본문으로 건너뛰기
Didit, 신원·사기 방지 인프라 구축 위해 750만 달러 투자 유치
Didit
블로그로 돌아가기
블로그 · 2026년 3월 12일

AML 심사 최적화: Didit으로 오탐 감소 (KO)

AML 심사에서 발생하는 오탐(False Positives)은 운영 비효율성과 규제 준수 부담을 가중시킵니다. 이 게시물에서는 높은 오탐 발생률의 원인, 구성 가능한 매치 스코어의 중요한 역할, 그리고 전략들을 살펴봅니다.

작성자: Didit업데이트됨
optimizing-aml-screening-reducing-false-positives-with-didit.png

오탐(False Positives) 이해하기 AML 심사에서 오탐은 합법적인 고객이 잠재적 위험으로 잘못 분류되어 불필요한 수동 검토와 운영 비용을 발생시키는 경우를 말합니다.

매치 스코어의 역할 Didit이 제공하는 것과 같이 구성 가능한 매치 스코어는 이름, 생년월일, 국가와 같은 요소를 기반으로 잠재적 일치 항목의 신뢰도를 평가하여 실제 일치 항목과 오탐을 구별하는 데 중요합니다.

전략적 임계값 구성 적절한 매치 스코어 임계값을 설정하면 기업은 신뢰도가 낮은 일치 항목을 자동으로 기각하여 수동 검토가 필요한 사례의 양을 크게 줄이면서도 강력한 규제 준수를 유지할 수 있습니다.

Didit의 AI 기반 솔루션 Didit의 AML 심사 솔루션은 AI와 모듈식 아키텍처를 활용하여 매우 정확하고 맞춤 설정 가능한 매치 스코어링 및 위험 평가를 제공하여 오탐을 대폭 최소화하고 규제 준수 워크플로우를 간소화합니다.

AML 심사에서 오탐(False Positives)의 과제

자금세탁방지(AML) 심사는 불법 금융 활동을 탐지하고 방지하기 위해 고안된 금융 규제 준수의 초석입니다. 그러나 전 세계 규제 준수 팀에게 끊임없는 과제는 높은 오탐 발생률입니다. 오탐은 합법적인 고객 또는 거래가 의심스러운 것으로 잘못 분류되어 수동 조사가 필요한 '미검토' 상태가 되는 경우를 말합니다. 이는 규제 준수 담당자에게 엄청난 양의 경고를 안겨줄 뿐만 아니라 운영 비용을 증가시키고 지연으로 인해 고객 경험에 부정적인 영향을 미칠 수 있습니다.

오탐의 근본 원인은 다양합니다. 이는 흔한 이름, 사소한 데이터 불일치(예: 별명, 오타, 다른 날짜 형식) 또는 오래된 감시 목록 데이터에서 비롯될 수 있습니다. 실제 일치 항목과 우연한 유사성을 정확하게 구별하는 정교한 시스템이 없다면, 기업은 모든 잠재적 일치 항목을 검토해야 하는 신중한 접근 방식을 취할 수밖에 없습니다. 이러한 보수적인 접근 방식은 규제 준수 관점에서 이해할 수 있지만, 거래량이 증가함에 따라 빠르게 지속 불가능해집니다.

구성 가능한 매치 스코어의 힘

오탐을 해결하는 가장 효과적인 전략 중 하나는 구성 가능한 매치 스코어를 지능적으로 사용하는 것입니다. AML 심사 프로세스가 감시 목록에 대한 잠재적 일치 항목을 식별하는 동안, 매치 스코어는 잠재적 일치 항목이 심사 대상 개인과 얼마나 밀접하게 일치하는지 정량화합니다. 이 점수는 일반적으로 0에서 100까지의 가중치 신뢰도 측정 지표로, "이 일치 항목이 실제로 우리가 심사하는 사람과 동일한가?"라는 중요한 질문에 답합니다.

