[인사이트코리아=박지훈 기자] 인터넷전문은행과 지방은행의 자산건전성이 가파른 금리 인상 여파로 악화되는 가운데서도 대형 은행들의 건전성은 양호한 수준을 이어가고 있다. 일찍부터 대출취급의 사전·사후단계에 걸쳐 인공지능(AI)을 적극적으로 활용해온 결과다. 

5일 금융권에 다르면 KB국민·신한·하나·우리 등 4대 은행의 올해 1분기 고정이하여신(NPL) 비율은 평균 약 0.23%로 전년 동기 대비 0.01%포인트 올랐다. 경기침체와 금리인상 여파로 중소기업과 가계가 위협받고 있는 상황에서 연체율 관리에 선방했다는 분석이다.  

NPL(Non-Performing Loans)은 3개월 이상 연체 중인 대출채권으로 사실상 ‘떼인 돈’으로 여겨진다. 전체 대출총액에서 NPL 잔액이 차지하는 비중인 NPL비율은 대표적인 자산건전성 지표로 통한다.

1개월 이상 연체된 대출채권 비중인 연체율 역시 나쁘지 않다. 4대 은행의 올해 1분기 연체율은 0.25%로 코로나19 유행 직전인 2019년 말 수준이다. 지난해 1분기보다 0.08%포인트 높아져 향후 NPL 비율 상승에 영향을 미칠 전망이나 안정적인 수준에서 관리되고 있다.

중소형 은행들은 지난해 3월부터 이어진 가파른 금리 인상의 직격탄을 맞은 듯 건전성이 악화됐다. 경남·부산·대구·전북·광주등 5개 지방은행의 올해 1분기 연체율은 0.58%로 4대 은행의 2배를 넘어섰다. 대안신용평가모형을 앞세운 카카오(0.58%)·케이(0.82%)·토스뱅크(1.32%) 등 인터넷은행 3사도 부실채권 비율이 높은 편이다.

말로만 ‘핀테크’ 외친 줄 알았더니

대형 은행들의 건전성 관리 역량은 2016년부터 급격히 개선됐다. 대형 은행의 NPL비율(각사 기준)은 2016년 말부터 1%를 밑돌고 있으며, 연체율의 경우 2017년 3분기부터 0.4%를 하회하고 있다.

이 같은 부실대출 억제 효과는 대출심사부터 사후관리까지 인공지능(AI)을 적극적으로 활용한 결과라는 게 은행과 IT 업계의 분석이다. 2010년대 중반부터 ‘금융에 기술을 결합한다’는 의미의 핀테크(Fintech)가 금융권의 새로운 경영 트렌트로 떠오르면서 대형 은행은 AI와 관련된 머신러닝 기법 수용, 스타트업 투자·협업을 이어왔다.

예컨대 신한은행은 대출심사 단계부터 AI를 적극적으로 활용한다. 신한은행 인공지능 플랫폼 SACP(Shinhan AI Core Platform)에 탑재된 머신러닝 자기학습 프로세스는 데이터 저장소에 금융거래정보 등 전통적 데이터뿐만 아니라 국민연금, 감사·공시와 같은 대내외 대안정보를 자동 반영하고 주기적으로, 스스로 학습하도록 만들어져 있다.

데이터 자동 반영을 통한 자기학습은 모형 재개발에 들어가는 시간과 비용을 절약해주고 신용평가 모형을 지속적으로 최신화해 금융환경과 산업구조 변화에 신속하게 대응할 수 있도록 한다는 게 신한은행의 설명이다.

국민은행은 AI를 활용해 여신사후관리에 이용한다. 국민은행의 여신관리평가시스템(Recovery Scoring System·RSS)은 과거·현재 대내외 금융거래정보 분석과 미래 회수가치를 측정하는 AI 모형을 통해 연체채권을 평가·산출하는 시스템이다.

이 시스템은 연체채권의 연체기간·난이도에 따라 건전성 등급을 매겨 장기연체 가능성이 높은 채권을 서둘러 매각하도록 도와 국민은행의 건전성 관리에 기여하는 것으로 알려진다.

은행권 관계자는 “스타트업 경영진이 모 대형 은행에 금융 전문 인공지능 솔루션을 제공해 연체율을 대폭 낮춰준 성과로 거액의 자금을 받고 경영권을 매각한 경우가 있다”며 “지점과 인력의 꾸준한 감축에도 실적이 좋은 것은 AI를 통한 리스크 관리에 성공한 결과”라고 분석했다.