더존비즈온(공동대표 이강수·지용구)은 테크핀레이팅스(대표 옥형석) 및 KAIST(박찬영 교수 연구팀)와 공동으로 진행한 'AI를 활용한 거래관계망 신용평가 모형 개발(DefaultGNN)' 연구가 국제 학술대회 CIKM(ACM International Conference on Information and Knowledge Management)에 채택됐다고 20일 밝혔다. CIKM은 인공지능(AI), 데이터 마이닝, 정보 검색 분야의 톱티어 학회로, 컴퓨터 공학·AI 분야에서는 학술지보다 컨퍼런스 발표 논문의 권위를 더 높게 인정하는 경향이 있다.
이번 연구의 핵심은 기존 기업신용평가 모형이 간과해온 거래처 네트워크 정보를 정량적으로 분석해 모형의 예측력을 보완한 점이다. 기존 모형은 개별 기업의 재무 정보(수익성, 안정성, 유동성, 성장성 등)에 의존했지만, DefaultGNN은 거래처 정보, 거래 유형·비중, 휴폐업·부도·취소금액 등 네트워크 변수를 활용해 숨겨진 리스크를 정량화했다. 특히 1차 거래처뿐 아니라 2·3차 거래처의 부도나 휴폐업이 해당 기업의 부도율에 연쇄적으로 영향을 미친다는 점을 확인하고 이를 평가에 반영했으며, 기존 모형과 결합 시 단독 모형보다 신용 예측 성능이 개선되는 것을 입증했다.
이번 연구는 더존비즈온이 보유한 ERP(전사적자원관리) 데이터에 AI 알고리즘을 적용해 이뤄졌다. 기업의 거래내역 전체를 확인할 수 있는 ERP 데이터를 AI가 분석하면서 기존의 전산 기록이 지능형 AI 플랫폼으로 진화한 셈이다. 또한 재무 정보가 부족해 신용 리스크가 과대평가됐던 중소기업·개인사업자에게는 대출 문턱을 낮출 가능성도 열렸다. 실제로 재무제표가 부족한 기업에 대한 예측 성능이 개선됐으며, 법인은 대출 승인율을 높이면서도 부도율을 안정적으로 유지했고, 개인사업자는 대출 승인율을 높이면서도 부도율을 오히려 낮추는 성과를 냈다.
KAIST 박찬영 교수는 "기업 간 거래관계망을 그래프 신경망(GNN)으로 학습해 개별 기업 정보만으로는 파악하기 어려운 신용위험 전파 구조를 모델링했다"며 "매수·매도 관계와 거래 규모를 함께 고려해 실제 금융 데이터에서 AI가 새로운 위험 신호를 발굴할 수 있음을 입증했으며, 향후 다양한 금융 리스크 분석으로 확장할 수 있을 것"이라고 말했다. 테크핀레이팅스 옥형석 대표는 "기존 기업신용평가모형이 반영하지 못한 거래 상대방의 휴폐업·부도 영향을 정량 평가할 수 있게 된 것이 핵심"이라며 "기존 모형과 결합 시 성능이 향상되는 것을 실증했다"고 설명했다. 더존비즈온 지용구 공동대표는 "기업의 진정한 신용은 과거의 독립적 성적표가 아니라 건강한 파트너와의 거래 궤적에 있다"며 "ERP 데이터와 AI 기술이 결합한 이번 연구가 건실한 중소기업에 자금을 공급하는 포용적 금융의 출발점이 되길 기대한다"고 밝혔다.
한편, 이번 연구 결과가 실제 중소기업·소상공인 금융 환경에 적용되기까지는 추가 검증과 상용화 과정이 필요할 것으로 보인다.