AML 업무 도전: 대량 의심 거래 분류 기준 모호성과 데이터 기반 기준 정비
약 70초
AML 업무를 수행하며 겪은 가장 큰 도전과 해결 방법을 설명
AML 업무를 지원하면서 가장 어려웠던 건 의심 거래 경보가 너무 많이 발생해 실제 고위험 거래를 찾아내기 어려운 상황이었습니다. 임계값이 너무 낮게 설정돼 있어 오탐(false positive)이 실제 의심 거래보다 수십 배 많았습니다. 경보 건수가 많으면 심사 시간이 부족해져 오히려 실제 위험을 놓칠 수 있었습니다.
과거 경보 데이터를 분석해 어떤 조건이 실제 보고로 이어졌는지를 분류하고, 고위험 패턴을 먼저 정의하는 작업을 진행했습니다. 분류 기준을 명확히 하니 같은 거래도 담당자마다 다르게 판단하는 문제가 줄었습니다. 임계값을 조정하고 나서 경보 건수가 30% 감소했고, 심사 집중도가 올라갔습니다. 규제 요건과 내부 위험 기준 사이의 균형을 찾는 것이 AML 업무의 핵심이라는 걸 배웠습니다.
이 결의 특징
과거 경보 데이터를 직접 분석해 고위험 패턴을 먼저 정의하고, 임계값 조정 후 경보 건수가 정확히 30% 감소했다는 수치가 있습니다. 오탐 감소와 실제 위험 포착 사이의 균형을 데이터로 맞춘 결과입니다.
이 결이 통하는 자리
임계값 조정 전후 수치 비교가 명확할 때 통합니다. 오탐 문제를 추상 아닌 구체적 데이터로 진단하고 개선한 과정이 살아 있으면, 분석 역량이 묻어날 때 더욱 강합니다.