투자회사에 향상된 기술을 적용하는 몇가지 사례 (투자 관리자들이 AI, ML 및 RPA에 대해 낙관적인 이유)

자료실
자료실
기타
작성자
finweb
작성일
2019-04-19 11:12
조회
1823

Why Investment Managers Are Bullish About AI, ML And RPA

투자회사에 향상된 기술을 적용하는 몇가지 사례 (투자 관리자들이 AI, ML 및 RPA에 대해 낙관적인 이유)

*해당 글은 Forbes에 게시된 Robert Roley의 글을 번역했습니다.

 10년 전에 등장했던 SF소설의 차세대 지능형 기술이 투자 관리에 본격적으로 뛰어들고 있습니다. 기술은 오래 전부터 자산관리 분야를 비롯한 금융산업에 강력한 성장 동력이 되어 왔지만, 항상 더 발전되는 것은 도전이었습니다. 확실히 그 어느 때보다도 오늘날에 그렇습니다.

 기업은 끊임없이 "차세대 제품"을 평가하고 가격과 광범위한 결과를 바탕으로 현명한 기술 결정을 내려야 합니다. 그러나 새로운 기술 솔루션을 둘러싼 답답하고 과장된 표현과 혼란스러운 약어로 인해 효율성 향상과 실제 투자 수익에 대한 기회는 종종 이해하기 힘들어집니다.

 최근 대표적인 사례가 인공지능(AI)의 변종인 기계학습(ML)과 로봇공정자동화(RPA)다. 투자 회사는 이러한 기술과 지속적으로 협력하여 다양한 백오피스 및 미드오피스 운영에서 지루하고 데이터 집약적인 워크플로우를 자동화할 수 있도록 지원하고 있습니다. 더불어 AI, ML, RPA의 이점은 모든 시장으로 확대됩니다. 실제로 IDC에 따르면, 올해 전 세계 AI 시스템에 대한 지출은 358억 달러만큼 증가할 것으로 예상됩니다. 이러한 기술은 자산 관리 작업에 어떤 의미가 있을까요?

투자 운영에 대한 시사점

 기술 분석가들은 AI, ML, RPA가 점점 더 밀접해질 것으로 예상하고 있습니다. 이러한 기술들은 모두 투자 운영과 작업 수행 방법을 변화시킬 수 있는 잠재력을 가지고 있습니다. 데이터 및 트랜잭션 중심의 금융 부문은 특히 지능적인 자동화에 적합합니다. McKinsey & Company의 연구에 따르면 2016년 현재 금융 및 보험 분야의 전체 인력 중 약 50%가 데이터 수집 및 처리에 전념하고 있습니다. 또한 이 보고서는 재무 담당 직원의 비효율적인 일을 최대 43%까지 자동화시킴으로써 더 높은 가치를 지닌 작업에 집중할 수 있다는 결론을 내렸습니다.