예를 들어 Didit의 AML 심사는 이름, 생년월일(DOB), 국가와 같은 주요 식별자의 지능적인 비교를 기반으로 각 잠재적 일치 항목에 매치 스코어를 할당합니다. 기업이 이러한 다양한 속성에 대한 가중치를 구성할 수 있도록 함으로써, 시스템은 특정 위험 선호도와 데이터 품질을 반영하도록 미세 조정될 수 있습니다. 예를 들어, 매우 유사한 이름 일치 항목은 덜 정확한 국가 일치 항목보다 점수에 더 많은 기여를 할 수 있습니다.

매치 스코어를 최종 AML 위험 스코어와 구별하는 것이 중요합니다. 매치 스코어는 개별 일치 항목이 '오탐'인지 또는 검토가 필요한 '잠재적 일치'인지 결정합니다. 반면에 위험 스코어는 오탐이 아닌 모든 일치 항목을 기반으로 엔티티의 전반적인 위험 수준을 평가하여 궁극적으로 최종 AML 상태(승인/검토 중/거부)를 결정합니다. 이러한 명확한 구분은 자원이 진정으로 의심스러운 사례에만 집중되도록 보장합니다.

효율성과 정확성을 위한 임계값 최적화

구성 가능한 매치 스코어의 진정한 힘은 '매치 스코어 임계값'을 정의하는 능력에 있습니다. 이 임계값은 중요한 필터 역할을 합니다. 이 구성된 임계값 미만의 점수를 가진 잠재적 일치 항목은 자동으로 '오탐'으로 분류되어 기각되며, 추가적인 수동 검토가 필요하지 않습니다. 임계값 이상으로 점수를 받은 일치 항목은 '미검토'로 지정되어 수동 검토 대기열에 들어갑니다.

예를 들어 보겠습니다. 기본 임계값이 93%로 설정된 경우:

  • 85%의 점수를 가진 일치 항목은 자동으로 오탐으로 분류되어 기각됩니다.
  • 95%의 점수를 가진 일치 항목은 미검토로 분류되어 규제 준수 담당자가 추가 조사를 해야 함을 나타냅니다.

이 임계값을 신중하게 조정함으로써 기업은 규제 준수 담당자가 수동으로 처리해야 하는 경고의 양을 크게 줄일 수 있습니다. 임계값을 너무 낮게 설정하면 오탐이 증가할 수 있고, 너무 높게 설정하면 합법적인 일치 항목을 놓칠 위험이 있습니다. Didit의 유연한 구성은 규제 준수 팀이 최적의 균형을 찾을 수 있도록 하여, 규제 준수를 손상시키지 않고 운영 효율성을 크게 향상시킵니다. 이 전략적 접근 방식은 낮은 신뢰도의 경고로 시스템을 범람시킬 수 있는 POSSIBLE_MATCH_FOUND 경고를 최소화합니다.

오탐 감소를 위한 고급 전략

구성 가능한 매치 스코어 외에도 여러 고급 전략을 통해 오탐 발생률을 더욱 최적화할 수 있습니다.

