은행 개인 대출 심사, AI 시대에는 무엇이 달라질까?

CSS·전략운용시스템부터 DSR, 대안신용평가와 미래 개인대출까지

 

은행 개인대출 심사. AI시대에는 무엇이 달라질까?

 

---

 

은행에서 개인 대출을 신청하면 무엇을 기준으로 승인 여부를 결정할까요?

 

신용점수가 가장 중요하다고 생각하기 쉽지만 실제 은행의 대출심사는 훨씬 복잡합니다.

 

개인의 신용위험과 소득, 기존 부채, 채무상환능력 등을 종합적으로 판단하고 대출한도와 금리까지 결정하기 때문입니다.

 

현재 금융기관 상당수의 표준화된 개인대출은 신용평가시스템과 전략운용시스템을 통해 자동으로 심사됩니다.

다만 추가 확인이나 예외심사가 필요한 건은 내규에 따라 전문가심사시스템으로 진행되어 본부 전담 심사부서에서 예외적으로 심사를 하게 됩니다.

 

이러한 개인대출 심사프로세스는 각 금융기관의 내부 규정이나 시스템등에 의해 차이가 있습니다.

 

그런데 최근 이러한 대출심사 방식이 빠르게 달라지고 있습니다.

 

미국에서는 AI가 신용위험을 분석하여 대출심사 과정을 자동화하고, 영국에서는 계좌의 실제 현금흐름을 활용해 상환능력을 평가합니다.

 

국내 금융회사들도 기존 신용점수만으로 평가하기 어려운 고객을 대상으로 대안신용평가를 확대하고 있습니다.

 

은행의 대출심사 과정과 판단기준을 살펴보고 AI 시대에 개인대출이 어떤 방향으로 발전하고 있는지 알아보겠습니다.

 

---

 

1. 개인대출은 여러 시스템이 연결되어 결정됩니다

 

은행의 개인여신 심사는 상품과 금융회사에 따라 다르지만, 일반적으로 대출신청 정보가 입력되면 외부 신용정보 조회와 은행 내부 신용평가가 이루어집니다.

 

이때 사용하는 것이 CSS(Credit Scoring System), 즉 개인신용평가시스템입니다.

 

NICE·KCB 같은 외부 CB사의 신용평점과 금융회사 자체 신용평점, 거래정보 등을 결합하거나 각각 활용하여 고객의 신용위험을 판단합니다.

 

신규 신청자의 위험을 평가하는 신청평점모형(ASS)과 기존 고객의 상환행동을 평가하는 행동평점모형(BSS) 등도 활용될 수 있습니다.

 

ASS와 BSS모형 개념 비교 내용. 출처 : 필자의 강의교안 발췌

 

 

그러나 CSS가 산출한 평가점수가 곧 대출승인을 의미하지는 않습니다.

 

전략운용시스템(의사결정 엔진)은 CSS 평가결과에 소득·부채·상환능력, 상품요건, 은행의 여신운영전략과 리스크관리정책 등을 적용합니다.

 

사전에 설정된 의사결정 규칙과 매트릭스에 따라 승인·거절·조건부 승인·추가심사 회부 등의 처리 방향을 정합니다.

 

예를 들어 신용위험이 낮아도 기존 대출이 많다면 한도를 낮추거나 승인하지 않을 수 있습니다.

반대로 신용평가 결과가 경계 수준이면 추가 소득증빙이나 심사역 검토를 요청할 수 있습니다.

 

대출심사에는 다른 시스템도 연계됩니다.

 

담보대출에는 담보평가시스템이 적용되고, 한도산출시스템은 소득·부채·담보·규제한도 등을 고려해 취급 가능한 금액을 계산합니다.

 

금리산출시스템은 신용위험, 조달비용, 상품조건과 우대요건 등을 반영하여 제시금리를 산정합니다.

 

이러한 계산과 규칙 적용은 한 번에 연결되거나 일부 병렬로 수행될 수 있습니다.

