사상 리더

금융 범죄의 문서 사기: 안전지대는 없다

Jon Knisley
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트문서 사기는 금융 기관의 전체 고객 여정에 걸쳐 안전 지대가 없는 치명적인 취약점입니다.
더 보기
  • 문서 사기는 금융 기관의 전체 고객 여정에 걸쳐 안전 지대가 없는 치명적인 취약점입니다.
  • 북미 기관의 거의 절반이 여전히 수동 문서 검증에 의존하여 비용이 많이 들고 일관성 없으며 지연을 초래하고 있습니다.
  • 문서 감식에 대한 설명 가능한 AI는 감사 가능한 증거와 투명성을 제공하여 신뢰할 수 없는 블랙박스 탐지 모델을 대체합니다.

금융 범죄는 끊임없이 변화하는 위협이다. 사기꾼들은 전례 없는 속도와 규모, 기술력을 바탕으로 활동한다. 이들의 유일한 목적은 보호되지 않은 모든 빈틈을 파고드는 것이다. 특히 취약한 부분은 많은 기관이 여전히 의존하는 정적인 통제와 낡은 절차다.

2024 나스닥 글로벌 금융 범죄 보고서는 금융 범죄의 심각한 실태를 보여준다. 보고서에 따르면 각종 사기와 은행 사기로 인한 전 세계 손실은 총 4,856억 달러에 달했다. 2026년에는 이 총액이 더 커졌으며, 많은 기관이 고객 알기 제도인 KYC(know your customer)에만 여전히 매년 수천만을 쓰고 있다. 최근 연구에 따르면 사기로 잃은 1달러당 비용은 현재 미국 금융 서비스 기업에서 평균 5.75달러다. 여기에는 조사, 시정 조치, 추가적인 규정 준수 비용, 장기적인 평판 손상이 포함된다. 더 우려되는 점은 오늘날 주로 자동화된 사기 대응 전략을 사용하는 기관이 다섯 곳 중 한 곳뿐이며, 거의 절반은 여전히 수작업 절차를 첫 번째 방어선으로 삼는다는 것이다.

하지만 사기의 영향은 한 가지 취약점에만 국한되지 않는다. 같은 연구에 따르면 사기는 신규 계좌 개설부터 거래 모니터링과 계정 로그인에 이르기까지 고객 여정 전반에 고르게 분포한다.

결론은 무엇일까? 고객 여정에 ‘안전지대’는 없다.

기관들은 브랜드에 대한 인식, 고객 신뢰, 고객 등록 절차의 중도 포기, 내부 자원 배분, 규정 준수 업무량, 고객 이탈에 큰 영향이 발생한다고 보고한다. 이는 문제를 더욱 복잡하게 만든다. 이러한 위험은 이론에 그치지 않는다. 측정할 수 있고 점점 커지는 결과다. 한편 생성형 AI의 빠른 발전은 문제에 새로운 차원을 더했다. AI가 만든 콘텐츠는 이제 사람의 눈으로 진짜 자료와 거의 구분할 수 없어, 수작업 검토는 방어선으로서 점점 신뢰하기 어려워지고 있다. 사기꾼이 노리는 약점은 많지만, 문제를 일으키는 요인 중 특히 간과되는 것이 문서 사기다.

금융 범죄에서의 문서 사기

문서 사기는 개인, 기업, 당국을 속이기 위해 불법으로 문서를 만들거나 변경·위조하거나, 허위 문서를 사용하는 행위다. 문서 하나가 절차나 거래를 거짓 기반 위에 놓을 수 있다면, 문서 사기가 대규모로 벌어질 때의 영향을 생각해 보자. 문서 하나하나는 허위 신원을 만들고, 계좌를 개설하고, 거래를 승인하며, 불법 자금을 들키지 않고 옮기는 은밀한 진입점이다.

문서 사기는 새로운 일이 아니지만 현대 금융 범죄에서의 역할은 크게 달라졌다. 크게 세 범주로 나뉜다. 첫째는 실제 고객이 변조하거나 꾸며낸 문서로 기관을 속이는 제1자 사기다. 둘째는 도난당하거나 보안이 침해된 문서를 이용해 실존 인물을 사칭하는 제3자 사기다. 마지막은 가장 빠르게 증가하는 금융 범죄 유형 중 하나인 합성 신원 사기로, 진짜 정보와 가짜 정보를 결합해 완전히 새로운 신원을 만든다.

금융 기관이 매일 처리하는 문서의 양은 막대하다. 따라서 문서 사기가 사기 예방의 핵심 과제일 것이라 생각할 수 있다. 하지만 현실은 훨씬 덜 안심스럽다. 북미 금융 기관의 약 44%는 여전히 사기 조사와 검증에서 수작업 방식에 의존한다. 사람이 수천 건의 문서를 검토하다 보면 불일치, 지연, 누락이 불가피하다. 정적인 위험 평가는 사기 수법이 실시간으로 변한다는 사실을 반영하지 못한다.

