PFCT는 마미코스를 통해 수집된 약 21만 건 이상의 원천 데이터를 정제 및 가공해 4만명 규모의 임차인 데이터를 구축하고, 이 중 약 2만7000명의 유효 데이터를 기반으로 신용평가 모델을 개발했다. 계약 단위로 축적된 결제 데이터를 임차인 단위로 재구성하고, 다중 결제 이력과 연체 유형을 반영하도록 집계·정제 과정을 거쳐 실제 금융 적용이 가능한 데이터 구조로 전환한 것이 특징이다.
(자료=PFCT)
PFCT가 개발한 모델은 단순 연체 여부를 예측하는데 그치지 않고 임차인의 결제 행동을 기반으로 리스크를 종합 프로파일링하는데 초점을 맞췄다. 최신 결제 상태와 과거 연체 이력을 함께 반영하는 ‘듀얼 스냅샷 구조’를 적용해 단기 상태와 장기 리스크를 동시에 반영도록 설계했다.
특히 인구통계 정보뿐 아니라 행동 기반 변수의 비중을 확대했다. 최대 연체 기간, 연속 연체 패턴, 평균 및 최근 연체 일수 등 결제 행동을 정량화한 변수를 핵심 피처로 활용해 모델의 설명력과 예측력을 높였다.
모델은 사람이 설정한 기준과 인공지능 분석을 결합한 하이브리드 방식으로 설계됐다. 초기에는 전문가가 변수 중요도를 설정하고, 이후 머신러닝을 통해 실제 데이터 패턴을 학습하도록 했다. 설명 가능한 AI 기술도 적용해 어떤 요소가 신용도에 영향을 미쳤는지를 직관적으로 확인하도록 했다. 성능 검증 결과, ‘2일 이상 연체’ 기준에서 재현율이 약 95%를 기록하며 고위험 이용자를 식별하는 성능을 확인했다.
이번 프로젝트는 단순 모델 개발을 넘어 프롭테크 플랫폼에서 생성되는 행동 데이터를 AI로 해석해 금융 의사결정에 활용 가능한 신용 인프라로 전환했다는 점에서 의미가 있다.
이수환 PFCT 대표는 “이번 프로젝트로 AI 신용평가 모델링 기술이 프롭테크 산업에도 적용될 수 있음을 입증했다”며 “PFCT는 AI 렌딩테크 전문 기업으로서 향후 프롭테크뿐 아니라 이커머스, 모빌리티 등 다양한 플랫폼 데이터와 결합해 글로벌 시장에서 활용 가능한 신용평가 모델을 확장해 나가겠다”고 전했다.