 

따라서 '신용평가, 상환능력 평가, 한도 계산, 금리 계산, 승인'이라는 순서는 설명을 위한 구분이지 모든 은행이 동일하게 운영하는 절차는 아닙니다.

 

---

2. 자동승인이 되지 않으면 어떻게 될까?

 

자동심사에서 추가 확인이 필요한 건은 은행 내규에 따라 재심 또는 특별심사 절차로 이동할 수 있습니다.
여기에서 말하는 특별심사 절차도 금융기관별로 사용하는 용어와 절차가 다르지만 이 글에서는 특별심사 용어를 사용하도록 하겠습니다.

 

심사역은 소득의 안정성, 기존 채무, 제출서류의 신뢰성, 특수한 상환재원이나 담보조건, 예외취급 가능 여부 등을 개별적으로 검토합니다.

 

필요하면 승인조건을 조정하거나 거절할 수 있습니다.

 

다만 '조건부 승인'은 서류 보완이나 한도 조정 등 조건이 충족되어야 대출이 가능한 경우이고, '심사역 회부'는 아직 개별 검토가 필요한 상태라는 점에서 다릅니다.

 

규제상 취급이 불가능한 대출이 특별심사를 거치면 자동으로 허용되는 것도 아닙니다.

 

은행별 CSS 모형, 전략 매트릭스, 자동승인 범위와 심사권한은 서로 다르며 구체적인 기준은 공개되지 않는 경우가 많습니다.

 

---

3. CSS가 좋더라도 DSR 때문에 거절될 수 있습니다

 

신용평가는 채무불이행 가능성을, 상환능력 평가는 새 대출을 감당할 수 있는지를 살펴봅니다.

둘은 밀접하지만 같지 않습니다.

 

대표적으로 개인의 상환능력을 측정하는 지표는 DSR(총부채원리금상환비율)입니다.

 

DSR = 금융부채 연간 원리금상환액 ÷ 연소득 × 100

 

예를 들어 연소득이 6,000만원이고 기존 대출의 연간 원리금상환액이 1,800만원이면 단순 DSR은 30%입니다.

 

신규대출로 상환액이 연간 900만원 늘어나면 45%가 됩니다.

신용점수가 높더라도 규제와 내부 심사기준에 따라 대출이 제한될 수 있습니다.

 

DTI는 주택담보대출의 원리금과 기타 부채의 이자를 소득과 비교하며, LTV는 담보가치 대비 대출금액을 나타냅니다.

담보가 충분하더라도 소득 대비 상환부담이 과도하면 대출한도가 제한될 수 있습니다.

상기 세가지 지표 LTV, DTI, DSR은 금융감독원 소관 은행업무감독시행세칙 별표18에서 주택관련 담보대출 리스크 관리 세부기준으로 아래 표 내용과 같이 산식을 정하고 있습니다.

최근에는 대출한도 규제를 위해 스트레스DSR 지표가 도입되어 시행되고 있습니다

 

따라서 실제 규제 DSR은 대출별 인정만기, 상환방식, 스트레스 DSR 적용 여부 등을 고려합니다. 

 

 

---

4. 기존 신용정보의 한계를 보완하는 대안신용평가

 

전통적인 CSS(Credit Scoring System)는 대출과 카드 이용, 연체 여부, 부채 수준 등 과거 금융거래 정보를 중요한 평가자료로 활용해 왔습니다.

 

이 방식은 금융거래 이력이 충분한 사람의 신용위험을 평가하는 데 유용하지만 한계도 있습니다.

 

사회초년생이나 금융거래가 많지 않은 사람은 실제 소득이나 상환능력이 양호하더라도 평가에 활용할 금융정보가 부족해 상대적으로 불리한 평가를 받을 수 있기 때문입니다.

 

이러한 정보의 공백을 보완하기 위해 활용되는 것이 대안신용평가입니다.

 

대안신용평가는 일반적으로 ACSS(Alternative Credit Scoring System)라고 하며, 기존 금융정보 외에 통신요금·전기·가스 등 공공요금 납부이력, 전자상거래 및 결제정보 등 다양한 비금융정보를 활용하여 차주의 신용위험과 상환가능성을 평가하는 방식입니다.

