부록 A — 용어와 아키텍처

금융 학습 AI 플랫폼: 금융 코디세이 · AI Fintech 텀 프로젝트 이 문서는 팀 최종 기획서를 지원하는 참고 자산이다. 기획서 본문이 표로 압축한 용어·기술·구성을 원래 정밀도로 풀어 두었고, 마지막 절에는 금융안전 영역에 한정한 심화 설계를 실었다.

1. 용어집

용어	정의
금융 미션	계좌이체·문서 이해·사기 판별 등 실제 금융과업을 수행 형태로 옮긴 학습 단위. 사용자의 수행 결과가 진단의 입력이 된다
금융역량 진단	미션 수행 행동 데이터를 기준과 가중치에 따라 점수화해 현재 역량을 측정하는 기능
금융역량 프로필	미션 수행 결과를 사용자 단위로 모은 역량 기록. 취약 영역에 맞는 학습을 연결하는 기준이 된다
AI 가이드형 실습	미션 수행 중 자연어 안내·피드백을 생성해 붙여 주는 실습 방식
개인별 학습경로 추천	프로필을 근거로 다음에 무엇을 학습할지 순서를 정하는 기능
기초금융	3대 학습 영역의 하나. 계좌이체, 자동이체, 신용점수, 대출금리, 금융문서 이해
금융안전	3대 학습 영역의 하나. 보이스피싱·스미싱·악성앱·기관사칭·투자사기 대응
생활금융	3대 학습 영역의 하나. 지원제도 탐색, 청년·퇴직·연금 정보 이해, 금융조건 비교
B2B2C	은행·증권사·보험사·통신사 등이 플랫폼을 도입해 자사 고객에게 제공하는 수익 구조
B2B2G	금융·소비자 기관, 지방자치단체 등이 도입하는 수익 구조
Rule-based Scoring	사전에 정의한 기준과 가중치로 점수를 계산하는 방식. 학습 데이터 없이도 지금 동작한다
RAG	공식 금융자료를 검색해 답변의 근거로 함께 제시하는 방식. 근거 없는 생성(환각)을 줄인다
Learning-to-Rank	축적된 수행·학습 결과로 추천 순위를 학습하는 방식

2. AI 3기능 명세

핵심 기능	적용 기술	지금 동작하는 경로(Rule)	고도화 경로(ML/LLM)	왜 AI여야 하는가
금융역량 진단	Rule-based Scoring → ML(분류/회귀 모델)	행동 데이터에 사전 정의한 기준·가중치를 적용해 점수화한다	축적된 데이터를 학습한 모델로 판정을 정교화한다	연령대가 역량의 대리 지표가 되지 못한다는 것이 문제 정의 그 자체다. 개인별 취약 영역 판정은 축적 데이터를 학습하지 않으면 정교해지지 않는다
AI 가이드형 실습	Instruction LLM + Context Prompting + RAG	미션 단계·사용자 수준을 조건으로 전달해 응답 방식을 조정한다	공식 금융자료를 검색해 답변 근거로 붙인다	같은 내용을 사람마다 다른 방식으로 말해야 한다. 고정 문안 분기는 조합이 폭발하고, 근거를 붙이는 일은 검색과 생성이 함께 필요하다
개인별 학습경로 추천	Rule-based 추천 → Learning-to-Rank	프로필과 사전 정의된 규칙으로 다음 학습을 정한다	사용자별 학습효과를 반영해 순위를 학습한다	학습효과가 사람마다 다르다는 전제가 있는 한, 데이터가 쌓이면 순위 학습이 불가피하다

서술 규율. 세 기능은 전부 「Rule → ML/LLM」의 2단 구조를 갖는다. 기술을 말할 때는 지금 당장 동작하는 규칙 경로와 데이터가 쌓인 뒤의 고도화 경로를 항상 함께 밝힌다 — 과장 없이 AI 필연성을 말할 수 있는 형식이다.

