ICAIF 2025로 살펴본 금융 AI 연구 동향

카카오뱅크 기술연구소는 ICAIF 2025에서 금융 AI의 최신 흐름을 직접 확인했고, 자체 연구인 **“Query Generation Pipeline with Enhanced Answerability Assessment for Financial Information Retrieval”**로 Oral 세션에 선정됐다. 전체 349편 제출 논문 중 113편이 채택됐고, 그중 54편만 Oral로 발표됐다.

학회는 싱가포르 Sheraton Towers에서 열렸고, 워크숍과 메인 컨퍼런스로 나뉘어 진행됐다. 워크숍에서는 XAI-FIN-2025, AI and Data Science for Digital Finance, Rethinking Financial Time-Series 같은 주제가 다뤄졌고, 메인 컨퍼런스에서는 Oral 발표, 포스터, 키노트, 패널 토론이 이어졌다. 특히 한국 연구진의 존재감도 컸고, 채택 논문 중 **14%**가 한국에서 나왔다.

카카오뱅크의 연구는 금융 정보 검색 시스템 평가에서 생기는 병목을 겨냥했다. 사람이 직접 질문-답변 데이터를 만드는 비용과 한계를 줄이기 위해 LLM을 활용해 쿼리와 답변을 동적으로 생성하고, 생성된 질문이 실제로 문서에서 답할 수 있는지 판단하는 Answerability Assessment를 넣어 품질 낮은 질문을 걸러냈다. 그 결과 사람 손으로 만든 것에 가까운 고품질 평가 데이터셋을 더 효율적으로 만들 수 있는 파이프라인을 제안했다.

학회 현장에서 가장 크게 보인 흐름은 세 가지였다.

• RL과 Agent System: 시장 시뮬레이션, 트레이딩, 사기 탐지, 자율 에이전트 기반 전략이 확장됐다.
• 투자 전략과 시장 예측: 예측 정확도보다 최종 의사결정을 직접 최적화하는 Decision-Focused Learning이 부상했고, 변동성·시계열·리스크 관리 연구도 더 정교해졌다.
• Evaluation, Ethics and Safety: 금융에서 LLM이 얼마나 잘 작동하는지보다, 어떻게 평가하고 설명하고 안전성을 확보할 것인지가 더 중요한 주제가 됐다.

강화학습과 에이전트 연구에서는 시장을 복잡한 상호작용 시스템으로 보는 시도가 두드러졌다. 해석 가능한 시장 시뮬레이션, 고성능 금융 디지털 트윈, 자산-부채 관리와 보험 가격 책정에 적용한 RL 연구가 나왔고, 자율 트레이딩 에이전트가 시장 조작으로 이어질 수 있다는 경고도 제기됐다. 에이전트의 능력이 커질수록 규제와 거버넌스, 윤리 검증이 함께 필요하다는 점이 강조됐다.

투자 전략과 예측 분야에서는 단순 예측보다 포트폴리오 성과를 직접 최적화하는 접근이 눈에 띄었다. 공분산 추정과 수익률 예측에 Decision-Focused Learning을 적용한 연구, Physics-Informed Neural Networks로 확률적 로컬 변동성 모델을 보정한 연구, LLM을 외환 변동성 예측에 재활용한 연구가 소개됐다. 자산 간 Lead-Lag 관계를 학습하거나 페어 트레이딩에 물리학적 평균 회귀 개념과 대조 학습을 결합하는 등 시계열 모델링도 더 관계 중심으로 진화했다. 리스크 관리에서는 예측의 불확실성을 정량화하는 Conformal Prediction 같은 접근이 중요해졌다.

평가와 신뢰성 측면에서는 금융 LLM의 한계를 측정하려는 시도가 집중됐다. 텍스트·표·차트를 함께 보는 멀티모달 벤치마크, 테이블 데이터에서의 hallucination 평가, 경제 체제 변화에 따른 semantic drift 분석이 핵심이었다. 설명 가능성 세션에서는 프로토타입, 비평, 반사실, 준사실 같은 사례 기반 설명이 주목받았고, NeuralBeta와 같은 해석 가능한 변형 모델도 소개됐다.

가장 활발했던 논의는 Ethics and Bias in LLM-driven Finance였다. 투자 분석에서의 편향, 시장 남용 상황에서의 윤리적 판단, 규제 준수 가능성을 검증하는 연구들이 이어졌고, 카카오뱅크의 쿼리 생성 연구도 여기서 발표됐다. 핵심 메시지는 단순히 답을 잘 만드는 것보다, 애초에 답할 수 있는 질문을 만들고 실패 가능성을 먼저 점검하는 것이 금융 AI의 신뢰성 출발점이라는 점이었다.