 

해외에서는 모바일 이용정보나 온라인 활동정보 등 보다 다양한 데이터의 활용도 연구되고 있지만, 실제 활용 범위는 개인정보보호와 정보제공 동의, 관련 법규에 따라 달라집니다.

 

AI는 여기에서 중요한 역할을 할 수 있습니다. 기존 신용정보와 비금융정보 사이의 복잡한 관계를 분석해 기존 모형에서 포착하기 어려웠던 위험요인을 찾아내고, 금융거래 이력이 부족한 차주의 상환위험을 보다 세밀하게 추정하는 데 활용할 수 있습니다.

 

앞으로 대안신용평가는 AI와 결합하면서 더욱 정교해지고, 개인대출 심사에서도 활용 범위가 확대될 가능성이 큽니다.

 

중요한 변화는 AI가 은행의 여신정책이나 심사기준을 대신하는 것이 아닙니다.

 

AI는 CSS와 ACSS의 위험예측 능력을 높이고, 그 결과를 전략운용시스템과 연결하여 승인 여부와 한도·금리·만기·상환방식 등의 의사결정을 보다 정교하게 지원하는 방향으로 발전할 가능성이 큽니다.

 

결국 미래의 개인대출 심사는 ‘과거에 금융거래를 어떻게 했는가’만 보는 방식에서 벗어나, ‘현재 어떤 소득과 현금흐름을 가지고 있으며 앞으로 빚을 갚을 능력이 있는가’를 보다 입체적으로 판단하는 방향으로 이동할 것입니다.

 

---

5. 미국과 영국의 실제 적용 사례

 

미국 AI 대출 플랫폼 Upstart는 제휴 금융기관의 개인대출 등에 AI 기반 평가와 자동화된 심사기술을 제공합니다.

 

2026년 2분기 공시에서는 플랫폼 취급 대출의 91%가 Upstart 측 인적 개입 없이 자동 처리됐다고 밝혔습니다.

 

이 수치는 해당 회사의 정의에 따른 것으로 전체 은행권의 자동승인율을 뜻하지 않습니다.

 

영국의 Plend와 Salad는 오픈뱅킹을 통해 고객이 동의한 계좌정보를 활용해 소득·지출과 실제 상환가능성을 분석합니다.

 

기존 신용이력이 부족한 고객에게 다른 평가기회를 제공하려는 사례입니다.

 

해외의 방향은 '신용점수 폐지'라기보다 기존 신용정보와 현금흐름을 함께 사용하는 방식에 가깝습니다.

 

---

6. 국내 금융회사의 변화

 

국내에서도 인터넷전문은행 등을 중심으로 대안신용평가가 대출심사에 도입됐습니다.

 

카카오뱅크는 비금융정보를 활용한 대안신용평가로 기존 평가에서는 대출이 어려웠던 중·저신용자를 추가로 선별했다고 2026년 6월 발표했습니다.

 

금융위원회는 2026년 1월 신용평가체계 개편 TF를 출범해 개인신용평가 개편, 대안신용평가 활성화, AI 활용 평가 내실화 등을 논의하고 있습니다.

 

소상공인을 대상으로 한 특화 신용평가(SCB)는 2026년 8월 말 9개 은행에서 시범운영을 시작했고, 연말까지 16개 은행으로 확대할 계획입니다.

 

매출·업종·상권 등 비금융정보를 활용하지만, 일반 개인 신용대출에 동일한 평가체계가 전면 시행된다는 뜻은 아닙니다.

 

---

7. 미래의 대출승인은 어디로 향할까?

 

향후 은행의 개인대출 심사는 세 방향으로 발전할 것으로 예상됩니다.

 

첫째, 기존 신용점수와 과거 금융이력에 최근 현금흐름을 결합하여 상환능력을 더 세밀하게 파악할 것입니다.

 

둘째, AI 기반 위험 예측과 전략운용시스템을 연계하여 승인 여부뿐 아니라 개인별 한도·금리·만기·상환방식 등을 맞춤형으로 결정하는 기능이 확대될 것입니다.