3. 시스템 구성

 사용자
   │  미션 수행 요청
   ▼
 API Gateway  — 인증 / 인가
   │
   ▼
 API server ──── 미션 컨텍스트 ────▶  AI (LLM)
   │   ◀──── 가이드 / 피드백 / 근거 ────┘
   │                                     │  정제 텍스트 임베딩 요청
   │  프로필 조회 · 수행기록 저장          │  임베딩 벡터 근거 검색
   ▼                                     ▼
 Database  ◀────────────────────  Pipeline
                                         ▲
                                         │ 원문 수집
                              금융 공공정보 · 제도 · 혜택정보

구분	흐름
요청 흐름	사용자의 미션 수행 요청이 API Gateway의 인증·인가를 거쳐 API server로 전달된다
AI 호출	API server가 미션 컨텍스트를 AI(LLM) 에 전달하고, 가이드·피드백·근거를 받아 사용자에게 제공한다
데이터	API server는 Database에서 프로필을 조회하고 수행기록을 저장한다. AI는 임베딩 벡터 근거 검색으로 답변 근거를 가져온다
외부 수집	Pipeline이 금융 공공정보·제도·혜택정보 원문을 수집해 정제 텍스트를 임베딩하고 Database에 적재한다

안전 설계 보충. 외부에서 수집한 원문은 AI 1차 검증과 사람 검수를 함께 거친 뒤 적재해, 검증되지 않은 외부 입력이 답변 근거로 그대로 들어오지 않게 한다.

4. 금융위원회 AI 활용 7대 원칙 대응

원칙	본 서비스의 대응	대응 수준
거버넌스	금융역량 진단이 규칙 기반 점수화에서 출발하므로 기준과 가중치가 문서로 남고 점수 산출이 재현·감사 가능하다. 판정 이력을 기록해 사후 추적이 가능하도록 설계한다	설계 반영
합법성	답변 근거는 공식 금융자료와 공공정보만 사용하고 개인 금융정보는 수집하지 않는다. 사기 대응 실습은 앱 안의 가상 상황으로 한정한다	설계 원칙 수립 (법적 검토는 진행 예정)
보조수단성	AI는 안내·피드백·추천의 보조수단이며 최종 판단과 실행은 사용자에게 있다	설계 반영
신뢰성	RAG로 공식 금융자료를 답변 근거와 함께 제시해 근거 없는 생성을 줄이고, 진단 점수는 규칙 계산 결과로 산출한다	설계 반영
금융안정성	실습 환경은 가상이며 실제 금융 시스템에 대한 쓰기 접근이 없다. 실습 중 어떤 조작도 실계좌·실거래에 도달하지 않는다	설계 반영
신의성실	금융상품을 판매·중개하지 않으며 특정 상품을 추천하지 않는다. 수익은 API 사용량 기반 과금과 라이선스 구독에서만 발생한다	설계 반영
보안성	프로필은 가명처리 후 저장하고 개인 금융정보를 수집하지 않으며, 기관에 제공하는 결과는 집계 단위로만 산출한다	설계 반영

7개 전부에 대응이 있으나 대응 수준을 구분 표기한다. 합법성은 법적 검토가 끝나지 않았으므로 "설계 원칙 수립" 단계임을 숨기지 않는다.

5. 개인정보 · 안전 설계

최소 수집. 학습·진단 목적에 필요한 항목만 수집하며, 항목·목적·보유 기간을 고지하고 명시적 동의를 받은 경우에만 저장한다.
가명처리. 프로필은 저장 시점부터 가명처리한다. 개인 금융정보(계좌·카드·잔액)는 수집 대상이 아니다.
집계 단위 제공. 기관에 제공하는 결과는 개인 단위가 아니라 집계 단위로 산출하며, 최소 인원에 미달하는 소규모 집단은 산출하지 않는다(재식별 방지).
가상 격리. 실습은 앱 안의 가상 상황이며 실제 금융 시스템에 대한 쓰기 접근이 없다.
외부 데이터 검증. 수집한 외부 원문은 AI 1차 검증과 사람 검수를 함께 거친 뒤 적재한다.