사기꾼은 빠르게 변하지만 기존 통제는 그렇지 않다. 바로 이 지점에서 기관들은 자신도 모르게 문을 잠그지 않은 채로 둔다.

문서 사기를 충분히 탐지하지 못할 때의 결과

문서 사기를 알아차리고 대응하지 못하면 재정적 손실이 늘어나는 데서 끝나지 않는다. 기관의 모든 계층에 영향을 준다.

재정적으로는 사기 거래에 따른 손실에 더해 규정 준수, 피해 고객을 위한 시정 조치, 분쟁 해결, 법적 대응, 내부 조사 비용이 쌓인다.

운영상으로는 사기 사건이 위험 관리팀을 과부하 상태로 만들고, 처리 기간을 늘리며, KYC와 자금세탁 방지(AML, anti money laundering), 고객 등록 절차의 비용을 높인다.

평판에 미치는 영향은 더 깊다. 기관들은 사기 관련 사건이 브랜드 인식, 고객 신뢰, 고객 이탈에 최대 45%의 부정적 영향을 준다고 보고한다. 문서 검증에서 한 번만 실수해도 광범위한 불신을 일으켜 수년간 고객 관계를 해칠 수 있다. 돈이 걸린 문제에서는 한 번의 잘못된 행동이 조직 전체의 평판을 더럽힐 수 있다.

금융 기관을 집이라고 생각해 보자. 벽은 사기 방지 통제, 신원 확인 절차, KYC 과정, AML 보호 조치로 이루어져 있다. 문서가 집의 창문이라면, 많은 기관은 금이 간 유리나 고장 난 자물쇠, 결심한 침입자가 몰래 지나갈 수 있을 만큼 큰 틈을 안고 운영되는 셈이다. 기존 문서 확인은 더 두꺼운 블라인드를 덧대는 것에 불과하다. 시야를 가려도 구조를 강화하는 데는 거의 도움이 되지 않는다. 필요한 것은 지속적인 모니터링과 지능형 센서, 침입자가 문에 도착하기 전에 작동하는 증거 기반 경보를 갖춘 현대적인 보안 시스템이다.

이것이 현대 금융 범죄 생태계에서 디지털 포렌식과 문서 포렌식이 맡는 역할이다.

디지털·문서 포렌식: 사기 예방의 새로운 기반

금융 범죄가 더 복잡해지고 디지털 기술 면에서 정교해질수록 이에 맞서는 도구도 발전해야 한다. 디지털 포렌식, 특히 문서 포렌식은 문서의 진위를 평가하는 체계적이고 증거에 기반한 방법을 제공한다. 하지만 오늘날 사기의 실태는 더 많은 것을 요구한다. 투명성, 설명 가능성, 적응력이 필요하다.

사기 탐지에 쓰이는 기존 머신러닝 모델은 종종 ‘블랙박스’처럼 작동한다. 이상을 식별할 수는 있지만 애초에 왜 문서에 경고가 붙었는지는 설명하지 못한다. 이러한 해석 가능성의 부족은 특히 대규모 운영에서 규제 당국과 법 체계가 점점 받아들이기 어려운 문제가 되고 있다. 디지털 포렌식에서의 설명 가능한 AI(XAI) 연구는 이를 분명히 강조한다. 논문 View of Explainable AI for Digital Forensics에 따르면 설명 가능한 AI는 시스템의 출력을 사람이 읽고 이해할 수 있게 만들어 해석 가능성 문제에 직접 대응한다. 금융 범죄가 진화하는 상황에서 이 접근법은 윤리 및 규정 준수 요건에 부합하는 법적으로 타당한 실무를 지원하므로 매우 중요하다. 포렌식 AI 시스템은 이해할 수 있고, 추적 가능하며, 근거를 들어 정당화할 수 있는 출력을 만들어야 한다. 이런 투명성이 없으면 기관은 정확할 수는 있어도 법적 증거로 인정될 수 없고, 감사할 수도 없으며, 신뢰할 수도 없는 결과만 얻게 된다.

현대 포렌식 접근법은 딥러닝과 기존 머신러닝, 투명한 의사결정 체계를 결합한다. 이러한 ‘하이브리드’ 모델은 기관이 높은 정확도를 유지하면서 각 결정에 대해 사람이 이해할 수 있는 설명을 제공하게 한다. 규제 환경에서는 핵심적인 능력이다. 설명 가능한 문서 포렌식은 기술적 정교함과 규정 준수 요건 사이의 간극을 메워 규제 당국에 단순한 확률이 아니라 증거를 제공한다.

다시 말해 AI는 탐지 도구에 그치지 않고 증거 사슬이 된다.

