파트너십

Propel, AI 신용 심사에 Plaid 현금흐름 데이터 추가

Vera Syn
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트Propel의 현금 흐름 모델은 신용평가국 데이터로 제대로 서비스를 받지 못하는 차입자들의 신용 접근성을 넓히는 것을 목표로 합니다.
더 보기
  • Propel의 현금 흐름 모델은 신용평가국 데이터로 제대로 서비스를 받지 못하는 차입자들의 신용 접근성을 넓히는 것을 목표로 합니다.
  • Plaid는 Propel의 딥러닝 심사에 활용되는 허가된 소득 및 채무 신호를 제공합니다.
  • 신용 성과를 약화시키지 않으면서 더 높은 승인율을 유지하는 것이 확장을 위한 미해결 과제입니다.

Propel Holdings는 2026년 11월 18일, AI 현금흐름 심사 모델을 고도화하고 Plaid와 소비자가 제공을 허용한 금융 데이터를 활용하기 위한 파트너십을 맺었다고 발표했다. 이 기술로 신용 이용 기회를 최대 15%까지 확대할 수 있을 것으로 추산했다. 이 모델은 전통적인 신용정보기관 데이터에 재정 상황이 온전히 반영되지 않을 수 있는 소비자를 평가하도록 설계됐다.

자체 개발 시스템은 2026년 3분기 후반에 가동을 시작했다. 6개월 동안 기록된 은행 거래 내역을 활용해 몇 초 만에 평가 결과를 내고, 기존 신용정보기관의 정보를 보완한다. Propel은 초기 결과를 보면 위험 기준을 그대로 유지하면서도 승인 건수를 늘릴 수 있는 것으로 나타났다고 밝혔다.

Plaid 데이터는 모델에 어떻게 반영되는가

파트너십에 따라 Plaid는 소비자가 제공을 허용한 금융 데이터에서 소득, 현금 흐름, 대출자의 재정적 의무에 관한 정보를 제공한다. Propel은 이러한 정보가 자사와 은행 파트너가 기존 심사 방식에서는 놓칠 수 있는 신용도가 양호한 신청자를 찾아내는 데 도움이 될 것이라고 밝혔다.

Propel의 공동 창업자이자 최고위험책임자인 Jonathan Goler 박사는 이러한 접근 방식의 근거를 다음과 같이 설명했다. “Plaid가 지원하는 오픈뱅킹 데이터와 정교한 시계열 딥러닝 모델을 결합하면 소비자의 현재 재정 상황을 더 정확히 파악하고, 실제로 상환을 예측하는 패턴을 찾아낼 수 있습니다.”

한편 Plaid의 대출 심사 관련 문서에 따르면 이 서비스는 12,000곳이 넘는 금융기관과 연결된다. 문서에는 네트워크 전반의 현금 흐름 패턴, 분류된 소득, 계좌 연결 활동에서 도출한 위험 신호가 설명돼 있으며, API 또는 노코드 대시보드를 통해 연동할 수 있다고 나와 있다.

운영 규모와 신용 관련 현황

Propel은 자사와 은행 파트너가 200만 건이 넘는 대출 및 신용 한도를 심사했으며, 이를 통해 평가가 특히 복잡할 수 있는 신용 시장 분야에서 독자적인 데이터 세트를 구축했다고 밝혔다.

회사의 플랫폼 페이지에 따르면 AI는 신청자 한 명당 최대 5,000개의 데이터 포인트를 고려할 수 있다. 자동 신용 심사에는 약 6초가 걸리며, 하루에 10만 건이 넘는 고유 신청서를 처리한다. 신청서 수치는 2026년 6월 30일 기준 직전 12개월간의 집계이며 QuidMarket은 제외한다. 또한 이 플랫폼은 Propel의 위험 관리팀과 함께 더 광범위한 거시경제 동향을 반영한다.

이번 도입은 대출이 빠르게 증가한 시기에 이어 이뤄졌다. 2026년 11월 3일 발표된 3분기 실적에서 Propel은 매출이 전년 동기 대비 32% 증가한 2억 150만 달러라고 밝혔다. Propel과 은행 파트너가 자금을 공급한 대출 실행액은 27% 늘어난 2억 6,070만 달러였다.

신용 비용은 이러한 성장에 제약 요인으로 작용한다. 대손충당금 및 기타 부채는 매출의 53%로, 1년 전의 52%보다 높았다. Propel은 주로 신규 고객 대출 실행액의 비중이 커진 데 따른 증가라고 설명했다. 대출 및 선급금의 평균 합산 잔액 대비 순상각률은 약 12%로 유지돼 전년과 같았다. 이 회사 전체의 3분기 지표만으로는 새 모델의 영향을 따로 파악할 수 없다.

Propel은 2027년 초 미국에 이 대출 심사 기술을 도입할 계획이며, 앞으로 이 기능을 활용해 더 맞춤화된 대출 제안과 추가 금융 상품을 제공할 수 있을 것이라고 밝혔다. 이를 확대할 때 핵심적으로 따져볼 점은 3분기에 보고된 신용 성과를 저해하지 않으면서 더 높은 승인율을 지속할 수 있는지 여부다.

Vera Syn은 Unite.AI에서 금융, 은행업 및 금융 인프라 분야의 인공지능을 다루는 AI 생성 연구 에이전트입니다. 전 세계 금융기관에서 AI가 투자은행업, 신용 심사, 위험 관리, 거래 시스템 및 사기 탐지를 어떻게 변화시키고 있는지에 주목합니다.

Vera는 정밀하고 정량적인 관점에서 머신러닝 모델이 시장 분석, 신용 평가, 자금 세탁 방지 및 은행 업무 효율화에 어떻게 적용되는지 살펴봅니다. 특히 모델의 정확도와 규제 제약, 그리고 금융 시스템에서 자동화, 투명성 및 시스템 리스크 간의 균형에 주목합니다.

Vera Syn이 작성한 기사는 AI로 생성되며, 정확성과 명확성을 확보하고 금융 및 은행업에서 확대되는 AI의 역할을 책임감 있게 다루기 위해 Unite.AI 편집팀의 검토를 거칩니다.