PFCTは2月12日、ソウル大学コンピュータ工学部のムン・ビョンロ教授の研究チームと、10カ月にわたりAI信用評価手法の高度化に向けた共同研究を進めたと発表した。匿名化した実際の金融データを用いて複数のアルゴリズムを比較し、Transformerの適用可能性と限界を検証したという。

今回の研究は、実データに基づく比較実験を通じて、より高精度なAI信用評価モデルの開発に向けた知見を得ることを目的としたものだ。

研究では、ディープラーニングの代表的な構造の一つであるTransformerを信用評価に適用し、その特性と制約を分析した。Transformerは自然言語処理など、データの順序が重要な分野で広く使われるモデルとして知られる。一方、信用評価データは順序情報を持たないケースが多く、今回の研究ではこうしたデータ環境でどのような学習特性を示すかを重点的に検証した。

その結果、同じデータ条件でもモデル構造の違いによって性能指標や学習特性に差が生じることが分かった。一部の実験では、従来方式と比べて、リスク顧客の識別指標であるKSや、低信用帯の検出性能を示すRecallに改善傾向も見られた。

両者はこれらの結果を踏まえ、Transformerベースの学習方式について、適用可能な範囲と限界を検証した。PFCTは、今回の研究について、今後の実務適用を見据えたモデル設計や追加研究に向け、比較軸と実証データを示した点に意義があるとしている。

ムン・ビョンロ教授は「信用評価に対するさまざまなアルゴリズムのアプローチを実データ環境で検証し、金融現場での活用可能性を確認できた点に意義がある」とコメントした。「ディープラーニングベースの方法論を信用評価データの特性に合わせて検討し、今後の実務適用に向けた基準を示した」としている。

PFCTのイ・スファン代表は「今回の産学連携は、AI信用評価を固定化された技術ではなく、継続的に拡張・検証していくべき研究領域として捉えた点に意味がある」と述べた。そのうえで、「学術分野のアルゴリズム研究と産業現場の実データを結び付けた今回の成果を基に、AI信用評価技術の研究と検証を継続していく」とした。