 

셋째, 자동심사가 고도화될수록 심사근거의 설명가능성과 공정성, 개인정보보호, 예외심사의 책임성이 중요해질 것입니다.

 

금융위원회가 2026년 6월 시행한 금융분야 AI 가이드라인도 인적개입과 금융회사의 최종 책임 등을 강조합니다.

 

금융소비자에게도 변화가 필요합니다.

 

신용점수 관리뿐 아니라 기존 부채, 소득의 지속성, 매월 실제로 상환 가능한 현금흐름을 함께 살펴야 합니다.

 

개인대출의 미래는 사람을 AI로 완전히 대체하는 데 있지 않습니다.

 

더 정확한 평가정보와 투명한 심사규칙을 통해 상환능력이 있는 고객에게 적합한 대출조건을 제공하고, 과도한 부채는 예방하는 방향에 있습니다.

 

미래의 개인대출 심사방향 인포그래픽

---

참고자료

• 금융위원회, 「정부와 금융권이 함께 금융권 AX를 가속화해 나가겠습니다」, 2026.6.18. 금융분야 인공지능 가이드라인 개정안과 금융권 AI 전환 방향을 발표한 자료입니다. 금융위원회
• 금융위원회, 「금융분야 인공지능 가이드라인」, 2026.6.22 시행. AI 활용의 7대 원칙으로 거버넌스, 합법성, 보조수단성, 신뢰성, 금융안정성, 신의성실, 보안성을 제시하고 있습니다. 특히 현 단계에서 AI는 업무의 보조수단이며 최종 의사결정과 책임은 임직원이 수행하도록 하고 있습니다. 금융위원회
• 금융감독원, 「금융분야 AI 위험관리프레임워크」, 2026.6.22 배포. 금융회사의 AI 개발·활용 과정에서 위험을 식별하고 통제하기 위한 관리체계를 구체화한 자료입니다. 금융위원회
• 금융보안원, 「금융분야 인공지능 보안 안내서」, 2026.6.22 배포. 금융회사에서 AI를 활용할 때 필요한 보안관리 원칙과 점검체계를 다룬 자료입니다. 금융위원회
• 한국신용정보원 및 금융회사 개인신용평가 관련 공개자료. CSS·대안신용평가·비금융정보 활용 구조를 이해하기 위한 참고자료로 활용할 수 있습니다.

 

안내사항

이 글은 개인대출 심사와 신용평가, 대안신용평가 및 금융권의 AI 활용 방향을 설명하기 위한 금융교육 목적의 자료입니다.

 

실제 대출 승인 여부와 대출한도, 금리, 만기 및 상환방식은 금융회사별 여신정책과 신용평가모형, 차주의 소득·부채·신용상태·거래정보 및 당시의 금융규제 등에 따라 달라질 수 있습니다.

 

본문에서 설명한 CSS, ACSS 및 AI 기반 대출심사는 일반적인 구조와 발전 방향을 설명한 것으로, 특정 금융회사의 내부 신용평가모형이나 승인기준을 의미하지 않습니다. 금융회사별 신용평가 항목과 가중치, 전략운용 기준은 공개되지 않거나 서로 다를 수 있습니다.

 

또한 통신요금·공공요금 납부정보, 전자상거래정보 등 비금융정보의 실제 활용 범위는 개인정보보호법, 신용정보법, 정보제공 동의 및 금융회사별 운영기준에 따라 달라질 수 있습니다.

 

AI가 신용평가와 대출심사에 활용되더라도 현재 금융위원회 가이드라인은 AI를 업무의 보조수단으로 보고 있으며, 최종 의사결정과 그에 따른 책임은 금융회사 임직원에게 있음을 원칙으로 하고 있습니다.

 

따라서 실제 대출을 신청하거나 자신의 신용평가 결과를 확인할 때는 해당 금융회사의 최신 상품설명서와 심사기준, 금융당국의 관련 규정을 함께 확인하시기 바랍니다.