가능한 정보량의 차이에서 비롯된 것으로 분석됩니다. 따라서 포용적인 신용평가를 위해서는 데이터 공유의 마찰과 정보 불균형을 해소하는 노력이 필요하다는 중요한 시사점을 제시합니다. 어피닛은 이번 연구를 통해 글로벌 학계에서 AI 신용평가 역량을 인정받았으며, 인도네시아 등 동남아시아 신규 시장 진출을 위한 AI 신용평가 방법론의 이론적 기반을 강화하고, 글로벌 금융 소외 계층을 위한 AI 금융 인프라 구축에 속도를 낼 계획입니다.