 기업은 이러한 진화하는 기술을 통해 이점을 얻을 수 있습니다. 다음은 투자 기업에 적용할 수 있는 몇 가지 예입니다.
  • 부정 행위 탐지: 분석 및 알고리즘을 사용하여 데이터를 해석하고 결과를 예측할 수 있으며, 새로운 기술은 경험과 반복을 통해 "학습"하여 데이터 입력을 인식하고 분류 및 구성하는 데 지속적으로 더 발전할 수 있습니다. 이를 통해 투자자가 부정 행위를 탐지할 수 있습니다. 예를 들어, AI기반 기술은 자금의 유입 및 유출로 인한 현금 흐름을 살펴보며 여태껏 1만 달러 이상을 인출한 적이 없을 때 누군가 100만 달러를 인출하는 상황이 발생하면 의심스러운 활동으로 판단하여 실시간으로 포착할 수 있습니다. 이처럼 AI가 비정상적이거나 의심스러운 활동을 파악하게 되면 컴플라이언스, 즉 감사(준법감시) 또한 간소화될 수 있습니다.
  • 조정: ML은 조정 프로세스에서 데이터 매핑 및 매칭의 효율성을 크게 개선할 수 있습니다. ML은 관리자처럼 제3자의 새로운 데이터 파일 및 형식을 가져올 수 있어서 프로세스를 간소화하는 데 사용할 수 있습니다. 이러한 새로운 "원형" 데이터 파일의 내용과 구조는 고급 클러스터링 분석 기법을 사용하여 자동으로 학습할 수 있습니다. ML 신경망은 제안된 일치 항목을 검사하고 분류를 결정할 수 있습니다. 데이터 구조와 유형이 학습되면 핵심 중앙 사무실 응용프로그램 내의 내부 데이터 세트와 조정할 수 있습니다. 미리 정의된 규칙을 기반으로 작동하는 효율성 중심의 AI인 RPA를 활용하여 복잡성은 줄이되 시간이 많이 소요되는 조정 작업을 자동화할 수도 있습니다. 이 기술은 특정 소스에서 다른 소스로 데이터 항목을 복사하는 등 지루한 작업을 수행할 때 작업자가 수행하는 것처럼 간단한 단계를 모방하여 "사람으로서 행동"하도록 설계되었습니다
  • 거래: ML은 투자 업계에서 정량적 투자 전략의 적용을 적극적으로 모색하면서 일부 뉴스를 만들었습니다. 시스템이 과거 데이터를 기반으로 거래 실행을 최적화하는 방법을 배우면서 알고리즘 트레이딩도 ML을 통해 계속해서 발전합니다. 게다가 AI 기반 자연어 처리(NLP)는 은행 대출 명세서를 읽어 수동 서류 기반 무역 예약 및 결제 프로세스를 자동화하는 데 활용되고 있습니다.
  • 리스크 관리: AI는 기존에 비전통적인 정보 자원으로부터 시작되는 대체 데이터 분석에 크게 의존한 리스크 관리 전략을 더욱 강화하고 있습니다. 대체 데이터는 투자 회사에 경쟁 우위를 제공할 수 있는 잠재력이 있습니다. 하지만 대체 데이터로서 적격인 것처럼 보이는 것들은 겉으로 보기에는 너무 랜덤한(무작위한)특성이 있어 이는 하나의 과제가 됩니다. 이러한 데이터 세트에는 제품 리뷰, 위치 정보 데이터, 웹 사이트 활동, 소셜 포스트, 위성 이미지 등이 포함될 수 있습니다. AI는 이러한 대용량 데이터 세트를 선별하여 의미 있는 연결을 식별하는데 사용합니다. 이미 대체 데이터에서 도출하여 사전 패키지화 된 통찰력을 제공하는 기업이 있지만, 일부 기업은 자체 AI 도구를 사용하여 위험 관리 및 거래 활동에 영향을 미칠 수 있는 추세 등을 파악하기 위한 데이터 과학 팀을 자체적으로 구성해야 합니다.
 AI, ML 및 RPA를 효과적으로 조직에 적용하려면 이를 집중적으로 채택해야 합니다. 기업은 "차선 선택"을 통해 개선하고자 하는 영역을 선택하여 이 기술을 내부에서 적용해야 합니다. 또한 이러한 툴을 채택하기 위한 리더십은 조직 전체가 이 전략에 맞게 조정되도록 하는 것입니다. 궁극적으로는 이러한 기술의 적용을 여러 부서로 확대하는 것이 목표이기 때문입니다.

포커스 변경

 자산관리는 큰 변화 중에 있습니다. 최근 몇 년간 새로운 투자 수단의 급속한 확산과 회사 포트폴리오에서의 제품과 자산의 혼합에 변화가 있었습니다. 기존 자산운용과 대체자산운용 간의 경계가 계속 모호해지고 있습니다. 기업은 증가하는 규제 복잡성, 변화하는 투자자의 기대, 그리고 수수료를 줄이거나 합리화해야 한다는 지속적인 압력에 직면해 있습니다.

 AI, ML 및 RPA 기반 지능형 자동화는 인적 인재의 효율성을 높임으로써 운영의 조직 구조를 변화시킬 수 있습니다. 이러한 기술을 효과적으로 적용할 경우 투자 기업의 운영 모델을 보다 "예외 기반 워크플로우"로 이동하여 직원들이 보다 가치 있는 문제에 집중할 수 있습니다. 사람들은 데이터를 처리하는 대신 데이터를 분석하고 연구하는데 더 많은 시간을 할애하여 비즈니스를 발전시킬 수 있는 새로운 기회를 포착할 수 있습니다.