효과적인 문서 포렌식의 실제 모습

성숙한 문서 포렌식 프로그램은 단일 도구나 워크플로가 아니다. 조직 전반의 사기 대응, 규정 준수, 고객 생애주기 담당팀과 통합된 다층 시스템으로 작동한다. 이를 잘 수행하는 기관에는 몇 가지 공통적인 핵심 특성이 있다.

동적이고 실시간인 위험 평가

정적인 연간·분기별 위험 평가는 과거 시대의 방식이다. 현대 금융 범죄 위험은 동적이며, 지정학적 사건, 사기 패턴, 결제 혁신, 행동 변화에 대응해 매일 달라진다. 앞을 내다보는 기관은 위험 평가를 새 정보를 반영하도록 끊임없이 갱신되는 ‘살아 있는 시스템’으로 취급한다. 이는 문서에도 똑같이 적용된다. 문서는 고정된 산출물이 아니라 동적 위험 대상으로 평가해야 한다.

실시간 문서 분석과 사기 탐지

AI 기반 포렌식 시스템은 문서를 실시간으로 스캔해 구조, 메타데이터, 내용, 일관성, 출처의 이상을 찾을 수 있다. 사기가 발생한 뒤 탐지하는 대신 문서가 사기에 사용되기 전에 의심스러운 것을 식별한다.

설명 가능한 AI와 감사 가능한 투명성

시스템의 모든 경고에는 명확한 설명이 따른다. 맞지 않는 글꼴, 변경된 픽셀 그룹, 광학 문자 인식(OCR)의 불일치, 메타데이터 조작 등 어떤 문제든 발견되는 시점에 설명된다. 이는 규제 당국의 요건을 충족하고 인간 조사관의 업무를 지원하는, 완전히 감사 가능한 증거 사슬을 만든다.

의사결정에 사람이 참여하는 감독

AI가 힘든 일을 처리하지만 최종 결정은 사람이 내린다. 조사관은 사건 해결을 앞당기고 오탐을 줄이는 명확하고 해석 가능한 통찰을 얻는다.

통합된 사기 예방 체계

문서 포렌식은 더 넓은 AML/KYC 생태계의 일부가 되고 있다. 금융 기관이 사기 예방을 견고한 3선 방어 모델에 통합할 것으로 기대되기 때문이다. 첫 번째 방어선에서는 사업 부문에 실시간 문서 진위 확인 수단을 제공한다. 두 번째 방어선에서는 규정 준수팀이 포렌식 통찰로 자금세탁 방지(AML)와 테러자금 조달 방지(CTF) 관련 위험을 관리한다. 세 번째 방어선에서는 감사인이 설명 가능한 출력을 바탕으로 독립적인 검증을 수행한다. 그 결과 사기 방어가 강화되고 신뢰가 높아지며 운영 부담이 크게 줄어든다.

기관이 문서를 동적 위험으로 다뤄야 하는 이유

오늘날 금융 범죄는 정적이거나 간헐적이거나 예측 가능한 것이 아니다. 동적으로 진화하며 기회를 노린다. 오랫동안 단순한 고객 등록 자료로 취급된 문서를 이제 금융 범죄에서 가장 중요한 요소 중 하나로 인식해야 한다.

설명 가능한 문서 포렌식을 도입하면 첨단 시스템은 적응하고 학습할 수 있다. 새 데이터에서 학습함으로써 범죄자의 전술이 변해도 효과를 유지할 수 있다. 조직은 고객 여정의 모든 단계에서 사기 예방을 강화하고, 규정 준수 업무량과 규제 관련 마찰을 줄이며, 입증 가능한 더 안전한 절차를 통해 고객 신뢰를 높일 수 있다. 이러한 목적에 맞게 설계된 절차는 낡은 수작업 검토를 확장 가능하고 증거에 기반한 시스템으로 대체해, 법적 기준에 맞는 투명하고 정당화 가능한 의사결정 체계를 만들 것이다.

궁극적으로 금융 시스템에 대한 신뢰를 회복하려면 더 나은 기술만으로는 부족하다. 설명 가능성과 증거, 이해를 개선하는 올바른 기술을 도입해야 한다. AI 기반 문서 포렌식은 문서를 살아 있고 위험을 수반하는 자산으로 본다. 이 사고방식을 받아들이는 기관은 업계의 사기 예방을 이끌 것이다. 그렇지 않은 기관은 늘어나는 손실, 과부하에 시달리는 규정 준수팀, 고객 신뢰의 약화를 계속 마주하게 될 것이다.

존 크니슬리는 글로벌 인텔리전트 자동화 회사 ABBYY의 AI Enablement & Value 책임자입니다. 그는 주요 회사들과 협력하여 비즈니스 프로세스를 개선하고 중요한 워크플로우에서 운영 인사이트를 얻는 데 도움을 줍니다.