  1. 데이터 강화 및 품질: 심사를 위해 제출된 고객 데이터의 정확성과 완전성을 보장하는 것이 가장 중요합니다. 누락되거나 부정확한 정보(예: KYC 데이터 누락으로 인한 COULD_NOT_PERFORM_AML_SCREENING 경고)는 결정적이지 않은 일치 항목으로 이어지거나 심사를 완전히 방해할 수 있습니다. Didit의 시스템은 누락된 KYC 데이터(이름, 생년월일, 발행 국가, 문서 번호)가 채워지면 자동으로 새로운 AML 심사를 트리거하여 연속성을 보장하고 수동 개입을 줄입니다.
  2. 동적 가중치 부여: 앞서 언급했듯이, 상황이나 알려진 데이터 품질 문제에 따라 다른 데이터 포인트(이름, 생년월일, 국가)의 가중치를 동적으로 조정하면 정확성을 높일 수 있습니다. 예를 들어, 흔한 이름이 많은 지역에서는 생년월일에 더 높은 가중치를 부여하는 것이 유리할 수 있습니다.
  3. 지속적인 학습 및 피드백 루프: AI 및 머신러닝을 활용하면 시스템이 과거 수동 검토 결정에서 학습할 수 있습니다. 규제 준수 담당자가 특정 유형의 일치 항목을 오탐으로 일관되게 기각하면, 시스템은 시간이 지남에 따라 스코어링 알고리즘을 조정하여 유사한 미래 사례를 자동으로 기각하고 정확성을 개선할 수 있습니다.
  4. 다른 검증 도구와의 통합: AML 심사를 Didit의 ID 검증(OCR, MRZ, 바코드 사용), 수동 및 능동 라이브니스, 1:1 얼굴 매치와 같은 다른 신원 검증 도구와 결합하면 사용자에 대한 전체적인 시야를 제공합니다. 온보딩 중 강력한 검증은 후속 AML 검사에서 오탐으로 이어지는 데이터 불일치 가능성을 줄일 수 있습니다. 예를 들어, ePassport/eID에 대한 NFC 검증은 매우 정확한 데이터 입력을 제공하여 오류를 더욱 최소화합니다.

Didit이 도움이 되는 방법

Didit은 AI 기반의 개발자 우선 신원 플랫폼으로, 기업이 AML 심사에서 오탐 발생률을 대폭 줄일 수 있도록 고유하게 포지셔닝되어 있습니다. 우리의 모듈식 아키텍처는 검증 프로세스에 대한 정밀한 제어를 가능하게 합니다. Didit의 AML 심사 및 모니터링 제품을 통해 다음을 수행할 수 있습니다.

  • 매치 스코어 임계값 구성: 코드 없는 비즈니스 콘솔 또는 깔끔한 API를 통해 매치 스코어 임계값을 쉽게 설정하고 조정하여 신뢰도가 낮은 일치 항목을 자동으로 기각하고 실제 위험에 집중할 수 있습니다.
  • 매치 기준 사용자 정의: 다양한 데이터 포인트(이름, 생년월일, 국가)의 가중치를 정의하여 특정 위험 프로필 및 운영 요구 사항에 맞게 매치 스코어링 알고리즘을 조정할 수 있습니다.
  • 워크플로우 자동화: 오케스트레이션된 워크플로우를 활용하여 누락된 KYC 데이터가 제공되면 새로운 심사를 트리거하여 COULD_NOT_PERFORM_AML_SCREENING 경고를 자동으로 처리하고 수동 후속 조치를 제거합니다.
  • 포괄적인 보고서 액세스: 매치 정보, 스코어링 세부 정보, PEP 매치, 제재 데이터 및 불리한 미디어 정보를 포함하는 AML 심사 보고서를 통해 모든 잠재적 일치 항목에 대한 자세한 통찰력을 얻을 수 있어 필요한 경우 효율적인 수동 검토가 가능합니다.
  • 모듈식 AI 기반 플랫폼의 이점: Didit의 아키텍처는 AML 솔루션이 지속적으로 학습하고 적응하여 최첨단 정확성과 효율성을 제공하도록 보장합니다. 우리의 무료 핵심 KYC 제공은 규제 준수 프로세스 최적화를 쉽게 시작할 수 있도록 합니다.

시작할 준비가 되셨습니까?

Didit의 작동 방식을 직접 확인하고 싶으십니까? 오늘 무료 데모를 받아보세요.

Didit의 무료 티어로 무료로 신원 확인을 시작하세요.

신원 및 사기 방지 인프라.

KYC, KYB, 거래 모니터링, 지갑 심사를 위한 단일 API. 5분 만에 통합하세요.

AI에게 이 페이지 요약 요청
AML 심사 최적화: Didit으로 오탐 감소.