[AI 브리프] 셀렉트스타, 데이터 마이닝 분야 학회서 금융 AI 안전성 평가 성과 인정

아이티데일리는 국내외 주요 AI 소식을 묶은 코너 'AI 브리프'를 제공한다.

이 코너의 한 대목에서는 셀렉트스타가 5일 자사의 금융 AI 안전성 평가 연구 논문이 'IEEE ICDM 2026' 메인 컨퍼런스에 채택됐다고 발표한 내용을 전한다. 'IEEE ICDM 2026'은 데이터 마이닝 분야 세계적 권위 학회다.

해당 논문은 전체 투고작 중 약 8.9%인 구두 발표 논문으로 선정됐다.

기사에 함께 실린 사진은 금융 AI 안전성 평가 프레임워크 '핀레드'의 기술 구성도를 소개한다. 이 도식은 '핀레드'가 금융 위험 시나리오 생성과 전문가 기반 평가 기준 수립, AI 모델 안전성 검증 과정을 포함하는 구조임을 보여준다. 사진 출처는 셀렉트스타다.

셀렉트스타 AI 연구진·금융보안원·KAIST 공동 연구의 채택 논문명은 'FinRED: An Expert-Guided Benchmark Generation and Evaluation Framework for Financial LLM Red-Teaming(금융 LLM 레드티밍을 위한 전문가 기반 벤치마크 생성 및 평가 프레임워크)'이다. 이 연구는 금융 특화 LLM 안전성 체계적 평가 기술을 제시하며, 금융 분야에 특화된 LLM의 안전성을 점검하기 위한 체계를 제시한다.

이를 위해 연구진은 금융보안 전문가 지식·실제 금융 문서를 결합해 위험 시나리오를 생성하는 '핀레드(FinRED)' 프레임워크를 구축했다. 핀레드는 금융 전문가 판단을 평가 기준 반영 요소로 삼아 AI 생성 답변의 실제 위험 행위 지원 여부를 평가하는 것을 목적으로 하며, AI 답변의 유해성·위험 행위 지원 여부를 종합 판정하도록 구성됐다.

셀렉트스타는 이번 연구에서 AI 생성 답변 위험성 평가 과정에서도 성과를 입증했다고 설명했다. 핀레드의 금융 특화 평가 기준은 기존 범용 평가 방식과 비교해 금융보안 전문가의 판단과의 일치율을 높였다. 일치율은 76.92%에서 88.46%로 상승했고, 상승 폭은 11.54%p였다.

또한 위험한 답변을 안전하다고 오판한 사례는 기존 대비 약 57% 감소했다. 이에 따라 핀레드의 금융 특화 평가 기준이 범용 방식보다 금융보안 전문가의 판단에 더 가까우면서 위험 답변 오판도 줄인 것으로 나타났다.

한국딥러닝은 5일 신한베트남파이낸스(SVFC)와 금융업무 관련 기술실증(PoC)을 수행했다고 발표했다. 이번 수행은 신한금융그룹 글로벌 스타트업 육성 플랫폼인 '신한퓨처스랩 베트남'을 통해 이뤄졌다.

이번 프로그램은 신한베트남은행·서울경제진흥원(SBA)이 주최·주관한 글로벌 오픈이노베이션 사업이다. 이 프로그램은 신한베트남파이낸스의 기술 수요를 기반으로 국내 스타트업과 해외 금융기관의 협업 및 기술실증을 지원하기 위해 마련됐다.

한국딥러닝은 신한카드 베트남 자회사 신한베트남파이낸스와 금융업무 자동화 PoC를 수행했다고 밝혔다. 이번 PoC의 목적은 한국딥러닝 기술의 활용 가능성을 검증하는 데 있었다. 실증에는 한국딥러닝의 '딥 에이전트'가 적용됐다.

'딥 에이전트'는 AI 정보 인식 기술 '딥 OCR'과 구조 분석 기술 '딥 파서'를 구성 기반으로 한다. 이 솔루션은 다양한 문서의 필요 정보를 추출·구조화하고, 추출·구조화한 정보와 실제 업무 처리 과정을 연계하는 기능을 갖췄다. 이번 실증에서는 베트남 현지 금융업무용 정보 처리와 데이터 활용, 후속 업무 자동화 기술의 적용 가능성을 검토했다.

한국딥러닝은 이번 성과를 바탕으로 베트남을 포함한 해외 금융시장에서의 사업 기회를 확대할 계획이다. 이를 위해 국내 기업·공공기관을 대상으로 축적한 기술과 구축 경험을 활용하고, 현지 금융기관의 업무 환경과 운영 수요에 맞는 솔루션 적용 방안을 모색할 방침이다. 아울러 해외 파트너와의 협력 기회도 확대해 나갈 계획이다.

(사진: 인포시즈)

인포시즈는 5일 국제 전력·에너지 기술 박람회 '빅스포 2026'에 참가한다고 발표했다. 인포시즈는 한국전력공사와 추진 중인 '인공지능 기반 가상 전력망' 실증사업의 성과를 공개할 예정이다.