번역 - 핀인사이트 인턴연구원 김효민 (khmsico@gmail.com)

원문 보러가기

https://www.forbes.com/sites/forbesfinancecouncil/2019/04/08/why-investment-managers-are-bullish-about-ai-ml-and-rpa/#42d762be2aa4
전체 0

전체 446
번호 썸네일 제목 작성자 작성일 추천 조회
공지사항
비밀글 파이썬으로 배우는 블록체인 구조와 이론 (위키북스)
finweb | 2019.07.05 | 추천 0 | 조회 8
finweb 2019.07.05 0 8
444 투자시장의 열쇠는 대체 데이터
투자시장의 열쇠는 대체 데이터
투자시장의 열쇠는 대체 데이터
finweb | 2019.09.19 | 추천 0 | 조회 43
finweb 2019.09.19 0 43
443
자동화 분야를 바꾸는 RPA와 인지 자동화
finweb | 2019.09.18 | 추천 0 | 조회 8
finweb 2019.09.18 0 8
442 인공지능이 투자를 향상시키는 11가지 방법
인공지능이 투자를 향상시키는 11가지 방법
인공지능이 투자를 향상시키는 11가지 방법
finweb | 2019.09.18 | 추천 0 | 조회 3
finweb 2019.09.18 0 3
441 블록체인 표준은 매우 세분화되어 있으며, 4가지 표준보다 더 이상 시장을 점유하기 힘들 것이다.
블록체인 표준은 매우 세분화되어 있으며, 4가지 표준보다 더 이상 시장을 점유하기 힘들 것이다.
블록체인 표준은 매우 세분화되어 있으며, 4가지 표준보다 더 이상 시장을 점유하기 힘들 것이다.
finweb | 2019.09.16 | 추천 0 | 조회 31
finweb 2019.09.16 0 31
440
이더리움은 하이퍼레저 협력단의 첫 번째 공공 블록체인이 될 준비가 다 됐습니다.
finweb | 2019.08.30 | 추천 0 | 조회 32
finweb 2019.08.30 0 32
439
글로벌 핀테크 투자가 곤두박질치다
finweb | 2019.08.29 | 추천 0 | 조회 24
finweb 2019.08.29 0 24
438
데이터 사이언티스트: 이 5개 도시에서 가장 높은 연봉을 받으세요.
finweb | 2019.08.23 | 추천 0 | 조회 25
finweb 2019.08.23 0 25
437
전 세계 핀테크 투자가 급락하다.
finweb | 2019.08.21 | 추천 0 | 조회 26
finweb 2019.08.21 0 26
436
자동화: 데이터 시나리오의 미래
finweb | 2019.08.21 | 추천 0 | 조회 30
finweb 2019.08.21 0 30
435
블록체인 초보자를 위한 5가지 핵심 개념
finweb | 2019.08.20 | 추천 0 | 조회 30
finweb 2019.08.20 0 30
434
중소기업에도 빅데이터가 필요하다
finweb | 2019.08.19 | 추천 0 | 조회 24
finweb 2019.08.19 0 24
433
데이터 과학자로서의 시장성을 높이는 6가지 방법
finweb | 2019.08.14 | 추천 0 | 조회 31
finweb 2019.08.14 0 31
432
핀테크 부문의 증가
finweb | 2019.08.14 | 추천 0 | 조회 31
finweb 2019.08.14 0 31
431
핀테크는 다음 개척지이다.
finweb | 2019.08.14 | 추천 0 | 조회 32
finweb 2019.08.14 0 32
430
데이터 사이언스 직업에서 알고 있어야 할 3가지 트렌드
finweb | 2019.08.13 | 추천 0 | 조회 19
finweb 2019.08.13 0 19
429
21가지 인공지능 사례 및 사용 사례
finweb | 2019.08.12 | 추천 0 | 조회 30
finweb 2019.08.12 0 30
428
2019년 상위 AI 동향
finweb | 2019.08.09 | 추천 0 | 조회 30
finweb 2019.08.09 0 30
427
블록체인이 금융의 판도를 변화시킵니다.
finweb | 2019.08.08 | 추천 0 | 조회 36
finweb 2019.08.08 0 36
426
빅 데이터를 완벽하게 관리하는 비즈니스 3대 과제
finweb | 2019.08.05 | 추천 0 | 조회 53
finweb 2019.08.05 0 53
425
연구: 비트코인이 아닌 블록체인 투자액이 2019년에 60% 감소할 것이다.
finweb | 2019.08.01 | 추천 0 | 조회 56
finweb 2019.08.01 0 56