6. 금융안전 영역의 심화 설계

이 절은 3대 학습 영역 중 「금융안전」 영역에 한정한 심화 설계다. 팀 기획서의 AI 기능 ①「금융역량 진단」은 사용자의 행동 데이터를 기준과 가중치에 따라 점수화한다고 밝히고 있는데, 그 점수화를 실제로 계산 가능하게 만들려면 영역별 산식이 필요하다. 아래는 금융안전 영역에 대해 설계한 산식과 실습 절차이며, 기초금융·생활금융 영역의 산식과 세 영역을 하나의 금융역량 프로필로 통합하는 방법은 아직 설계되지 않았다.

6-1. 금융안전 취약도 지수 산식

용어	정의
발송(노출)	사용자에게 제시된 실습 시나리오 1건. 열람 여부와 무관하게 센다 — 분모
피격	링크 클릭 / 정보 입력·전송 / 사기 시나리오를 "정상"으로 판정 — 분자. 규칙 계산으로 판정한다

개인 지수   V(u,L) = ( Σ wᵢ · hitᵢ ) ÷ ( Σ wᵢ ) × 100      (0~100, 낮을수록 안전)
가중치      wᵢ = 0.5 ^ ((r_now − rᵢ) / H)                    H = 반감기, 기본 3회차
산출 조건   자극 유형 L의 누적 발송 n ≥ 3 일 때만 산출. 미만은 "측정 중"
집단 집계   기관·지역 단위 집단 소속 사용자 지수의 평균, 1회차 대비 개선폭을 함께 제공
최소 인원   집단 인원이 기준(기본 30명)에 미달하면 산출하지 않는다 — 재식별 방지

최근 회차에 가중하는 이유. 반년 전 결과와 지난주 결과를 같은 무게로 더하면 "지금 이 사람이 얼마나 위험한가"에 답하지 못한다.
자극 유형 라벨은 콘텐츠 제작 시점에 사람이 검수해 고정한 메타데이터이며, 지수의 분자·분모에는 사람이 검수한 라벨과 규칙 판정 결과만 들어간다.
반감기 3회차와 최소 인원 30명은 근거 있는 상수가 아니라 운영 기본값이다. 도입 기관의 규모·정책에 따라 조정하며 최소 인원은 상향만 한다.

6-2. 실습 절차와 유형

구분	내용
5단계 절차	사전 행동수칙 안내(3분) → 취약 유형 진단 → 무예고 시나리오 → 사후 분석 → 재평가
설계 제약	1회 3분 이내 · 앱 안의 가상 수신함(실제 발송 없음) · 실계좌·실개인정보와 분리
실습 유형	판별형(기관사칭 소재 40% 이상) · 행동형(행동수칙·모의 이체, 진입 시 1회) · 생활과제형(생활 과업 수행 중 사기 소재를 함께 다룸)

시작을 행동수칙 안내로 두는 이유는 수칙을 모르는 상태의 실패는 학습이 아니라 좌절이기 때문이다. 예고 없이 도착하는 것은 개별 시나리오의 시점이지 실습 참여 사실이나 행동수칙이 아니다.

6-3. 미설계 항목 (정직 표기)

기초금융·생활금융 영역의 진단 산식은 설계되지 않았다.
세 영역의 결과를 하나의 금융역량 프로필로 합산하는 방법도 설계되지 않았다.
이 지수는 외부 훈련 지표(예: 기업 대상 모의훈련의 열람률·클릭률)와 직접 비교하지 않는다 — 측정 대상과 참여 조건이 다르다.

7. 향후 발전 방향 — 3단계

구분	타겟 사용자	목표	실행 전략
1단계	시니어층	실제 행동 변화 입증 / PoC 성공 및 레퍼런스 확보	AI 기반 대화형 인터페이스 도입 / 밀착형 시나리오 미션 구성
2단계	청년층, 중장년층	사기 유형별 시나리오 다각화 / 플랫폼 체류 시간 증대	게이미피케이션 콘텐츠 도입 / 금융 서비스의 실질 혜택 연계
3단계	청소년층, 전 연령층	공공 교육 인프라 편입 / 사용자 데이터 기반 DaaS 구축	청소년층 특화 시나리오 개발 / 연령별 데이터 수집 및 가공

다른 부록 — 인용 출처 전체 · 경쟁 서비스 조사 · 부록 모음 첫 화면