전력계통 업무에서는 송배전 설비의 복잡한 연결 관계와 운영 기준을 종합적으로 검토할 필요가 있다. 이 과정에서 동일 설비의 시스템별 명칭이 다르고, 설비 간 연결 정보가 여러 자료에 분산돼 있는 점이 문제로 제기된다.

이 때문에 연결 관계를 오해석할 경우 검토 대상 설비가 누락될 가능성이 있다. 반대로 실제로는 연결되지 않은 설비가 분석에 포함될 가능성도 있다.

인포시즈는 이러한 문제에 대응하기 위해 한전의 국가 전력망 AI 고도화 사업에 참여했다. 이 사업에는 온톨로지 기반 데이터 모델링 기술이 적용됐다.

인포시즈는 전력설비 간 연결 관계와 운영·기술 기준을 하나의 의미체계로 구조화했다. 이를 바탕으로 AI가 실제 설비 관계와 검토 기준에 따라 정보를 조회하고 분석하도록 설계했다.

인포시즈는 한전 AI 기반 가상 전력망 실증사업 수행사다. 인포시즈는 이 사업에서 온톨로지 기반 전력망 데이터 구조화와 AI 에이전트 개발을 담당했다. 해당 사업은 11월 중 마무리될 예정이다.

탁정수 인포시즈 대표는 온톨로지 기반 엔터프라이즈 AI 적용을 확장할 방침이라고 밝혔다. 적용 확장 대상은 고도 데이터 처리 능력·정확도 요구 주요 산업 분야다.

예진은 자체 한국어 모델 기반 법령 안내 서비스 '젤리법령 도우미'를 공개했다. 예진은 5일 '젤리법령 도우미'를 무료 제공한다고 발표했다. '젤리법령 도우미' 기반 모델은 자체 개발 한국어 파운데이션 모델 '예진 8B v3'다. '젤리법령 도우미'는 자연어 질문만으로 관련 법령 조문을 탐색하는 기능을 갖췄다.

예진은 '예진 8B v3'가 해외 공개 모델 가중치를 활용하지 않았다고 설명했다. 또한 '예진 8B v3'는 처음부터(From-Scratch) 사전학습한 모델이라고 설명했다.

젤리법령 도우미는 법령 용어에 익숙하지 않은 일반인·실무자를 대상으로 하는 서비스다. 사용자가 자연어 상황을 입력하면 RAG+법령 특화 sLM을 결합한 방식으로 관련 현행 법령 조문·근거를 정리해 제공한다.

예진에 따르면 이 서비스는 환각 억제를 목적으로 설계됐다. 이를 위해 생성 온도 0 고정 방식을 적용했고, 검색된 조문 범위 내 즉답형(No-Think) 설계를 채택했다.

기반 모델은 예진 8B v3다. 이 모델은 엔비디아 H200 GPU 8장 단일 노드 환경에서 개발됐고, 839억 토큰 규모로 학습됐다.

토크나이저는 자체 설계 6만4000 어휘 규모 한국어 숫자 분리형이다. 회사는 이 토크나이저를 통해 라마 3 등 대비 동일한 한국어 법령 문서 처리 토큰 수를 24~38% 절감할 수 있다고 주장했다. 사진 표기는 디플리다. 기사 내에서는 디플리가 글로벌 항만사에 음향 분석 AI 솔루션 '리슨 AI'를 공급했다는 내용도 언급됐다.

디플리가 자사 산업용 음향 분석 AI 솔루션 '리슨 AI'를 글로벌 대형 항만사에 공급했다. 해당 항만사는 부산에서 항만 시설을 운영 중이며, 디플리는 5일 자동화 크레인 설비를 대상으로 음향 기반 예지보전을 수행할 계획이라고 발표했다.

리슨 AI는 산업 부품 품질 검사와 커넥터·볼트 체결음 검사, 예지보전에 활용되는 솔루션이다. 이 솔루션은 80데시벨(dB) 이상 소음 환경에서도 타깃음을 정확히 추출할 수 있으며, 이상음·정상음을 구별하는 기법을 적용했다. 적용 산업 분야는 모빌리티·가전·항만·로봇·설비다.

리슨 AI는 글로벌 항만사가 운영하는 부산 신항 터미널 1곳에 적용됐다. 적용 대상은 무인 기반 자동화 야드 크레인이며, 예지보전 대상 부위는 호이스트(인양 장치) 구동부다. 설치 장비로는 모터 2대·감속기에 각각 음향 센서를 설치했다.

운영 방식은 24시간 상시 녹음이다. 하루 약 300회 호이스팅 사이클 구간을 자동 식별·분석하며, 이상음이 발생하면 터미널 CMS(크레인 모니터링 시스템)와 원격 사무실로 알림을 전송해 조치를 유도한다.

출처: 아이티데일리 (IT DAILY) · 양승갑 기자
원문: https://www.itdaily.kr/news/articleView.html?idxno=242708

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=242708